如何用技术驱动音视频业务全链路增长

整个泛娱乐行业的产业链路是怎么样的？我们要如何聚焦产业链，并结合业务需求，实现持续增长？

近日，火山引擎解决方案专家戴唯伟分享了对泛娱乐行业的认知和分析，并详细介绍了火山引擎是如何用技术，驱动音视频业务全链路增长。

戴唯伟表示，火山引擎正在将字节跳动做的比较好的技术、产品以及最佳实践，对外去帮助更多的行业。

以下为演讲实录：

今天我简单分享一下自身对泛娱乐行业的分析，以及从火山引擎的角度，看泛娱乐行业方案，要怎样达到比较好的增长，主要介绍三个角度：

• 基于AI的沉浸式体验构建力；

• 基于科学实验的数据决策力；

• 基于云原生的技术创新力。

这些能力也是字节跳动目前做的比较好的能力，并且这些能力已经形成了一些产品。我们希望把这些产品以及最佳实践，对外去帮助更多的行业。

整个泛娱乐行业的产业链，首先有大的内容平台，根据内容时长不同，通常会区分长视频、短视频平台。从内容来源不同，也会分为PGC（专业生产内容）平台、以及UGC（用户生产内容）为主的平台。实际上在移动互联网来到之前，内容主要是PGC，但现在有很多MCN（网红经纪公司）机构和个人创作者，产生大量的PUGC（专业用户生产内容）、UGC内容。

内容平台首先需要投放，获得大量初始用户，然后通过精细化的内容运营、用户运营两个关键闭环来留住大量用户。内容运营的核心会围绕构建完善的内容生态，持续不断的生产优质内容，汇聚到内容平台后，根据内容标签和用户喜好，去精准服务用户。用户运营的核心会围绕投放获客、用户洞察、用户留存及转化展开，确保用户在平台全生命周期的ROI（投资回报率）大于1。

然后通过会员收费、广告、电商带货、观众“打赏”等方式进行变现。字节跳动有广告投放平台巨量引擎，解决广告主营销投放需求；也有流量变现平台穿山甲，为开发者提供用户增长、流量变现、LTV（用户生命周期价值）提升等全生命周期的服务和成长方案。

后面我介绍的方案，不聚焦在某个技术方案上，而是通过产业链，结合我们业务的最终需求，去看到底是怎么样把整套能力打通。

在泛娱乐行业，现在一些比较流行的玩法：

• 个性化推荐：千人千面的内容和消息推荐。

• 视频资讯：视频作为资讯的一个主要载体，随着5G的到来，未来空间会更大。

• 基于AI的内容创意和审核：通过视频AI能力，实现智能内容创作和审核。举个例子，抖音每天产出的UGC内容大概是几千万条，却做到了分钟级的审核发布，这就需要AI来实现。

• 社交化：将社交互动融入资讯传播中。

这个行业中有很多行业共性的痛点，比如获客成本。

举个例子，在苹果4S刚出来的时候，当时App Store里面大概只有500个APP。做个APP放上去，很大概率会获得高流量，但现在App Store有超过250万款APP。如果我们的产品不吸引人，那就没有价值，没有流量，也难以存活。

另外，还有新颖创意少、留存转化困难、用户体验差等等，这些大多跟用户体验相关的，而用户体验既涉及生理学问题，也涉及心理学问题。在泛娱乐行业里面，用户体验必然是一个深水区的问题。

那么火山引擎的解决方案是什么样的，以及字节跳动内部到底是怎么做的？

围绕“增长”这个目标，首先基于云原生的基础设施服务。抖音春晚红包的任务，为什么我们能在27天搞定？一般来说要花一个月时间买服务器，买硬件，上架，压测，而我们花一天不到的时间，就可以把服务平滑地弹性扩容，这就是基于了云原生的基座和微服务架构。

其次是增长的能力中台，实际上是一个中台群。中台群包含了数据中台、视频中台、移动中台、研发中台。字节跳动有很多APP，我们为什么能够这么快速地构建这些APP？因为我们不需要重复造轮子，几个人的小团队，就能够基于底层和中台能力，快速地去构建一个新的产品。

最后的整个智能营销场景，包含了智能获客、智能营销和运营，以及智能互动体验。从产品获客开始，围绕内容运营、用户体验，始终坚持ROI大于1、可规模化、可复制的增长方法论。

从这个图可以看到除了下面的基础增长支撑，还有体验构建、数据决策、技术创新，来构成核心增长能力。增长的维度从用户增长、市场规模增长、收入增长、利润增长、效率增长、业务创新等方面出发，我们并不是单纯强调在某一个技术上取得的优势，还是要回归到增长维度，这是智能增长方案的顶层规划。

下面来展开一下基于AI的沉浸式体验构建力，主要是如何从创意体验、个性化体验以及性能体验进行整体的提升。

创意体验上面提到过，抖音每天可能会有几千万条UGC视频，会用到AI智能。实际上AI智能的使用不仅仅在此，因为每天抖音上面还有大量的广告投放。这些广告素材如果用人工去做，由于每天工作效率是有瓶颈的，可能做到20条、30条就了不得了，但是就算人做的视频素材火的成功率高一点，比如20%，那一天也就成功四五条。如果通过机器做素材，也许成功率是千分之一，但是我们一天做几十万条。那么这些广告素材拿出去跑的时候，我们再会根据这些素材里面跑的比较好的广告素材留下来，然后把其他的淘汰掉。通过这种方式，整个创意体验，我们在广告生成，包括音视频处理，视频特效交互都有大量的技术创新。

个性化体验这块，我们会根据用户喜好做内容的定制和推荐。这里面有一整套的底层逻辑，我们需要通过用户的点击情况，判断用户的喜好，基于喜好，再根据内容的标签，把它精准地和用户匹配到一起，形成完整的个性化的体验。

性能体验这里先一笔带过，主要是点播云服务、直播云服务等等。

大家在抖音上，经常看到一些很火的广告，其实都是自动生成的。只需要有些图片、文字，或者小的视频素材，我们就可以将其自动生成创意广告。

这里介绍一个电商行业的一个口红试色案例案例，我们方案的最大优势是脸部识别的特征点多，而且即使有手遮住嘴唇，也不会出现“穿帮”情况。基于此，很多商品试穿试戴的需求，都可以通过这种方式来实现，创新的体验也产生了实际增长。

关于个性化体验，前面介绍了怎么做内容定制、算法推荐以及智能内容中台，这些整合起来之后，就提供了内容定制，或者叫个性化推荐的方案能力。这主要针对于什么样的场景？

一些企业没有字节跳动那么成熟的内容生态，也没有原创者提供内容，要怎么解决这些问题？我们提供内容池，这个内容池有字节跳动的全部内容，包括长视频内容、短视频内容以及Feed流。

内容池里的内容我们可以自定义，因为企业想在自有平台上放的内容，肯定要和自身相关，至少要没有竞品视频。举个例子，比如汽车4S店或者汽车厂商，想把A品牌汽车的视频放进来，那肯定不希望其他品牌汽车的视频大量出现。

所以企业可以基于内容池做内容定制，定制完之后，再做内容自建和运营管理平台。因为他本身不是做内容平台的，所以内容创建、管理、分发这一整套体系，没必要自己建一个很重的平台。

这个时候我们就把这些能力打包起来，通过SaaS化的方式，做成一个推荐引擎，就是说，用户在自己的APP里面只要集成我们的SDK、调用API接口。我们就能根据APP用户请求，返回针对这个用户的精准推荐内容。

这非常简单，开发成本也非常低，实际上现在有很多工具类APP已经把这些能力都上线了。

当然除了提供打包方案，对于自身需要有自己的内容生产、内容管理以及内容分发的全套平台，我们也把字节跳动内部的那一套平台给沉淀下来了。

我们现在服务的行业除了泛互，也有文化传媒方向的。这些客户有大量的PUGC，也就是机构合作或者是PGC内容。这些内容可以多源、多类型地接入。

在接入后，我们会把它放到加工环节，这里面就有内容质检和内容理解。推荐算法固然很重要，但是如果没有理解好内容，没有这些内容的特征，那推荐算法也就没有用武之地。

之后到了数据分发环节，这里设计了各种各样的分发规则，包括做内容素材的分类，场景管理，算法推荐。下面会有数据大屏，可以在推荐场景、投放场景，进行实时的产品呈现。

最后就可以把内容推到客户C端场景、APP、小程序包括一些其他的平台。

第三部分体验是性能体验。

现在因为手机或者其他终端设备，拍照的图片越来越大，虽然网络越来越好了，但在一些传统的JPEG业务中，还无法满足业务发展需要。例如很多没有数据大盘，不管是图片、点播、视频、直播，如果没有全链路的数据监控，用户没法得到保障。

这些基本功需要花很长时间去解决，这对于用户体量还没有达到临界点的企业，不会花太多精力去关注这些。

这里简单介绍ImageX。很多大型的互联网企业都会有一个基于开源的图片格式，字节跳动现在是HEIF图片压缩编码格式。怎么来理解？简单来说，它在相同的主观质量情况下，通过自有的压缩算法，可以降低图片尺寸以及文件大小。

这样分发的时候，它可以帮助解决：图片太大传得慢，图片太小清晰度不够，想把清晰度调高，又需要考虑网络带宽以及成本。

例如字节跳动每年都会有非常大的宽带支出，那我们只要做3-5%的优化，就可以带来非常大的成本优化效果。所以很多企业都会做自己的视频、图片的私有化格式，通过底层的编码、压缩算法提升性价比。

ImageX还有很多处理能力，包括裁剪、水印、压缩等等，都是大家比较通用的能力。

在多媒体云架构上，也有极致性能体验以及成本优化。前面介绍了端上的特效或者短视频内容，我们会覆盖到直播、点播或者图片这些场景，然后对这些内容进行智能分析。这里包括了图片处理、图片存储的能力。

字节跳动现在每天增长的文件存储量非常大，因为有很多视频内容，并且还在每天几千万条地快速产生。因此存储的成本、技术要求，都是比较高的。

上面不管是创意体验的好玩、有趣，还是个性化体验的内容精准推荐，都是让内容对大家有吸引力，让大家百看不厌。性能体验则是帮助提高视音频性能，降低成本。

接着是基于科学实验的数据决策力。现在市面上大DAU的产品，都会有灰度发布的场景，比如，抖音作为日活六亿的产品，这些产品做发版的时候，肯定不会轻易地发个功能就直接全线上了，一定会通过灰度、A/B测试。

A/B测试在字节跳动是被践行到非常极致的决策方式。字节跳动是怎么样来构建一套科学的数据决策体系？我们做所有的事不是站在上帝视角拍脑袋。诚然，强大的产品经理是会有敏锐的同理心、洞察力，但即使是在这样的情况下，我们依旧会用数据，做科学的决策。

这里是我们做精细化运营、数据运营的流程。

数据采集之后，对数据进行分析，要了解用户、了解产品，再做用户的分层。因为做运营策略，不同的用户要做不同的策略。比如电商做发代金券活动，发给大家代金券一定不是统一的发5块或发10块，一定是根据每个用户的情况，有的人发5块，有的人发10块，这样效果更好。然后设计运营的策略，包括选择用户、触达用户，触达完后，用户被激活或者再次唤醒，被产品承接、效果回收，包括把匹配的关系做迭代，最后做产品的迭代。

我们很多产品虽然用户量已经非常大，但是每天仍然会有大量的迭代。

前面是运营流程，这是整个精细化用户运营的系统架构。

可以看到，下面是经客户授权的全渠道数据采集和分析，包括第三方数据、企业第一方数据，这些数据全部汇聚到数据中台里面去。数据中台里面要把大数据团队要做的事情做完。

之后，我们会基于授权后的数据进行分析，包括基于分析做用户洞察的智能报表，构建实时数仓。实时数仓会支持到包括A/B测试，通过科学决策的机制，做好营销触达、版本迭代、产品优化。

如果用户数据只是在境内的内部业务用的话，我们是可以直接用的，但是还要考虑到，很多时候用户画像要服务到第三方公司。因为基于数据合规，用户画像首先不能出境、不能出公司，只能在合规的前提下使用，所以我们有联邦学习的系统。

我们现在内部的数据洞察中心，就是ABI系统，字节跳动70%的员工每天都会用。这个BI系统不是管理者去看的BI分析的报表。在字节跳动内部，所有的工作都是基于数据去做判断和决策的，所以大家在工作当中会不断地在这个系统里面看数据、看报表、看归因分析。

前面讲了整个一套架构，这里通过一个简单的链条说一下如何通过实验验证，对假定或者猜想去进行验证和判断、做决策。

大家关注的东西，喜欢的东西肯定是不一样的。那我们首先通过用户的喜好、偏好，对用户进行洞察，再基于用户洞察，我们可以更好地理解客户，最终做到做千人千面的服务。

那到底要怎么样去把不同用户的洞察沉淀下来？

实际上，这块我们接触行业里面的公司或者客户非常多，真正能够做到像这样一个比较体系化，比较成熟的，都是一些大的游戏公司、电商公司或者互联网平台。因为他们有长时间的业务数据积累，可以建立一套用户画像系统。

但这样的体系积累，至少在现阶段并不是所有公司都能拥有的。但现在业界比较新的做法是联邦学习，通过横向联邦或者纵向联邦，通过自己用户画像，跟多方做联邦。这样在保护用户数据隐私安全的同时，又可以取各家所长，沉淀出自己的体系积累。

接着，我们再通过A/B测试进行科学的决策。这就是前面提到的，我们在定投放策略、发新版本，或者迭代一个产品功能的时候，都要通过数据做决策。

举个简单的例子，我不确定现场有多少头条APP的用户。如果大家有头条，可以跟家人一块把APP打开看一下。可能大家首屏的版式是不一样的，有人是大图模式，有人是三图模式，各自推的文章也不一样，内容关注不一样。年轻人可能关注财经、科技，老人可能关注其他的一些东西。

除了内容不一样，同一篇文章，它的呈现方式，有的可能是大图模式，有的可能是三图模式，这都不一样。除了呈现形式，包括营销策略，唤醒策略是不是好的，这都需要通过A/B测试做对比。

前面讲的第二个部分是我们基于科学实验的数据决策力。第三部分会简单介绍一下我们基于云原生的技术创新力，这是字节跳动能够快速取得增长的重要部分。

这块可以简单说一下，这套能力在端、边、云上面，都有固化下来或者沉淀下来的东西。

比如“端”，像在体验监测上，弱网、弱机体验全链路防裂化；APM上，我们做链路追踪，包括Web上、框架、引擎、集成、IDE；小程序上，框架、引擎、集成、IDE；还有组件市场、轻服务、平台、开发平台、跨平台技术栈。

在“边”上，在边缘场景会有些计算引擎或者边缘场景，包括边缘网络。

“云”这块前面也介绍了，因为我们用了很多家的云，所以我们对多云的使用和管理，包括多云架构的经验也比较丰富。这块包括服务网格、DevOps、服务治理、云边协同、应用观测，我们内部都做了大量的工作，也沉淀了很多的能力。

这里介绍一个和泛娱乐行业关系较大的，移动应用的开发平台。

前面介绍过我们需要做很多的移动应用的开发，开发完后，还要做很多机型的适配，做很多测试，包括开发时要做版本迭代。这一套流程下来，一个公司如果不去借用现有的工具或者成熟能力的话，而是全部自己弄的话，成本和代价会非常大。举个例子，我们在国内做APP开发的适配，需要七、八百款的机型适配。所以这里，我们已经沉淀下来一套开发框架、流程、工具。这样我们在做新APP开发时，就可以直接复用。

所以我觉得大家如果要去做自己的产品，上来一定不要蛮干，如果市面上有比较成熟的，而且是比较低成本的，那就直接拿来主义。

应用多云是多云管理的正确路径，现在很少有哪个用云的公司只用一家云，大家用云至少会用2-3家云。

比较初阶的用云是一个资源多云，做一个统一的管理界面，或者平台能够把各个资源、监控界面统一管控起来。这就达到了现在比较主流或者比较有追求的多云管理的一个状态。

但实际上真正要想做到比较成熟，做到应用多云的话，可能在包括安全策略、架构一致性、数据多活、灾备、应用架构这块都要做很多的工作。这块我相信很多公司如果要用多云的时候，从公司本身来讲是不会花精力来做这件事，因为这个东西跟咱们的核心KPI、核心业务没关系，所以可以找已经做过这些事的人。

最后再说一下我们的容器服务，其实也是基于一个多云的应用平台，因为我们很多业务要去保证在多朵云之间能够灵活调度。

我今天介绍就到这里，非常感谢大家。