流媒体服务“新常态”的基本要素
Analytics. Bandwidth. Compression. 这三个词 这对流媒体服务的成功至关重要, 在当今世界, 它们从未如此重要. 在全球范围内，流媒体电视观看的峰值继续呈指数级增长. In fact, 87% of U.S. 消费者表示，他们在COVID-19大流行期间消费了更多的内容, 根据全球网络指数报告. 然而，随着居家限制不断放松， 流媒体电视收视率仍高于大流行前的水平. 观众对内容的持续需求, 现在是视频服务提供商利用abc(分析)的时候了, 带宽和压缩)，而不仅仅是短期需求, but longer term, sustained growth.
Thankfully, 现在，技术和专业知识比以往任何时候都更容易帮助解决这些障碍, 特别是与可视性和控制功能相关，这些功能可以帮助视频服务提供商更有效地为其用户提供服务. Furthermore, 端到端的专业知识可以无缝地支持分析, bandwidth, 压缩需要帮助维持和扩大用户基础.
Bandwidth
当我们考虑到我们在3月份看到的近乎一夜的观看高峰时, 我们可能首先想到的是带宽需求. 对我们的行业来说，这样的担忧并不新鲜(想想体育直播胜过流媒体), for example), 但自2019冠状病毒病以来，它们已经进化甚至成长. 这场大流行揭示了我们已经讨论了一段时间的问题, 但可能还没有完全回答, 例如:
- 我们怎样才能适当地扩大规模?
- 先发制人的规模需要考虑什么? Geography? Scheduled events? Content popularity?
- 服务提供商如何利用人工智能(AI)和分析来帮助提前扩展?
- 我们如何减轻网络上要求更高的视频应用的压力?
与带宽密切相关的是传输观众所期望的高质量视频所需的比特率. 在COVID-19大流行的早期, 带宽是如此令人担忧，以至于许多提供商迅速将视频服务的比特率降低了两位数. Across Canada and Europe, for example, 3月下旬，Netflix减少了25%的网络流量，以保持良好的质量. 5月初，有 reports 比特率实际上还不到标准的50%. 据报道，这些网络缩减导致图像质量明显下降, 比如模糊和像素化.
Netflix并不孤单——许多视频服务都是如此, if not all, 是否仍在努力寻找解决带宽挑战的最有效途径. 负面影响体验质量(QoE)对观众来说根本不是一个选择——他们只会去另一个承诺更好视频质量的服务. Fortunately, 人工智能(AI)和机器学习(ML)等工具正在取得强劲进展，并取得了积极成果, 特别是当涉及到以最低比特率保持最佳质量的压缩技术时.
Compression
下一代视频规范可以使视频压缩更加高效, 但也需要大量的编码器复杂性. 通过以一种聪明的方式使用ML等工具, 我们可以在带宽效率视频流和编码器复杂性之间找到平衡. AI和ML不仅允许我们单独压缩整个或部分帧, 但也要确定每帧中对观众影响最小的区域，并将它们压缩得比其他区域更大. 通过利用AI和ML作为编解码器优化的工具, 匹配对人眼检测到的图像质量和突变的高灵敏度变得更加直观，并有助于显着提高实时程序或事件级别的自适应比特率编码.
基于场景的内容感知编码(CAE)可以进一步帮助减少对更多带宽的需求, 再加上更智能的质量指标, 使我们更接近恒定的感知质量. 如此快速地跨越如此多的地区和规模，导致编码器的计算需求激增. 这意味着对更快的创新和更高效的编解码器的需求已经迫在眉睫. 通过利用CAE的功能并与了解各种编解码器的技术合作伙伴合作，希望扩展其服务的地理位置的流媒体服务可以大大受益, 实现方法和可伸缩性需求，以确保在进行扩展时获得高QoE.
在考虑QoE时，考虑内容交付网络(cdn)非常重要。. 是否支持视频点播(VOD), live, or TSTV content, cdn使缓存过程更接近查看者, 这最终有助于改善观众体验, even across devices. 对于视频服务提供商也是如此, cdn提供了几个操作优势, 因为它们提供更智能的流量路由和负载平衡，并提供更好的隔离和更快的网络问题诊断.
Analytics
cdn捕获发送给最终用户的每段视频的日志, 通常每个流每隔几秒钟. 强大的分析系统, 以及CDN的分布式特性, 允许服务提供者快速识别模式异常, 或者隔离产生错误或拥塞的区域. 可以确定问题是否由独特的设备类型引起, 设备故障, 地理区域, 一种特殊类型的流量, 甚至单个用户的特定ABR格式或内容标题. 通过快速处理分析并生成适当的警报，提供商可以在问题恶化之前快速解决问题，或者在时间敏感事件持续很长时间之前解决问题.
Furthermore, 同时在服务器上进行高级CDN分析, 网络和应用层可以促进高效和稳定的交付, 来自人工智能和机器学习的视频习惯洞察可以通过在订阅者层面提供有价值的见解来帮助客户保留，例如根据过去的行为预测未来的行为.
思科可视化网络指数发现 到2022年，IP视频流量将占所有视频流量的82%. More than ever, 寻找合适的技术和专业知识来帮助避免网络拥塞必须是视频服务提供商的首要任务. 观众/家庭消费的独特性确保了“一刀切”的解决方案在消费者要求优质QoE时不起作用. 分析用户在寻找什么, 在不牺牲质量的前提下解决带宽挑战，利用先进技术提高压缩效率，这些都是实现用户留存和获取的关键因素.
为意外做好计划从来都不容易, 当视频服务提供商确信他们拥有正确的技术和专业知识时，就可以快速准确地提供更多的控制和可见性, 他们的订户是最终的赢家.
Related Articles
Verizon的达伦·莱普克, fuboTV的Geir Magnusson报道, 和现实软件的Nadine Krefetz在这段视频中讨论了OTT的现在和未来.
31 Aug 2020
SVOD占收入的最大份额——120亿美元，占58%
10 Aug 2020