Video Analytics: เมตริกสำคัญที่คุณต้องติดตาม

รู้จัก Video Analytics

Video analytics คือการวัดผลและวิเคราะห์เมตริกต่างๆ ที่เกี่ยวกับการสตรีมวิดีโอ เพื่อปรับประสบการณ์ผู้ใช้และประสิทธิภาพของคอนเทนต์ให้ดีที่สุด มันครอบคลุมจุดข้อมูลจำนวนมากที่ช่วยให้ธุรกิจเข้าใจว่าคอนเทนต์วิดีโอของตนถูกรับชมอย่างไร ผู้ใช้มีปฏิสัมพันธ์กับมันแบบไหน และจะยกระดับความพึงพอใจโดยรวมของผู้ใช้ได้อย่างไร การติดตามเมตริกเหล่านี้เป็นเรื่องสำคัญต่อความสำเร็จของธุรกิจ เพราะมันส่งผลโดยตรงต่อการมีส่วนร่วมของผู้ใช้ การรักษาผู้ชม และท้ายที่สุดคือรายได้

Quality of Experience (QoE)

Quality of Experience (QoE) หมายถึงคุณภาพเชิงอัตวิสัยที่ผู้ใช้รับรู้ขณะมีปฏิสัมพันธ์กับบริการ เช่น การสตรีมวิดีโอ มันเชื่อมโยงอย่างใกล้ชิดกับความพึงพอใจของผู้ใช้ และได้รับอิทธิพลจากหลายปัจจัย ทั้งคุณภาพวิดีโอ ปัญหาระหว่างเล่น และการออกแบบส่วนติดต่อผู้ใช้

ปัจจัยที่ส่งผลต่อ QoE

1. คุณภาพวิดีโอ: คุณภาพวิดีโอที่สูงเป็นสิ่งจำเป็นสำหรับประสบการณ์ผู้ใช้ที่ดี ครอบคลุมทั้งความละเอียด (resolution) เฟรมเรต และความแม่นยำของสี

2. ปัญหาระหว่างเล่น: ปัญหาที่พบบ่อยได้แก่ การ buffering อาการหน่วง และภาพค้าง ปัญหาเหล่านี้ส่งผลต่อความพึงพอใจของผู้ใช้อย่างมาก

3. ส่วนติดต่อผู้ใช้ (UI): UI ที่สะอาดตาและใช้งานง่ายช่วยยกระดับ QoE ด้วยการทำให้ผู้ใช้ท่องดูและมีปฏิสัมพันธ์กับคอนเทนต์ได้ง่ายขึ้น

Quality of Service (QoS)

Quality of Service (QoS) มุ่งเน้นด้านเทคนิคของการส่งมอบบริการ โดยเฉพาะในแง่ประสิทธิภาพเครือข่าย มันสำคัญอย่างยิ่งต่อการรับประกันว่าสตรีมวิดีโอถูกส่งอย่างเชื่อถือได้และมีประสิทธิภาพ

เมตริก QoS ที่สำคัญ

1. ความหน่วง (Latency): ความล่าช้าระหว่างช่วงเวลาที่แพ็กเก็ตวิดีโอถูกส่งกับช่วงเวลาที่ถูกรับ ความหน่วงต่ำเป็นสิ่งจำเป็นสำหรับการสตรีมแบบเรียลไทม์และคอนเทนต์แบบโต้ตอบ

2. การสูญหายของแพ็กเก็ต (Packet Loss): เปอร์เซ็นต์ของแพ็กเก็ตที่ไปไม่ถึงปลายทาง การสูญหายของแพ็กเก็ตสูงนำไปสู่คุณภาพวิดีโอที่ลดลงและการ rebuffering ที่เพิ่มขึ้น

3. การใช้แบนด์วิดท์ (Bandwidth Utilization): ปริมาณแบนด์วิดท์เครือข่ายที่สตรีมวิดีโอใช้ การใช้แบนด์วิดท์อย่างมีประสิทธิภาพช่วยไม่ให้สตรีมวิดีโอทำงานหนักเกินจนเครือข่ายรับไม่ไหว

Rebuffering Ratio

Rebuffering ratio คือเปอร์เซ็นต์ของเวลาที่เพลเยอร์วิดีโออยู่ในสถานะ rebuffering ซึ่งวิดีโอหยุดเล่นเพื่อดาวน์โหลดข้อมูลเพิ่ม เมตริกนี้สำคัญมาก เพราะการ rebuffering ที่มากเกินไปลดความพึงพอใจและการมีส่วนร่วมของผู้ใช้อย่างมาก

ผลกระทบต่อประสบการณ์ผู้ชม

การ rebuffering นำไปสู่ประสบการณ์ที่แย่ ทำให้ผู้ชมเลิกดูวิดีโอหรือเปลี่ยนไปใช้บริการอื่น จึงจำเป็นต้องติดตามและปรับปรุง rebuffering ratio เพื่อรับประกันการเล่นที่ราบรื่น

การวัดและปรับปรุง Rebuffering Ratio

ในการวัด rebuffering ratio คุณสามารถใช้เครื่องมือ analytics ที่ติดตามระยะเวลาของเหตุการณ์ rebuffering เทียบกับเวลาเล่นทั้งหมด การปรับปรุง rebuffering ratio ทำได้ด้วยการปรับอัลกอริทึม adaptive bitrate (ABR) ของสตรีมวิดีโอ ยกระดับโครงสร้างพื้นฐานเครือข่าย และลดความหน่วง

เวลาเริ่มเล่น (Startup Time)

เวลาเริ่มเล่นคือระยะเวลาระหว่างตอนที่ผู้ใช้กดเล่นกับตอนที่วิดีโอเริ่มเล่นจริง เวลาเริ่มเล่นที่นานอาจสร้างความหงุดหงิดและทำให้ผู้ใช้เลิกดูก่อนที่วิดีโอจะเริ่มด้วยซ้ำ

ความสำคัญของการลดเวลาเริ่มเล่น

การลดเวลาเริ่มเล่นสำคัญต่อการยกระดับความพึงพอใจและการมีส่วนร่วมของผู้ใช้ เวลาเริ่มเล่นที่สั้นลงเพิ่มโอกาสที่ผู้ใช้จะดูวิดีโอจนจบ

เทคนิคลดเวลาเริ่มเล่น

1. Preloading: การพรีโหลดวิดีโอไม่กี่วินาทีแรกช่วยลดเวลาเริ่มเล่นได้อย่างมาก

2. ปรับ Cache ให้เหมาะสม: ตรวจให้เซกเมนต์วิดีโอถูกแคชอย่างมีประสิทธิภาพเพื่อลดเวลาโหลด

3. ยกระดับโครงสร้างพื้นฐานเครือข่าย: การปรับปรุงความเร็วและความเสถียรของเครือข่ายก็ช่วยลดเวลาเริ่มเล่นได้เช่นกัน

Bitrate Heatmap

Bitrate heatmap คือการแสดงภาพการกระจายของบิตเรตวิดีโอตามช่วงเวลา ช่วยระบุช่วงที่ใช้บิตเรตสูงและต่ำ ซึ่งใช้ประกอบการตัดสินใจเรื่องการเข้ารหัส (encoding) และการส่งมอบวิดีโอได้

กรณีใช้งาน

Bitrate heatmap มีประโยชน์อย่างยิ่งในการระบุ:

1. การตั้งค่า Encoding ที่เหมาะสม: ด้วยการวิเคราะห์การใช้บิตเรต คุณกำหนดการตั้งค่า encoding ที่มีประสิทธิภาพที่สุดสำหรับแต่ละช่วงของวิดีโอได้

2. คอขวดของเครือข่าย: การใช้บิตเรตสูงในบางช่วงอาจบ่งชี้ถึงการติดขัดของเครือข่ายหรือปัญหาอื่นที่ต้องแก้ไข

การตีความข้อมูล Bitrate Heatmap

ในการตีความ bitrate heatmap ให้มองหา:

• จุดสูงและจุดต่ำ (Peaks and Valleys): จุดสูงบ่งบอกช่วงที่ใช้บิตเรตสูง ส่วนจุดต่ำบ่งบอกช่วงที่ใช้บิตเรตต่ำ
• ความสม่ำเสมอ: บิตเรตที่คงที่ตลอดเวลาบ่งบอกว่าวิดีโอถูกส่งอย่างมีประสิทธิภาพ

เมตริกการมีส่วนร่วมและการรักษาผู้ชม

เมตริกการมีส่วนร่วม (engagement) และการรักษาผู้ชม (retention) ติดตามว่าผู้ใช้มีปฏิสัมพันธ์กับคอนเทนต์วิดีโออย่างไรและอยู่กับมันนานแค่ไหน เมตริกเหล่านี้สำคัญต่อการเข้าใจพฤติกรรมผู้ใช้และการปรับปรุงประสิทธิภาพของวิดีโอ

เมตริกสำคัญที่ต้องติดตาม

1. Play Rate: เปอร์เซ็นต์ของผู้ใช้ที่เริ่มดูวิดีโอ

2. Watch Time: เวลารวมที่ผู้ใช้ใช้ดูวิดีโอ

3. Completion Rate: เปอร์เซ็นต์ของผู้ใช้ที่ดูวิดีโอจนจบ

ความสำคัญของเมตริกการมีส่วนร่วมและการรักษาผู้ชม

อัตราการมีส่วนร่วมและการรักษาผู้ชมที่สูงบ่งบอกว่าผู้ใช้เห็นคุณค่าในคอนเทนต์และมีแนวโน้มจะใช้บริการต่อ ด้วยการติดตามเมตริกเหล่านี้ ธุรกิจสามารถระบุจุดที่ต้องปรับปรุงและใช้กลยุทธ์ยกระดับการมีส่วนร่วมของผู้ใช้ได้

การประยุกต์ใช้จริงและกรณีศึกษา

ตัวอย่างจากสถานการณ์จริง

หลายบริษัทปรับปรุงประสิทธิภาพวิดีโอสำเร็จด้วยการใช้ประโยชน์จาก video analytics เช่น บริการสตรีมมิ่งอาจใช้ analytics ระบุช่วงที่มี rebuffering สูงและปรับการตั้งค่า ABR ให้เหมาะสม

กรณีศึกษา: การปรับปรุง QoE และ QoS

ลองพิจารณากรณีที่บริการสตรีมมิ่งประสบปัญหา rebuffering ratio สูงและเวลาเริ่มเล่นนาน ด้วยการวิเคราะห์ข้อมูล video analytics บริษัทระบุปัญหาได้หลายอย่าง:

• ความหน่วงสูง: ความหน่วงเครือข่ายทำให้การส่งวิดีโอล่าช้า
• การแคชที่ไม่มีประสิทธิภาพ: เซกเมนต์วิดีโอไม่ได้ถูกแคชอย่างเหมาะสม ทำให้เกิด rebuffering บ่อย

จากนั้นบริษัทใช้กลยุทธ์หลายอย่างเพื่อแก้ปัญหา:

• การปรับเครือข่ายให้เหมาะสม: ยกระดับโครงสร้างพื้นฐานเครือข่ายเพื่อลดความหน่วง
• การปรับ Cache ให้เหมาะสม: ปรับปรุงอัลกอริทึมการแคชเพื่อให้เซกเมนต์วิดีโอพร้อมใช้เร็วขึ้น
• การตั้งค่า Adaptive Bitrate: ปรับการตั้งค่า ABR ให้เข้ากับสภาพเครือข่ายมากขึ้น

ผลลัพธ์คือบริษัทลด rebuffering ratio ได้ 50% และลดเวลาเริ่มเล่นลง 30% ยกระดับทั้ง QoE และ QoS อย่างมีนัยสำคัญ

บทสรุป

Video analytics เปลี่ยนข้อมูลการเล่นให้กลายเป็นการตัดสินใจ จงติดตาม QoE, QoS, rebuffering ratio, เวลาเริ่มเล่น, การกระจายบิตเรต และการรักษาผู้ชมไปพร้อมกัน เพราะเมตริกเดี่ยวๆ ที่แยกกันดูจะปิดบังปัญหาไว้ ตั้งค่าฐาน (baseline) เฝ้าดูแนวโน้มหลังทุกการเปลี่ยนแปลง และจัดลำดับความสำคัญของการแก้ไขที่ขยับ completion rate และ watch time ได้มากที่สุด

คำถามที่พบบ่อย

เมตริก video analytics ที่สำคัญที่สุดที่ต้องติดตามมีอะไรบ้าง?

เมตริก video analytics ที่สำคัญที่สุดได้แก่ Quality of Experience (QoE), Quality of Service (QoS), rebuffering ratio, เวลาเริ่มเล่น, bitrate heatmap และเมตริกการมีส่วนร่วมและการรักษาผู้ชม เช่น play rate, watch time และ completion rate

Rebuffering ratio ส่งผลต่อประสบการณ์ผู้ใช้อย่างไร?

การ rebuffering ที่มากเกินไปทำให้ประสบการณ์ผู้ใช้แย่ลงอย่างมาก ทำให้ผู้ชมเลิกดูวิดีโอหรือเปลี่ยนไปใช้บริการอื่น ด้วยการติดตามและปรับปรุง rebuffering ratio ธุรกิจสามารถรับประกันการเล่นที่ราบรื่นและยกระดับความพึงพอใจของผู้ใช้ได้

QoE กับ QoS ต่างกันอย่างไร?

Quality of Experience (QoE) หมายถึงคุณภาพเชิงอัตวิสัยที่ผู้ใช้รับรู้ขณะใช้บริการ โดยเน้นที่ความพึงพอใจของผู้ใช้ ส่วน Quality of Service (QoS) เน้นด้านเทคนิคของการส่งมอบบริการ โดยเฉพาะประสิทธิภาพและความเชื่อถือได้ของเครือข่าย

จะลดเวลาเริ่มเล่นในสตรีมวิดีโอได้อย่างไร?

ในการลดเวลาเริ่มเล่น คุณสามารถใช้เทคนิคอย่าง preloading, การปรับ cache ให้เหมาะสม และการยกระดับโครงสร้างพื้นฐานเครือข่าย เพื่อให้เซกเมนต์วิดีโอพร้อมใช้ได้เร็วและมีประสิทธิภาพ

Bitrate heatmap คืออะไรและมีประโยชน์อย่างไร?

Bitrate heatmap คือการแสดงภาพการกระจายของบิตเรตวิดีโอตามช่วงเวลา มีประโยชน์ในการระบุการตั้งค่า encoding ที่เหมาะสม ตรวจจับคอขวดของเครือข่าย และรับประกันการส่งวิดีโอที่มีประสิทธิภาพ

เมตริกการมีส่วนร่วมและการรักษาผู้ชมส่งผลต่อธุรกิจของฉันอย่างไร?

อัตราการมีส่วนร่วมและการรักษาผู้ชมที่สูงบ่งบอกว่าผู้ใช้เห็นคุณค่าในคอนเทนต์และมีแนวโน้มจะใช้บริการต่อ ด้วยการติดตามเมตริกเหล่านี้ ธุรกิจสามารถระบุจุดที่ต้องปรับปรุงและใช้กลยุทธ์ยกระดับการมีส่วนร่วมและการรักษาผู้ชมได้

ขอเคล็ดลับปรับปรุง QoE/QoS จาก video analytics หน่อยได้ไหม?

เพื่อปรับปรุง QoE และ QoS ให้เน้นลด rebuffering ratio ปรับเวลาเริ่มเล่นให้เหมาะสม รับประกันการใช้บิตเรตอย่างมีประสิทธิภาพ และยกระดับประสบการณ์ผู้ใช้โดยรวม ใช้ข้อมูล video analytics ระบุปัญหาเฉพาะจุดและใช้โซลูชันที่ตรงเป้าเพื่อแก้ไข

ขั้นตอนถัดไปและแหล่งข้อมูล

เมื่อติดตาม video analytics จงเปรียบเทียบทั้งเมตริกและเครื่องมือ สำหรับการสตรีมและโฮสต์ ให้แวะที่ dcast.tv และกลับมาทบทวนแดชบอร์ดของคุณเมื่อคอนเทนต์เติบโตขึ้น

ติดตาม watch time, completion rate และจุดที่ผู้ชมเลิกดู (drop-off) เพื่อปรับปรุงคอนเทนต์และการวางตำแหน่ง ใช้เซกเมนต์และตัวกรองเพื่อดูว่ากลุ่มผู้ชมต่างๆ มีพฤติกรรมอย่างไร dcast.tv มี analytics ให้คุณตัดสินใจโดยอิงข้อมูล

ตั้งค่าฐานและการแจ้งเตือน (alerts) เพื่อให้คุณสังเกตได้เมื่อเมตริกเปลี่ยนแปลง เชื่อมโยง analytics เข้ากับเป้าหมายธุรกิจ เพื่อให้ทีมรู้ว่าควรปรับให้เหมาะสมที่จุดใด

แบ่งเซกเมนต์ analytics ตามอุปกรณ์ ภูมิภาค และประเภทคอนเทนต์ เพื่อจับแนวโน้มและจัดลำดับความสำคัญของการปรับปรุง

ส่งออกข้อมูลไปยัง data warehouse หรือเครื่องมือ BI เมื่อคุณต้องการวิเคราะห์เชิงลึกหรือรายงานแบบกำหนดเอง

เชื่อมโยงเมตริกวิดีโอกับยอด conversion และรายได้ เพื่อระบุมูลค่าให้กับคอนเทนต์และแคมเปญเฉพาะได้

ทดลอง (experiment) กับ thumbnail ชื่อเรื่อง และการวางตำแหน่ง เพื่อดูว่าอะไรขับเคลื่อน watch time และการสมัครสมาชิกได้มากกว่า

การทำรายงานสม่ำเสมอช่วยให้ผู้มีส่วนได้เสียรับรู้ข้อมูล และช่วยให้เหตุผลรองรับการลงทุนในคอนเทนต์และฟีเจอร์ของแพลตฟอร์ม

แดชบอร์ดและรายงานควรตอบคำถามที่ทีมของคุณถามบ่อยที่สุด ปรับแต่งมุมมองตามบทบาทและเป้าหมาย

ใช้ A/B test และ cohort analysis เพื่อเข้าใจว่าอะไรขับเคลื่อนการรักษาผู้ชมและรายได้ ลงมือทำตาม insight อย่างรวดเร็วเพื่อให้คุณนำหน้าเทรนด์

ติดตามความคืบหน้าตามเวลาและแชร์เมตริกสำคัญกับทีม เพื่อให้ทุกคนเห็นตรงกันว่าความสำเร็จหน้าตาเป็นอย่างไร

กำหนดชุดเมตริก north-star เล็กๆ และทบทวนทุกสัปดาห์ เจาะลึกเมื่อมีสิ่งใดเปลี่ยนแปลงอย่างไม่คาดคิด

ผสาน analytics เข้ากับ CRM หรือเครื่องมืออีเมล เพื่อให้คุณติดตามผลแบบเจาะจงตามพฤติกรรมการรับชม

ตั้งค่าเทียบ (benchmark) เมตริกปัจจุบันของคุณ เพื่อวัดการปรับปรุง แชร์ชัยชนะกับทีมเพื่อคงโฟกัสที่ประสิทธิภาพวิดีโอ

ใช้ตัวกรองและช่วงวันที่เพื่อเปรียบเทียบช่วงเวลาและระบุการเปลี่ยนแปลงให้กับการเปิดตัวหรือคอนเทนต์เฉพาะ dcast.tv มี analytics สำหรับทั้งการสตรีมและ VOD

ตั้งเป้าหมายสำหรับ watch time และ conversion แล้วติดตามในแดชบอร์ดเดียวเพื่อให้ทีมเห็นตรงกัน

ใช้เมตริกชุดเดียวกันทั้งกับ live และ VOD เพื่อให้เปรียบเทียบรูปแบบและปรับให้เหมาะสมทั้งสองอย่างได้ แชร์รายงานกับผู้มีส่วนได้เสียเป็นประจำ

รวมเส้นโค้งการรักษาผู้ชม (retention curve) เข้ากับข้อมูลรายได้ เพื่อดูว่าคอนเทนต์ใดสร้างมูลค่ามากที่สุด ปรับ thumbnail และคำบรรยายตามอัตราคลิกและ watch time

ลงมือทำตามตัวเลขที่คุณติดตาม เพื่อให้ analytics นำไปสู่การปรับปรุงคอนเทนต์และการกระจายอย่างแท้จริง

ทบทวนและปรับชุดเมตริกของคุณเมื่อกลยุทธ์พัฒนาไป

ใช้คำนิยามชุดเดียวกันข้ามทีม เพื่อให้รายงานสอดคล้องและนำไปปฏิบัติได้