文 | 娛樂資本論 舉大名耳
不知從什么時候起，各大視頻平臺引以為傲的推薦算法，開始失靈了。
當(dāng)下，在人們打開某些視頻APP時，反復(fù)刷了近半個小時，仍舊沒看到自己想看的視頻，反而看到了很多無關(guān)的、忍不住點“X”的內(nèi)容。
但就算你對這類視頻點了“X”，它們下次仍會頑固地出現(xiàn)。
在內(nèi)容多樣化的今天，傳統(tǒng)的推薦算法，似乎正在變得越來越不“懂”用戶。
為了解決這一難題，有人選擇將揣測用戶的任務(wù)交給了AI。
例如10月初，全球最大的免費視頻平臺之一Tubi發(fā)布的“Rabbit AI”，就是這樣一個代表。
Tubi是被?？怂构臼召彽拿赓M視頻長片平臺，主要業(yè)務(wù)是提供免費但由廣告支持的影視?。ㄓ⑽暮喎QFAST），類似于優(yōu)愛騰們的“免費專區(qū)”。截至 9 月份，Tubi月活躍用戶數(shù)超過了 7000 萬，
如果用一句話總結(jié)Rabbit AI與傳統(tǒng)推薦機制的不同，那就是采用了ChatGPT內(nèi)核的Tubi，用聊天的方式，代替了原來被動的推薦算法。
用戶打開Rabbit AI后，只需在聊天界面內(nèi)輸入自己想看的影片類型，AI就會自動調(diào)出影片庫中與之相近的內(nèi)容，供用戶選擇。
加載了GPT-4的Tubi會從包括了20萬部電影和電視劇集的影庫中挖掘出獨特的標(biāo)題，并根據(jù)語義的上下文含義提供個性化的推薦。
但是，這種“AI視頻助手”，和傳統(tǒng)的搜索引擎，有本質(zhì)區(qū)別嗎？它究竟真的是代表了視頻平臺的新方向，還是一個嘩眾取寵的噱頭？為此，我們特意評測使用了Tubi、愛奇藝和B站的AI功能……
VOL.1 如何揣測用戶？
要回答剛才的問題，我們不妨做個簡單的測試，看看最新的生成式AI，與傳統(tǒng)的搜索引擎相比，究竟有怎樣本質(zhì)的區(qū)別。
在上圖中，我們對Rabbit AI說：“Any movies that are funny about sharks?”，意思是：能幫我找些關(guān)于鯊魚的搞笑電影嗎？
一番查詢后，AI調(diào)出了如下結(jié)果：
可以看到，出現(xiàn)的結(jié)果中，有些還是符合我們對“鯊魚”、“搞笑”等元素的要求的。
例如其中的《Sharknado》（鯊卷風(fēng)），雖然評分低了點，但確實是一部和鯊魚有關(guān)的喜劇電影。
那么，如果用傳統(tǒng)搜索引擎進行查詢呢？
呃……看來這樣復(fù)雜長文本的要求，對傳統(tǒng)搜索引擎來說，似乎有些勉為其難了。
然而，這其實不完全是搜索引擎的鍋，和平臺自身也有關(guān)系。這點后面會提到。
當(dāng)我們精簡了關(guān)鍵詞，只輸入“shark”、“funny”進行搜索時。情況還是不怎么盡人意。
結(jié)果雖然多了些，但相關(guān)性卻很差，在出現(xiàn)的結(jié)果中，有三個是低幼的動畫片，還有兩部是音樂喜劇片，只有《Sharknado2》算是搭上了邊。
實際上，這樣的結(jié)果并不意外。
因為平臺自帶的搜索一般都很差，因為對于平臺來說，站內(nèi)搜索轉(zhuǎn)用谷歌、搜狗等專業(yè)引擎，在成本上是一件很劃不來的事。
當(dāng)我們將同樣的文本，輸入谷歌等傳統(tǒng)搜索引擎后，發(fā)現(xiàn)結(jié)果明顯要精確、豐富了許多。
盡管如此，生成式AI用于搜索的做法，對平臺來說，仍然是一種能帶來優(yōu)勢的策略。
除了免去用戶轉(zhuǎn)到外部搜索引擎，增加平臺粘性外，搜索AI對平臺的另一大增益，就是可以針對平臺獨有的“特色資源”進行優(yōu)化。從而更好地服務(wù)目標(biāo)用戶。
例如B站和愛奇藝，就是這樣一個例子。
就拿B站的AI助手來說，其強項更多地在于對一些動漫番劇的搜索，當(dāng)用戶想看的番劇帶有某種抽象的特質(zhì)，而這一特質(zhì)又難以被標(biāo)準(zhǔn)化分類時，AI助手就會起到很大的作用。
例如下圖中，對“催淚番劇”的搜索就是個明顯的例子。
可以看到，在搜索結(jié)果中，AI助手十分精準(zhǔn)、直接地展示了各個催淚番劇的具體名稱。
倘若不用AI助手，而采用傳統(tǒng)的方式進行搜索，用戶就必須在一個個時長不等的視頻中，挨個點進去看，并且可能還要在觀看過程中不時拖動進度條，才能找到自己心儀的番劇。
或許是洞悉了用戶“通過UP主視頻獲知番劇”的這一行為，B站在設(shè)計AI助手時，也針對性地做了優(yōu)化。
其搜索結(jié)果中的簡介，實際上就來自普通搜索中Up主們已經(jīng)做好的點評文案——因為B站現(xiàn)在可以給視頻自動生成隱藏式字幕，所以需要搜索視頻內(nèi)容時，只要搜索字幕的內(nèi)容就好啦。
即便如此，這樣的搜索AI也有不太“智能”的地方。
例如其給出的某些番劇中，有些（比如八音盒、未聞等等）是B站買過版權(quán)的，但AI卻連個跳轉(zhuǎn)鏈接都沒有，說明它并不“懂得”自己生成的內(nèi)容是什么。
相較之下，愛奇藝在今年推出了AI搜索功能，則十分精確地實現(xiàn)了這樣的“跳轉(zhuǎn)”。
與B站類似，愛奇藝AI助手的優(yōu)勢，也是對平臺自身的劇集進行“特色搜索”。
例如，在其基于人物角色進行搜索時，用戶只需輸入劇中角色的名字，搜索AI就會自動檢索關(guān)聯(lián)劇集，從而一鍵查詢相關(guān)的劇情、角色信息，讓用戶直觀地了解整個劇情的概況。
這樣的“跳轉(zhuǎn)”功能，精確定位到第幾集、第幾分鐘，確實是傳統(tǒng)的推薦算法、搜索引擎難以做到的。
不過，它的原理其實也不算復(fù)雜。這是因為，劇集在宣發(fā)過程中本來也會編寫“本集劇情”，設(shè)置章節(jié)跳轉(zhuǎn)。
我們將愛奇藝的AI搜索給的劇情丟進百度，可以搜到一模一樣的原話。所以它不是AI生成的，可以避免“瞪眼說瞎話”的風(fēng)險。
不難看出，愛奇藝之前對視頻做的結(jié)構(gòu)化拆解越多，越可以深入到影片內(nèi)部，現(xiàn)在這個AI助手就越有用。
看了這么多視頻網(wǎng)站的AI助手，它們風(fēng)格各異，各有特長。那么，現(xiàn)階段的視頻AI助手，究竟能對傳統(tǒng)推薦算法形成多大優(yōu)勢？
說到這里，就得先談一下傳統(tǒng)算法的局限性。
VOL.2 分水嶺
從總體上來說，傳統(tǒng)算法的缺陷/弱點，主要集中于推薦結(jié)果不精準(zhǔn)，內(nèi)容重復(fù)，或是某些小眾內(nèi)容在冷啟動時得不到較好的匹配等。
而這樣的情況，則是由傳統(tǒng)推薦算法的技術(shù)特點決定的。
具體來說，這樣的特點包括了：
1.數(shù)據(jù)稀疏性
某些情況下，傳統(tǒng)推薦算法所捕捉到的“用戶畫像”，往往是一個粗放的，標(biāo)簽化了的群體。難以做到對個體細微偏好的捕捉。
舉例來說，如果某人是一個男性用戶，就更有可能被推薦一些軍事、政治相關(guān)的內(nèi)容，哪怕該用戶并不真的想看這樣的視頻。
而這一現(xiàn)象，很大程度上是數(shù)據(jù)稀疏性所引起的。
在推薦系統(tǒng)中，數(shù)據(jù)稀疏性主要體現(xiàn)在用戶—項目評分矩陣中。理想情況下，這個矩陣應(yīng)該是密集的，即每個用戶都對許多項目有過評分或互動。
然而，在實際應(yīng)用中，用戶產(chǎn)生的數(shù)據(jù)通常非常稀疏。也就是說，在眾多用戶中，可能只有少數(shù)人對項目進行了評分或交互。
想想看，B站有多少人看完視頻后會“一鍵三連”？
2、協(xié)同過濾
除了過于“粗放”的問題外，傳統(tǒng)推薦算法的另一大癥結(jié)，就在于推薦內(nèi)容的同質(zhì)化、重復(fù)化。
例如，算法往往都會根據(jù)用戶的觀看歷史，來推測其興趣偏好，并進行視頻的推薦。
而這樣的推薦機制，背后其實是一種名叫協(xié)同過濾的技術(shù)。
即依據(jù)用戶的歷史行為數(shù)據(jù)來發(fā)現(xiàn)用戶、項目之間的相似性，從而為用戶提供個性化的推薦。
這一技術(shù)的優(yōu)點顯而易見，就是很容易對用戶“投其所好”。
然而，其局限性同樣很明顯。
協(xié)同過濾往往傾向于推薦熱門的項目，因為熱門項目的交互數(shù)據(jù)更多，更容易計算出相似性。這就可能導(dǎo)致一些小眾但高質(zhì)量的項目被忽視，這就是所謂的“熱門長尾問題”。
3、冷啟動
所謂冷啟動，是指在缺乏足夠用戶行為數(shù)據(jù)或內(nèi)容信息的情況下，為新用戶或新內(nèi)容提供準(zhǔn)確推薦的過程。
當(dāng)一個新項目（如視頻）加入推薦系統(tǒng)時，由于缺乏用戶對其的評價和行為數(shù)據(jù)，系統(tǒng)很難評估其質(zhì)量和受歡迎程度。
冷啟動問題，在某些冷門作品上很突出。
傳統(tǒng)的算法推薦，其實一直在苦苦找尋這些問題的對策。
例如B站就制定了一套針對冷門視頻的推薦算法，用戶看了一個興趣方向的UP主后，順著視頻找人的方法，用戶可以被推薦更多類似的UP主。
此時，大模型的普遍應(yīng)用，對用戶準(zhǔn)確找到心儀的內(nèi)容起到了很大的幫助。
這是因為，要用好搜索，對普通人或許也是一門學(xué)問。有的人可能需要反復(fù)追問好幾次，才知道自己真正想搜的是什么。
再看看這個“追問”的過程——這不正好就是大模型最擅長的事情嘛？
所以，將大模型引入搜索的貢獻，就是其可以理解用戶非標(biāo)準(zhǔn)的輸入，按需將其結(jié)構(gòu)化，變成機器更容易理解的查詢詞。
通過這類互動性更強的AI搜索，平臺也能獲得更多的用戶反饋，進而對算法、內(nèi)容進行進一步調(diào)優(yōu)了。
VOL.3 新的增長點
現(xiàn)階段，以大模型為基礎(chǔ)的AI視頻助手，還處于發(fā)展的初期，難以對傳統(tǒng)的推薦算法機制形成替代。但是，它無疑是一件“很酷”的事情。
在視頻行業(yè)已成紅海的今天，這類新技術(shù)的出現(xiàn)，為各大平臺提供了期待新一輪增長的理由。
就目前來說，廣告仍是視頻行業(yè)的主要收入來源，但2020年其增速降至67%，這預(yù)示著視頻行業(yè)迎來了增長的危機。
而這樣的危機，則是市場逐漸飽和后，用戶增長達到瓶頸，視頻行業(yè)的增速放緩所致。
2021年9月，國內(nèi)短視頻月活用戶與滲透率增量逐漸見頂，行業(yè)新增人數(shù)降至3.23億，下降20.1%。
增速放緩，行業(yè)日趨內(nèi)卷的背后，則是內(nèi)容日漸重復(fù)、題材陳舊的窘境。
隨著視頻行業(yè)的發(fā)展，各大平臺的內(nèi)容已經(jīng)非常豐富，幾乎各個垂直的領(lǐng)域、方向，都有了一片成熟的內(nèi)容生態(tài)。
在這種情況下，如何通過精細化的運營，讓用戶在密集的信息中，高效地找到中意的內(nèi)容，就成了拉新留存的關(guān)鍵。
正如我們上面提到的那樣，全新的生成式AI技術(shù)，已經(jīng)在助力個性化推薦方面，展現(xiàn)出了不俗的功力。
今年2月，國外知名的音樂流媒體平臺Spotify，在也利用生成式AI技術(shù)，為用戶帶來了個性化的音樂和播客推薦。
這個名為Spotify DJ的新功能，結(jié)合了生成式AI和動態(tài)語音技術(shù)。在播放時，虛擬“DJ”的聲音會解釋它為什么選擇這首歌、用戶上次收聽這首歌的時間等信息。
這下子，在音樂網(wǎng)站聽歌，就更像是打開收音機，收聽音樂廣播的“熟悉的味道”了。
自今年2月份Spotify DJ功能在北美推出后，得益于其更個性化的音樂體驗，其用戶數(shù)量和營收收入都實現(xiàn)了增長。
根據(jù)Spotify發(fā)布的2023年第一季度財報，其月活躍用戶（MAU）首次突破5億大關(guān)，達到了5.03億，同比增長19%。付費用戶數(shù)量也達到了1.82億，同比增長15%。
不只是精細化的內(nèi)容推薦外，以AI技術(shù)個性化地植入廣告，也成為了AI在視頻領(lǐng)域的另一大增益。因為，更懂用戶的廣告投放，還是可以降低用戶的反感和抗拒心理的。
早在2015年，愛奇藝就研發(fā)出兩種前沿的AI播放技術(shù)：
一種是Video in，意思是在已經(jīng)拍攝完成的視頻中，將某個畫面上的廣告牌動態(tài)替換成全新的廣告素材，從而做到無縫、自然的傳達效果。
中間大樓的廣告，其實是由AI植入
另一種是Video Out，在快速識別出視頻內(nèi)擺放、陳列的某種商品后，一秒都不耽誤，直接“上鏈接”。
這樣的技術(shù)，倘若配合AI的分析能力，平臺就能精準(zhǔn)地知道，哪些用戶愛看什么視頻，而在這類視頻中，植入哪種廣告更合適。
而這種創(chuàng)新的可能，目前已經(jīng)成為了各個音、視頻平臺實現(xiàn)增長的主要推力。
根據(jù)Grand View Research的報告，2023年全球視頻內(nèi)容管理市場規(guī)模為56.7億美元，預(yù)計到2030年將達到143.9億美元，年復(fù)合增長率為11.6%。
其中，AI技術(shù)在視頻內(nèi)容管理、分析和推薦的創(chuàng)新應(yīng)用是推動市場增長的關(guān)鍵因素。
如果說，傳統(tǒng)的推薦算法“信息找人”，那么交互性更強的生成式AI，就為用戶提供了一種“與信息共舞”的體驗。
在這樣的體驗中，用戶將不再是一個個抽象的、刻板的標(biāo)簽和數(shù)據(jù)集，而是成了真正能自我表達，自我追求的獨一無二的個體。
而在所有內(nèi)容皆可批量生產(chǎn)的當(dāng)下，這樣的獨特性，才是最有價值的東西。