[论文解读] Facebook (A)Live? Are live social broadcasts really broadcasts?

Aravindh Raman, Gareth Tyson+1 more|arXiv (Cornell University)|Mar 7, 2018

Multimedia Communication and Technology参考文献 31被引用 22

一句话总结

本文分析了 Facebook Live 实时视频流的播放行为，发现大多数直播未被观看，且在实践中并非真正‘直播’或‘广播’。通过提出在观众到达前对未被观看的流进行本地缓存，作者表明网络流量可减少 21.9%，且 23.18% 的视频根本不会离开设备，从而挑战了直播社交视频传输架构的既有假设。

ABSTRACT

The era of live-broadcast is back but with two major changes. First, unlike traditional TV broadcasts, content is now streamed over the Internet enabling it to reach a wider audience. Second, due to various user-generated content platforms it has become possible for anyone to get involved, streaming their own content to the world. This emerging trend of going live usually happens via social platforms, where users perform live social broadcasts predominantly from their mobile devices, allowing their friends (and the general public) to engage with the stream in real-time. With the growing popularity of such platforms, the burden on the current Internet infrastructure is therefore expected to multiply. With this in mind, we explore one such prominent platform - Facebook Live. We gather 3TB of data, representing one month of global activity and explore the characteristics of live social broadcast. From this, we derive simple yet effective principles which can decrease the network burden. We then dissect global and hyper-local properties of the video while on-air, by capturing the geography of the broadcasters or the users who produce the video and the viewers or the users who interact with it. Finally, we study the social engagement while the video is live and distinguish the key aspects when the same video goes on-demand. A common theme throughout the paper is that, despite its name, many attributes of Facebook Live deviate from both the concepts of live and broadcast.

研究动机与目标

• 为了理解 Facebook Live 上真实直播社交广播的本质，挑战‘直播’和‘广播’这些术语背后的假设。
• 识别当前移动视频流媒体中的低效问题，尤其是未被观看内容的传输。
• 探索直播视频消费中的地理与社交参与模式。
• 为减少移动直播视频平台的网络与设备资源使用，推导系统级设计洞见。
• 基于真实用户行为与内容可见性，评估边缘感知缓存策略的可行性。

提出的方法

• 收集了包含主播与观众位置、参与度指标及流持续时间的为期一个月的 Facebook Live 活动 3TB 数据集。
• 将直播分类为三类：社交用户（95%）、Facebook 页面（4%）及第三方应用（1%）。
• 提出一种本地缓存机制，即在观众到达前将未被观看的流存储在设备上，避免不必要的上传。
• 通过未观看流的统计数据估算可卸载的数据量，量化网络节省。
• 分析主播与观众之间的地理接近性，发现 8% 的观众位于直播源 25 公里范围内。
• 研究社交参与模式，区分直播期间的互动（如评论）与直播后的活动（如点赞）。

实验结果

研究问题

• RQ1 Facebook Live 直播中有多少比例实际上被观看，这在多大程度上挑战了‘广播’的概念？
• RQ2 观众的地理分布与主播位置之间有何关系，这对边缘缓存有何启示？
• RQ3 直播期间及之后的社交参与性质是什么，与传统直播视频模型有何不同？
• RQ4 上传未被观看的内容造成了多少网络与设备资源浪费，能否加以缓解？
• RQ5 对未被观看的流进行本地缓存是否能显著降低网络负载，同时不影响用户体验？

主要发现

• 95% 的 Facebook Live 直播由社交用户通过移动应用发起，其中 41.5% 的流未被任何人观看。
• 尽管在线观众峰值达 6200 万，但超过一半的社交用户流未被观看，这削弱了‘广播’一词的合理性。
• 通过未被观看流的本地缓存，可将总数据量的 21.91%（21.33TB）从传输中卸载，使网络流量减少 21.9%。
• 若仅上传被观看或存档的内容，23.18% 的视频根本无需离开移动设备。
• 8% 的观众位于主播 25 公里范围内，表明观众收视存在显著的本地地理聚集特征。
• 直播后参与以点赞为主，而直播期间的参与则以评论为主，表明用户在不同时间阶段的动机存在差异。