KKStream 還要進一步為平臺上的用戶提升更客製化的貼心服務,例如推薦系統。因為多數人只看到片庫中極少的內容,其中7%的熱門影片被觀看,剩下ROI 不佳、編輯人力有限而無法推播的沉睡影片雖很有價值卻常被忽略。所以從用戶註冊加入平臺會員時,就開始收集第一次的喜好設定。接著,從用戶點選觀看的影片行為,AI 進行推薦你可能會喜歡的片子。不過,改良新的演算法時卻不能破壞舊的演算法,也不能重複推薦同一系列內已觀看過影片,是技術上的挑戰。
AI 推薦影片時,必須符合用戶的行為,從文化的角度出發,官順暉分享他觀察到不同的海外市場現象。例如推薦給日本用戶時,推播時間搭配內容便很重要,上、下班通勤時間多數人偏好觀看新聞、資訊、教學類影片,但是回到家後可以推薦摔角、恐怖片等類別。有趣的是,通勤時間展現人們的社會模式,就像書本要加上書封,不想被別人看到閱讀的內容,所以手機看影片更是如此,推薦系統要細微到個人化的習慣需求。
官順暉進一步說明,人的習性會變,服務的是人,不能假設人是固定的。推薦系統就像貨架上陳列熱銷商品般,如何在分析用戶後,快速動態推薦適合類型的影片,正可發揮AI 技術的強項。從用戶利用率來看,串流影音平臺的AI 推薦優於手動推薦4.5 倍;用戶點擊率上,AI推薦優於手動推薦5 倍。
不過在運用大數據之前,KKStream內部幾乎八成的人力花在整理資料,格式優化讓AI 運算更具效率,從數據類型可大致分類為影片內容本身、Metadata 內容定義、用戶背景資料及使用行為,從中理出數據進來的頻率與數量,不定時跑資料建立DataPipeline,匯進Data Lake 供後續很多單位分析使用,推薦系統便是其中之一。
檔案格式優化與統一Data integrity後,正規化的資料才能存取再利用。串流系統後台可從中看出用戶幾點收看、收看地點、影片品質、透過哪家電信商平臺收看、哪個時間點容易塞車需要導流等,亦可歸納出訂閱會員的看片量,擬定行銷方案及平臺收費標準。
▲林思吾相信AI 會改變未來世界的樣貌。
未來的影音串流趨勢將朝高品質、順暢發展,觀眾恐怕不會再接受轉圈圈的等待時間,檔案壓縮以減少頻寬卻不能犧牲畫質,配合網路5G 時代,數據服務的人數將不斷增加,自動化推薦系統要達到更精準陳列。如何維持好的觀看體驗是不變的法則,2020 年疫情之下,大型串流直播活動陸續增加,連鴻海的線上尾牙 Party From Home 也找上串流技術規畫,官順暉回憶當時緊湊的工作時程,要支援4K 超高畫質、多視角直播,還要確保線上抽獎的個資保護,帳號登入驗證以避免連結外洩,並防止直播影片下載,讓鴻海在 20 個國家及地區的員工能同時在線,達成全球零時差的觀影體驗,AI、物聯網、雲端技術缺一不可。
閱讀完整內容