解讀優酷土豆的大數據工程

    每個去視頻網站看過視頻的用戶，都知道，在看完一個視頻之后，會有相關的視頻推薦，這個不足為奇的功能，就是大數據的體現，視頻行業在不留意間早就成為了大數據的弄潮者。

  琢磨用戶喜歡什么樣的視頻，提高尋找內容的效率，這是大數據在視頻行業應用的一個小小案例，本期《數讀》聚焦視頻行業，看大數據在視頻中的數字游戲。優酷土豆集團CTO姚健向我們娓娓道來優酷土豆在大數據上的實踐。

  推薦視頻：看上去簡單的高深應用

  姚鍵是優酷土豆集團CTO，據他介紹，優酷新上線的首頁頁面上，光是導航欄上的視頻分類就有21個，21個不同類型的內容，這意味著會有各種不同的用戶來優酷看視頻，要想給不同的用戶推薦他們喜歡的視頻，這靠的是一個叫做“協同過濾推薦”的技術。

  百度百科上這樣介紹協同過濾推薦（Collaborative Filtering recommendation）：“是在信息過濾和信息系統中正迅速成為一項很受歡迎的技術。與傳統的基于內容過濾直接分析內容進行推薦不同，協同過濾分析用戶興趣，在用戶群中找到指定用戶的相似（興趣）用戶，綜合這些相似用戶對某一信息的評價，形成系統對該指定用戶對此信息的喜好程度預測?！?br />
  這是亞馬遜、谷歌等互聯網巨頭都在使用的技術。亞馬遜會告訴你“買了A商品的顧客也同時購買了B商品”，Youtube上，一個視頻播放結束，馬上就會出現相關推薦視頻。

  看上去簡單的相關推薦，其實在優酷的視頻推薦中涉及上百個參數，每次要調整參數，都要手動調整十幾甚至幾十個參數，每天推薦視頻的數據模型中要涉及的數據高達幾十億。

  一次小小的參數調整，帶來的后果，可能是當天視頻觀看帶來幾百萬的增長，也可能是在算法穩定后的未來幾周，甚至幾個月帶來視頻觀看量的曲線變化。

  當然，數字證實，通過這種協同過濾推薦給用戶的視頻是靠譜的，因為在海量的視頻中尋找自己喜歡的視頻成本是很高的，推薦視頻的打開率也令人滿意。

  優酷土豆心中的“大數據”

  數據的挖掘、分析，用在推薦視頻上，還只是個小意思。優酷在2010年推出的“優酷指數”把大數據精神進一步強化，把視頻播放周期、用戶核心特征、用戶播放行為、視頻熱度排行等數據進行展示。

  姚鍵這樣介紹優酷指數誕生的背景：“2010年的時候，優酷在PC互聯網時代已經成為最有影響力的視頻網站，優酷希望能夠在行業內樹立一個標桿，在強化優酷品牌的同時，也打造優酷指數這樣一個概念?！?br />
  今年，優酷指數進而演變成“中國網絡視頻指數”，加入了土豆網以及移動客戶端的視頻數據，對數字感興趣的用戶，可以從這個指數里讀出很多內容。

  作為一款平臺化的產品，“中國網絡視頻指數”在優酷土豆集團中的參考價值無處不在，從廣告售賣，到版權購買，再到播放器產品的優化，等等，處處都能夠作為指導依據。

  據姚鍵透露，優酷土豆集團推出的數據報告給節目制作方、影視劇公司、第三方分析機構等了解視頻節目的播放信息，以及觀眾人群的分析提供了依據；在廣告銷售方面，能夠為廣告主呈現出用戶行為特征，提供廣告投放價值的分析；在進行版權購買的時候，可以根據指數的走向來幫助決策；公司內部，哪怕是播放器產品的用戶體驗優化，都可以查看數據分析結果，查看按鈕的擺放和使用頻率等。

  這些價值都是顯而易見的，還有我們在表面看不到的，通過數據分析的結果來指導優酷土豆集團的自制內容。

  “比如說優酷有很多自制的內容，有很多的微電影、綜藝節目等等，這些播放數據可以顯示出哪些題材是用戶喜歡的，用戶看到哪里就看不下去了，在哪里是拖放觀看的，一系列的用戶行為可以清晰地告訴內容制作人員，應該怎么去剪輯視頻，怎么去選擇內容題材?！币︽I說。

  其實這個過程也是對視頻質量進行分析的過程，在優酷土豆的搜索、推薦中按照視頻質量進行排序，反過來也提高了推薦成功率。

  然而，大數據讀出的數據，其指導意義還遠不止此。

  每部電影、電視劇在播出后都會有對應的數據，哪些演員受歡迎，哪些題材受追捧，通過分析數據就可以慢慢發現背后的原因，把這個受歡迎的故事講出來，這就是可見的未來。