查看原文
其他

在线视频进入Big Data时代!运营商们如何深耕数据围猎未来市场 | 独家编译

2016-12-22 腾讯传媒 全媒派



即将作别2016,我们正在进入在线视频历史上最为迷人的时代——大数据时代。

 

最近,各大在线视频公司重塑OTT服务的动作不断:DirecTVNow上线、Sling TV提供云DVR服务,Netflix支持线下观看,CBS游戏频道提供NFL实况视频......



 

作为电视的补充性服务,OTT视频业务已经发展成为数十亿美元的SVOD产业,并且从目前来看并未出现发展减速的迹象。与此同时,NetflixHulu和亚马逊已经成为新时代的娱乐巨头,虚拟MVPD(多频道视频内容传输商)也重新布局在线市场以弥合传统电视之间的差距。


(注:“over-the-top”服务,该概念早期特指音频和视频内容的分发,后来逐渐包含了各种基于互联网的内容和服务。典型的例子有Skype、Google Voice、微信等。)

 


 

不得不说,伴随着数字媒体的线上转型,广播和在线视频分发机构们的迭代更新速度比以往任何时候都快,从内容到技术,再到原生内容生产。如今,大数据、预测性分析和机器学习将重新定义在线视频。

 
大数据收集:范围持续扩展

 

缺乏可靠的数据是数据分析面临的最大挑战,而且从历史上来看,广播公司很难有效地获取数据,因为消费者数据被电缆和卫星服务供应商掌控着,广播公司所能接触到的数据被最大程度地从听众样本数据限制到尼尔森收听率数据。

 

但是大约在十年前,随着像Youtube、Netflix等VOD流媒体服务的推出,一切都开始发生着变化,为了防止自己落后的太远,广播公司开始推介TV Everywhere(电视无处不在)的服务,为经过认证的订阅者提供适当的内容。

 


将内容转到线上为订阅者和内容提供者都带来了好处。在消费者得到便利的同时,内容提供者也可以真实地了解到订阅者如何与内容进行交互,使得其能够捕获并存储每一个潜在的消费者互动行为,从而获取与收益或消费者行为相关的数据,并提高这部分数据的体量和质量。

 

从目前来看,数据收集的范围持续扩展,现在已经实现了对数百个参数的掌控,如查看历史记录,播放点击次数,使用的设备,网络速度,观看时间和持续时间,浏览习惯,客户支持互动,记录安排,类型偏好,频道和内容切换等等。这些曾经看起来不起眼的跟踪点击流,现如今已经逐渐转换成大数据,而也正是因为这些数据,内容提供者才可以更好的了解订阅者。现阶段,主要的广播公司和网络(HBO GO,CBS All Access等)正通过具有完整成熟OTT服务直接接触到用户。




直接在视频平台上生成的数据(被称为第一方)是用于分析的最主要和最重要的数据。但是很多数据也是从社交媒体平台(如FacebookTwitter)收集来的,这些数据可以捕获实时受众对内容的反应。此外,从DMP收集的第二方和第三方数据提供有价值的相关性,并丰富了主数据的分析。

 

总而言之,虽然早期的VOD和TV Everywhere服务提供了消费者行为的一瞥,但直接的OTT关系已经为全方位观察订阅者行为动态打开了数据闸门。

 
数据分析策略:获得准确答案

 

著名的经济学家Ronald Coase曾经说过:“数据可能不会包含答案,但是如果在它上面下足够多的工夫,它会向你‘屈服’”。

 

的确,收集到了数据并不意味着工作的结束,因为收集数据的目的并非仅仅用于汇报。数据收集往往都始于一个简单的问题:我们在寻找什么?我们想通过数据获得什么样的答案?而我们希望的是可以通过预测性分析从大数据中寻找到我们想知道的答案。

 

像Netflix和Amazon这样的在线视频运营商自己已经拥有成体系的大数据分析策略,因此成为运用大数据辅佐商业化的视频领域领军者。例如,Netflix决定进军娱乐生产的决定就是数据分析的结果,而其以1亿美元价格击败顶尖电视频道获得纸牌屋的播放资格也是通过大数据分析作出决定的。




 
尽管媒介网络和广播公司在这场游戏中开始的较晚,但背靠拥有海量内容消费者数据的先天优势,数据策略在其业务规划上依然大有可为。

 


在线视频的预测性分析:提供未来预测支持

 

在线视频服务收集数据的做法已经持续了很多年,而这也为预测分析提供了一个很好的范本。

 

数据挖掘技术、统计模型、OTT视频和机器学习的预测性分析将大数据分析提升到了一个更高的逻辑层面。




借助受到监管的机器学习算法,预测性分析在未来的趋势预测中会释放强大的能量,它可以帮助预测该创建什么样的内容、编码配置文件的需求、新设备使用率、边缘服务器的扩张需求、地理上的增长趋势和移动设备消费趋势等等。这些预测反过来可以影响在线视频业务的核心决策,也能够帮助内容分发者制定关于未来操作、顾客支持、内容策略推广、个性化等等方面的计划。




预测性分析和机器学习拥有攻克大量数据分析难题的能力,在数据分析方面发挥了重要作用,并且其也可以在发现结构性和非结构性数据隐式方面提供支持。以下是一些能够促进在线视频发展的关键点——

 

  • 大数据来源的获取是数据分析的关键。如今,流行的在线视频平台可以捕获每天用户交互数据的数以亿计的点击流,这也就使得交互数据成为预测分析中所需要的重要分析案例。


  • 大型基础设施(云计算、存储设备以及数据库等)的使用曾经一度成为大数据分析的顽固性阻碍。而AWS和Azure等云服务的出现使得大型设施变得更加灵活且易于获得。因此,在没有前期资本支出的情况下,快速安装、运行大型存储、处理服务器群都变得相当容易。


  • 传统意义上的数据分析是被限定在专业的统计工作范畴内的,但是带有分发数据处理的软件平台的出现也向软件开发者群体敞开了数据科学之门。像是带有机器学习的Hadoop、H20、TensorFlow等开放式来源平台均弥合了开发者数据方面的空白。

 

内容创造和分发依然是在线视频播放器的的核心业务。利用机器学习算法的预测性分析可以帮助利益相关者预测未来趋势,也可以帮助其做出以数据为驱动的决策。当然,现阶段我们还只是从历史和实时数据中抓取了“皮毛”去制定市场和内容策略,而大数据和人工智能真正的潜力也正在等待着我们去发掘,相信会在不远的将来。 





您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存