联手友盟+打造数据融合“样板间”, 好兔视频成功逆势突围

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: 好兔视频选择牵手友盟+,深度融合行业应用大数据,建立设备质量分层等数据应用模型,帮助处于初创期的好兔视频解决数据应用、拉新、留存等运营难题,实现发展突围。

前言:更多关于数智化转型、数据中台内容可扫码加群一起探讨
668d7f5941782665ed1f41529db3eb677f4b9379.png
阿里云数据中台官网 https://dp.alibaba.com/index


(作者:友盟+)

“消费升级”是近年来的中国消费市场热门词汇,消费升级的同时也驱动了内容消费升级。在这样的大众消费市场下,一款主打技术类内容的短视频App——好兔视频应运而生。作为非BATT系的初创型企业,如何在竞争激烈的视频行业破局,实现逆风翻盘?

好兔视频选择牵手友盟+,深度融合行业应用大数据,建立设备质量分层等数据应用模型,帮助处于初创期的好兔视频解决数据应用、拉新、留存等运营难题,实现发展突围。

好兔视频瞄准了时下内容消费升级的大趋势,专注于精选实用小视频, 生活技能分享,希望给那些热爱生活的人提供一些高品质的内容,深受国内高知人群欢迎。

机遇与挑战并存,视频行业大数据壁垒亟待破局

互联网巨头掌控互联网应用和服务的绝大部分数据资源,BATT系App占据了用户使用时长的70%,不难发现数据规模马太效应越来越严重,中小型App开发企业难以靠一己之力突破互联网巨头的“数据霸权”。

这主要体现在以下几个方面:首先,中小型企业日活可能只有几十万到数百万不等,难以与BATT系应用的亿级数据集竞争;同时,中小型企业缺乏横向和纵向完整的用户画像,对于新推广的每个用户而言都是全新用户,冷启动硬伤凸显,难以做到千人千面的用户服务,而BATT系的用户画像已经非常完整,根据海量用户的产品矩阵,可以大概猜测出用户的收入、喜好等用户画像

最关键的是,缺少大数据加持,中小型App经常会处于盲人摸象的状态,这是因为当前的网络应用已经不是一个数据孤岛,而是在不同行业或不同领域上相互依赖和关联,如果仅仅依靠单一垂直App获取单一局部数据集往往会导致认知偏差,而不是 站在一个全网数据下看待问题,导致你认为的通常并不是你认为的,就像盲人摸象一样。无法全面洞悉偏好,更无法进行精准化、个性化、智能化的内容推荐。

时长即数据,友盟云助力好兔视频数据短板变长板

时长即数据的发展背景下,中小型App要突破必须有数据能力加持,尤其需要关注天生的大数据短板,以谋求破局。为此,好兔视频携手友盟+,通过深度融合数据来解决视频应用所面临的行业痛点。

借助阿里云的PaaS平台,形成一个全域的行业应用大数据,建立好兔视频专属的大数据库,将数据短板转化为长板。在友盟云之上(集成领先的阿里云技术,将互联网企业业务数据与行为数据的无缝融合)打通好兔视频的业务数据与行为数据,使得好兔视频可以在“云上”进行建模和一系列计算,计算出可使用的标签并改善内容推荐机制,提升产品的使用体验。
1

此外,通过与友盟+的行为数据打通,好兔视频可以勾勒出完整的画像,减少认知偏差,为产品运营以及用户服务等方面提供数据支撑。比如,IN的数据包括了一些设备的使用时长、Push等信息,好兔视频可能自身无法获取到系统的数据,通过友盟+就能了解到设备的安装、价值等数据,实现对流失的预测分析,给用户提供最及时的视频内容。

精耕细作大数据富矿,赋能好兔视频构建拉新留存新通道

当下,经历了流量主导下的跑马圈地后,以精品化的内容策略撬动用户数据新增长,正在成为视频应用新的成长通道。然而,面对网络虚拟环境,单单凭借一个App的局部数据,一方面会导致用户认知偏差,容易把用户带偏。另一方面又要针对作弊、营销、非自然人的机器操作等方式做出应对方案,帮忙企业更好地专注核心业务用户体验本身。诚然,大数据的应用和服务创新成了解决视频行业痛点的关键。

在以往,传统型的数据服务需要大量的调研时间和成本,并且难以对原始数据进行二次开发利用,造成数据资源闲置,并加重中小企业的研发负担。在友盟云之上,好兔视频不仅能够更快捷地获取海量的数据资源,还能进一步挖掘数据背后的富矿。

例如,好兔视频能够通过“云上”平台数据模型对现有数据进行二次计算,一方面多维度洞察用户需求并构建完整用户画像,弥补与BATT四大巨头之间在用户画像上的差距,实现千人千面的智能化推荐,满足用户更加个性化的需求;另一方面可以通过数据风控,精准识别风险设备,实现对设备质量进行分层评估,促进用户与内容运营的良性互动,提升次日留存率。

值得一提的是,友盟+与好兔视频基于大数据所构建的设备质量分层评估模型,通过90天的设备日志检测全网的设备行为,多维度的指标衡量、地域、活跃、设备的可在线、累计渠道和黑名单等来评估数据质量,可将设备价值分为A、B、C、D四类设备。

从价值流上看,A类设备到C类设备的占比基本呈下降的趋势,但到了D类设备,也就是低价值设备,却有了一个提升。其实,D类设备所有的操作都更加类似于A类设备,也就是高价值设备。好兔认为这可能与线上是一个虚拟的环境有关,生活在社会顶层和社会底层环境的设备,在线上的行为可能是类似的,有待下一步分析。

在这种情况下,好兔如果单看一个应用内的局部数据,就容易导致认知的偏差,将用户导向机制引偏。同时,从不同分层设备应用内行为数据也能看出,作弊设备由于各项数据都非常高,特别是设备使用时长,可能超过高价值设备,对用户识别有较高的干扰。

2
通过友盟+的加持,好兔就能获取到视频分类的播放数据,从而更精准地识别作弊设备。可以看出,由于好兔主要提供生活技能类视频,价值越高的设备对好兔App提供的生活窍门、美食、百科、健康等内容的喜好就越来越高。只有作弊设备是特例,其播放数据相对比较平均,无法看出其喜好。凭借这一点,好兔就能比较明显地发现可能是设备的操作,避开用户引导的误区。

通过设备分层的数据融合实践,好兔视频得以全方位实现单一App无法做到的识别作弊设备或营销行为等非自然人操作方式,帮助好兔视频把所有的运营精力和营销精力集中在A类高价值设备,拉新和促活也有更明确的指标和有效的策略指导,开辟一条快速成长的新通道。

提升短视频应用的企业竞争力,大数据融合扮演着至关重要的角色。随着越来越多的大数据服务能力的开放和加持,友盟+不仅能够帮助视频应用实现更多的创新,而且在大数据的风控、精准营销以及用户运营服务上也能够更加精益求精,持续为中小型App企业提供技术支持。

未来,友盟+携手好兔视频所打造的深度数据融合“样板间”会被广泛应用于各行各业。


数据中台是企业数智化的新基建,阿里巴巴认为数据中台是集方法论、工具、组织于一体的,“快”、“准”、“全”、“统”、“通”的智能大数据体系。目前正通过阿里云数据中台解决方案对外输出,包括零售金融互联网政务等领域,其中核心产品有:

数据中台官网 https://dp.alibaba.com
数据中台钉钉群二维码2.jpg


相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
消息中间件 监控 Kubernetes
云上如何实现 Autoscaling: AutoMQ 的实战经验与教训
文章介绍了 AutoMQ 的 Autoscaling 架构,包括利用云服务如 AWS 的 Auto Scaling Group 和 Cloud Watch,以及弹性策略的选取和优化。面临的挑战包括理解云服务的弹性策略、找到触发弹性的理想指标,以及应对不同场景的弹性需求。AutoMQ 最终采用定时和自定义目标跟踪策略来实现弹性,并展示了其在流量变化下的弹性效果。未来,AutoMQ 计划优化弹性策略、支持多云、自定义监控和 Kubernetes 集成。
220 0
云上如何实现 Autoscaling: AutoMQ 的实战经验与教训
|
机器学习/深度学习 算法 安全
m基于Q-Learning强化学习的路线规划和避障策略matlab仿真
MATLAB 2022a仿真实现了Q-Learning算法在路线规划与避障中的应用,展示了智能体在动态环境中学习最优路径的过程。Q-Learning通过学习动作价值函数Q(s,a)来最大化长期奖励,状态s和动作a分别代表智能体的位置和移动方向。核心程序包括迭代选择最优动作、更新Q矩阵及奖励机制(正奖励鼓励向目标移动,负奖励避开障碍,探索奖励平衡探索与利用)。最终,智能体能在复杂环境中找到安全高效的路径,体现了强化学习在自主导航的潜力。
326 0
|
12月前
|
监控 测试技术 持续交付
深入理解微服务架构:构建高效、可扩展的系统
深入理解微服务架构:构建高效、可扩展的系统
300 0
|
消息中间件 RocketMQ 索引
基于消息中间件,图解柔性事务一致性
在核心业务处理完成之后,发送消息通知,允许失败,在指定时间段内或者指定重试次数之后,允许消息丢失情况存在,即消息的不可靠性。
444 94
基于消息中间件,图解柔性事务一致性
|
JavaScript Java 测试技术
基于SpringBoot+Vue+uniapp的校园活动管理平台的详细设计和实现(源码+lw+部署文档+讲解等)
基于SpringBoot+Vue+uniapp的校园活动管理平台的详细设计和实现(源码+lw+部署文档+讲解等)
286 0
|
机器学习/深度学习 自然语言处理 数据处理
RNN vs LSTM:序列数据处理的选择
RNN vs LSTM:序列数据处理的选择
558 0
|
存储 分布式计算 OLAP
ClickHouse为什么查询速度快?
ClickHouse为什么查询速度快?
680 0
|
NoSQL IDE 开发工具
Eclipse配合GDB和jlinkGDBServer仿真调试STM32
Eclipse配合GDB和jlinkGDBServer仿真调试STM32
|
消息中间件 Apache RocketMQ
RocketMQ进阶 - 事务消息
RocketMQ进阶 - 事务消息
543 0
|
编解码 前端开发 安全
详细讲解ffmpeg命令的使用(视频合并&avi转MP4&补空白音频【收藏下来一定用的到】)
您好,我是码农飞哥,感谢您阅读本文,欢迎一键三连哦。 本文从实战的角度出发详细讲解ffmpeg命令的使用。 干货满满,建议收藏,需要用到时常看看。 小伙伴们如有问题及需要,欢迎踊跃留言哦~ ~ ~。
2949 0
详细讲解ffmpeg命令的使用(视频合并&avi转MP4&补空白音频【收藏下来一定用的到】)

热门文章

最新文章