新冠疫情的持續(xù)肆虐,讓民眾不得不宅家隔離,而電子競(jìng)技賽事成了人們打發(fā)時(shí)間的好選擇。隨著其他娛樂(lè)活動(dòng)的取消與推遲,電競(jìng)比賽的關(guān)注度持續(xù)提升。這時(shí)候,培養(yǎng)新粉絲,實(shí)現(xiàn)流量變現(xiàn),是困擾游戲主播們的最大難題。
從哈佛大學(xué)退學(xué)的Faisal Younus與Michael Ivkov注意到其中蘊(yùn)藏的商業(yè)價(jià)值,并快速行動(dòng)希望把握這一機(jī)遇。他們開(kāi)發(fā)出Athlane,以促進(jìn)電競(jìng)品牌與流媒體之間的聯(lián)系。
Athlane是一套電競(jìng)分析平臺(tái),旨在幫助“流媒體與各大品牌方開(kāi)展合作并建立粉絲社區(qū),使游戲真正成為一種職業(yè)”。該公司最近還與銳步建立合作關(guān)系,承辦后者贊助的各類活動(dòng)。這家總部位于舊金山的初創(chuàng)公司最近剛剛從Y Combinator及其他頂級(jí)機(jī)構(gòu)處籌集到330萬(wàn)美元的種子資金,并獲得Tyler “Ninja”以及Jessica “JGhosty” Blevins等知名投資者的青睞。
Blevins表示,“我們投資Athlane,是為了讓游戲成為更多年輕人職業(yè)生涯中的新選擇。Athlane能夠幫助游戲主播獲取更多觀眾數(shù)據(jù),進(jìn)而爭(zhēng)取到贊助機(jī)會(huì)。這對(duì)于任何想要轉(zhuǎn)型全職主播的人,都是至關(guān)重要的能力。”
▲ 圖:Athlane聯(lián)合創(chuàng)始人Michael Ivkov (左) 與Faisal Younus (右)
Faisal Younus & Michael Ivkov: 最重要就是,找到自己最與眾不同的特色。剛起步時(shí),培養(yǎng)粉絲確實(shí)非常困難,需要投入時(shí)間、也得想辦法開(kāi)展合作。最困難的階段就是將平均在線觀眾數(shù)由10個(gè)增加到50個(gè)乃至100個(gè)。
此外,產(chǎn)生穩(wěn)定收入則是另一大難題,因?yàn)橛螒蛑鞑サ钠放菩?yīng)不那么明確——Athlane也正是為此而生。
Younus & Ivkov: 地方性品牌與非地方性品牌在合作方式上有所區(qū)別。前者可以通過(guò)入站合作伙伴的興趣組織定制形式的會(huì)員計(jì)劃,或建立專門的贊助團(tuán)隊(duì)處理合作事宜。非地方性品牌可以嘗試一次性宣傳活動(dòng),也可以不斷吸納各地高人氣主播,以建立專門的宣傳團(tuán)隊(duì)。
對(duì)于游戲主播來(lái)說(shuō),目前存在大量非正式的一次性項(xiàng)目,很多都沒(méi)有明確的合同,且在績(jī)效考核方面缺乏透明度。雖然這類計(jì)劃也有成功先例,但鑒于生態(tài)系統(tǒng)的快速變化,現(xiàn)有方案往往無(wú)法快速擴(kuò)大規(guī)模并保持良好的競(jìng)爭(zhēng)力。
我們的端到端贊助平臺(tái)Athlane Terminal,能夠幫助各類品牌以準(zhǔn)確的投資回報(bào)率衡量受眾吸引力。此外,借助法務(wù)科技、自動(dòng)化任務(wù)處理以及合規(guī)性跟蹤等方式,Athlane承擔(dān)下各類繁瑣的工作,幫助品牌商真正將時(shí)間投入到與主播一道制作精彩內(nèi)容方面。以此為基礎(chǔ),雙方最終能夠通過(guò)統(tǒng)一的儀表板跟蹤宣傳覆蓋率、投資回報(bào)率以及其他重要績(jī)效指標(biāo)。
Younus & Ivkov: 數(shù)字營(yíng)銷的爆發(fā)點(diǎn),在于接觸到目標(biāo)消費(fèi)者、激發(fā)對(duì)方實(shí)際行動(dòng),并真正對(duì)品牌的知名度或感知產(chǎn)生影響。各類品牌,特別是電子商務(wù)類型的品牌,當(dāng)然希望吸引到更多年輕、熟悉網(wǎng)絡(luò)使用方式的受眾,將其轉(zhuǎn)化為品牌的忠誠(chéng)支持者。全球目前有超過(guò)25億游戲玩家,電競(jìng)與游戲節(jié)目的收看者人數(shù)不斷打破記錄,而這一切在新冠疫情帶來(lái)的居家隔離時(shí)期又進(jìn)一步得到凸顯。
Younus & Ivkov: 雖然我們的軟件棧(特別是Athelane Pro)能夠?yàn)閺呐詴r(shí)尚主播到職業(yè)NBA球員幾乎任何人提供服務(wù),但我們目前主要專注于為游戲及電競(jìng)領(lǐng)域構(gòu)建行業(yè)標(biāo)準(zhǔn)式的貨幣化引擎。
Younus & Ivkov: Terminal能夠?yàn)槠放粕烫峁┮粋€(gè)涵蓋多種引擎,并能夠大規(guī)模推動(dòng)游戲社區(qū)發(fā)現(xiàn)、參與以及轉(zhuǎn)換的平臺(tái)——這將徹底取代以往單純通過(guò)電子表格及高接觸性郵件活動(dòng)收集信息的方法。
Terminal的洞察力工具能夠立足整體生態(tài)系統(tǒng),提供詳盡且專有的分析結(jié)果,同時(shí)匹配精美的可視化效果、指標(biāo)與摘要。它將在整個(gè)流媒體世界中持續(xù)跟蹤相關(guān)源,篩選并審查各流媒體渠道,并將所有內(nèi)容及信息匯總至同一個(gè)創(chuàng)建者中心節(jié)點(diǎn)之上。以此為基礎(chǔ),品牌商可以隨時(shí)間推移持續(xù)了解受眾的興趣與喜好。
Younus & Ivkov: Athlane Pro 可以算是游戲主播們的“商業(yè)智庫(kù)”。Pro使用多種機(jī)器學(xué)習(xí)模型,以分析特定游戲主播受到粉絲們喜愛(ài)的原因。
Pro提供的AI驅(qū)動(dòng)型洞見(jiàn)能夠?yàn)閯?chuàng)作者提供個(gè)性化建議,通過(guò)差異化內(nèi)容、推薦的合作方式或者特定興趣取向,改善并擴(kuò)充粉絲規(guī)模。另外,它還能夠針對(duì)受眾的情緒與總體趨勢(shì),定期進(jìn)行跟蹤并整理報(bào)告。
Younus & Ivkov: 最重要的當(dāng)然還是錘煉我們的技術(shù)方案。對(duì)于數(shù)據(jù)驅(qū)動(dòng)型品牌,特別是像銳步這樣體量龐大的品牌,我們的平臺(tái)需要在保障可擴(kuò)展性的同時(shí),立足合作關(guān)系將投資回報(bào)率與可交付成果統(tǒng)一起來(lái)。從商業(yè)角度出發(fā),通過(guò)在游戲玩家及其粉絲中建立社區(qū),品牌商得以在居家隔離的現(xiàn)實(shí)條件下,繼續(xù)保持良好的品牌影響力與運(yùn)營(yíng)收入。
Younus & Ivkov: 我們?cè)缭诔踔须A段主開(kāi)始構(gòu)思Athlane了。隨著我們喜愛(ài)的眾多游戲主播不斷成長(zhǎng),我們意識(shí)到,要成為全職主播有多么困難、其中又有多少不夠規(guī)范的問(wèn)題。為此,我們決定在2019年年初投入全部精力開(kāi)發(fā)Athlane。幾個(gè)月之后,我們就在YC S19賽季的比賽中完成了首輪試用。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。