Home

2010-12-08 08:34 推荐: P迪

摘要: 上个月,Hulu CEO Jason Kilar 做了一场非常精彩的报告,分享了 Hulu 的成长经历、营收数据以及对于视频行业未来发展的一些看法。Hulu 的成功绝对称得上是一个奇迹,尤其是从商业角度来考量,他用相当于 Youtube 10% 的流量,赢得了…

上个月,Hulu CEO Jason Kilar 做了一场非常精彩的报告,分享了 Hulu 的成长经历、营收数据以及对于视频行业未来发展的一些看法。Hulu 的成功绝对称得上是一个奇迹,尤其是从商业角度来考量,他用相当于 Youtube 10% 的流量,赢得了 40% 的市场份额。

在报告视频中,你可以听到 Jason 对 Hulu 北京团队的称赞!我曾经有幸拜访过他们位于清华科技园的办公室,这是一个低调得令人发指的团队,然而做的事情却着实有趣。在 Hulu 工作是彻头彻尾的互联网模式,商业团队在美国,技术团队在北京,目标一致全球协作,绝非XX中国之类可以比拟的。

Hulu 可以称得上是追求商业与技术相融合的典范。当其他人还在对个性化技术犹豫不决的时候,他们几乎已经完成了最佳实践。Hulu 将个性化技术应用到了产品的许多角落,于细节之处彰显实力,是进行山寨式微创新的绝佳研究对象。

上图是经典的“如果你喜欢…那么你可能还喜欢…”的推荐场景,这个功能尽管常见,但很有讲究。推荐应该放哪儿,什么展现形式以及什么时机显示?想一想,这些问题你会怎么解决?Hulu 团队的答案是 A/B Test,让数据来指导产品决策。再看细节,“Bookmarked” 是一个很契合场景的小功能,是一个用心的设计。这个场景 Hulu 做到的效果是:看到这个推荐的用户中,有10%的用户点击观看或者收藏了推荐的影片。但其实整个场景里面我最想说的,是右上角的“Does this recommendation interest you?”这一点。我一直有一个看法:对于推荐产品,用户反馈的作用怎么强调都不为过,虽然用户确实是懒的,做推荐产品也确实要讲究隐性反馈,但这绝不代表你不能要求用户做出选择。既要能够收集到有价值的反馈,又要使得用户感受到产品对他的尊重,如何平衡这个矛盾,是需要具备相当智慧的。如果你正在招聘推荐相关的产品经理,这个事情很值得问一问。

用户不喜欢广告,这件事情相信谁都明白。Jason 给出了一个数据,“内容厂商每挣一美元,其中就有 41 美分来自广告”,因此,一切抛开广告谈视频产业未来的做法都是浮云,结论就是——绕不开广告,就让它变得更加美好。Hulu 的 mission 分为两部分: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.”。基本上第一部分无论从内容覆盖度上还是受众覆盖度上,都没有做到;显然大家都看得出来,第二部分才是真正的 mission,^_^。第二部分也的确是整个产品里面 Hulu 最下功夫的地方:1)广告的品质很高,这应该得益于主打品牌广告的策略;2)围绕广告给予用户很多选择,上图中红圈显示的仅是一例;3)基于用户的选择与反馈,使用个性化技术驱动广告与用户的喜好越来越相关。就目前公开的数据来看,在用户满意度、广告有效性以及自身收入这三个方面,Hulu 都确实取得了相当不错的成绩。作为一个有追求的程序男青年,我曾经很纠结:从技术角度需要理想化,从商业领域需要直截了当,难道除了更高更快更强地搜索假药之外,技术就不能够有效变现了吗?Hulu 让我释然了。

其他有意思的事情还有不少。比如,1)他们对于推荐模块使用了 Ajax 处理,只有当用户把页面拖到相应位置的时候,才会动态加载推荐数据,这样可以更精确地考量推荐算法的效果。2)在同一个功能区,他们会均衡投放广告与推荐影片的比例,背后的逻辑是,用户看到更多感兴趣的影片->停留的时间更长->看到广告的整体数量增多,这可以转化为一个相当理性的数据模型,照着收益最大化持续优化就好了。3)他们通过分析已注册用户观看过视频的历史数据,来对未注册用户建立预测模型。看下图这个例子,从全局统计数字来看,观看左边这部影片的用户中,63%是女性,37%是男性,通常的做法,会给这部影片搭配一段针对女性的广告,那么,那37%的男人们就杯具了。而 Hulu 讲究的是搭配有针对性的广告,对于已注册用户,Hulu 是知道性别数据的;对于不知道性别的未注册用户,Hulu 通过分析其浏览记录来预测其性别,比如同时还看过右侧那一坨影片的,就有极大可能是女性。这些数学模型其实都不难,但想在合适的地方让它们派上用场,这个还是需要一些功力的。

前两天我发了一条微博, “对数据的理解和问题的建模是第一位的,用多么高级的算法根本不是重点”。这是我个人的一些感触,我相信大部分场景应该也是适合的。但推荐深入作进去,绝对是个考验算法实力的事情。和一个靠谱的团队在一起,事半功倍!

评价一个团队,我个人有一个不太成熟的判断标准,就是看其中有没有辍学生,这点最起码能说明一个问题:正在做的事情是否足够性感,让人愿意抛开束缚全情投入。很巧的是,Hulu 北京团队里面就有这样一位从北大退学的博士生,非常给力。他们正在招聘,有兴趣的可以到这里看看,或者可以直接联系:郑华@Twitter。

这里还有一些好玩儿的照片。

本文可以任意转载,转载时请务必以超链接形式标明文章 原始出处 与 版权信息。
http://www.guwendong.com/post/2010/hulu-team.html

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s