长视频行业数据模板

user_id

string

必选

用户id，不能包含中文

user_id唯一标识一个用户，作用：
1）产出样本时，用作Key去关联行为数据和用户数据，拼接用户侧特征。
2）归因行为数据时，用作归因的聚合key之一
3）在线服务流环节中的个性化召回中，用作key去维护候选召回池。

age

string

强烈建议

用户年龄或者年龄段

用作特征

city

string

强烈建议

用户城市

用作特征

gender

string

强烈建议

用户性别，例如：1：男性 2：女性 3：未知

用作特征

register_time

int32

强烈建议

用户注册时间戳，精确到秒，如1622476800

用作特征

tags

string

强烈建议

用户标签，多个标签使用$##$分隔，如“标签1$##$标签2$##$标签3”

用作特征

update_time

int32

强烈建议

用户信息更新时间戳，精确到秒，如1622476800

提供精确的字段更新时间，平台会根据此字段来判断是否做字段更新，如果该字段不准确则可能导致无法更新；如无法提供精确的更新时间，建议此字段传空。

client_version

string

建议

客户端版本

用作特征

country

string

建议

用户国家

用作特征

device_id

string

建议

终端ID

device_type

string

建议

终端类型

用作特征

district

string

建议

用户所在区县

用作特征

id_type

string

建议

id类型，手机/邮箱/微信 等

用作特征

language

string

建议

用户语言

用作特征

last_login_time

int32

建议

用户最后一次登陆时间戳，精确到秒，如1622476800

用作特征和推荐策略

membership_level

string

建议

用户会员等级

用作特征

network

string

建议

网络类型，5G/WIFI

用作特征

os

string

建议

操作系统，如IOS，Android

用作特征

os_version

string

建议

设备操作系统版本

用作特征

platform

string

建议

平台，如APP，WAP，H5

用作特征

province

string

建议

用户省份

用作特征

subscriber_type

string

建议

订阅类型

用作特征

item_id

string

必选

表示推荐的ID，需要根据实际推荐纬度从series_id/entity_id/video_id中选择一个填入

item_id唯一标识一个候选，作用：
1）产出样本时，用作Key去关联行为数据和商品数据，拼接商品侧特征
2）归因行为数据时，用作归因的聚合key之一

status

int32

必选

可推荐状态，0：不可推荐， 1：可推荐

1）status=0的物品不会在推荐结果中出现
2）需要下架物品时，把status的值修改为0即可，若物品表是实时同步，生效周期为分钟级。当物品上下架频繁时，建议实时同步物品更新信息

video_duration

int32

必选

该节目的时长（单位为秒）

1）用作特征。 2）优化目标为播放完成率时，用来改写label

actors

array

强烈建议

演员列表，API传输要用json序列化的string，如"["a","b","c",...]"

用作特征

category

string

强烈建议

节目不同级类目之间用$##$分隔，且自左向右类目层级逐渐细化。类目值推荐全部传名称，举例如“喜剧$##$小品”。某一段为空时直接传空字符串，如第二段为空， 则传“喜剧”。

1）用作特征
2）在线服务会用到该字段**（可使用前三级）**进行召回过滤或业务规则

copyright_end

int64

强烈建议

版权结束时间，精确到秒，如1622476800

时间在版权开始之前和之后的物品不可推

copyright_start

int64

强烈建议

版权开始时间，精确到秒，如1622476800

时间在版权开始之前和之后的物品不可推

item_name

string

强烈建议

表示推荐的item_name，填入推荐维度id对应name字段，如推荐ID为series_id，则item_name=series_name

用作特征

keyword

string

强烈建议

关键词。多个关键词用英文逗号分割。

用作特征

tags

string

强烈建议

视频标签，如首页展示标签 “热播”、“贺岁”、“惊闻”等。多值示例：“动作$##$冒险"

1）用作特征
2）服务流会用到该字段进行召回过滤/规则打散

update_time

int32

建议

视频信息更新时间，精确到秒，如1622476800

提供精确的字段更新时间，平台会根据此字段来判断是否做字段更新，如果该字段不准确则可能导致无法更新；如无法提供精确的更新时间，建议此字段传空。

video_count

int32

强烈建议

该节目所属的剧目一共有多少集

用作特征

video_index

int32

强烈建议

该节目在剧目中的索引，比如是第6集。从1开始

用作特征

video_type

string

强烈建议

视频类型，枚举值包括：电视剧、电影、综艺、儿童动漫、新闻、音乐、体育、纪录片、游戏、直播、短内容合辑、戏曲、公开课，其他类型填"未知"

1）用作特征
2）服务流会用到该字段进行召回过滤/规则打散

author_fans

int32

建议

作者粉丝数

用作特征

authors

array

建议

创作者（导演）/出品方。可有多个，API传输要用json序列化的string，如"["a","b","c",...]"

用作特征

chargeable

bool

建议

是否收费。该字段已弃用，新项目不建议使用，存量项目仍可正常使用。

用作特征

cover

array

建议

list of string，封面图的url，API传输要用json序列化的string，如"["a","b","c",...]"

用作特征

current_price

float

建议

当前订阅或者购买价格

用作特征

description

string

建议

剧情描述

用作特征

entity_id

string

建议

实体编码。一个实体有若干季（剧目）。

用作特征

entity_name

string

建议

实体名称。比如《大秦帝国》

用作特征

language

string

建议

视频语言

用作特征

original_price

float

建议

订阅或者购买原始价格

用作特征

pic_url

string

建议

封面url

pub_region

string

建议

发布国家

1）用作特征
2）服务流会用到该字段进行召回过滤/规则打散

pub_time

int32

建议

发布时间，精确到秒，如1622476800

服务流会用到该字段进行召回过滤/规则打散

rating

float

建议

该剧目的打分

用作特征

region

array

建议

播放限制区域，API传输要用json序列化的string，如"["a","b","c",...]"

sale_number

int32

建议

累计售卖次数

用作特征

series_count

int32

建议

该节目所属的实体一共有多少季

用作特征

series_id

string

建议

剧目编码。一个剧目有若干集（节目）

用作特征

series_index

int32

建议

该节目在实体中的索引，比如是第3季。从1开始

用作特征

series_name

string

建议

剧目名称。比如《大秦帝国第三季》

用作特征

source_id

string

建议

视频来源。比如自有、三方平台等。

用作特征

video_id

string

建议

节目编码。一个节目是最小的粒度。如果是小视频则是视频id

用作特征

video_name

string

建议

节目名称。比如《大秦帝国第三季第6集》

用作特征

video_url

string

建议

视频url。如果有多个，使用$##$链接多个url

bhv_time

int32

必选

行为发生时间戳，以秒为单位的unix timestamp，如1622476800，需要在当天时间分区内

作用：
1）行为数据归因时，需要根据bhv_time来对行为排序，从而判断行为发生的先后顺序
2）挖掘用户行为序列特征时，需要将特征列表按bhv_time排序
影响：bhv_time需要传准确的值，否则会影响归因的结果和特征的质量，对推荐效果折损较大。

bhv_type

string

必选

行为类型。不同行为的bhv_type值可以自定义。
平台内置行为类型如下：[曝光：exposure]，[点击：click]，[播放： play]，[播放完成：playover]，[点赞：like]，[评论：comment]，[收藏：favorite]，[加购物车：cart]，[下单：order]，[不喜欢：dislike]。

作用：
1）不同优化目标强依赖于相应bhv_type的行为，比如优化目标为点击率，那么点击行为必传；若优化目标为播放率，那么曝光和播放行为必传
2）挖掘用户特征，传的行为类型越多，平台挖掘的用户特征越多，推荐效果越好
3）用作消重和规则系统

item_id

string

必选

表示推荐的ID，需要根据实际推荐纬度从series_id/entity_id/video_id中选择一个填入

需要与候选表中的item_id相匹配

play_type

string

必选

播放类型，如0：开始播放，1：续播，2：试播

1）用作特征
2）统计效果时，根据客户口径过滤某些类型的行为

scm

string

必选

scm主要用于标识行为产生自哪个合作方。如字节推荐接口返回的候选产生行为，scm可传bytedance，其他可传google、other等等。如无法区分其他合作方，历史数据中可传other，需要保证上线后字节推荐接口返回的候选产生的行为scm都传bytedance。

用于统计不同来源算法的效果

spm

string

必选

SPM(Super Position Model)全称超级位置模型，主要用于标识行为发生的位置。SPM位置编码由A/B/C/D四段构成，各分段分别代表 A: 业务，B：屏幕名称， C: 模块名称， D: 位置。段之间用$##$分隔，即A$##$B$##$C$##$D，spm各段建议传明文。某一段为空时直接传空字符串，如第二段为空， 则传“A$##$$##$C$##$D”。
1.业务：业务名称，如今日头条
2.屏幕名称：一般是推荐页、详情页、电视剧栏目页等
3.模块名称：屏幕中的几个推荐模块，比如猜你喜欢是box2； 同类热播是box5
4.位置：在box中的具体位置

1）归因的时候用作归因依据
2）当传多场景行为数据时，需要spm作为特征刻画不同场景用户行为分布的差异
3）服务流会用到该字段进行召回过滤
4）统计效果按照spm统计单场景效果

user_id

string

必选

用户id，即机顶盒id

登录用户需要与用户表中user_id一致；未登录用户建议使用device_id/imei填充user_id

end_time

int32

强烈建议

结束播放时视频的终点

1）用于除以视频总时长，判断是否完播，优化播放完成率
2）主要刻画退出视频时是在哪个时间点

parent_item_id

string

强烈建议

进入详情页观看的内容的ID，该字段是生成详情页特征的必要字段

用于生成详情页特征

play_duration

int32

强烈建议

播放时长（单位为秒）

用于效果指标统计

pos_id

int32

强烈建议

返回的内容实体在推荐列表中的位置，从0开始

用作特征

request_id

string

强烈建议

请求推荐接口时的request_id

1）便于排查问题
2）后续平台支持request_id作为归因key

start_time

int32

强烈建议

开始播放时视频的起点

device_id

string

建议

行为发生的设备标识

用作数据校验和特征

dislike_type

string

建议

负反馈规则的维度。需要用到负反馈规则时，必须勾选并传输。例如，若不喜欢此视频，需同时过滤同一类型的其他视频，则传输video_type。需要用到多个属性做负反馈时，dislike行为分别传输多个dislike_type和dislike_value。 注意：1）当前item_id不需要再填充到dislike_type，可直接用于负反馈规则；2）dislike_type必须为内容表中的字段，包括：item_id, video_type, category, tags, pub_region以及自定义字段。

和dislike_value一起，作为负反馈规则的条件

dislike_value

string

建议

负反馈规则的维度值，即dislike_type字段对应的字段值。需要用到负反馈规则时，必须勾选。例如，若不喜欢此视频，需同时过滤同一类型的其他视频，则传输video_type的值。若此字段不传，则默认使用当前item对应的属性值过滤。 注意：使用到tags字段过滤时，可以传输多个值（以$##$分隔），触发其中任意值的视频都视作触发负反馈规则。

和dislike_type一起，作为负反馈规则的条件

entity_id

string

建议

实体id

用作特征

ipv4

string

建议

ipv4地址

用作特征

ipv6

string

建议

ipv6地址

用作特征

series_id

string

建议

剧目id

用作特征

trace_id

string

建议

trace_id用于将用户的连续行为关联起来，例如用户曝光了某视频，并点击、播放了该视频，那么这一系列的行为可以用trace_id进行关联，将点击、播放事件归因到对应的曝光事件。此字段由客户侧生成。

后续平台支持trace_id用于归因

trans_data

string

建议

trans_data是个性化推荐请求api返回结果中所携带的transData字段（详细作用可见api文档），用于追踪物品相关的所有行为，进行深入分析，提升推荐效果。

便于平台帮助客户分析优化点

video_id

string

建议

节目id

用作特征

exposure

曝光

强烈建议传输

click

点击

强烈建议传输

play

播放

playover

播放完成

playover行为建议传play_duration字段

like

点赞

comment

评论

favorite

收藏

cart

加购

order

订单

提交订单（即建单）或者到了提交订单页面的行为

dislike

不喜欢