图：时代华纳有线（TWC&Charter Communications）总工程师Reuben Patterson

 

首先，Reuben介绍了什么是QoE，什么是体验质量？为什么重要？QoE作为使用者在使用视频时候的一个体验标准，它和QoS（服务质量）有着本质的区别，QoS专注于传播什么，而QoE主要关注如何传播。QoE会被很多因素影响，比如说本地网络的拥挤度、下载门槛、主动码率转换、本地缓存、屏幕大小、内容种类以及有效码率等等。

 

QoE就是用户的粘性。直接影响到用户对服务的忠诚度，是客户对于品牌的认知，同时QoE也就是你产品的ARPU值，就是钱。目前还没有一个评估标准来评估什么QoE是好，什么QoE是坏。无论是内容提供商、运营商、CDN服务提供商还是APP服务都无法去做一些改善的行为，因为既然我们对QoE一无所知，不知道什么是好，什么是坏，又如何谈到去进步呢？

 

目前在全球已经有好几个工作小组去尝试定义QoE，尝试去量化QoE。比如说举个例子，Streaming Video Alliance，他们目前成立了一个QoE工作小组，不仅定义公式，同时定义评价标准；哥伦比亚大学的几个专家——Hyunwoo Nam, Kyung-Hwa Kim以及Henning Schulzrinne，目前也在针对通过100万Youtube用户量作为标准，建立标准化的度量和比较的方式。其余目前也有一些大公司正在建立自己的QoE评估标准。

 

 

怎么样去定义QoE，怎么样去量化QoE呢？有很多不同的公式可以使用。这个叫做Vocal，这是一个挺简单的量化法。但在使用上，会受到人类因素的挑战，而这个人为因素，就是一个变量。

 

 

与此同时，斯坦福大学的电脑和数字化工程院校也做了这样的一个公式，看起来很复杂，Reuben坦言，对于它的理解无论对于本人，还是很多的媒体机构，都相当困难。所以今天就存在有两个方案，要么太复杂，或者就太宽泛。太复杂很难被推广，太宽泛又太松散。所以现在希望找到一个比较好的解决方法。我们现在就像去设计一个黑匣子一样，没有黑匣子，业内人士和观众就无法去评估。

 

时代华纳目前正努力做一些工作，提出6种方法，通常可以认为被一些视频直播的企业所使用。其中包括重缓冲事件（每分钟计算）、节目到节目之间的重缓冲长度占比、流故障、启动时间、每个节目的平均比特率、每分钟比特率降档率，综合提供最优和最差的体验图谱，然后它会帮你定位产品在整个生态系统中具体处在哪个阶段。抽样调查基于大人口，然后还有一些普调等等，通过量化的调查方法，所以目前它的成功性与客观性还是比较高。

 

 

整个测量标准在使用的时候大概是上图的样子，最上面有两个窗口，中间有不同影响因素的分级，以及针对不同时段的评估系数，还包括全球性跨地域指数。如果使用这部分数据，就能有效地帮你分析QoE的好坏，然后告诉运营者问题出在哪里，然后可以加速你的网络状况，当提供商做出改善的时候，基线就会比较稳定。

 

如果没有这样的一个量化的话，就没有办法去告诉别人其实你这里存在一定的问题，也没办法看到哪里做错了。通常常态化事情，去做常态化的修正是很困难的，因为有很多的过程被过度呈现了，这样看到也不奇怪，习惯了，或者就是没有呈现出来。而TWC目前希望做的模式是这样，如果用户的加载时间过长，就会发现用户会直接离开，只有将这个数据直接告诉你，然后自己做决定。比如其中一个比例，就是分钟比例。而这个比例可以看到客户在加载的时候，他们的直接行为，还有离开的比例。在哥伦比亚大学的研究中，他们发现加载时间如果是3秒的话，对于客户就造成了不好的体验，2.5秒就可以直接造成相比3秒两倍的用户继续停留，所以0.5秒它可以做非常大的一个质的提升。

 

这就是为什么需要一个新模型的原因，客户可能会问为什么我需要你们的模型？为什么你们的模型在市场竞争者中会胜出？因为当使用了这个模型之后，确实可以发现您的用户放弃的比例是大幅减少，利润是大幅上升的。我们QoE的工程式，是有时间段分类的，比如说每5分钟做一个时间段，进行分级地分析。这个公式可以帮助用户了解用户浏览全过程的指标。通过5分钟来做时间段分隔，这样比较容易做频率抽样。用这样频率抽样的方法，比较容易获得最好的结果，而且5分钟的时间段跟哥伦比亚的研究方法比较相近。因为哥伦比亚大学的结论是，大部分的视频平均浏览值，其实是6分钟多一点点，所以我们希望用5分钟作为时间段。而且5分钟可以帮助我们了解更多短视频的体验质量。

 

在这个公式中有一个概念，叫做放弃法。放弃法现在行业里其实不是很多人知道，这个概念可能才刚刚提出来，结合了一些其他的视频网站，直播网站的调查结果。如果在一个时间段，视频在没有播完之前结束的话，我们直接判定它是“放弃法”中的一个数值，或者说客户有可能关闭窗口，或者转去别的窗口没有再看，这些都是放弃指数。它这个转换指数如果很高，就可以判定他的QoE肯定下降了，所以用户才会离开。

 

 

TWC还会做另一个5秒分析，如果这种放弃行为是连续发生的用户体验，就可以被可视化，如果在5秒以下离开，在5分钟之内又回来了；如果有3秒的缓冲时间，但在5秒钟内有这样放弃行为的话，相对，用户的放弃行为来说这是一个更糟糕的情况；比如说两个以上的中断。因为这种中断不是用户想要的，可能是广告等其他的另外一些内容，他们不想看到这些内容。所以通过这些标准，大部分的数据对于直播的人来说，就能够知道问题所在。

 

最后两个需要重视的。一个是回播的缓冲时间，一个是速度下降后的缓冲时间。这是决定用户体验的关键点。需要将它限制到一定的时间之内，所有的这些衡量标准不需要很复杂。其中有一个重要的点是，它的比特改变率，你可以尝试用Excel表来做改变率表格。对于直播产品，QoE工作组和大部分的组织他们会用一个最小和最大的滚轮来控制，会用关键评估点来评估。