后台运营是什么工作（解读运营后台的介绍）

名词介绍

一、运营后台介绍

运营后台，主要是提供给视频行业编辑、运营者使用的To B操作系统。在整个后台中，运营者可以对运营的主体（音视频）、前端展示内容详情等视频平台显示的关键信息进行维护。

1.1 运营后台主要工作

运营后台主要维护的信息包含了视频推荐方式（人工+自动）、视频壳内容展示信息、用户端页面后台配置及维护、内容的播放控制、聚合维护这5大部分。主要用户是平台内运营及创作者们，这些用户可以通过人工的方式或自动+人工校验的方式对线上会展示的数据进行干预，从而达到获取更高VV、用户观看时间长，有效播放量等目标。同时运营后台由于其灵活的配置属性，可以在最快的时间内对线上视频信息进行更改，从而在紧急状态下能够快速让视频信息符合国家相关法律。

1.2 视频信息的前后台数据交互模式

上古时期，前端展示的内容信息一般是从后台数据库中直接读取展示，通过这样的交互模式可以实现最快捷的运营信息维护与展示。伴随着业务复杂度不断提升导致如各业务之间对于同一字段信息展示模式完全不同，消费展示出现问题时需要全链路研发人员一起查询等问题的凸显，这个时候希望通过后台数据库与前端直接交互的模式便不再适用于逐渐复杂且增速迅猛的业务模式。经过一系列的探索，目前绝大多数成熟的视频平台所采用的模式是独立出来一个在线的数据平台，数据平台中会对数据的结构进行规范，仅开放某几个平台系统可以对数据平台的信息进行写入和修改，同时支持端服务端在数据平台中进行数据读取。这样做的好处有3点

综上所述，目前成熟的前后台交互如下图所示：

二、运营信息

2.1 Video ID

通常情况下，一个视频内容对应着一个视频ID，我们可以将视频ID称之为Video ID，简称为VID。后续无论是对这个视频进行上下线处理，运营信息维护，合集添加，都是以这个VID为主体进行操作的。同时，在消费端，在视频信息展示中（包含于个性化）都是以当前VID作为唯一认证标识。

通过上述介绍，可以发现，一个视频的运营信息都会以一个固定的格式写在这个视频的VID下，服务端写入修改，客户端读取显示都是以唯一的VID为准。

2.2 编目

编目信息主要是对视频壳进行维护，一般视频编目必要信息包括

2.3 分类与标签

传统视频网站中对于视频的归类是通过三级分类实现的，由于三级分类存在覆盖范围广度不够、新内容类型分类更新速度慢、内容标签单一性等问题，所以在当下对于视频的描述中，通常会使用分类+标签的方式对一个视频进行详细描述。

2.3.1 分类

2.3.1.1 什么是内容分类

在视频平台中，为了在搜索、推荐、筛选等行为中有效找到合适的视频，一般在视频内容上线前，消费一段时间后，会根据视频原始属性、视频的消费属性对视频进行分类。如果将平台所有内容进行类型描述，那么单一视频的分类就是将这个视频归类到一个相对细致化的内容子集中，从而提升视频的运营、分发、消费效率。

2.3.1.2 分类的应用

通常情况下，描述一个视频的定位，一般是根据视频的类型-题材-赛道（圈层）进行视频归类，我们通常称这种内容的分类方法是三级分类。通过这样的归类，可以尽可能的降低用户在搜索、筛选选取内容的成本，同时在推荐应用中，可以通过三级分类中的组合形式将视频聚合起来，把热度高的聚类形成topic的视频组合推荐给用户。

在对创作者的视频进行归类时，通常情况下是由创作者、内容理解系统、平台运营者对创作者视频进行内容归类。一般创作者视频的归类主要是视频题材和对当前题材的子赛道，如题材是美食，赛道可以是美食制作、美食侦探、美食测评、美食记录……

2.3.2 标签

标签通常情况下是基于一个视频分类的基础上，通过标签的方式对视频特点进行补充。标签标记通常是对一个视频亮点功能进行标记，主要的标记为视频内容的属性或者主题。标签相对分类而言，具有更强大的灵活性，更广泛的特征描述属性，更快捷的建设速率，因此在对视频进行特征描述时，标签描述的更新要远快于归类更新。

2.3.3 小结

在对视频内容进行描述时，主要是通过分类的方法决定了视频所在的赛道子集，通过标签进行特征描述。通过分类和标签组合的形式对一则视频进行描述。

2.4 个性化信息维护

所谓个性化信息，主要是基于视频壳的内容进行维护，重点的应用在封面图、标题、一句话推荐这三个部分，应用的场景在版权视频的推荐呈现上。在后台功能中，主要是提供个性化视频壳字段及标签对应关系的维护，或者是通过AI的方式自动从视频中截取或者对推荐语及标题进行自动起名的方式写入视频壳信息中，

2.5 推荐标注

推荐标注主要是运营在对视频进行内容评定时的一个重要参考指标，一般情况下会对视频的推荐标注主要是基于两个方面。其一是通过算法和人工的方式为视频标记好他的推荐等级；其二是对内容做相应的强制过滤处理，这里仅针对于一些特殊的视频。

2.5.1 推荐等级

视频的推荐等级主要是通过内容理解后台和人工标注的方式进行推荐等级的判定。一般情况下，推荐等级为4个阶梯，即强烈推荐、一般推荐、可推荐、不推荐，代表的权重分别是2、1、0、-1。

视频时间等级的划定步骤是，视频进入平台以后，经过基础的生产后成为线上可播放的码流，在通过安全审核后，优先进入到内容理解后台，内容理解后台会对视频的推荐等级定好推荐强度，然后对于待定会火爆的视频以后台的方式展示给内容运营者，内容运营者再最终标记好当条视频的推荐等级。如果在消费中，推荐等级和实际消费情况差异较大，会二次经过上述步骤（也可以直接推给内容运营专员）进行重新评定。版权采购视频则一般不通过内容理解后台，主要是人工进行推荐等级的标注。

2.5.2 强制处理

针对于一些特殊情况的视频，有在线上播放的需求，但是这些视频不能够成为单独的视频让用户消费（比如想互动视频的一个子分支，用户仅看一段视频是看不明白的），这视频是需要进行强制屏蔽搜索、屏蔽推荐、屏蔽榜单的。

2.6 主创阵容

主要记录的是视频的主创人员，一般需要标记的字段有导演、编剧、出品方、主演，出品国家（地区）等信息。

三、播放控制

播放控制简称为播控，在视频平台中，一个视频（合集）的播控决定了用户是否可以看到这个视频，在什么地域能看到这个视频，什么端能够看到什么清晰度的视频。因此播控是决定一个视频是否支持搜索、推荐、榜单等的先决条件；同时播控也是视频平台国际化的重要运营因素之一。视频播控是以视频ID作为唯一识别方式，颗粒度细化到每一个清晰度的运营流。

3.1 播控的应用场景

前文提到，播控决定了一个视频所有的播放要求，因此视频播控的覆盖范围主要有以下4方面：

3.2 播控的数据结构

由于前文提到了视频的播控是需要针对于一个码流进行设计，因此视频的的播控需要有两重设计，一个是针对视频ID的，一个是针对当前视频ID下码流的设计。在视频平台中，除了视频本身以外，对于一些视频聚合形成的实体，如专辑、播单等，同理需要具有播控逻辑的，这样在以播单、专辑等聚合推荐、搜索、筛选时，才能够规避只能看到聚合实体看不到里面内容的情况。因此，结合播控需要控制的维度，以视频为例，播控的数据结构如下所示：

视频ID：

总上线状态：上线/下线（通常情况下有一个端在一个地区内上线，即可判定为上线）

后面是各独立码流上线状态，一般是从最基础的低清晰度开始写。我们以720p码流举例：

码流

720p

上线

端

iphone

Android

Phone

iPAD

Android

Pad

Apple TV

Android TV

地区

北美

上线

上线

上线

上线

上线

上线

欧洲

上线

上线

上线

上线

上线

上线

拉美

下线

下线

下线

下线

下线

下线

中国

大陆

下线

下线

下线

下线

下线

下线

四、聚合型内容

视频平台中除了单一视频本身之外，还存在着一些聚合型内容，有些聚合型内容可以由创作者定义，有些聚合型内容需要有视频平台的运营者定义，我们可以称这些聚合型内容与基础的视频内容一样，都称之为一个实体。最常见的聚合型的实体主要有专辑、播单、资源位这三类。

4.1 专辑

专辑的定义可以理解为将主题表达一致的内容组合而成的实体。通常情况下，如我们见到的一部电视剧的视频内容可以组成一个专辑，一个up主可以将自己相同主题的内容组成一个专辑。

对于专辑，同样需要创作者和平台运营者维护它们的运营信息，如专辑的封面图、专辑的名称、专辑的推荐语、专辑的推荐等级及专辑的播控状态。由于专辑中的视频和专辑的绑定关系相对较强，因此专辑中的正片内容通常的推荐等级会继承专辑的推荐等级，在UGC专辑的搜索、推荐中，通常情况下会过滤掉专辑这种聚合形式的实体推荐及搜索，主要是以单独的视频内容实体作为推荐的基本单元。在PPC专辑中，一般情况下有专辑的视频实体通常情况下会以专辑的方式进行推荐。

4.2 播单

播单一般仅存在于如Netflix、爱奇艺这样的版权视频平台中。播单的定义是将不同实体按照一个话题或者主题的方式组合而成的实体，如经典战争片，里面可以涵盖《红海行动》这样的电影，同时也可以涵盖如《士兵突击》这样的电视剧。播单的基础运营与专辑一定，一样需要定义标题、推荐语、封面、播控等字段。

4.3 资源位

资源位的定义为由人工或算法定义的一组动静态或态数据。在视频平台中资源位通常情况下是应用在重要位置需要平台进行强把控的数据源，因此资源位的包含了人工数据+自动数据两种方式的组成。

4.3.1 基础能力

如前文所述，资源位是由人工或算法定义的一组静态或动态的数据，因此资源位的基础能力主要是通过人工及自动的方式定义数据。因此数据池的部分可以拆解成人工数据定义及自动数据定义。

4.3.1.1 人工数据定义

人工定义数据通常是运营人员通过经验对资源位的内容进行人工定义，人工定义主要是通过人工的方式内容池的实体数据

具体的业务逻辑是，通常一个被应用于焦点图的数据是通过获取资源位数据，需要人工在数据中定义好添加的实体有什么（放专辑、播单、节目等），每个实体是否需要人工定义排序，每个实体是否需要自定义展示图（如果需要则需要定义实体的展示图，实体的现实名称是否要跟实体标题相同（不相同需要重新定义）等多个方面，在人工内容池建立的时候，人工内容池中的内容可以大于端上展示的位数。

4.3.1.2 自动数据定义

自动数据主要来源两个方式，一个方式是通过人工通过分类和标签圈定的方用以确定当前资源位的数据调性，另外一个方式是在当前确定数据中进行数据补充和对特殊数据权重提升。通过这两种方式进行对数据的定义。

人工通过分类和标签圈定数据：对于某些频道的自动化内容，很多时候需要对这些内容做主观性质的内容定位，如动漫频道的国风动漫，这个时候就需要对国风动漫做相应的频道、分类、标签的定义。整体的频道、分类、标签的定义中，频道支持多频道内容获取，分类和标签需要定义成支持或和且两种关系都存在，

数据补充及特殊数据权重提升：在对资源位的内容池做好基本定义以后， 可以通过一些补充的内容填充规则在内容池中加入更多的内容，如用户是通过Google deeplink下载app的，Google又会告知我们用户观看到的是哪个内容包才下载的app，这个时候如果一个资源位数据第一个展示在用户面前，这个时候可以增加需求为“将deeplink内容添加进资源位的内容池中，根据资源位频道等限制信息做好相应的去除及原内容的去重，剩余内容在推荐中的权重加权0.1。”通过这样的方式可以对资源位的数据做更多的定义。

4.3.1.3 混合数据

混合数据即人工定义数据+自动定义数据的组合。

4.3.2 推荐策略

由于资源位数据通常应用于关键位置，同时为了能够规避用户关闭个性化推荐后导致开空窗的问题，因此资源位推荐的实体大多数是无个性化的推荐方式，适用于新用户承载，个性化做的不好的平台，强导向内容输出及版权内容为主的平台推荐。这类型的推荐主要包括新热内容推荐、跨频道内容推荐、优质内容挖掘三大方面。

4.3.2.1 推荐流程

由于在推荐中存在人工干预的情况，因此在整体的推荐中需要增加人工干预及限制。前文提到有数据存在播控限制，因此在整体推荐中，仅获取播控为上线的数据。整体推荐流程如下：

4.3.2.2 指标构建

在视频平台中决定用户留存最关键的可以分为两个数据，其一是视频消费数据；其二是视频互动数据。视频消费数据主要是CTR、EVR、付费率这三者，视频互动的的数据主要是LTR、WTR两个。

视频消费指标：

CTR：点展比，主要评价的是一个视频在推荐中，视频壳是否吸引用户，引发用户点击。

EVR：长播放占比，通常40分钟的视频有效播放时长定义为8分钟，短视频平台中（以58s为例）有效播放时长定义为3秒。长播放占比主要考查的是视频推荐的优质性，用户是不是能看下去。用户看和用户能看下去对于视频平台都是很重要的指标。

付费率：主要的指标是点击后付费，复费率主要存在于版权视频平台中，考察的是视频的吸金能力，当北极星指标更加靠近总收益时，付费了便是推荐中最需要努力考察的指标了。

视频互动指标：一般是用户和视频互动的各项指标，互动氛围轻互动和重互动，轻互动如点赞，点踩之类；重互动主要是评论、弹幕等指标。其中在短视屏平台中，点赞率是互动环节中影响留存的重要指标。

LTR：LTR=like rate点赞率，主要衡量的是用户对视频的评价，点赞率是用户视频中影像留存的重要指标。

WTR：关注率，同样是视频平台中重要指标，是做私域流量的重要指标。在版权视频中可以理解为追剧率，是衡量一部连续性质的内容最好的指标。

核心指标设定：在推荐中，圈定内容池以后，算法会计算出来预计的指标收益率，在推荐中产品经理需要找到对留存影响最大的关键指标，并以次为核心依据，设定视频的推荐指标。

4.3.2.3 规则加持

具有推荐池和指标算法指标，在推荐中由于在部分场景下召回视频存在限制，用户属性存在一些特殊因素，因此需要一些特殊规则进行推荐加持从而获取更好的指标。如我们看完一部非常好的电影以后，竟会会在1个月以后二刷，那么这个二刷推荐机制便是其中的规则加持。规则加持适用于人为因素占据主导的推荐场景中。