数据赋能音视频业务降本增效—— 基于最佳实践的顾问式服务

编者按：随着全行业视频化的趋势，对视频云的需求已从最初的功能完善、弹性可扩展，演进到提升业务体验、支撑业务增长和优化业务成本。LiveVideoStackCon2023深圳站邀请到了火山引擎的周天杨，基于火山引擎视频云服务内外部业务经验沉淀，为大家介绍数据驱动助力业务降本增效的方案与实践。

大家好，我是火山引擎视频云产品经理周天扬，很高兴有机会和大家一起分享交流。

今天和大家分享的主题是：数据赋能音视频业务降本增效，副标题是基于最佳实践的顾问式服务。

什么是顾问式服务呢？在这里先留一个小悬念，稍后的内容中会为大家解答。

今天分享的主要内容包含以下四个部分：

第一部分，音视频业务降本增效面临的挑战；

第二部分，基于数据驱动的降本思路与方案；

第三部分，音视频业务降本实践；

最后是对以上内容的总结和对未来的展望。

首先介绍音视频业务降本增效面临的一些困难与挑战。

我们认为音视频业务，降本增效主要面临三个方面的困难与挑战：

第一点，众所周知，在音视频业务上成本和体验往往是一对置换关系，做了预加载，播放首屏的体验提升，但是会带来更多的流量成本；清晰度越高，体验越好，但码率增加，成本增加。成本和体验如何平衡，是第一个难题。

第二点，我们在实际业务实践中，往往会发现，有时候播放量/播放时长没有变化，但是成本明显增长？或者业务增长，用量也随着增加，这种增长是否合理？如何找到这种成本波动的根因，是第二个挑战。

第三点，也是我们服务的内外部客户经常问到的，当前音视频业务成本绝对值是否合理？成本还有多少优化空间？

接下来我们针对以上的困难和挑战，和大家介绍基于数据驱动的降本思路和方案。

涉及到成本和成本优化，我们往往最先看到的都是每月整体的账单，但业务用量每个月都在上下波动，导致账单每个月也都在波动。那怎么去衡量成本优化效果，我们选择万分钟播放成本这个标准来衡量，作为降本的北极星指标。万分钟播放成本公式分子是分发、转码、存储等成本的加和，分母是播放时长。其实这是一种单位成本的概念，这样就可以去除掉业务用量的影响因素，来衡量成本是否真的优化了。

上图是一个理想的业务降本的模型：随着业务的发展，用量在不断的增加，同时万分钟播放成本能够通过技术手段能够不断降低。

当然，有了北极星指标后，怎么去找到可以降本的切入点和业务成本冗余，我们会对指标进行进一步拆分，找到影响成本的因子。

现在，我们来看成本因子的拆解和量化。从总成本出发，需要一步步去拆解影响成本的因子，拆解要足够深入，才能业务存在的成本冗余。

我们以分发成本为例来进行拆解，影响分发成本的因子包含价格、码率、带宽利用率、播放利用率等几个核心因素。播放利用率可以进一步细拆，影响播放利用率的因子有哪些：I/O利用率、数据下载利用率、播放缓存利用率、预加载利用率等，要将这些细分的因子全部量化，这需要在播放器层做精细化的成本数据埋点。

当成本因子拆解和量化数据都准备好，就可以对成本波动进行洞察和分析了。

上图中的表格就是一个成本洞察报告的例子，包含了总成本、万分钟播放成本以及各个成本因子的拆解，例如按月的波动分析等等。

举个具体的例子，有时候我们会发现上个月业务侧用量也没变，CDN还通过商务手段做了降价，怎么账单反倒涨了？通过这个报告拆解一下，虽然CDN单价降低了，但是这个月提升了清晰度，码率提升了；或者播放器发版了，播放利用率降低了，都会造成这个月的成本增长。

所以，基于这个洞察报告，我们可以发现有些奇怪的或者不合理的数据，比如码率过高、利用率过低，通过和业务进一步深度的分析，找到成本优化的方向。

在解决成本波动归因的问题，找到了可优化的方向，到了具体成本优化环节，我们还面临一个挑战：成本与体验的平衡。成本和体验往往是一对置换关系，是一个跷跷板。例如提升首屏体验，带来预加载的浪费；码率降低，成本降低，但清晰度降低。

如何衡量一种成本优化方案效果，我们基于的基本原则是：一切成本优化以ROI为第一原则，每项成本优化策略都能够对业务有足够正向的影响。简单来讲，最理想的情况成本优化策略在优化成本的同时体验不变，甚至有优化；但是在极致情况下，成本优化往往会带来体验的波动，这时候基于的原则就是这个优化策略带来的成本收益，要明显高于体验波动带来的折损。

那如何去衡量一项成本优化策略的效果，能否上线？具体怎么做？我们选择的方案是A/B实验。

这里是一个策略从AB实验验证、调优、全量和价值回溯的一个完整流程。在整个成本优化过程中，我们一般会产出两个报告：

第一个是在AB实验过程中产出的AB实验报告，报告里会分析这个实验的策略对QOE影响多少，对成本优化影响多少，只有AB实验结果满足ROI，策略才能进行全量。当然现在随着降本进入深水区，新的降本策略往往不是一次AB就能全量，需要不断的调优，所以某个策略从初始验证，到最终全量，往往会经历几轮AB实验，才能达到最优。

第二个是在全量后，我们会产出价值回溯报告，来核算真实的收益是多少，是否真正达到了优化的效果？

在这个过程中我们将一些通用和可复制的策略沉淀下来，形成策略中心，提供给类似场景的客户复用。

我们通过成本洞察实现了对成本波动进行归因，通过ROI原则和AB实验评估策略效果，达成成本体验平衡。下面我们来看第三个难点：成本的合理性和优化空间。

这也是我们在服务内外部客户的时候，业务侧经常问的：当前成本是否合理？还能降多少？使用哪些策略可以降本？

这个确实是比较难回答，每个业务场景都不同，用户行为特点不一样，每个业务的降本空间就很难有统一的答案。

我们目前通过三种方式来探索确定理想成本和优化空间：

（1）我们都知道相似的场景有相似的成本，通过相似场景排名，选出标杆业务，来做为理想标准。

（2）第二个方法我们通过理论模型来推算理想空间，比如通过播放时长、完播率等作为输入参数，推算出理论的理想成本。

（3）第三个方法是通过离线的实验来模拟：我们做了成本的自动化测试平台，设计测试case，测试出来不同的参数的成本是多少，总结分析出来极限是多少。

最后，随着面对的内外客户越来越多，降本能力也越来越多的时候，会遇到效率问题：怎么帮助每个业务快速找到降本方向，给出有效的降本策略？

我们通过将前面介绍的成本洞察、理想成本预测、策略中心这三个部分能力整合成一份顾问服务报告。右边就是一个顾问服务报告的例子，通过这个报告告诉客户当前万分钟成本，理想万分钟成本，差异在哪，建议的策略是什么，预期收益怎么样，这个过程叫顾问式服务。

当然这是一个总结概览，更多的内容我们会整理成详细报告，把差异点、推荐的策略给出来，与业务一一讨论分析，去做落地。

举一些例子，我们通过顾问服务会发现，业务码率过高这个问题，原因可能没有转码、或者转码模板用错了、还有转码了，模板没问题，但是播放没有调用使用正确的转码后的文件，安卓和iOS在没有明确业务特定要求的情况下选择不同的播放码率等等。

我们一开始认为这些问题原因都很简单，只要提醒大家细心注意就行，但是实际发现，很多业务都有类似问题，不是在这个点浪费，就是在那个点浪费。我们也和业务分析了原因：看起来很简单的业务也会包含不同环节，环节可能负责人都不一样，即使同一环节研发迭代也通常会带来历史问题，并不是所有的人都能感知到成本，只要有一个环节漏掉，就可能产生很大的浪费。

通过定期的顾问服务和报告，能够快速定位和发现这些问题，及时去解决和优化，避免更大的成本浪费。

通过基于播放状态、视频特征、历史播放特征、网络特征等因素进行动态缓存控制，在满足ROI的基础上，单位播放成本降低5%-20%。

这是我们服务的一个企业客户，接入火山引擎视频云服务后，我们定期提供顾问式服务，为客户提供可行的降本策略，实现持续降本。在客户业务快速发展，业务量接近翻倍的情况下，总成本降低10%-20%,单位播放成本降低40%以上。

最后总结一下今天分享的主要内容，我们从万分钟播放成本这个北极星指标出发，一步步通过成本拆解与量化，实现对成本的监控和波动归因；针对具体降本策略效果，通过AB实验来评估整体ROI，并将有效策略进行沉淀形成策略中心；针对成本合理性和降本空间，我们通过分场景标杆排名、理论建模、实验模拟验证等方式来确定；最后通过将成本洞察、降本策略建议、收益预测整合形成顾问报告，帮助业务快速找到降本方向，落地降本策略，达成降本目标。

整个环节，通过数据驱动，实现了成本优化的可量化、可监控、可归因、可预测。

关于未来的一些规划和展望，总结起来主要是：服务标准化，策略个性化。服务标准化是指我们将服务业务实践沉淀的能力和策略进行产品化，以顾问服务报告的形式，为内外部客户提供标准化的降本顾问服务；策略个性化：是针对不同的业务，不仅提供通用成本与体验优化策略，还针对客户业务自有特点和特性，提供个性化的策略配置，达到成本和体验综合最优。

以上就是今天的主要分享内容，感谢大家。