跟着剧情推荐广告，人工智能让我精准变穷

2019 年 1 月 20 日 IT桔子

近日，「极链科技」Video++COO 董慧智分享了主题为【如何从现在的流量，用 AI 打开场景商业的大门】的演讲。

一、什么叫做场景？

董慧智分享的核心概念是从流量到场景，什么叫做场景呢？

可以举几个例子，比如说视频的商业价值的一个点是指视频有多少关注、播放，这就是流量，用数据来表达它的价值。但用户在看视频时看到了什么关注到什么，以及产生的心理波动、情感共鸣，我们其实是不知道的。所有的东西都用数据来表达，就把很多内容最核心的价值忽略掉。

举例说，假设「爸爸去哪儿」有 20 亿播放量，欢乐颂有 15 亿播放量，大家都会认为「爸爸去哪儿」比「欢乐颂」商业价值更大。

但实际上可能不是这样，对很多商业场景而言，不同行业对于不同场景需求是完全不同的。在爸爸去哪儿中，更多是家庭温馨，快乐亲子的场景，而欢乐颂更多是年轻人在一起，更时尚的更偏重于快消消费的场景，所以对于快消品说欢乐颂的商业价值更大。

更具体地讲，比如在爸爸去哪儿，父子两人在一起玩，这是一个很温馨的场景，或者全家人在一起吃饭，也是一个很温馨的家庭场景，它适合于什么呢？

类似思念水饺的电商广告的商业价值就在于亲子，爸爸去哪儿对亲子的关联度更高，我们可能给思念水饺和爸爸去哪儿评定一个关联度的数值，+100。

比如欢乐颂中有很多年轻人在夜店蹦迪，跳舞，这样的场景对于像思念水饺、汤圆、粽子这类家庭向的产品关联度就非常的低，甚至关联度为负值。

对于家庭项的产品来说，年轻人在外面跑的越多，他对家庭食品关注度可能就越低，所以评定欢乐颂和思念水饺的关联度数值是零，甚至是负数。

所以用 AI 技术去衡量商业价值，需要去剖析每一部剧的内容，每集视频里有的人物、场景、物体、品牌，人物表情、人物动作、场景发生地点等等，这些对后续所有的互联网应用与服务都非常重要。人工能打标注，但全网几十万小时的剧，最终真正把这些商业金库挖掘出来的，是 AI 技术。

将视频从一个简单的二进制文件，分解成一个包含内部所有内容维度、不同维度的基础元素，及故事表达的主要情绪，分解出来形成一个数据库。一个视频本身内容价值的数据库，我们称之为视频知识图谱。

对视频知识图谱的进行深入挖掘，配合后面讲的视频和商业价值的匹配，最终形成 Video OS 系统，在视频场景中创建商业场景，比如在视频中创建购买、投票等等，从而把视频的流量、场景和另外一头的商业价值，如品牌商家等关联在一起，这样就打开了从流量到商业的大门。

二、市场有多大？

每一个视频的流量数据背后，有很多更复杂、更有价值的场景数据，这些数据可以通过 AI 识别，然后创建商业机会。

随着整个互联网发展，我们能看到文娱和零售是未来重要的红利点，比如腾讯 2018 年第三季度 74.8% 的营收和文娱相关，阿里新零售、阿里大文娱、包括淘宝都向着内容向或者 IP 向文娱向的方向发展。

这个市场特别大的重要原因在于，90 后正快速成长并成为消费的主体，90 后的消费特点跟 70 后、80 后有很大不同，生活所需的需求型消费在消费中的比例越来越小，但因为各种圈层、IP，动漫文化，娱乐，追星，打赏或者是应援等等各种文化类型的消费，被某种文化、娱乐形式或者视频所带来的触发型消费占比越来越高。

把文娱尤其视频里的消费场景创建起来，抓住文娱内容所带来的情感共鸣，并且能及时地转化为一种消费，这个消费市场是万亿级。

三、从流量商业到场景商业

流量只关心事情的结果，比如某个剧一共有多少流量消费或者流量商业。比如一次播放就是一个流量，流量里要带入广告，就强迫在看视频前看一段广告，这是传统广告思维的视频前贴片。

但场景商业最核心特点，是让电商促销广告或者说引起消费冲动的点，直接和场景相关，和场景无关的只会让大家反感，和场景有关的广告就变成信息的提供。

这是场景商业的总体架构，右边是供给方——场景，左边是需求方——品牌和商家，互联网的本质是解决供需两端，在供应和需求都很强的情况下，中间搭配的桥梁可能作用不太大，或者桥梁的通道不够宽，那我们解决是各种场景和商业之间这种巨大桥梁的搭建。

第一步是做 AI 场景识别，这是技术最核心的部分。用 AI 代替人去看视频，把内容解析出来，并且识别人观看时产生的情感共鸣。我们有八大维度，人物、场景、物体、品牌、表情、动作，地标、视觉特征，生成第一层的视频标签。视频标签聚合后，生成第二层带有感情的标签，比如说浪漫约会，家庭温馨，聚会时尚等等。

将场景标签和情感标签集合，并进行多维度检索管理，形成场景图谱。任一视频标签、情感维度、视频时长，屏幕占比等等因素都可进行场景检索，这样一次性批量检索，2012 年到 2018 年的全网影视剧和综艺的数据，可以找到大概几万甚至几十万个符合要求的视频片段集合。

商业标签图谱，视频场景图谱都有之后，就可以自动匹配什么样的场景适合什么样的商业，实践证明通过场景匹配后，评定匹配度很高的匹配关系，都可以带来更高的转化率，因为我们的商业是创建在场景识别、场景匹配基础上的，所以从用户体验到最后的转化率都有明显的提升，同时用户体验并不差，所以整个商业效率都提升了。

如上所述如何通过三个环节，场景识别、场景匹配、场景创建，生成了两个图谱，一个是视频的场景图谱，第二个是商业标签图谱，将两个关联起来，从而生成从场景到商业的巨大空间。

从场景到商业在产品系统上是怎么实现的呢？

我们有两套底层核心的系统，一个是 Video AI。他将全网视频内容进行扫描识别，形成数据库和知识图谱。第二个叫 Video OS，是和安卓或者小程序一样，用控件快速自动搭建各种商业应用的一套系统。

这是我们底层结构的流程，视频文件进入系统，成为视频结构化数据库，最后成为知识图谱全流程，视频的数据和商业进行匹配，最终生成广告。

在视频里创建广告系统、电商系统这样的商业场景，是靠 Video OS 系统——视频里的操作系统，可以理解为视频里的小程序系统。

现在 Video OS 系统能够为所有 APP 赋能，我们把这套系统已经开源，只要是做了视频功能的 app 都可以用 Video OS 搭建正常功能系统，从而为 app 商业化、用户互动、内容运营提供一个非常有力的武器。

比如长隆游乐园，在全网视频投放游乐园、海洋沙滩和水族馆这种场景，在全网视频中选择了其中几千个进行投放，使用了互动海报形式，主题：六一玩长隆儿童免费游。投放完后，六一当天热点曝光 100 多万，CTR 点击率 3.09%，视频广告点击率一般 3‰ 到 5‰，我们提升了十倍左右。

随着广告做多之后我们逐渐深化，建立自己的供应链，跟很多的 IP 合作，高能玩家，我是歌手、爸爸去哪儿、勇敢的世界、明日之子、创造 101 等都有直接的合作。

2019 年很多合作方平台已经把全年的 IP 都给我们深度运营，让我们来跟他共同挖掘，IP 衍生品的一些策划、制造和相应的供应链以及相应的营销。

在最后的提问环节中，董总对听众关于中美市场视频行业不同点、视频营收方式等问题进行了回答，下面是内容整理：

美国市场和中国市场在该领域分别有哪些特点？

关于美国市场和中国市场，美国市场的更加专业，但美国市场非常小，美国新消费体量其实没有中国的大，第二个美国市场的视频行业的这种发达或者多样化，也是远远不及中国的。

很多模式从美国起步，但是在中国发扬光大。可能由于中国人口更多，需求多样化，供给多样化，很多种新技术在中国，会得到更明确更大的一个发展。

站在投资人角度，怎么看人工智能领域?

整个 AI 行业现在已经过了原始基础做算法的拓展阶段了，更多是要做行业纵深应用，那行业纵深应用第一技术要足够过硬，第二个足够垂直和专注，第三个要是行业老司机，要真的懂行业，所以硬科技+老司机，这应该是一个相对来说成功率比较高的公司，第四个就是 DNA 比较好的基础之上，还要做的早，做的越早壁垒或者护城河化的就越深。