Hulu:廣告也可以很有愛
上個月,Hulu CEO Jason Kilar 做了一場非常精彩的報告,分享了 Hulu 的成長經(jīng)歷、營收數(shù)據(jù)以及對于視頻行業(yè)未來發(fā)展的一些看法。Hulu 的成功絕對稱得上是一個奇跡,尤其是從商業(yè)角度來考量,他用相當于 Youtube 10% 的流量,贏得了 40% 的市場份額。
在報告視頻中,你可以聽到 Jason 對 Hulu 北京團隊的稱贊!我曾經(jīng)有幸拜訪過他們位于清華科技園的辦公室,這是一個低調得令人發(fā)指的團隊,然而做的事情卻著實有趣。在 Hulu 工作是徹頭徹尾的互聯(lián)網(wǎng)模式,商業(yè)團隊在美國,技術團隊在北京,目標一致全球協(xié)作,絕非XX中國之類可以比擬的。
Hulu 可以稱得上是追求商業(yè)與技術相融合的典范。當其他人還在對個性化技術猶豫不決的時候,他們幾乎已經(jīng)完成了最佳實踐。Hulu 將個性化技術應用到了產(chǎn)品的許多角落,于細節(jié)之處彰顯實力,是進行山寨式微創(chuàng)新的絕佳研究對象。
上圖是經(jīng)典的“如果你喜歡…那么你可能還喜歡…”的推薦場景,這個功能盡管常見,但很有講究。推薦應該放哪兒,什么展現(xiàn)形式以及什么時機顯示?想一想,這些問題你會怎么解決?Hulu 團隊的答案是 A/B Test,讓數(shù)據(jù)來指導產(chǎn)品決策。再看細節(jié),“Bookmarked” 是一個很契合場景的小功能,是一個用心的設計。這個場景 Hulu 做到的效果是:看到這個推薦的用戶中,有10%的用戶點擊觀看或者收藏了推薦的影片。但其實整個場景里面我最想說的,是右上角的“Does this recommendation interest you?”這一點。我一直有一個看法:對于推薦產(chǎn)品,用戶反饋的作用怎么強調都不為過,雖然用戶確實是懶的,做推薦產(chǎn)品也確實要講究隱性反饋,但這絕不代表你不能要求用戶做出選擇。既要能夠收集到有價值的反饋,又要使得用戶感受到產(chǎn)品對他的尊重,如何平衡這個矛盾,是需要具備相當智慧的。如果你正在招聘推薦相關的產(chǎn)品經(jīng)理,這個事情很值得問一問。
用戶不喜歡廣告,這件事情相信誰都明白。Jason 給出了一個數(shù)據(jù),“內(nèi)容廠商每掙一美元,其中就有 41 美分來自廣告”,因此,一切拋開廣告談視頻產(chǎn)業(yè)未來的做法都是浮云,結論就是——繞不開廣告,就讓它變得更加美好。Hulu 的 mission 分為兩部分:第一部分是“To help people find and enjoy the world’s premium content; when, where and how they want it.”;第二部分是“As we pursue our mission, we aspire to create a service that users, advertisers and content owners unabashedly love.”?;旧系谝徊糠譄o論從內(nèi)容覆蓋度上還是受眾覆蓋度上,都沒有做到;顯然大家都看得出來,第二部分才是真正的 mission,^_^。第二部分也的確是整個產(chǎn)品里面 Hulu 最下功夫的地方:1)廣告的品質很高,這應該得益于主打品牌廣告的策略;2)圍繞廣告給予用戶很多選擇,上圖中紅圈顯示的僅是一例;3)基于用戶的選擇與反饋,使用個性化技術驅動廣告與用戶的喜好越來越相關。就目前公開的數(shù)據(jù)來看,在用戶滿意度、廣告有效性以及自身收入這三個方面,Hulu 都確實取得了相當不錯的成績。作為一個有追求的程序男青年,我曾經(jīng)很糾結:從技術角度需要理想化,從商業(yè)領域需要直截了當,難道除了更高更快更強地搜索假藥之外,技術就不能夠有效變現(xiàn)了嗎?Hulu 讓我釋然了。
其他有意思的事情還有不少。比如,1)他們對于推薦模塊使用了 Ajax 處理,只有當用戶把頁面拖到相應位置的時候,才會動態(tài)加載推薦數(shù)據(jù),這樣可以更精確地考量推薦算法的效果。2)在同一個功能區(qū),他們會均衡投放廣告與推薦影片的比例,背后的邏輯是,用戶看到更多感興趣的影片->停留的時間更長->看到廣告的整體數(shù)量增多,這可以轉化為一個相當理性的數(shù)據(jù)模型,照著收益最大化持續(xù)優(yōu)化就好了。3)他們通過分析已注冊用戶觀看過視頻的歷史數(shù)據(jù),來對未注冊用戶建立預測模型??聪聢D這個例子,從全局統(tǒng)計數(shù)字來看,觀看左邊這部影片的用戶中,63%是女性,37%是男性,通常的做法,會給這部影片搭配一段針對女性的廣告,那么,那37%的男人們就杯具了。而 Hulu 講究的是搭配有針對性的廣告,對于已注冊用戶,Hulu 是知道性別數(shù)據(jù)的;對于不知道性別的未注冊用戶,Hulu 通過分析其瀏覽記錄來預測其性別,比如同時還看過右側那一坨影片的,就有極大可能是女性。這些數(shù)學模型其實都不難,但想在合適的地方讓它們派上用場,這個還是需要一些功力的。
前兩天我發(fā)了一條微博,“對數(shù)據(jù)的理解和問題的建模是第一位的,用多么高級的算法根本不是重點”。這是我個人的一些感觸,我相信大部分場景應該也是適合的。但推薦深入作進去,絕對是個考驗算法實力的事情。和一個靠譜的團隊在一起,事半功倍!
評價一個團隊,我個人有一個不太成熟的判斷標準,就是看其中有沒有輟學生,這點最起碼能說明一個問題:正在做的事情是否足夠性感,讓人愿意拋開束縛全情投入。很巧的是,Hulu 北京團隊里面就有這樣一位從北大退學的博士生,非常給力。他們正在招聘,有興趣的可以到這里看看,或者可以直接聯(lián)系:鄭華@Twitter。
這里還有一些好玩兒的照片。
本文可以任意轉載,轉載時請務必以超鏈接形式標明文章?原始出處 與?版權信息。
http://www.guwendong.com/post/2010/hulu-team.html
- 目前還沒評論,等你發(fā)揮!