作者|举大名耳
不知从什么时候起，各大视频平台引以为傲的推荐算法，开始失灵了。
当下，在人们打开某些视频APP时，反复刷了近半个小时，仍旧没看到自己想看的视频，反而看到了很多无关的、忍不住点“X”的内容。
但就算你对这类视频点了“X”，它们下次仍会顽固地出现。
在内容多样化的今天，传统的推荐算法，似乎正在变得越来越不“懂”用户。
为了解决这一难题，有人选择将揣测用户的任务交给了AI。
例如10月初，全球最大的免费视频平台之一Tubi发布的“Rabbit AI”，就是这样一个代表。
Tubi是被福克斯公司收购的免费视频长片平台，主要业务是提供免费但由广告支持的影视剧（英文简称FAST），类似于优爱腾们的“免费专区”。截至 9 月份，Tubi月活跃用户数超过了 7000 万，
如果用一句话总结Rabbit AI与传统推荐机制的不同，那就是采用了ChatGPT内核的Tubi，用聊天的方式，代替了原来被动的推荐算法。
用户打开Rabbit AI后，只需在聊天界面内输入自己想看的影片类型，AI就会自动调出影片库中与之相近的内容，供用户选择。
加载了GPT-4的Tubi会从包括了20万部电影和电视剧集的影库中挖掘出独特的标题，并根据语义的上下文含义提供个性化的推荐。
但是，这种“AI视频助手”，和传统的搜索引擎，有本质区别吗？它究竟真的是代表了视频平台的新方向，还是一个哗众取宠的噱头？为此，我们特意评测使用了Tubi、爱奇艺和B站的AI功能……
VOL.1
如何揣测用户？
要回答刚才的问题，我们不妨做个简单的测试，看看最新的生成式AI，与传统的搜索引擎相比，究竟有怎样本质的区别。
在上图中，我们对Rabbit AI说：“Any movies that are funny about sharks?”，意思是：能帮我找些关于鲨鱼的搞笑电影吗？
一番查询后，AI调出了如下结果：
可以看到，出现的结果中，有些还是符合我们对“鲨鱼”、“搞笑”等元素的要求的。
例如其中的《Sharknado》（鲨卷风），虽然评分低了点，但确实是一部和鲨鱼有关的喜剧电影。
那么，如果用传统搜索引擎进行查询呢？
呃……看来这样复杂长文本的要求，对传统搜索引擎来说，似乎有些勉为其难了。
然而，这其实不完全是搜索引擎的锅，和平台自身也有关系。这点后面会提到。
当我们精简了关键词，只输入“shark”、“funny”进行搜索时。情况还是不怎么尽人意。
结果虽然多了些，但相关性却很差，在出现的结果中，有三个是低幼的动画片，还有两部是音乐喜剧片，只有《Sharknado2》算是搭上了边。
实际上，这样的结果并不意外。
因为平台自带的搜索一般都很差，因为对于平台来说，站内搜索转用谷歌、搜狗等专业引擎，在成本上是一件很划不来的事。
当我们将同样的文本，输入谷歌等传统搜索引擎后，发现结果明显要精确、丰富了许多。
尽管如此，生成式AI用于搜索的做法，对平台来说，仍然是一种能带来优势的策略。
除了免去用户转到外部搜索引擎，增加平台粘性外，搜索AI对平台的另一大增益，就是可以针对平台独有的“特色资源”进行优化。从而更好地服务目标用户。
例如B站和爱奇艺，就是这样一个例子。
就拿B站的AI助手来说，其强项更多地在于对一些动漫番剧的搜索，当用户想看的番剧带有某种抽象的特质，而这一特质又难以被标准化分类时，AI助手就会起到很大的作用。
例如下图中，对“催泪番剧”的搜索就是个明显的例子。
可以看到，在搜索结果中，AI助手十分精准、直接地展示了各个催泪番剧的具体名称。
倘若不用AI助手，而采用传统的方式进行搜索，用户就必须在一个个时长不等的视频中，挨个点进去看，并且可能还要在观看过程中不时拖动进度条，才能找到自己心仪的番剧。
或许是洞悉了用户“通过UP主视频获知番剧”的这一行为，B站在设计AI助手时，也针对性地做了优化。
其搜索结果中的简介，实际上就来自普通搜索中Up主们已经做好的点评文案——因为B站现在可以给视频自动生成隐藏式字幕，所以需要搜索视频内容时，只要搜索字幕的内容就好啦。
即便如此，这样的搜索AI也有不太“智能”的地方。
例如其给出的某些番剧中，有些（比如八音盒、未闻等等）是B站买过版权的，但AI却连个跳转链接都没有，说明它并不“懂得”自己生成的内容是什么。
相较之下，爱奇艺在今年推出了AI搜索功能，则十分精确地实现了这样的“跳转”。
与B站类似，爱奇艺AI助手的优势，也是对平台自身的剧集进行“特色搜索”。
例如，在其基于人物角色进行搜索时，用户只需输入剧中角色的名字，搜索AI就会自动检索关联剧集，从而一键查询相关的剧情、角色信息，让用户直观地了解整个剧情的概况。
这样的“跳转”功能，精确定位到第几集、第几分钟，确实是传统的推荐算法、搜索引擎难以做到的。
不过，它的原理其实也不算复杂。这是因为，剧集在宣发过程中本来也会编写“本集剧情”，设置章节跳转。
我们将爱奇艺的AI搜索给的剧情丢进百度，可以搜到一模一样的原话。所以它不是AI生成的，可以避免“瞪眼说瞎话”的风险。
不难看出，爱奇艺之前对视频做的结构化拆解越多，越可以深入到影片内部，现在这个AI助手就越有用。
看了这么多视频网站的AI助手，它们风格各异，各有特长。那么，现阶段的视频AI助手，究竟能对传统推荐算法形成多大优势？
说到这里，就得先谈一下传统算法的局限性。
VOL.2
分水岭
从总体上来说，传统算法的缺陷/弱点，主要集中于推荐结果不精准，内容重复，或是某些小众内容在冷启动时得不到较好的匹配等。
而这样的情况，则是由传统推荐算法的技术特点决定的。
具体来说，这样的特点包括了：
1.数据稀疏性
某些情况下，传统推荐算法所捕捉到的“用户画像”，往往是一个粗放的，标签化了的群体。难以做到对个体细微偏好的捕捉。
举例来说，如果某人是一个男性用户，就更有可能被推荐一些军事、政治相关的内容，哪怕该用户并不真的想看这样的视频。
而这一现象，很大程度上是数据稀疏性所引起的。
在推荐系统中，数据稀疏性主要体现在用户—项目评分矩阵中。理想情况下，这个矩阵应该是密集的，即每个用户都对许多项目有过评分或互动。
然而，在实际应用中，用户产生的数据通常非常稀疏。也就是说，在众多用户中，可能只有少数人对项目进行了评分或交互。
想想看，B站有多少人看完视频后会“一键三连”？
2、协同过滤
除了过于“粗放”的问题外，传统推荐算法的另一大症结，就在于推荐内容的同质化、重复化。
例如，算法往往都会根据用户的观看历史，来推测其兴趣偏好，并进行视频的推荐。
而这样的推荐机制，背后其实是一种名叫协同过滤的技术。
即依据用户的历史行为数据来发现用户、项目之间的相似性，从而为用户提供个性化的推荐。
这一技术的优点显而易见，就是很容易对用户“投其所好”。
然而，其局限性同样很明显。
协同过滤往往倾向于推荐热门的项目，因为热门项目的交互数据更多，更容易计算出相似性。这就可能导致一些小众但高质量的项目被忽视，这就是所谓的“热门长尾问题”。
3、冷启动
所谓冷启动，是指在缺乏足够用户行为数据或内容信息的情况下，为新用户或新内容提供准确推荐的过程。
当一个新项目（如视频）加入推荐系统时，由于缺乏用户对其的评价和行为数据，系统很难评估其质量和受欢迎程度。
冷启动问题，在某些冷门作品上很突出。
传统的算法推荐，其实一直在苦苦找寻这些问题的对策。
例如B站就制定了一套针对冷门视频的推荐算法，用户看了一个兴趣方向的UP主后，顺着视频找人的方法，用户可以被推荐更多类似的UP主。
此时，大模型的普遍应用，对用户准确找到心仪的内容起到了很大的帮助。
这是因为，要用好搜索，对普通人或许也是一门学问。有的人可能需要反复追问好几次，才知道自己真正想搜的是什么。
再看看这个“追问”的过程——这不正好就是大模型最擅长的事情嘛？
所以，将大模型引入搜索的贡献，就是其可以理解用户非标准的输入，按需将其结构化，变成机器更容易理解的查询词。
通过这类互动性更强的AI搜索，平台也能获得更多的用户反馈，进而对算法、内容进行进一步调优了。
VOL.3
新的增长点
现阶段，以大模型为基础的AI视频助手，还处于发展的初期，难以对传统的推荐算法机制形成替代。但是，它无疑是一件“很酷”的事情。
在视频行业已成红海的今天，这类新技术的出现，为各大平台提供了期待新一轮增长的理由。
就目前来说，广告仍是视频行业的主要收入来源，但2020年其增速降至67%，这预示着视频行业迎来了增长的危机。
而这样的危机，则是市场逐渐饱和后，用户增长达到瓶颈，视频行业的增速放缓所致。
2021年9月，国内短视频月活用户与渗透率增量逐渐见顶，行业新增人数降至3.23亿，下降20.1%。
增速放缓，行业日趋内卷的背后，则是内容日渐重复、题材陈旧的窘境。
随着视频行业的发展，各大平台的内容已经非常丰富，几乎各个垂直的领域、方向，都有了一片成熟的内容生态。
在这种情况下，如何通过精细化的运营，让用户在密集的信息中，高效地找到中意的内容，就成了拉新留存的关键。
正如我们上面提到的那样，全新的生成式AI技术，已经在助力个性化推荐方面，展现出了不俗的功力。
今年2月，国外知名的音乐流媒体平台Spotify，在也利用生成式AI技术，为用户带来了个性化的音乐和播客推荐。
这个名为Spotify DJ的新功能，结合了生成式AI和动态语音技术。在播放时，虚拟“DJ”的声音会解释它为什么选择这首歌、用户上次收听这首歌的时间等信息。
这下子，在音乐网站听歌，就更像是打开收音机，收听音乐广播的“熟悉的味道”了。
自今年2月份Spotify DJ功能在北美推出后，得益于其更个性化的音乐体验，其用户数量和营收收入都实现了增长。
根据Spotify发布的2023年第一季度财报，其月活跃用户（MAU）首次突破5亿大关，达到了5.03亿，同比增长19%。付费用户数量也达到了1.82亿，同比增长15%。
不只是精细化的内容推荐外，以AI技术个性化地植入广告，也成为了AI在视频领域的另一大增益。因为，更懂用户的广告投放，还是可以降低用户的反感和抗拒心理的。
早在2015年，爱奇艺就研发出两种前沿的AI播放技术：
一种是Video in，意思是在已经拍摄完成的视频中，将某个画面上的广告牌动态替换成全新的广告素材，从而做到无缝、自然的传达效果。
中间大楼的广告，其实是由AI植入
另一种是Video Out，在快速识别出视频内摆放、陈列的某种商品后，一秒都不耽误，直接“上链接”。
这样的技术，倘若配合AI的分析能力，平台就能精准地知道，哪些用户爱看什么视频，而在这类视频中，植入哪种广告更合适。
而这种创新的可能，目前已经成为了各个音、视频平台实现增长的主要推力。
根据Grand View Research的报告，2023年全球视频内容管理市场规模为56.7亿美元，预计到2030年将达到143.9亿美元，年复合增长率为11.6%。
其中，AI技术在视频内容管理、分析和推荐的创新应用是推动市场增长的关键因素。
如果说，传统的推荐算法“信息找人”，那么交互性更强的生成式AI，就为用户提供了一种“与信息共舞”的体验。
在这样的体验中，用户将不再是一个个抽象的、刻板的标签和数据集，而是成了真正能自我表达，自我追求的独一无二的个体。