案例分享：美國公司Netflix依靠大數(shù)據(jù)打造流暢體驗

美國 Netflix 大數(shù)據(jù) 用戶體驗

Nirmal Govind | 2016-04-11 16:10

【數(shù)據(jù)猿導讀】 Netflix是一家美國公司，在美國、加拿大提供互聯(lián)網(wǎng)隨選流媒體播放，定制DVD、藍光光碟在線出租業(yè)務。該公司成立于1997年，總部位于加利福尼亞州洛斯蓋圖。公司能夠提供Netflix超大數(shù)量的DVD，而且能夠讓顧客快速方便的挑選影片，同時免費遞送

2007年的1月16日，Netflix推出了一個新功能：會員可以在瀏覽器上直接在線觀看電影，而無需再等待Netflix的紅色郵包。該項目對Netflix和娛樂行業(yè)來說是一個標志性的轉(zhuǎn)變。如今，Netflix每個月有超過10億小時的電影流推送給來自40多個國家的4800萬名會員。同時，Netflix占據(jù)了美國超過三分之一的高峰期下行網(wǎng)絡流量。這使其獲得了大量的數(shù)據(jù)。

Netflix利用大數(shù)據(jù)進行深度分析和算法預測，以此為會員提供最好的觀影體驗。根據(jù)用戶的觀影偏好來做個性化推薦就是一個很好的例子。Netflix甚至為此舉辦了比賽——Netflix大獎賽(始于2007年)。Netflix正在關(guān)注的另一個領(lǐng)域是流媒體體驗質(zhì)量(QoE)，即會員在Netflix觀影時的用戶體驗。以大數(shù)據(jù)為基礎的數(shù)據(jù)科學和算法模型對提升質(zhì)量體驗大有裨益。

Netflix致力于提供杰出的流媒體服務并大力發(fā)展流算法和網(wǎng)絡技術(shù)(如Netflix建立的開放連接內(nèi)容交付平臺)以提供良好的流媒體體驗質(zhì)量。Netflix憑借流媒體服務在2012年贏得了“黃金檔艾美工程獎”(Primetime Emmy Engineering Award)。為了更專注于“流科學”， Netflix建立了一個新的團隊，通過研究數(shù)據(jù)算法，來改善流媒體體驗質(zhì)量(QoE)。

本文會簡明地概括Netflix需要解決的問題，包括：

·了解流體驗質(zhì)量對用戶行為的影響;

·為每個會員創(chuàng)造個性化的流體驗;

·基于會員的觀看記錄決定在邊緣服務器緩存什么電影和節(jié)目;

·根據(jù)觀看記錄和用戶反饋在目錄中提高Netflix內(nèi)容的技術(shù)質(zhì)量。

流體驗質(zhì)量影響用戶行為

用戶行為是指用戶與Netflix交互的方式。Netflix使用數(shù)據(jù)去理解和預測這些行為。例如，一個產(chǎn)品中細微的改變會對Netflix用戶的觀看時長產(chǎn)生多大影響?為了提升流體驗，Netflix研究了對用戶行為產(chǎn)生影響的體驗質(zhì)量指標。其中一個指標是再緩沖率，表征的是暫停視頻播放以等待數(shù)據(jù)下載至本地緩存的頻率。另一個指標，比特率，是指畫面質(zhì)量——比特率越低，畫面越模糊。再緩沖率和比特率之間的關(guān)系很有趣。由于網(wǎng)絡容量有限，過高的比特率將會增加容量達到極限的風險;而當本地緩存中的內(nèi)容播放完，又不得不暫停視頻播放以重新緩沖。怎么樣在這中間達到一個平衡呢?

還有很多指標可以用于描述用戶的體驗質(zhì)量，但是各項指標對用戶行為的影響，以及指標之間的權(quán)衡都需要Netflix深入的研究。更專業(yè)地講，Netflix需要確定一個映射函數(shù)用以量化和預測用戶體驗質(zhì)量的變化是對用戶行為的影響。這一點非常重要，它可以讓Netflix更好的調(diào)整算法，高效提升用戶觀影感受。

提升流體驗

Netflix的流媒體供應鏈：在各環(huán)節(jié)優(yōu)化流體驗

當會員瀏覽Netflix時我們應如何利用數(shù)據(jù)提供最佳用戶體驗?

創(chuàng)造個性化流媒體體驗

方法之一是當用戶播放影片時觀測算法在實時和近實時下運行情況，以此選擇相應的視頻比特率、服務器地址等等。利用上文所述的映射函數(shù)，對大量數(shù)據(jù)進行分析，可以在總體上優(yōu)化用戶體驗，甚至可以通過函數(shù)分析每位會員的“體驗質(zhì)量偏好”，以提供個性化流體驗。此外，為用戶提供個性化體驗也要考慮用戶網(wǎng)絡情況，設備，地理位置等等。比如，用戶在家庭高速網(wǎng)絡中的需求和用戶體驗與在低速手機網(wǎng)絡中有很大不同。

優(yōu)化內(nèi)容緩存

大數(shù)據(jù)在內(nèi)容交付端也有一系列作用。Netflix擁有一個名為“開放連接”的內(nèi)容交付平臺，這一平臺用于管理與Netflix合作的ISP(網(wǎng)絡服務供應商)。ISP可以通過公共網(wǎng)絡交換機直接連接到Netflix的服務器，或者由ISP代理提供Netflix的服務。這里的核心理念在于縮短用戶與內(nèi)容間的網(wǎng)絡距離從而為會員提供良好的用戶體驗。

值得思考的是如何利用會員在Netflix上的瀏覽行為優(yōu)化內(nèi)容緩存。Netflix擁有數(shù)百萬會員和數(shù)量龐大的產(chǎn)品，然而用戶設備存儲能力有限，如何優(yōu)化內(nèi)容緩存才能在會員觀影時不超出本地緩存能力。

提升內(nèi)容質(zhì)量

提升用戶體驗的另一種方法是進行內(nèi)容質(zhì)量控制。比如電影和節(jié)目中的視頻、音頻、一般字幕、可隱藏字幕等都可引入這一過程。在一部視頻放置到內(nèi)容服務器之前，Netflix會對數(shù)字化視頻進行編碼和質(zhì)量檢驗。品目繁多的產(chǎn)品被譯成多種語言傳播到各個國家。確保公司提供的影片和節(jié)目沒有字幕錯誤、編碼錯誤等質(zhì)量問題著實是一個挑戰(zhàn)。

除了內(nèi)容質(zhì)量檢測之外，Netflix也會傾聽會員對于質(zhì)量問題的反饋。然而用戶的反饋是五花八門的，可能包含了一些跟質(zhì)量不相關(guān)的問題(比如由于網(wǎng)絡連接不暢導致的網(wǎng)絡錯誤)或者是關(guān)于會員口味和偏好的反饋。說實話，識別真正有效的反饋無異于大海撈針。

Netflix通過結(jié)合會員反饋意見和與瀏覽行為相關(guān)的內(nèi)在因素，建立模型來預測某一特定的內(nèi)容是否存在質(zhì)量問題。例如Netflix可以檢測觀看模式確認產(chǎn)品質(zhì)量是否有問題。如果在一個節(jié)目的某個時間節(jié)點觀看量大幅下降并且會員提供了相關(guān)反饋信息，那么這段節(jié)目很有可能存在質(zhì)量問題。運用自然語言處理和文本挖掘技術(shù)可以構(gòu)建強大的機器學習模型。這一模型可用于提升線上內(nèi)容的質(zhì)量，還可以利用會員提供的信息建立起質(zhì)量控制的良性循環(huán)機制，更換不符合會員期望的內(nèi)容。Netflix正在向國際擴張業(yè)務，隨著新的影片和節(jié)目的增加以及翻譯語言的增加，質(zhì)量控制變得更有挑戰(zhàn)性。

以上是Netflix在創(chuàng)新使用數(shù)據(jù)建立模型和算法為每位會員提供卓越觀影體驗的幾個例子，在流媒體領(lǐng)域還有許多其他問題可受益于數(shù)據(jù)科學。

來源：Intetix

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。