視頻行業大數據驅動的媒體計算與服務

(中國人民大學信息學院 北京 100000)

近年來互聯網的快速發展為信息技術帶來了巨大的變革，網絡已經成為當今社會最重要的信息資源共享與協作的基礎平臺，從桌面計算到網絡計算，網絡化應用帶來了信息技術和產業發展新的戰略機遇。隨著網絡和視頻采集設備快速普及，視頻數據迅猛增加,是信息存儲、傳播和表現的重要載體，其相關應用逐漸滲透到了社會生活的各個領域。數據顯示，2018上半年中國網絡視頻用戶規模達到60906萬人，與2017年末相比增長3014萬人，占整體網民比例達到76.0%，視頻行業移動化、精品化、生態化進程得到持續推進，網絡多媒體應用與服務從視頻內容、用戶體驗到基礎設施都孕育著新的變革和機遇。

面對如此巨大的流量，融合媒體內容、群智、用戶上下文、云計算的智能媒體處理與內容分發已成為當前媒體計算與服務的重要趨勢。如何利用云中聚合的海量媒體數據、社交媒體交互數據、用戶服務日志數據等媒體大數據，學習挖掘相關規律和模式，實現智能化、個性化的媒體服務，最大程度滿足用戶的體驗和需求，是當前的研究熱點。

在多媒體產業領域里，海量豐富的媒體內容可以通過搜索、推薦、推廣、智能分發等方式被目標用戶發現，這個通路面臨著幾個重要挑戰，要準確得理解內容需要跨越語義鴻溝，實現個性化需要克服用戶的意愿鴻溝，同時，上層用戶對內容的訪問行為需要匹配底層網絡資源的需求。

一、大數據技術應用于媒體計算的基本原理

大數據的概念最早源于 20 世紀 80 年代，早在 1980 年，著名的未來學家阿爾文·托夫勒就在《第三次浪潮》一書中提出，“大數據是第三次浪潮的華彩樂章。”[1]但大數據真正被各界關注則是在 2011 年 5 月一份名為《大數據前言》的專門研究報告之后。這篇研究報告指出，“大數據不同于傳統的數據，它是指大小超出了傳統數據庫軟件工具的抓取、存儲、管理和分析能力的數據群。”[2]大數據技術的產生是不同時期信息技術領域多項技術共同進步相互作用的結果，將海量分散狀態的數據，通過采集存儲、挖掘分析和應用呈現的一系列過程，轉化為輔助決策的工具。

大數據采集存儲技術是運用 ETL(extract transformload)工具將分散異構的數據進行抽取、清洗、轉換、集成，并加載到數據倉庫的技術。以往，信息系統存儲的數據僅能用于查詢，而基于數據倉庫理論的存儲技術采用分布式存儲，不僅能實現查詢，還能進行挖掘分析。大數據挖掘分析技術是從數據倉庫的海量數據中提取潛在信息，通過相應的移動邏輯對海量數據進行并行運算，輸出與目標需求相關的信息。

《大數據時代》作者將大數據的特點總結為 4V——規模大(Volume)、速度快(Velocity)、種類多(Variety)、價值密度低(Value)。據 IDC 預測，2020 年全球的數據量將達到 44ZB，中國的數據量也將超過 8ZB[3]。大數據的價值不在于數據量的龐大而在于如何充分發揮它的價值。為此，對數據的管理和應用成為大數據的關鍵所在。時間上需要以秒甚至更小的單位計時分析數據，內容上需要處理各種文本、圖片、視頻等多種數據源，應用上也要對數據不斷“提純”，讓價值利用最大化。[4]

研究的基礎是擁有大規模數據的底層計算平臺，在視頻行業中可以通過不同途徑搜集多維度的數據，對自身內容基因進行更加詳細精準地描述，可以結合社交平臺傳播流行的信息、用戶群體的行為反饋，跟內容關聯分析，還可以對系統運行過程中獲得的海量QoE(quality of experience)數據建模，從中形成一定的策略和模式，指導個性化推薦和智能分發，為上層應用的后臺邏輯提供支撐，最終提高用戶的產品使用體驗。

二、基于用戶感知的視頻內容運營與推薦

在這個大數據時代，不同媒體之間信息的流動性在不斷增加，同時提高的還有雙向操作和互動性，這種雙向的媒體操作，是指用戶可以對接受到的信息，通過網絡的形式反饋給信息的傳播者——媒體，而媒體則可以根據這些數據從微觀、中觀、宏觀等各個層面感知用戶，獲得用戶特征集合，將用戶的社會屬性、行為特征、潛在需求進行抽象提煉，形成動態用戶標簽體系。

比如選取愛奇藝的頭部熱點內容，在微博中搜集對應的所有用戶數據，從宏觀上可以分析出平臺內容的受眾在社交媒體上的分布，除了年齡、性別、地域等人口基本屬性，還可以從行為特征、使用場景抽象出具象化的原型。從而得出一些結論，好友之間的興趣網絡結構比較密集，大部分用戶會更加關注網紅、影視大V的宣傳推廣，更容易受到官方大號的影響，影視內容的前期造勢推廣非常重要。原創微博通常會包含較多主觀感受的評論信息，在電視劇內容里，用戶的原創意愿比其他類型內容更強，所以電視劇相對來說是更容易吸引和留住用戶的類型。在電視劇播出的不同輪次里，大眾的觀看和評論轉發意愿都會降低，最新最熱內容應該被優先推薦。在不同節目切換時，用戶往往會受到看過的老節目影響，下一個選擇會傾向于相似的節目，可以根據歷史數據和個人喜好推薦同類內容。

視頻網站利用數字化的信息技術手段,對自身采買或制作的內容進行運營、推薦，為用戶提供信息內容服務。用戶需求決定了信息服務的內容與方式，因為不同用戶的偏好和需求不同，所以視頻服務的內容與方式也需要差異化。[5]面向的用戶群由不同年齡、不同階層以及不同興趣愛好的用戶組成，他們對觀看的內容要求也不盡相同，因此網站必須根據用戶的多種屬性和潛在需求來制定推薦策略，降低用戶自己搜索所需內容的時間和精力成本，提升用戶使用的體驗和好感度。相對于大部分網絡視頻用戶而言，推薦內容的豐富性、個性化和低遷移成本是相對有線電視的重要優勢。如果某個視頻網站能通過大數據分析獲取需求建立清晰的用戶畫像，并且播放體驗流暢、使用功能完善，可以大大提高用戶留存率。因此，個性化、差異化的視頻內容運營和推薦對于視頻網站的建設與發展至關重要。

三、基于行為感知的媒體分發

隨著互聯網上的內容持續快速地增加,但“多”并非就是“好”，隨著信息的持續累積，“匱乏”的問題最終轉變為“過載”的問題。大眾對個性化的內容訴求也在逐漸覺醒,從對信息“量”的追逐轉變為對優質、精準內容的渴求。這種轉變促使著視頻媒體不斷改進其內容整合、分發的具體模式。[6]目前，媒體內容智能分發的核心問題是底層網絡資源分配時，難以主動預測上層用戶的內容訪問行為。

用戶觀看視頻時的行為由多種因素影響，比如興趣愛好、使用場景、功能體驗或存在的客觀操作問題，可以記錄整個觀看過程中的大量參數并進行建模，像用戶啟動時間、啟動故障率、正片卡頓次數、碼率切換次數等，通過相關性分析，找出不同參數之間的關聯以及對用戶體驗影響的量化結果。從現象中得出一些結論，例如觀看視頻時啟動延遲達到2s以上用戶開始退出，每再增加1s會增加6%的退出量，而且網絡連接狀態越好，自身預期越大從而導致退出率越高。在播放過程中，平均每次卡頓時長占播放時長的1%，則播放時長減少5%，當用戶第一次使用某視頻網站出現播放失敗，會大大降低再次選擇該網站的概率。而目前三大主流視頻網站愛奇藝、騰訊、優酷的95%底量內容都是相同的，在這種同質化嚴重的情況下，播放體驗顯得尤為重要。用戶對觀看內容的偏好程度越高，對于問題的容忍度也會更高，因此準確感知用戶的行為特性從而提供恰當的CDN服務可以最大程度實現資源最優配置。

在智能分發過程中，除了了解用戶的行為特性，傳播預測也是一個重要趨勢。社交網絡的信息傳播也會對內容流行度產生巨大的影響，比如“鳥叔”的騎馬舞視頻最初只是一個音樂人在社交平臺發布，被明星大V粉絲擴散轉發才一度打破YouTube的播放記錄。在社交媒體的內容分發模式下，人際關系網絡對海量的信息起到了過濾與選擇的功能，人們所能接觸到的媒介資源由自身的社交范圍及屬性決定，即“圈子決定視野”。內容的流行度主要來自于用戶相互之間的動態影響，以及內容本身的吸引力。傳統視頻網站內容符合“二八定律”，即20%的熱點內容覆蓋80%的觀看用戶，而社交屬性比較強的內容則更加扁平化，如果以傳統后臺CDN部署方式來應對有社交媒體傳播特性的內容，效率會成倍降低，所以需要通過數據分析找到用戶、內容、場景上下文之間的關聯性，從而總結出一定的傳播模式去預測不同區域中可能的內容熱點，針對全局熱門或局部熱門的情況提前部署介質，可以提高視頻播放的性能體驗。基于行為感知而采用智能的內容分發模式是尊重用戶主動性、滿足用戶深層次信息需求、提升視頻網站用戶體驗的必然選擇。

四、數據驅動的多媒體邊緣計算

隨著移動通信、社交網絡、移動智能終端的發展,人們對高質量實時數據業務有更強烈的需求,特別是在線視頻和社交業務，[7]也帶來了更多技術上的機遇和挑戰，傳統的 CDN遠離用戶,導致傳輸距離遠、延時高，往往借助緩存數據提高近地節點數據傳輸的性能，但是實際上對動態的計算服務，就只能回源到數據中心，成本非常高。然而未來業務本地化的趨勢越來越明顯,特別是社交網絡發展使得內容分發更加邊緣化、小圈子化,需要極大帶寬和極低延遲去滿足用戶的使用，就近提供網絡訪問、存儲等資源。邊緣計算可以理解為是指利用靠近數據源的邊緣地帶來完成的運算程序。而邊緣計算服務的構建，在技術領域是一種很大的創新。邊緣計算和傳統的中心化思維不同，它的主要計算節點以及應用分布式部署在靠近終端的數據中心，這使得在服務的響應性能、還是可靠性方面都是高于傳統中心化的云計算概念，而 CDN 的節點正好可以充分復用起來，提供計算服務。

邊緣計算具備幾個特點：1、分布式和低延時計算。會對終端設備的數據進行篩選，不必每條原始數據都傳送到云，充分利用設備的空閑資源，在邊緣節點處過濾和分析，節能省時；同時減緩數據爆炸，網絡流量的壓力，在進行云端傳輸時通過邊緣節點進行一部分簡單數據處理，進而能夠縮短設備響應時間，減少從設備到云端的數據流量。2、智能化。AR、VR場景以及大數據和人工智能行業，都有著極強的對近場計算的需求，邊緣計算保障大量的計算需要在離終端很近的區域完成計算，完成苛刻的低延時服務響應。邊緣計算可以幫助CDN更加智能、高效和穩定。

利用邊緣網絡進行視頻分發的資源調度，可以滿足用戶直接從網絡邊緣獲取服務，同時與個人、家庭、社區等實體對應，能夠支持靈活高效的內容分發需求。邊緣節點資源是動態變化的，根據不同區域特征而分布不均勻，同時邊緣用戶還具有小群體特性。所以在邊緣網絡部署內容時需要考慮網絡邊緣不同區域用戶對視頻偏好的差異性，邊緣內容部署開銷與用戶體驗之間的平衡，以及中心服務器的負載。對于連接到WiFi的用戶，可以根據他的訪問行為特性在線強化學習，比如熱點連接行為，觀看視頻跳轉行為等，從而在智能設備上進行視頻預取，最終達到緩存、延遲率降低的效果。

五、總結與展望

在傳統互聯網時代，互聯網只是一個工具，并沒有改變我們的商業模式，但久而久之它改變了我們的傳播習慣，逐漸變成了一種生活方式，再往下將進入互聯網智能化的時代。個性化推薦系統廣泛應用，開始在社會生活的多個領域開始發揮重要的作用。視頻行業推薦系統涉及到數據搜集處理、用戶行為分析、數據建模、推薦算法研究和人機交互等多個領域知識，基于大數據的媒體計算和服務可以給用戶極佳的使用感受，給企業帶來豐厚的回報。

不斷進步的技術有利于媒體提高服務質量、激活長尾IP價值、改善內容生態、可持續留存用戶從而實現商業變現，但同時也存在一些局限之處，智能化內容推薦、分發模式的邏輯就是從用戶的行為出發，以較低成本達成最好體驗。在這樣的邏輯下，可能會加劇“信息繭房”，分發邏輯過度迎合受眾的既有興趣，很可能會使用戶困在原本的興趣愛好中，視野被局限無法嘗試新的領域，長此以往大量同質化的內容會增加疲倦度，所以合理優化推薦的算法邏輯，將多種影響因子加權形成更完善的推薦分發模式，是未來需要解決的一個重要問題。大數據時代的到來，確實給視頻行業的內容生產和傳播帶來了煥然一新的變化，至于未來媒體的發展方向趨于何方，是否可以最大限度地合理應用，讓其成為后續五到十年一個非常大的競爭力，值得我們期待。