什么是视频内容推荐引擎？
▲掃描圖中二維碼了解音視頻技術大會更多信息▲
翻譯、編輯：Alex
本文來自OTTVerse，作者為Krishna Rao Vijayanagar。
Easy-Tech #035#
推薦引擎通常是指利用機器學習（基于用戶的過去選擇、偏好以及內容提供商的目錄）來預測特定用戶有可能觀看哪一部電影或者視頻的系統。
由于推薦引擎是幫助用戶有效瀏覽電影目錄的工具，所以它們對于OTT平臺十分重要。在機器學習的幫助下，平臺可以根據每個用戶與服務的互動、他們對電影的選擇以及豐富的電影元數據構建個人用戶畫像。
在本文中，我們將從OTT服務提供商的角度來了解推薦引擎、它所需的數據、以及它的用途等。
OTT流媒體傳輸中的推薦引擎
在一篇發表的論文[1]中，谷歌的研究者們已經解釋了他們是如何向用戶推薦視頻的：
看起來很復雜？好吧，這是因為YouTube需要正確推薦視頻以保留用戶、減少用戶流失以及提高廣告收入。
當然，我們在討論電影推薦的時候，不得不提到著名的“Netflix百萬美金大獎”，該獎項的目的就是根據人們的電影偏好來大幅度提升預測他們對于某部電影喜愛程度的準確率。也就是說，你是否能預測用戶喜歡哪部電影并準確推薦給他們？你可以在這里查看2009年贏得百萬獎金的解決方案的描述：https://www.netflixprize.com/community/topic_1537.html
本文中，我們不會深入機器學習（ML）算法，但我們將圍繞數據需求、數據收集和推薦的使用展開介紹。
內容推薦引擎所需數據
推薦引擎需要大量數據（正確數量和質量）推薦和識別模式。比如，需要適當的數據來確保被推薦給用戶的電影適合用戶的觀看偏好和模式。否則，很可能導致各種App商店和平臺上的用戶流失和差評。
接下來讓我們快速了解一下用于推薦引擎的最重要的數據源。我將把它們分成兩類：一、從電影中挖掘的數據；二、從用戶中挖掘的數據。
| 電影元數據
電影元數據可以從電影公司或者內容創作者那里一次性獲取。在沒有此類信息的情況下，內容提供者也可以從IMDb或者類似的評分網站和機構來獲取數據。
Netflix上某部電影的相關信息
下面是一些在推薦時需要的重要信息：
分類（動作、喜劇、愛情、年代或者混合類別）
語言（英語、法語、印度語、意大利語、西班牙語等）
電影長度（短片或者長片）
分級（G、PG、PG-13、R等）
演員、導演、制片人、海報或制作公司等信息
發行年份
下面讓我們看下可以收集到的推薦引擎所使用的相關用戶信息。
| 用戶數據
除了電影元數據，你需要使用描述用戶觀看模式、選擇、好惡的數據。而且必須謹慎處理這些用戶數據。
目前已經存在相關保護用戶隱私的法律，所以你在收集、處理和存儲個人身份信息（Personally Identifiable Information）等時要了解這些法律。歐盟GDRP（《通用數據保護條例》）和巴西LGPD（《通用數據保護法》）的目的就是為了保護用戶的隱私權和被遺忘權。
但是接下來你將看到，用戶的相關數據對于推薦極其重要。你需要做的就是確保你沒有違反任何數據法。
下面是一些推薦引擎感興趣的關于用戶的數據點。
地點
語言偏好
各個維度的觀看時間或觀看持續時間
-
這意味著什么？如果一個用戶觀看了一部由布拉德·皮特主演的動作片，那么記錄用戶的觀看時長就很重要。
-
因為如果用戶選擇了這部電影，但只觀看幾分鐘便關閉了電影，對于該電影來說，這可不是一個好信號。
-
如果電影觀看時間低于X分鐘（你所選擇的閾值），那你就不應該將它作為這部電影或者分類的積極信號。算法可以將觀看時間和導演、演員和電影分級等其他維度結合使用。
Netflix的用戶界面顯示了與你正在觀看的電影類似的電影
太好了，我們已經簡單了解了為了推薦所需要收集的數據。現在，我們需要暫停，并思考一下數據的兩個重要方面：質量和數量。
數據質量和數量也很重要
為推薦引擎提供正確質量和數量的數據進行推薦十分重要。如果你的數據錯誤或者數據量不夠，那么你的預測和推薦將不準確，并導致糟糕的用戶體驗。
假設一個用戶喜歡觀看“戰爭”和“槍戰”電影，但是卻被推薦了愛情片，你覺得他的用戶體驗如何呢？肯定很差。
人們對于糟糕推薦的恐懼也是創建、管理、收集和清洗數據對于推薦引擎愈加重要的原因。
-
內容提供商需要與電影公司和內容創造者一起協作獲取每部電影的正確元數據。
-
為了獲取用戶和用戶觀看模式信息，他們需要將視頻分析系統集成到自己的基礎設施。
-
當然，還要創建可以將這些不同信息源組合在一起的工具，這些工具可以清洗數據并將數據以正確的格式提供給ML/AI引擎。
除此之外，工程團隊需要確保通過可擴展的API進行推薦，后端能夠處理任何傳入的負載，并且他們的系統可以被各類視頻平臺（如桌面、Android、iOS和Roku等）以及公司的其他部門（如營銷部門和廣告部門）所使用。
將電影信息和用戶觀看模式信息組合使用將使推薦變得更加強大，從而促進互動以及內容被更多人發現。
好的，現在這里為你準備了一個問題。
當你擁有大量電影信息而毫無用戶信息時，該如何進行推薦？這種情況下，你會怎么做？
讓我們在下文揭曉。
內容推薦中的“冷啟動”問題
推薦引擎通常非常善于將內容推薦給已經在平臺存在一段時間的用戶，因為它已經獲得了這些用戶的大量信息。
但是，如果一個用戶第一次注冊平臺呢？即平臺新用戶。平臺沒有任何關于用戶、用戶偏好等信息，所以很難立即就推薦內容。
這種情況被稱為推薦引擎中的“冷啟動問題”。 如何向一個你對其一無所知的用戶推薦？又推薦什么內容？
一種規避此類問題的方法是通過使用IP定位用戶的地理位置，并提供該地理位置內受歡迎的內容?；蛘?#xff0c;如果你的平臺在注冊階段收集了用戶性別、年齡、語言偏好等，你可以使用這些信息進行一般性的推薦，并且隨著用戶與平臺互動而不斷學習。
這與Netflix的操作很相似。他們有一個“今日印度前10”排名，而且沒有很復雜，這對于冷啟動問題是一個很好的解決方法。
Netflix的“今日印度前10”（來源：Netflix）
但是，當然，僅僅基于地理位置的推薦方法對于印度這樣的國家來說（其中各個邦都擁有一種或者多種語言，包括口語和書面用語）并不能一勞永逸。
有一個避免冷啟動的簡單方法：可以在用戶注冊時向他們展示一個菜單，請他們在其中選擇自己最喜歡的語言和分類。然后，就可以根據這些與平臺的進一步互動對推薦進行改進。
反饋系統：監測推薦
在設計推薦系統時，關于推薦質量的信息收集也十分重要，比如，如果你向一位用戶推薦了三部電影，他選擇其中的任意一部了嗎？如果用戶選擇了其中一部，那么他是否觀看這部電影超過了X分鐘？或者用戶是否剛看了幾分鐘就退出了？
在確定推薦效果好壞方面，點擊通過率（Click-Through-Rate ，CRT）是一個強大的指標，應該作為修正系數反饋給AI/ML系統。
視頻內容推薦引擎的應用場景
推薦引擎對于視頻平臺的成功至關重要，并且有助于提升內容發現、用戶互動、營銷活動、再營銷“休眠”用戶、減少用戶流失等。讓我們看下其中幾個應用場景：
| 增加內容消費
與流行的看法相反，人們很多時候不知道自己下一部想看什么電影，所以他們會依賴從朋友、社交媒體、電影點評等處獲得的推薦。好的推薦引擎可以很自然地引導用戶去觀看之前從不會考慮的電影！如果操作正確的話，可以增加內容消費，同時通過租借、訂閱和廣告等方式提高收益。
| 改進的搜索和自動補全
平臺的搜索引擎也可以根據用戶偏好進行推薦。比如，如果用戶在搜索框輸入“The”
-
The Lion King（《獅子王》，卡通/兒童分類）或者
-
The Guns of Navarone（《納瓦隆大炮》，戰爭）
應該智能地設計此類系統來確保自動補全不會花費太長時間，因為時間一長，就會帶來糟糕的用戶體驗。
| 改進的目錄發現
我們已經知道用戶很多時候并不了解自己想看什么，系統首先可以巧妙地引導他們去觀看之前未曾搜索過的電影。這就是“內容發現”過程，通過了解用戶畫像，內容平臺可以向用戶推薦電影并引導用戶發現更多內容庫（目錄）。
Amazon Prime Video就是一個很好的例子。如果你搜索電影《星際穿越》，那么Amazon Prime也會根據不同的信號和特征向你展示類似的電影。比如，和我們第一個搜索的《星際穿越》一樣，《盜夢空間》和《信條》都是克里斯托弗·諾蘭執導的電影。如果是更加智能和有品位的內容推薦，將能夠幫助你的用戶探索和參與到分類中的大部分內容。
在Amazon Prime Video上看到的相關電影
| 智能地向用戶進行再營銷
平臺同樣可以通過推送通知、郵件、社交媒體饋送等來吸引目標用戶并對其進行再營銷。個性化郵件和推送通知的能力在促進互動和市場營銷活動中非常重要。
結語
我希望這篇內容（電影）推薦引擎的介紹性文章能夠對你有所幫助，使你可以對這個OTT工具鏈中有趣且重要的一部分有所了解。
「在你退出這篇文章之前，我給你留了一個問題：你能根據電影內容推薦電影嗎？我指的并不是分類、電影元數據這些，而是電影中發生的情節。對于向TikTok這種元數據比較缺乏的平臺來說，這種方法會非常有用?！?/p>
我們下次再見！Happy streaming！
注釋：
[1] https://dl.acm.org/doi/10.1145/3298689.3346997
致謝：
本文已獲得作者Krishna Rao Vijayanagar授權翻譯和發布，特此感謝。
原文鏈接：
https://ottverse.com/what-is-content-video-recommendation-engines-ott-vod/
總結
以上是生活随笔為你收集整理的什么是视频内容推荐引擎？的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python_解一元二次方程
- 下一篇： Flash鼠绘入门第四课：绘制漂亮的梅花