亚马逊靠个性化推荐引擎获得艾美奖,它与YouTube的奖项有何不同?

amazon_instant_video_google_tv_2

几天前,PingWest报道了YouTube依靠推荐算法获得了艾美奖。现在,亚马逊的视频服务Prime Instant Video也确认获得了同类的技术与工程奖项,只不过在官方的声明中,用推荐算法(Personalized Recommendation Algorithm)来解释YouTube获奖的原因,而在亚马逊上用的是个性化推荐引擎(Personalized Recommendation Engines)一词。

简单的说,推荐引擎就是建立在算法框架基础之上的一套完整的推荐系统,算法引擎属于其中的一部分。除此以外,推荐引擎中还包括场景引擎、规则引擎、展示引擎。

场景引擎是用来计算的用户意图。它是将用户的行为与他们在Amazon Prime Instant Video中的需求相对接。虽然Amazon没有详细说明其方案,但大体上应该类似大部分场景引擎的思路,例如,将用户在Prime Instant Video页面的随意点击定义为“随意浏览”,将用户在Prime Instant Video中“Kids & Family”类目下的点击定义为“有定向目标的浏览”,将用户在“Kids & Family”类目下的影片收藏行为定义为“强需求的挑选”……以此类推。

规则引擎是一套预定义的决策方案,例如在以上的“强需求的挑选”意图下和“有定向目标的浏览”意图下,分别应该对应怎样的规则,再利用算法,这些意图转化为合适的推荐数据。如今这些规则中往往还会引入社交关系。

内容引擎则是为推荐的内容选取最合适的展示形式,即合适的位置。因为我们如今接触的推荐系统中往往有多种不同的推荐内容,例如“你可能感兴趣的视频”、“你的朋友爱看的视频”,有的推荐系统里甚至还有相关的用户等内容推荐,除此以外,Prime Instant Video首页的个性化推荐和点击进入某一个影片下的推荐也都是不同的。

(注:因为没有术语参考,所以以上引擎的名称定义是参照我此前采访的“百分点系统”推荐引擎所用名词。)

所以,与YouTube的奖项相比,亚马逊Instant Video的奖项更强调其整体推荐系统的技术架构以及与Instant Video产品功能设计相结合的能力。例如它能够通过主题、情绪、风格等分类方式帮助用户快速找到合适的类目,而其中的影片则是依据用户的兴趣和喜好做个性化的排序。这样的个性化功能设计还包括用户的个人商店、“看过这部影片的顾客也看过哪些影片”等。

实际上,对于亚马逊Instant Video而言,其主要竞争对手并非Youtube,这个以购买和租赁在线视频的服务当前最在意的敌人还是Hulu和Netflix。他们的战争除了用户提供更好的个性化内容之外,还包含应用的使用体验、价格、影片数量等多方面的较量。

我们此前报道过Netflix已经成功变身为一家视频内容制作商了,而Hulu不久前刚刚获得7.5亿美元的增资,也将中心放在了原创内容的生产上,Instant Video则在尝试让观众决定拍哪部电视剧,结局应该是什么样的。

在我看来,Instant Video拥有更广泛的竞争力。

首先,它背靠Amazon AWS,在视频存储技术和成本上都有显著的优势,在三家的价格中,Instant Video的年费是最低的,而Netflix是架设在亚马逊的云服务上的,所以在这方面显然难与之抗衡。

其次,Amazon拥有自己的硬件设备,Kindle Fire、Kindle Fire HD的市场表现帮助他们建立了一个强大的内容销售渠道,除此以外,Instant Video也支持iPad、iPhone、iPod touch、Roku、Xbox 360、PlayStation 3、Wii 和Wii U等设备。

再次,Amazon在书籍市场的绝对地位能够帮助他们更容易获取一些热门内容的影视版权,或是能够将热门视频内容改变成书籍,扩大其商业效益。而用户在书籍上购买的数据也能帮助他们在原创视频的制作和推荐上进行参考。

订阅更多文章