Video++的联合创始人&COO 董慧智
【董慧智】：谢谢，首先比较晚了，大家可能比较饿了。今天我讲的是领域一个事情，我们这边做的是消费者端的。我用我的人工智能代替消费者去看视频里有什么，然后把它的价值挖掘出来。我要讲的话题是AI时代的营销的升级，请继续往下翻。这张图其实是表现一下我们整个从视频的消费端，视频网站这边整个产业的发展。在线视频的规模，今年在线视频的广告达到了8百多亿，明年会达到1100亿。整体看来在线视频的广告，整个市场规模还是蛮大的。另外一条线大家看到没有？在线视频2014年优酷，三大家加起来以后，从那个时间开始同步增长率是在下降的。同步增长率到2018年已经只能达到27%，同步增长率的下降原因是什么呢？这是一个我们叫复合增长图。整个视频领域里面，复合增长率一直涨，但涨得最后的是什么？这个其实是整个视频广告领域前贴片的时长。最早的时候2012年，30秒我还能忍。现在 没有180秒的广告，你都不好意思说我是很牛逼的广告。但是用户已经到极限了，如果让用户看5分钟的广告，我相信没有任何人能接受。我们的IP做出来以后，我的增长在哪里？我整个行业怎么增长？难道把广告加5分钟吗？不可能。我们创业之初就是想这样一些想法，我们怎么样用我们的技术去把视频的价值体现出来？这个视频的价值不仅仅是放在所谓贴片中插的广告价值上面。我给大家看一个我们的视频。（播放视频）好吧，在视频没有声音的情况下，我觉得有很多内容是没有办法体现的。那我就直接往后过吧。好，我们刚才聊的我们整个视频市场，广告这个市场其实已经到顶了，没有办法往下推了。我们想的办法是什么？通过AI技术赋能，把视频的内容变成可以变现的，可以让用户发现价值的点。我们可以把一个视频网站，比如优酷这样的网站，我们可以理解成一个建立在视频领域上面的一个操作系统，这个操作系统和以前的大家手上玩的静态的图片、文字的操作系统不同的是，它在普通的硬件的交互层和大家所应用的应用层之间会有一个数据层。我们看视频的时候，你所有的信息量其实首先来自于内容本身。所以你只有把内容本身结构化，变成你视频或者，或者你的程序能处理的数字信号，你才能它的价值利用起来。
第一步做的事情就是视频结构化。我们把视频通过扫描技术，分解成各种各样的，可以做广告，可以做电商，可以做教育各种应用的一种结构化的数据，也就是数据库。这里包括几个方面，第一个是扫描识别，我要知道视频里到底有什么，它到底在在什么时间出现？什么时间消失？第二个我要追踪这个出现的人物，在视频里在后面的时间里跑到哪儿去了。得到这个以后，我可以对人物、视频进行价值化。有了这个基础之上，才有视频的应用。我把视频内可以使用的功能，广告、电商都把它看成视频里的小程序，这样我识别出来的所有的数字信号转换成一个可以用来变现的一种功能。这是我对于视频怎么把它的价值挖掘出来的一个架构。
首先给大家看一个，这个可能看不大清楚。你可以把它理解成我们培养的机器人，这个机器人做什么事情呢？这个机器人就是你把一个视频丢进去，比如你把一个视频上传了以后，它会自动地把所有的内容解锁、解析。我可以在视频之中，在我的后台可以批量化地去看这个视频到底有些什么，以及这些都在什么地方。比如这个视频之中，我们要看迪丽热巴，这个应该是《人民的名义》中的陆毅。左边的那个图我会告诉你陆毅出现的所有时间点，以及时长。下面我可以把陆毅的脸跟踪出来，在系统里非常完整地看到这是一个视频的沙盘。我可以把视频的元素一目了然看得到。我们可以解析的有明星、物体，比如我这里面看到汽车，看到水杯，看到红酒杯。还有我们专门有针对3C物品的，比如手机这样的。还有一个场景。我要看到我们这个故事发生在会议室，还是发生在卧室。我们怎么做到这一点呢？刚才大家看到我们的视频系统能够做的事情，首先第一个这个系统已经是生产级的。它已经在很多视频网站已经在做了，我们可以说这是在消费端，我们是唯一一个已经大规模使用的商用级的AI的系统。刚才那个系统里面我得到的结果我怎么样去投放？比如RIO鸡尾酒，我可以把《欢乐颂》里面所有聚会的场景拉出来，它可以自动化一次性把这种场景投放各种各样的广告类型。后面我会讲我们如何把聚会的场景，转化成RIO鸡尾酒的广告机会点。
刚才IBM的专家说IBM有一种底层技术，可以在图象里面把人物识别出来。这是我们一般情况下，左边这种形态的技术。我们称之为图象化的处理。我把一个视频里关键帧抽出来，我通过第100帧、第200帧这种抽帧的数据，我大概知道这个视频里面都有点什么东西。这是我们叫离散化的抽帧法。实际上左边的算法是通行的，我怎么识别里面的东西。但这样有个问题，我第一帧和第100帧之间的所有的数据都丢掉了，而且我得到的不是连续的结果。我没有办法知道范冰冰开门进来之后，10秒之内做的是什么。我要做到的从一个物体到一个人物，用一个跟踪线把他跟踪下来。比如范冰冰连续的轨迹，范冰冰连续的轨迹才真正具有广告的价值。我得到它以后，再把她识别出来。这就是我们现在完全针对消费级视频的识别技术。
我们能搜出什么样的结果？很多视频网站或者很多内容商他都会感兴趣的。我们目前跟艾瑞合作一个，我们要为艾瑞数据生成一个视频图谱。这个视频图谱能得到什么？上面一个视频层，我可以看到视频的内容影像的东西。信息层我会得到所有的人物，以及所有的关键物体。下面一个场景层，场景层其实是我所有的内容，到底发生在什么样的场所里面？比如说我们现在如果是个视频的话，我就能识别出这是一个会议室。最后一个是情感层，当我把一个物体、一个人物放在某一个场景里，它通过跟踪、持续分析得到这个人物到底在这个场景里做些什么事情。最后的情景，将是我们目前最有价值的广告。其实通过上面的信息，自动分析出来的。我可以把一个片断里面，一个视频里面所有的约会的场景，所有的家庭温馨的场景，所有同事聚会的场景，打斗的场景，全部一段一段切出来，这样对我们后续的工作非常有帮助。刚才IBM的专家说有的用户专门喜欢看打斗的场景，我们可以把它全部抽出来，一次看个够。
刚才其实我们说的是我们能得到什么，以及得到这些数据你怎么得到的。后面我会给大家介绍一下我们是怎么样利用这些数据的。就是广告商以及平台，像优酷、芒果这样的平台，到底怎么利用这些数据的。这是一个比较简单的电商的场景，在很多地方大家都能看到边看边买，他会要求立刻支付完成。吸引你去购买的，他是通过旁边的脚标来完成的。因为有了跟踪的系统，我可以让我要购买的物体，上面放一个跟踪框，这样的话你所点即所得。我可以看到淘宝这个物体的本身，就可以进行购买。大家可以畅想未来，未来得购买可能是这样的，我在一个视频中看到一个感兴趣的衣服，我只要用手机点击它，我就立刻知道这个衣服在哪儿买，瞬间加入购物车。再也不会有烦人的广告出现了，因为它变成给用户提供信息的功能。
这个是我们在直播和点播中都会用到的叫投票互动。很多的广告商要吸引大家，其实是让用户去参与，才会让广告达到目的的目标。我是通过互动的方式，弹出一个投票层。大家投票以后，立刻看到结果。这样的应用在直播、点播中都有很大的应用，在直播中我可以影响节目的内容。比如说我们在熊猫上面做过的一些直播，比如说Panda Go，我会主播弹出一句话，我是该脱丝袜还是跳舞？各种各样的都有。比较有趣的一个案例，是在去年的“双十一”，去年“双十一”科比来到中国，在战旗上面做了直播。我们识别到他的大特写之后，准备了我们预先准备好的投票，就是到底中国观众喜欢他大胡子的形象还是喜欢他没有胡子？旁边跟着吉列的刮胡刀的广告。结果显示大家喜欢他没有胡子，科比说：“我第一次感受到大家喜欢我真实的形象。”这样吉列的广告变得非常鲜明有特色，而且参与度非常高。
这是去年的《爸爸去哪儿》都会使用，我们叫场景触发。我通过一个场景，比如说我识别到海边场景，我识别到他在哪里。然后我把相关的信息加上去，比如说这是一个旅游场景，我就把旅游信息，美食、游记、住宿的功能都加上去。甚至我加个投票，大家喜不喜欢这里？愿不愿意去？通过场景触发还有很多，我就不多受了。这是一个模拟对话，我可以识别进球场景，我可以加入很多我们互动技术加入的模拟对话。比如说男女主角在沙漠中坐在那里，我们就可以发现这是沙漠。我们可以加入对话，“你是不是渴了？我这里有一瓶东鹏特饮。”这是内容跟广告结合得非常紧的一种做法。
最后说我们其实是一直藏在视频网站背后的技术提供方，我们为乐视、芒果、风行都在提供相应的技术。其实希望的把这个行业现在面临的瓶颈能够打开。以前的贴片的转化率是千分之2到3，很多人可能知道。其实我们在芒果TV的转化数据大概达到7%，通过我们内容进行投放的广告点击率大概7%左右。大幅度提升整个行业广告的效果。直播内容也很多，广告商也有很多。虽然说我们在整个行业里头，其实使用过的，大部分都会反复地复投这种广告。但是整个行业，可能新形态的广告，通过AR的方式制作的广告，还是需要大家共同推进的，这是需要行业共同推进的事情。
下面稍微给大家看一下就过了，这是爱奇艺识别陈赫以后，让大家可以点击陈赫的脸。这是康师傅做的广告，叫辣表情收集。这是《爸爸去哪儿》做的广告。这是“双十一”红包等等，我这里就不多放了。这是长隆的一个广告。
因为时间关系，我就不多讲，后面都是一些直播的案例。什么投票、点赞，各种各样实时互动的工具。结果是什么？我们在熊猫上面，做过一场使用我们AI工具的一场直播，下单率144元。大家都在挖掘怎么做直播视频的电商，我们在这方面有很多的尝试，数据表明这个市场很值得一玩。下面这些我就不过了，这是科比的见面会，我们当时的广告点击率13.4%，就是科比的刮胡子的那个事情。这个是主播会投出来，给大家选她到底下一步应该做什么，参与率非常的高。这都是在熊猫TV上的案例。这个案例是每一次播放产生1.27%的互动。谢谢大家！希望大家有个非常美好的中午，谢谢大家！
