- 原文地址：Discovery in the age of abundant video
- 原文作者：Albert Reynaud
- 譯文出自：掘金翻譯計劃
- 本文永久連結：github.com/xitu/gold-m…
- 譯者：Yuhanlolo
- 校對者：DateBro
提升內容發現平臺上使用者體驗的關鍵因素
如今在網際網路上，人們可以接觸到海量的視訊資訊，而提供這些視訊的平臺數量已經超過五年前的兩倍。因此，人們往往需要花費更多的時間和精力（+13% YoY）去搜尋自己感興趣的內容。
對於大部分內容創作者而言，隨著許多開放式（“OTT”）平臺的激增以及新型消費習慣的形成，建立平臺對使用者的粘性越來越具有挑戰性。而具備讓使用者能夠在各種情景下暢行無阻地享受視訊探索過程的能力，很大程度上可以保證這些平臺的成功。
在這篇文章裡，我將分享我在歐洲各個媒體平臺的工作經歷中收集到的關於內容發現的一些乾貨以及實際操作。由於谷歌是使用者進入你的應用或者網站的基本途徑，我將集中討論使用者進入你的應用之後的發現過程。
決定如何評估成功
讓我們先來談談發現！但是等等，我們應該如何評估使用者的發現之旅是否成功呢？
無需強調選擇正確的 KPI 對於評估內容發現實驗的重要性。有意思的是，無論你是否使用視訊訂閱（“SVOD”）、投放廣告（“AVOD”），或者商業傳播的服務，這些 KPI 在不同情景下會非常不一樣。下面是一些通過 KPI 來評估使用者在內容發現平臺上的體驗的常見例子：
- 視訊觀看時間及次數
- 每週平均回放次數，播放完成次數
- 會話（session）數量及時長
- 來自推薦引擎的會話（session）和回放數量所佔的百分比
這些短期 KPI 的潛在問題在於，過度地關注它們反而會導致你偏離原本的長期的商業目標。比如說，你可以通過推薦低質量的轟動性內容增加播放量，但從長遠來看，這樣做會影響平臺的形象以及使用者的忠誠度。
因此，我推薦採用短期 KPI 和 長期 KPI 結合的方式，比如說 訂閱人數或 30 天之內的使用者留存率。 雖然這比 A/B test 更加困難, 但它可以保證你為使用者所提供的體驗與你的長期商業目標是一致的。
為你的推薦引擎選擇正確的燃料
當推薦引擎變得更聰明的時候，它們毫無疑問地將在使用者對平臺內容的認知裡扮演越來越重要的角色。它們貫穿於整個媒體平臺，從動態排序，語義搜尋，到集合聚類。
許多系統在使用基本的推薦引擎時取得了一些成功。然而，越來越多的內容提供者正在為他們的推薦系統尋找更復雜的方法，比如：
- 合作式過濾： 通過其他相似使用者的喜好以及使用者之間的相似程度預測某個使用者的喜好。
- 基於內容的過濾： 為使用者推薦與他們過去喜歡的內容特性相似的內容。
但是你不能期待演算法為你實現所有的事情。找到演算法與長期目標之間的平衡比它看起來要複雜得多：
- 間接反饋與直接反饋： 如何解釋間接反饋呢？使用者的什麼行為需要被考慮：點選視訊，完成回放？如何簡化直接反饋呢：評分，點贊等等？最近升級的 Play Movies & TV 是一個典型的例子。我們新增了喜歡和不喜歡的按鈕作為直接反饋，並且將該反饋加入推薦演算法中 — 這裡有一個 16 秒的示例 video。
- 手動編輯與自動化： 如何保持由你的品牌和配置組成的人類推薦呢？內容發現解決方案提供商 CogniK 推薦通過編輯部門提供的內容列表來改進推薦引擎。類似地，編輯部門可以通過增加特定內容或是分類的權重來控制推薦引擎的某些引數。
- 實時推薦與按需推薦： 何時需要考慮其中實時推薦多於按需推薦，或是按需推薦多於實時推薦呢？如何在不讓使用者感到疑惑的情況下將這兩者結合呢？
- 流行程度與新穎程度： 如何推薦新的和未知的內容，並且避免回聲效應呢？如果應用介面與流行趨勢不相悖的話，基於合作式過濾的推薦通常會與趨向於當下流行的內容，那麼如何平衡意外發現新奇內容的機率和推薦內容的相似程度呢？根據使用者在平臺停留的時長，一些內容提供者傾向於提高使用者意外發現新奇內容的機率。
在更廣的情景下豐富你的推薦系統
在一些場景下，個性化要麼是不可能（比如初次使用你的平臺的使用者），要麼是不完備的。你也許需要通過其他外部資訊來豐富使用者體驗。
考慮其他因素諸如 時間（工作日和週末, 一天中的時間等等），或者 地點（突出當地的新聞或頻道，運動隊等等）是現在媒體和娛樂平臺上比較常見的。類似地，內容提供者們傾向於通過 形態係數，即人們大多更喜歡在手機上觀看短視訊，在大螢幕上觀看長視訊，來調整視訊的時長和類別。
最近，我看到越來越多的平臺利用 流行話題 和即將到來的事件，為他們的推薦系統增加資訊流和精選（大選，頭條，運動新聞等等）。
適應使用者的期望和心態
作為一個媒體平臺，你應該做好服務於使用者各種可能的意圖的準備。
其中一個辦法是根據目標使用者猶豫不決的程度，讓你所設計的使用者體驗能夠適應不同的尋找視訊觀看的行為。由於受到一系列外界因素的影響（和誰一起觀看、可以觀看的時間、觀看的動機、心情等等），你的目標使用者也許會用完全不一樣的方式去開啟他們想要觀看的視訊。基於之前的研究，Google Play 的電影產品部門使用了一個框架，該框架將使用者決定觀看某個視訊時的操作方式分類成 4 種形式：搜尋、選擇、瀏覽，或者衝浪。也就是說，你的使用者體驗應當在 “特定範疇” 內涉及每一種形式。
來源：Google Play 電影研究
同樣地，一些內容提供者例如 Spideo 正在嘗試通過關鍵詞和願望清單捕捉使用者的 心情，從而在特定時間為他們推薦合適的內容。
來源：Spideo
雖然讓你的內容發現平臺適用於使用者所有可能的意圖是非常困難的，為了讓產品團隊更好地瞭解相關資訊，通過 使用者畫像 定義典型的目標使用者是很有幫助的。通過實驗資料，使用者的思維方式、需求，以及使用者細分的目標組成了使用者畫像。通過綜合資料分析進一步發現繪製使用者畫像的最佳實踐。
來源：Luma Institute
以下是一些我想到的媒體使用者畫像的示例：坐在沙發上看電視的人、經常跳轉螢幕的人、看電視沒有節制的的人、運動迷，用電腦看視訊的人等等。
促進日常行為養成
與其讓人們每次一開啟你的平臺就進入完全的探索發現之旅，不如幫助他們改善經常從事的事情。
通常來說，一些使用者細分例如看週末精選的足球迷、看晨間新聞的人，或者在週六晚上看電影的人，他們的行為模式都可以輕易被平臺所支援。其中一些目標使用者甚至可能不會意識到他們自身的行為模式從而感激你能夠預計他們的偏好。
另一個為使用者習慣設計體驗的很棒的例子是 Spotify 的“每週發現”播放列表，這是一個對所有使用者開放的個性化的播放列表，讓使用者在一週內能夠發現並享受新的內容。
一個舒適的背靠式觀影體驗
根據 Ericsson ConsumerLab 的調查，電視臺直播和線性錄播的節目仍然佔據了 58% 的活躍播放時長。雖然年輕一代的觀眾越來越傾向於點播，大部分人仍舊喜歡意外發現新奇內容的經歷和觀看錄播的電視節目，並且他們會繼續尋找一個更加舒適的背靠式觀影的體驗。
為了重新建立背靠式觀影的優勢，許多點播服務開始提供為使用者提供微互動的方式（例如，來自 Deezer 的 Flow），讓使用者可以非常容易地根據自己的喜好開啟和調整節目。觀眾們將會期待更多的背靠式觀影體驗、原諒那些不夠準確的資訊，以及要求透明度和播放控制權。
也有其他可以將這種流程帶入發現體驗的方法。一些例如自動播放的功能已經被大部分平臺使用了。除此之外，我也看到了許多很棒的功能，比如說子母畫面，或者“集中注意力的時候開始播放”。以上所有的功能都參與了在點播平臺上重建線性節目。
輔助決定
對於產品團隊來說，儘可能多地將各種資訊和平臺內容聯絡起來是一件很吸引人的事情，他們認為這樣可以幫助使用者更好地作出決定。然而，一系列資訊比如標題，描述，分類，價格，評分，預告等等，很快地讓使用者資訊過載，從而導致他們進入一個 “決定無能” 的狀態。
我們常說：“一圖勝千言”，因此，現今許多平臺都投入了越來越多的時間去為優化內容的視覺效果。使用者研究同時也可以幫助你區別“最關鍵的”的資訊和“重要的”，或者是“加分的”資訊，從而決定相應的優先權。
另一個常見的方法是隻在使用者有需求或是有興趣的情況下才顯示額外的資訊，以此來簡化使用者體驗。使用者的興趣通常表現為：點選，游標集中等等 — 這裡有一個 37 秒的視訊例子 video/s。
最後，你可以考慮為你的標題 插入編者意見，從而讓他們比起簡單的標題更有可讀性。通過強調運動節目的情景，故事的含義，電視節目的精選，或者新劇集放送，在發現體驗中使用者將更容易感受到他們自己與內容的關聯。
希望這些建議能夠幫助你定義和優化你的平臺內容以及取悅你的使用者 — 無論你是通過更好的目標定位，優化推薦引擎從而加速內容可見度，提高對使用者的理解，還是預測他們的行為和在不同時間地方的喜好。
你怎麼看？
你對媒體平臺上的內容發現有什麼想法嗎？請在下面留言或者用通過 #AskPlayDev 的標籤在 tweet 上告訴我們。我們將會通過 @GooglePlayDev 這個郵箱地址回覆你，這也是也是我們通常用來分享如何讓 Google Play 變得更好的新聞和意見的郵箱。
如果發現譯文存在錯誤或其他需要改進的地方，歡迎到 掘金翻譯計劃 對譯文進行修改並 PR，也可獲得相應獎勵積分。文章開頭的 本文永久連結 即為本文在 GitHub 上的 MarkDown 連結。
掘金翻譯計劃 是一個翻譯優質網際網路技術文章的社群，文章來源為 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智慧等領域，想要檢視更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。