一条淘宝直播链接的背后，没有那么简单

　　摘要

　　淘宝直播深度用户，也不一定了解直播背后的技术。

　　「直播经济」恐怕是 2020 年年度最热的词汇之一了。

　　当人们办公、上学、购物全部转移至线上，线上市场前所未有地迅速膨胀起来。市场、县长、明星、央视主播…… 化身「主播」带货，也让「主播」这个看似高不可及的职业辐射的面积更加宽泛。网络公开数据显示，今年国内直播用户规模将达到 5.24 亿，市场规模将破 9000 亿元，去年「蹿红」的行业，未来将持续热门。

　　这一趋势，在淘宝平台上体现的尤为明显。

　　不久前，阿里巴巴披露的财报显示，淘宝直播连续 8 季度翻倍增长，增速持续超 100%。其中，商家直播带来的成交占比超 6 成。淘宝直播不但成为阿里巴巴创新业务中的新型增长引擎，更驱动商家业绩的增长。

　　也就是说，10 个买家中有 6、7 个人是通过观看直播的方式达成交易，更不用提未达成交易的人群。电商直播改变了卖货、买货的业态与商业逻辑，以至于小孩都能随便说上几句直播口头禅，「OMG，超好看」、「买它」、「3、2、1，上链接」。

　　凡尔赛宫直播中淘宝

　　但是，很多人可能不了解，即便是看起来最为简单的常规直播操作「3、2、1，上链接」，也是一个极为复杂的技术活儿。延时、卡顿不仅仅影响互动率、成交率、客单价，还影响用户的使用观感、体验、好评度。当然，技术给直播行业带来的变革是全方位的。

　　技术改变直播

　　淘宝主播林珊珊自 2019 年开始，全面转向淘宝直播卖货，仅在去年一年店铺销售额就达 8 亿左右，目前，店铺粉丝累计接近 1000 万。

　　作为国内最早一批「吃螃蟹」的电商网红，技术给电商直播行业带来的多样化探索，林珊珊团队感触颇深。

　　以「3、2、1，上链接」模式开品为例，林珊珊淘宝直播后台最高在线粉丝数量为 20 万，如此庞大的在线粉丝用户数，一旦在直播最后上链接的关键时刻，出现延迟，后果不堪设想。评论区可能瞬时间被海量的粉丝留言淹没，每一条不满、差评对于淘宝主播而言，都极为致命。

　　不只是粉丝粘性与好评度困扰着主播。大多数主播在经历长达数十个小时的直播后，嗓子因过度使用，不可避免地受到物理性损伤，嗓音会出现嘶哑。这时候，如有虚拟主播功能，能在很大程度上缓解主播的高强度劳动负荷，解放生产力。

　　据淘宝主播林珊珊团队负责人凌霄介绍，林珊珊直播间的虚拟主播颇受粉丝欢迎，有 90% 的点击量来自粉丝，很多粉丝后半夜睡不着觉时，会「撩」虚拟主播与她进行互动。虚拟主播带来的数据量也非常可观，即便在半夜也有多达 240 人的增粉。

　　淘宝主播林珊珊团队负责人凌霄淘宝

　　「如果一个粉丝在店铺中成交 1 万元，240 人将带来 240 万，虚拟主播功能为我们增加不少 GMV（成交总额）。」凌霄对采用虚拟主播前后的数据变化感到一些意外。

　　实际上，电商直播从开场到收官，并不意味着结束。直播带货具有很强的「长尾效应」。通过直播回放功能、智能数据分析两项关键技术，才能进一步实现商业闭环。

　　以往电商平台没有回看功能，错过直播，意味着永远错过商品信息详情，对卖家、粉丝双方都是损失。回看功能属于刚性需求，从营销机制来看，不单单保障粉丝知晓信息，充分利用碎片化时间，对直播博主也是一种「隐形」保障。

　　凌霄谈到一组数据，「林珊珊淘宝直播结束两三天后，直播间的成交额依然在不断增长。差不多有 15%-20% 是通过直播回放实现成交的。」

　　直播结束后，林珊珊团队还会根据每一个时间段的数据分析锚点，考核直播状态，分析出直播最佳路线图，为下次直播「避障」。

　　直播技术为每一位用户带来视觉、感知与体验的升级，但很多人却不了解这些直播技术的潜在「能量」。

　　背后的「烧脑」技术

　　无论是「3、2、1，上链接」、「回放」功能、智能数据分析、智能直播间，还是虚拟主播，背后的技术构成都极为复杂。

　　单单虚拟主播一项功能，就集合了 AI 人工智能领域中几乎所有的核心技术。虚拟主播是人、货、场的统一体，涉及一系列复杂算法与工程体系。从外在形象、表情动作来看，协调的肢体动作、面部表情，运用到 AI 算法模型以及复刻技术。

　　除了外在，虚拟主播更为重要的是内在功能。比如，与用户互动，回答用户提问，理解用户意图，商品介绍，这些功能则囊括了 NLP（自然语言处理）、语音合成、机器智能、图像智能在内，AI 技术的四大方向。

　　阿里巴巴达摩院资深算法专家陈海青淘宝

　　在阿里巴巴达摩院资深算法专家陈海青看来，从 2G、3G、4G 甚至再到 5G，是文本、语音、图像到视频的升级，也是从单模态到多模态的演进。直播属于多模态场景，虚拟主播与场景融合，与用户互动，本质上是回到了感知+认知阶段。

　　陈海青认为今天直播行业最大的技术挑战来自于动态的交互过程，不同时间段，商品的卖点、展示内容、场景交互都是实时的。人物驱动需要基于实时的大数据决策能力。

　　特别是，人物驱动的关键技术难点在于声音处理，即人物驱动个性化、情感化 TTS（从文本到语音），如跨语音、语言转换，语音、语调、抑扬顿挫的情感控制。不同的技术解决方案、细节处理差异，可能导致用户体验天壤之别。

　　此外，「3、2、1，上链接」、「回放」功能涉及到大规模低延时、窄带高清、存储等云计算技术。据了解，淘宝直播利用阿里云在全球 70 个国家地区，2800+ 节点，卡顿率下降 55%，播放延时低于 1s，比业界平均水平下降 72%，自研 S265 编码器相比业界通用的 X265 编码器最多可以节省 40% 的带宽。

　　淘宝内容社交互动团队技术负责人梁舒举了一个例子，双十一期间，薇娅、李佳琦两位主播直播间人数高达 3000 万以上，商品上架后，一秒之内就产生巨大的高并发需求，对服务器、网络的稳定性要求苛刻。

　　正是这些大家都习以为常的直播场景，恰恰需要长期的技术积淀与实战积累。

　　技术普惠：降低直播门槛

　　从 2015 年算起，淘宝直播在技术研究领域已经积累五年之久。2020 年，直播行业迎来一个新的节点。受到疫情影响，今年 2 月以来，直播行业业态更加丰富、多元化，商家店主、娱乐明星、KOL、柜姐、农民纷纷涌入电商直播平台，整个行业主播量级呈直线式上升。

　　问题也随之而来，相当一部分新增主播没有直播经验，而直播是一个看起来容易，做起来却很难的行业，具有一定的准入门槛。比如，怎样运营粉丝，如何与粉丝保持互动、维系关系，如何以较高的用户接受度介绍、展示商品。

　　再比如，如果想深层次挖掘直播信息、用户需求，还需要专业的数据分析师。据了解，市场上一位初级数据分析师的月薪约为 2 万元，运营成本对于刚刚起步的中小主播、商家或者柜姐、农民而言，无疑是一个隐形的屏障，阻断了他们更多的可能性。

　　所以，只有技术才能带来直播业态颠覆，让机会均等化。