Measuring Video Quality and Performance: Best Practices

AI智能总结

视频质量和性能直接影响观众体验，进而影响媒体组织的商业成果。随着数字视频消费的普及，观众对视频质量的要求越来越高，服务质量差导致观众流失率上升。

数字视频观看量增长：预计到2023年，全球人口将接近80亿，数字视频观看量将比2019年增长39%。
观众流失原因：视频流选择增多，转换成本低，若观看体验差，观众流失率将上升。
观众期望：随着OTT媒体服务成为全球数字娱乐的重要组成部分，观众期望获得高质量的体验。
研究数据：
- 84%的观众认为视频流质量非常重要。
- 79%的观众认为内容选择非常重要。
- 74%的观众认为播放/流媒体质量非常重要。
- 19.8%的观众在高分辨率视频（2160p UHD）下表现出更高的情感投入。
- 16%的观众在出现缓冲时表现出负面情绪。

为了衡量视频质量和性能，需要建立一套完善的测量策略，包括定义指标、确定方法和选择工具。

指标定义：
- QoE（服务质量）指标：反映观众对视频质量的感知和体验，如可用性、比特率、播放错误、缓冲、启动时间、视频启动失败等。
- QoS（服务质量）指标：反映视频交付价值链中各组件的服务质量，如流量/命中、吞吐量、卸载、可用性等。
- QoP（性能质量）指标：反映操作数据，用于提高系统效率并提供对业务方面的可见性，如缓冲时间、CDN响应时间等。
测量方法：
- 主动监测（合成监测）：使用自动化测试在预定时间运行以收集性能数据，模拟真实用户行为。
- 被动监测（真实用户监测）：实时报告真实用户体验的性能数据，直接从真实用户收集数据。
CDN性能测量：
- 起源可见性：了解CDN边缘服务器与内容准备系统起源基础设施之间的往返数据流。
- CDN可见性：了解CDN平台在客户端设备接收到第一字节请求并由CDN平台响应之间的性能。
- 往返可见性：了解客户端设备与CDN边缘服务器（离用户最近）之间的往返行程。