大数据在内容分析的应用在线视频

今天本来的计划是讲

我们在投资 。运营和评估

这三个方面给大家做一些介绍

它包括了评估 制作 运营 评价

这样整个链条

由于时间的关系

我不能全部给大家做介绍

可能会找一两个应用服务

给大家做一下介绍

首先 关于评估这一块儿

我们有IP价值评估

IP两个词不是IP地址的IP

这里是知识产权的意思

比如说我们的一部小说

像《无证之罪》

这就是我们的一个IP

或者是某一个小说里面的人物

比如说像孙悟空

它也可以是一个IP

我们需要对它的价值进行评估

剧本评估可能是IP价值评估的子模块

是一个衍生出来的部分

包括小说也一样

因为剧本和小说都可以成为一个IP

这一块儿我后面再跟大家详细讲

这里我就跳过了

第二 跟制作相关比如说像选角

选角对于一些土豪公司

不存在这个问题

我挑最贵的就可以了

对于一些网大网剧

对成本还是有控制的

需要挑一些比较合适的演员

导演 制片人收到的资料挺多的

每天要从这些资料里面

做各种介绍

去挑选合适的演员还是比较困难的

工作量还是比较大的

他用人工挑的话

也缺乏大数据的支持

对于土豪来说可能也存在这个问题

土豪可以挑贵的

但是他不一定能挑到很合适的

比如说他挑范冰冰

范冰冰不一定能够满足

他对剧本用户群的定位

这个数据他不一定可以得到

但是我们大数据可以得到

具体要怎么做呢

我可以稍微给大家概要地讲一下

比如说 我们会有一个知识库

会把所有的演员资料

包括他的各种特征

会放在我们的知识库里面

会根据经纪人递过来的资料

对资料进行识别

抽取一些很关键的特征词

我们会把关键字

跟我们知识库里的演员的标签

计算匹配度

会得到第一轮的一个排序

会得到一个列表

可能有一百个演员

当然可能不会多

可能得到十个演员 会有一个排序

这是第一轮排序

我们的范围从一万个演员里

减少到十个或者到四五十个

第二轮会选择比较合适的演员

满足用户群的定位

这时候我们的大数据

我们的用户画像系统就发挥作用了

针对于我们第一批

挑选出来的这十多个演员

跟用户画像系统相结合

基于用户画像系统的

用户行为数据

会给演员打一个分

进行第二轮排序

获得的结果输出来会挑成更小的子集

比如说挑选四五个演员给到业务方

它的范围大大缩小

以前可能要花一个月

或者两个星期来做这个事情

现在可能花两天就够了

因为范围已经大大小了

这里面会存在几个

比较关键的信息技术点

首先是怎么样从经纪人的

一小段描述性语言里面

或者是一些介绍里面

挑选出一些关键字叫做keywords

跟通常领域的keywords抽取

有一点不太一样

比较经典的像TextRank

像TF-IDF等等

但实际上我们的业务场景

会有一点不一样

因为用户写的描述性的语言

一般都比较短

不太能构成一些统计上的意义

用这种非精度的方式不是特别合适

我们用的是类似于做实体抽取的方式

做实体识别是很经典的场景

做的事情是两个事情

第一是对词的边界进行定位

第二对词进行分类

我们可以看到这个场景

虽然是抽取一个keywords

但跟实体识别的场景还是比较类似的

用了一个深度的模型进行组合

这里面会存在一些细节问题

我们的标注量要足够大

训练语料也要挑选合适的

规模小一点的公司做这个事情

代价还是比较大的

这一块儿稍微给大家讲一下

还有一块儿是剧本拆解

它也是属于IP价值评估的子模块

我们会把剧本按照场景拆解

得到一个现场可以使用的元素

这个场景需要多少内景

多少外景 主要的演员谁

哪些是主要演员 哪些次要演员

用的道具是什么

做完这个工作主要目的

是用于电视剧拍摄时现场进行使用

我们会生成一些顺场表

比如说场务拿着顺场表

可以知道今天这场戏

需要哪些演员过来拍戏

是否需要买盒饭以及盒饭的数量

我需要提前准备什么道具

能够让他们有提前规划

之前没有这样的系统

人工把这个表画出来

人工画表工作量是很大的

需要有一个人对剧本进行通读

提前进行制作

我们现在用机器的方式给做出来

第三 运营相关

比如说用户画像系统

上一个演讲是陆祁

给大家讲得比较详细

主要是讲用户画像这一块

还有绿镜

这个名字不是特别形象

大家现在都用爱奇艺

可以看一下爱奇艺的综艺

最近比较火的是《乐队的夏天》

前段时间比较火的是

《我是唱作人》

大家看到最后下面有一张曲线

曲线就是我们的绿镜曲线

它会标示出哪一段比较精彩

哪一段是高潮 哪一段是低潮

还有一个功能正准备上线

智能倍速功能

根据我们的绿镜曲线作为基础

我们会识别出哪一段

你需要用原速进行播放

哪一段用一点五倍速 二倍速

这是用户可以选择的

我们不能直接规定死

你可以打开个开关

它可以自动帮你略过

相对不精彩的部分

这是给C端 用户可以感受到的

对B端的价值是

比如说《我是唱作人》的导演陈伟

找到我们

他发现有一集收视率稍微低

看到我们的绿镜选项

想让我们帮他分析

到底是哪一块内容不精彩

原因是什么

这是对我们B端（自己）的价值

我们可以还提取一些精彩的片段

我们爱奇艺是一整个内容生态

除了长视频我们还有短视频

我们可以把精彩的片段抽取出来

之后我们可以进行智能拆条

我们有一款好多视频

类似于短视频的

像今日头条这种的

只是我们是偏视频的

可以给我们的产品做广告

我们可以直接把内容

拆解出来推他们

然后向舆情监测这种

这个就是很形象的

大家一看就知道

是对舆情进行分析监控的

还有流量预测

这个事情也比较有意思

我们可以分为

开播前预测和开播后预测

开播前预测是比较难的

举一个例子 去年的时候

一个特别火的剧《延禧攻略》

不知道大家是否注意到

开篇那几集是没有什么贴片广告的

非常干净 到后面突然有贴片广告

对不起

这个事情是我们部门干的

我们告诉他

后面应该找一些广告

原因是

《延禧攻略》是一匹黑马

包括请的演员之前也没流量

也不知道它会火

我们的业务部门

是没有做足准备

没有去谈广告

他觉得这个电视剧不一定会火

我们在开播第一天 第二天

第三天 分别有一个预测

到第三天的时候

我们发现这个流量会成为爆款

提前告诉你

你该去做准备了

应该准备便利贴了

到第七天的时候他们把事情给谈妥了

你会发现后面全是广告

这是我们干的 是为了企业利益

我们的流量预测还是比较准的

这是跟运营相关的事情

另外跟评价相关的事情

我们有热度

热度现在比较火

爱奇艺是首家

把前台播次给关闭的企业

现在我们只会在上面展示热度

这也是响应国家的号召

我们不能以流量标示胜负

所以我们展示的是热度

反映的是近期

某一个视频受欢迎的程度

或者大家关注的程度

还有一个智能评分

现在上得比较好的是电影评分

大家用爱奇艺可以看到

电影频道里

每个电影下面有一个分数

这个分数肯定不是拍脑袋打出来的

也不是一个数学公式搞出来的

之前做这个比较好的是豆瓣

豆瓣跟爱奇艺相比有先天的弱势

它没有用户行为数据

它不是闭环 只是供评论 供打分

真实的用户不会到他那里看影片

爱奇艺是一个在线视频的服务商

用户可以不打分

但是他绝对会留下一些用户行为

你会发现真正打分的用户

占观看用户非常小的部分

十个人里边不一定有一个人打分

打出来的分还打得比较随意

我们有其它用户行为的话

就可以做一些其它的事情了

可能后续也会讲一块

我今天本来至少讲四个

但是好像时间不是特别够

好像就一个小时

我可能就会挑两个内容讲一下