大數據格局下視頻網站的發展之路

孤寂如雲

大數據最初是指多到無法去進行統計和分析的數據集，後來被衍生成——通過某種方式和方法去分析海量數據，從中獲得我們需要的具有巨大價值利益的服務內容。

這是一種逐漸被重視的形式，分析這些數據有難度，存儲這些數據一樣有難度，也需要使用一些前所未有的方式，現在國內大部分采用的是Hadoop這樣開源的分布式數據集群，來滿足各種數據統計的需求。

由於海量數據中可以分析出具有巨大價值利益的細分數據，所以很多網站都進行大數據戰略，特別是在電商行業和視頻行業。

不過更具有挑戰性和代表性的應該是針對視頻網站的大數據挖掘，畢竟電商對於大數據來說還是有很多優勢的，比如電商的用戶無論如何挑選，最終還是會選中某一款產品，然後註冊、登陸、支付，無形中就將自己最重要的信息資料全盤托出。而視頻網站絕大部分用戶都是不註冊的，如何在這種無法記錄用戶信息的情況下如何做到大數據分析呢？

最近有一部Netflix的自製劇《紙牌屋》被大家所關注，據說是Netflix根據數據推論出《紙牌屋》成功的關鍵要素：喜歡BBC劇集的用戶、大衛·芬奇的表現風格、凱文·史派西的表演刻畫。最終事實證明，基於大數據分析出來的結論非常靠譜，《紙牌屋》在美國和其他40多個國家引起了觀劇熱潮，為此Netflix獲得了巨大成功。


大數據誰做的最好？

由此我們產生一個疑問，視頻行業有人在做大數據嗎？誰家做得最好呢？

是Netflix麼？在技術層面來說，我覺得並不是。

Netflix之所以成功還是在於它的數據是可被挖掘的，Netflix是一家在線DVD租賃網站，通過用戶直接的租賃數據，可以得知用戶喜歡BBC的劇集，喜歡大衛·芬奇導演的影片對社會問題的另類表達，和凱文·史派西在刻畫各種陰險狡詐的反派人物時那出神入化的演技，於是成功的推出了《紙牌屋》這部備受矚目的優質美劇。

而在匿名用戶大數據中做得最好的莫過於YouTube了，在我接觸過這家神奇的視頻網站後，不僅折服於他精準的推薦算法，更欽佩他們對於數據的開放性，只要你想統計和分析，YouTube會將幾乎所有視頻的數據都提供給你，這應該歸功於他們依附著Google強大的技術支持。

在YouTube所有的大數據信息，都圍繞著單部視頻節目所進行，第一次訪問，第一次分享，第一次評論，都展現在你面前，包括時間和URL一一列出，這是一種多麼開放的胸懷。

國內也有幾家針對視頻做大數據的視頻網站：優酷網、搜狐（數據比較全）；酷6網、土豆、56（提供部分數據）；奇藝、樂視、騰訊（有統計但未提供）；它們也都將成為視頻網站大數據的角逐者。


大數據的本土化應用

大數據分析的益處就是有求必應，按需索取；針對國內視頻網站的盈利模式，有哪些領域可以產生價值呢？

內容推薦算是最基本的應用了，為用戶提供更多符合胃口的視頻，提高點擊率，獲得更多的廣告曝光，是最直接的獲利形式。這也是最簡單，最容易實現，也是各大視頻網站普遍使用的方法，但取決於算法的精準程度。很多網站簡單的用切詞、標簽等形式，為用戶視頻推薦就認為是精準推薦了，並為其冠名“推薦算法”四個字，我們也不能議論什麼，畢竟基於大數據的推薦算法不是簡單的工程。

其次是基於數據將用戶按條件篩選後，以不同維度進行盈利性內容推廣；如影視作品的網絡宣傳推廣，內容預熱報道，付費視頻的推薦點播等。通過用戶群的細分後，產生的轉化效果較高；但是為其配套的基礎服務也比較繁多。如會員系統、支付系統、計費系統、影視內容加密方式，和模糊推薦的功能，都需要一段時間開發，相對的要投入較多人力和開發成本。


可復製的商業模式？

是否還有其他行業基於大數據的盈利模式已經被驗證，並且模式可以被復製、套用到視頻網站中呢？

Netflix已經為我們提供了一個很好的實例，分析用戶的喜好來挑選導演和演員，這種方式可以完美的復製到國內。2013年優酷、奇藝都押寶在自製劇集方面。前兩年，國內也有幾部成功的微電影系列，如《青春期》系列，還有後來幾部比較火爆的《幹爹》、《上位》、《媽咪》大多是以吸引眼球的方式去博得用戶關注。如果可以通過大數據分析，成功拍攝出真正在品質和品味上達到廣電水準的自製劇，在國內也創造一次成功案例，將有可能奠定其霸主地位。

另一個案例就是復製百度的競價廣告模式，通過為用戶及廣告營銷方提供大數據的分析支持，讓其自主投放廣告；讓廣告主發掘自己覺得有價值的視頻，投放廣告，生成一個自主營銷的生態環境，將有利於網站和行業的發展。

無價值的視頻沒有廣告的投放價值，有價值的視頻被廣告主相繼競價爭搶，通過視頻自身的內容提高原創作者的經濟收入，可謂是雙贏的法則；不僅可以鼓勵原創作者的積極性，也可以讓網站的視頻的內容質量不斷提高，形成難以超越的價值高度。

36kr