訂閱直播趨勢週報，與上萬菁英讀者每週同步更新！

點擊連結即可訂閱「直播趨勢週報」，每週二早上 8:00 您會收到最新的直播趨勢訊息。此外透過此連結，您也可以閱覽之前錯過的週報資訊：）覺得週報資訊實用，也順手轉寄給同事好友吧！

凱絡媒體週報：從手遊看遊戲直播

台灣遊戲市場規模可觀，手遊更是目前發展最蓬勃、獲利最高的電玩類型，而玩家熱中玩遊戲，也熱中觀看其他人的遊戲過程，在軟硬體設備到位的情況下，創造出新的產業機會，遊戲直播蔚為風潮，手遊直播更是當紅趨勢。

遊戲玩家多為青壯年族群，樂與品牌互動、易受廣告影響，在消費者時間碎片化的今天，遊戲直播內容能夠吸引他們長時間停留，成為品牌接觸消費者的機會點。

奧運終於承認了電競，但仍有許多整合隱憂

對於國際奧委會來說，將電競拉入伙有望幫助每況愈下的奧運會吸引更多年輕用戶的關注，而從數據來看，這樣的需求是迫切的。

在美國著名體育商業媒體 SBJ 的統計中，美國收看去年里約奧運會的觀眾平均年齡高達 53 歲，而美國人的平均壽命為 79.8 歲，這意味著如今奧運會觀看人群老齡化相當嚴重。

但一般而言，電競賽事的主導方是廠商，其本質相當於市場營銷活動。而奧運會不一樣。體育並沒有廠商挾制，因此往往沒有官方賽事和三方賽事的概念。但事實上，在職業化程度很高的項目，例如足球、網球、高爾夫，國際奧組委和單項聯合會之間都有衝突，更何況廠商了。

深度學習將改變 4K 影音串流體驗

流媒體視頻對互聯網帶寬的要求越來越高高，但是用戶對視頻畫質、緩衝、視頻延遲和加載時間的容忍程度也越來越低。如果一段視頻中斷了，而且緩衝了很久都沒法繼續，觀眾會比以往任何時候都更有可能直接點擊離開。

麻省理工學院的研究人員，通過人工智能技術，來設計了一種提高負載率和減少緩衝的新算法，以滿足關於提高流媒體質量的呼籲。

Netflix 也推出了自己的人工智能算法。這個新系統名為 Dynamic Optimizer，它可以實時分析視頻的每一幀，並選擇性地壓縮每個場景，以便在連接速度比較低的情況下提高圖像質量。

想看什麼 AI 都知道！這幾年 Google 如何用人工智慧讓你緊緊黏在 YouTube 上？

藉由人工智慧優化算法帶來的成效為何呢？Cristos 表示，目前平台上 70% 用戶觀看時間來自 YouTube 之 自動推薦，此外， 近三年來觀眾瀏覽影片來源從 YouTube 平台 首頁上自動推薦 成長超過 20 倍，目前在全球每日各地區推薦超過 20 億組影片。

此外，在 YouTube 的運作機制，可為影片中的人物動作媒合標籤，進行行為註解，為每個 3 秒影音片段框中央的人類動作行為，從已經定義好的 80 組由時間- 空間定位的原子動作 (atomic action) 中選擇合適的動作進行標籤 ，例如是走路、踢 (球) 或是握手等動作，再根據標籤為影片中的行為進行註解。透過學習來自 YouTube 的海量影片，可以精準標註影片中的多人動作，最終學會人類互動行為。

論壇活動紀錄：OTT 在臺灣的現況 / 臺灣 OTT 最適的商業模式

內容商轉應該才是 OTT 首要的題目，但它運作的難題在台灣缺少內容營銷的人才。她以和較常和中國合作的內容製作團隊工作的經驗舉例，對方的思維是：每一個動作、乃至影片的每一個畫面、後期製作層面，全都是營銷思維。

富邦集團 OTT 布局解析

OTT 產業若從價值鏈剖析，用戶每付出 100 元，從產業最上游開始，內容產製者至少可分得 60 元以上，再來是內容代理商與網絡提供者各自約可分得 5 元至 10 元，剩下的就是服務提供者，也就是我們一般認知的 OTT 業者，約可分得其餘的 5 元至 30 元，但若用戶是經由 App Store 付費，還得支付 Apple 25 元，如此一來，OTT 業者幾乎血本無歸。

富邦集團不僅擁有自己的 Network Distributor（台灣大企業客戶事業群，舊稱台灣固網），經過多年不同事業群的佈局，從 Service Provider 到 Content Aggregator 與 Producer，早就橫向站穩 OTT 價值鏈每個環節。

你正在看的網絡盜版資源，可能會讓視頻網站損失 500 億美元

根據 Digital TV Research 最新的一份研究報告，Netflix、亞馬遜、騰訊視頻、優酷等全球範圍內的流媒體因為盜版所造成的損失，將在 2022 年達到 516 億美元，其中亞太地區的流媒體盜版情況最為嚴重。

這份報告的研究對象涵蓋了全球 138 個國家和地區的流媒體平台，報告顯示，盜版對於流媒體的造成的經濟損失將持續擴大，預計今年的損失就將超過 300 億美元，去年這一數字則為 267 億美元。

深入頗析 VR 廣告解決方案的未來

我們在虛擬現實開發者孵化器 Virtuleap 有一種指標，叫做注視比率，簡稱 GAR。利用這種算法，我們可以計算並判定用戶注意任何一個廣告對象的價值。GAR 這種比率考慮到這樣一些因素：當廣告對象開始出現在用戶視野內，越來越靠近、越來越吸引用戶關注時，用戶和該廣告對象相對的方向、距離、持續時間和注意程度。

當用戶更直接地注視廣告對象，進一步靠近它們，GAR 就會上升，印象值就會加快增長。所有這些都與標記在廣告對象上的幾行代碼匹配。

這種指標一開始很簡單，只是基於視覺。之後，它可以逐步開始結合一些更高級的環境因素，比如廣告對象的交互、瞳孔放大、心跳、呼吸和皮膚溫度。這些因素可以告訴我們如何衡量用戶的投入程度，精度比之前高得多。此外，還有多種多樣的因素也越來越有可能納入衡量因素中，包括新用戶輸入、虛擬現實服裝和手套這樣的觸覺裝備、眼部追蹤技術。