自营直播应用技术团队负责的业务中,淘宝买菜的直播业务起步较晚,业务发展压力较大,业务上也就有了期望能够对一些二方的标杆直播间进行学习,并将其优点应用到自己直播间的需求。
微信扫码
与创始人交个朋友
我要投稿
自营直播应用技术团队负责的业务中,淘宝买菜的直播业务起步较晚,业务发展压力较大,业务上也就有了期望能够对一些二方的标杆直播间进行学习,并将其优点应用到自己直播间的需求。
业务侧最直接的想法是发动人海战术,通过人工的方式去观看各个直播间,提炼其中的优点,进行互动分享:
运营TL提出的要求:
运营小二人工学习的范本:
效果不错。但是人工学习需要大量的人力保障,就会导致运营基本每天都花费大量的时间在看直播间,学习直播间了,没有更多的时间去做真正的“运营”的事情了。熟悉LLM的小伙伴就会发现,这些运营总结的内容怎么看上去那么像LLM总结的?或者换句话说,基于LLM生成的总结是不是可以达到类似的效果?
既然现在各个文本网站都提供了类似于速看的功能,我们也自然而然的想到,是不是可以用LLM对标杆直播间进行学习总结,把运营解放出来,让运营回到真正的“运营”的事情上。
方案
整体方案分为三步:
1. 通过ffmpeg将m3u8类型的直播回放视频音频下载到本地
2. 通过集团内部的听悟工具将音频转化成文本
3. 通过文本大模型抽取文本中的亮点,并进行多个直播间横向对比。通过图片大模型抽取布景中的亮点,并进行多个直播间横向对比。
为什么想到用FFMPEG呢?来自于GPT:
FFMPEG下载视频 & 音频主要包括两类核心命令:
1. 视频下载:
ffmpeg -i "http://example.com/playlist.m3u8" -c copy output.mp4
2. 音频下载:
ffmpeg -i "http://example.com/playlist.m3u8" -vn -acodec libmp3lame output.mp3
详细的语法大家咨询GPT即可,不再做赘述(PS:GPT用来解决编程类问题真的很好用)。
傻瓜式上传MP3文件即可,等待一会就能够转化成解析好的台本了。之后可以再以srt、docx、pdf等文件格式导出:
PROMPT、LLM输出的总结内容Demo如下:
难点
由于录播的时长有时候会很长,实操过程中经常会遇到视频音频过大、过长导致无法上传的情况。这种时候一般有两种解决方案:
方案一:通过ffmpeg对音频码率进行压缩。在不影响效果的情况下压缩文件大小(最终使用方案):
方案二:使用一些开源的视频剪辑软件,对视频进行剪辑,拆分成多个片段进行上传。
要达到好的总结效果,一段好的Prompt至关重要。Prompt调优虽然有一些原则,但整体上还是一件偏玄学的事情,需要多次尝试。以下是我们经过多次尝试后的Prompt:
调优后的Prompt:
话术分析
分析指定带货直播的话术风格和可借鉴之处:
首先,识别直播中重点介绍了哪些产品,以及介绍不同商品时的核心卖点和具体介绍内容,如商品规格、价格优惠、食用方式、购买场景、挑选知识、售后保障等
识别直播中是否是否介绍了较为不常见、消费者比较陌生的产品,以及介绍此类产品时突出的核心卖点和具体介绍内容
其次,确定直播的整体风格(如专业、幽默等),并分析这种风格如何帮助提升观众的参与度和购买意愿。
然后,总结直播中针对生鲜、白牌商品的创新玩法和有效策略并说明有什么效果,解决了什么问题,以便提取具体可执行的学习和应用的经验教训。
最后我们是一个直播电商公司,请你能提取一下直播内容的优点,方便我们打造一款产品来沉淀优秀直播间的特点,给直播平台产品经理一些意见
视觉分析
分析直播间布景,如产品展示方式、主播互动方式、直播间主题、直播间强化的心智、直播间所模仿打造的场景等
分析直播间的氛围,如直播间展示的利益点
评论分析
分析如下直播间用户实时反馈的内容,给出分析报告:
首先,过滤掉无意义的内容。理解用户反馈的含义,按照类别进行归类,并按照反馈频次从高到低排序。针对用户需求类的需要详细列出来并分析
然后,分析用户反馈的内容,给到直播运营和主播相应的可行性建议
在我们进行Prompt调优过程中,有几个经验可以分享(很多技巧在其他文章中也有分享,这里更偏向我们的实践经验):
1. Step By Step拆解:这一步确实至关重要,让大模型能够按照我们期望的格式与思路输出;
2. 简明扼要具体:具体并且简明扼要的描述能够让模型更快的抓住重点,输出的内容也能更贴合我们想要的主题;
3. 给出可以参考的示例:给出参考示例后,确实能够让模型回答的不那么天马行空。但是相应的也会导致模型被约束只会讲我们提到的参考的点,并且会产生一些和原有文本不符合的幻觉;
4. 角色带入:实践后发现,明确输出对象的角色(产品经理、直播运营、主播)后的效果比不明确输出对象要好很多。也尝试了让大模型假设自己的角色,效果没那么好,可能是类似于“数据分析师”这样的角色对于大模型来说过于抽象;
5. 人工优质文本示例:这个也做了尝试,但是效果不如不给运营的文本示例,所以被剪枝掉了。并且会导致模型回答上产生比较大的幻觉,比如回答的内容和人工优质文本一致,和当前给的输入台本无关。
模型选择上,实践尝试了各个大语言模型,实际效果上确实还是GPT-4o效果最好。
基于前述的思路,也做了评论分析的功能。同样是抓取到直播间的用户评论,构建合适的Prompt提示词丢给大模型分析。这里不做赘述了。
基本链路搭建完成后,同样也配套搭建了工程的链路,确保运营配置好想要学习的直播间后,能够由LLM输出学习总结,产品做简单审核加工后,每天自动在群里输出。示例效果如下:
话术学习示例输出:
通过对该直播间带货的分析,我们可以划分以下几个重要的部分,并提取其优点,以便为直播电商公司产品经理提供建议:产品话术分析1. 产品介绍:○ 重点产品:直播间主要介绍了水果(如西瓜、车厘子、冬枣、崂山蜜杏等)。○ 关键词:涉及到“甜”、“脆”、“新鲜”、“脆爽度”等描述词和福利相关的词。同时具体描述了量词,如“两斤半”、“三斤装”等。○ 特殊用词:■ 吸引注意力与购买欲望的词汇:比如“合算”、“福利”、“超值”、“口感绝佳”等。■ 突出产品特色的词汇:强调产品的独特性和稀缺性的词语,例如“全球首发”、“原装进口”、“限量版”等。2. 产品卖点:○ 西瓜:强调其“甘美”、“脆”、“甜”,并且发顺丰。○ 车厘子:强调四勾的大规格以及甜度和脆度。○ 冬枣:突出其酥脆度和糖度。○ 崂山蜜杏:强调其大小、“甜如蜂蜜,糯如水蜜桃”。整体风格分析1. 风格:○ 直接互动:主播频繁与观众互动,通过询问观众的需求和实时反馈调整产品介绍和销售策略,50次之多提到了“欢迎大家来到我们的直播间”或者“来,欢迎咱们新进的朋友们”这种互动话术。○ 价格透明:明示价格及降价原因,让观众觉得主播值得信赖。○ 幽默与活泼:时常使用幽默的语言调节气氛,如“甜如蜂蜜,糯如水蜜桃”以及“妈妈要省钱,赶紧拍两单”类似这种语言能提升观众的观看愉悦感。针对生鲜、白牌商品的创新玩法和有效策略1. 创新玩法:○ 跨品类搭配优惠:通过不同水果、多种规格的搭配销售,吸引更多受众。○ 技术手段的运用:频繁使用*****等技术手段,促使******。2. 有效策略:○ 限时限量福利价:通过*****,增加观众购产品的热情。○ 强互动和真实推荐:通过实时互动了解观众的需求,并依据观众反馈推荐合适产品。○ 透明物流和售后: 强调顺丰空运和出现问题包赔的承诺,使消费者信赖。总结和产品经理的建议1. 优点提取:○ 商品丰富:多样的商品分类明确,涵盖了常见的生鲜食品,能够满足不同观众的需求。○ 详细的产品描述:通过详尽的描述突出产品的特点和优势,增加观众认知和消费意愿。○ 互动性强:通过实时互动,主播能够根据观众的反应灵活调整话术和推荐产品,这使得整个直播过程更加生动有趣。○ 优惠刺激消费:通过福利、优惠和限时限量的模式刺激观众的购买欲。2. 产品经理建议:○ 增强互动功能:提供主播与观众之间的多种互动工具,如互动游戏、投票等,增加观众的参与感。○ 自动化优惠提示:增加优惠券和福利的自动推送功能,使观众在观看过程中更方便发现和使用。○ 多角度商品展示:利用多摄像头展示和虚拟现实技术,让观众能够从多个角度查看商品,了解商品的真实情况。○ 智能推荐系统:根据观众的购物习惯和偏好,智能推荐相关产品和套餐,提升购物体验。○ 引入其他测试工具:通过使用糖度测量等专业工具,证明主播所言非虚,提高信任感。通过上述分析、总结和建议,直播电商公司的产品经理能够更好地了解当前直播带货的有效策略,并在此基础上改进现有产品,提升直播带货的成功率。
布局学习示例输出:
这张图片显示了一位男性主播在展示一盒新鲜水果,可能是桃子。以下是这场直播带货的一些特点和值得其他直播间学习的策略:1. 产品展示:主播亲自品尝水果并向观众展示其外观,传达出产品的新鲜和美味程度。这种方式可以让观众感受到真实的口感描述,从而产生购买兴趣。2. 品牌信誉:标题中的“**********”强调了店铺的历史和声誉,提高了可信度。3. 定时直播:公告牌上写着“每晚20:00开播”,说明主播有固定的直播时间表,有助于培养忠实粉丝并保持他们的参与度。4. 仓库背景:背景中堆满了包装好的水果箱,显示出货源充足以及批量处理能力,给人一种可靠供应商的印象。5. 产品分类:盒子下面印有“********”,表明产地信息,保证了产品质量和来源。6. 互动方式:尽管图片中未显示具体互动环节,但主播可以通过回答问题、分享烹饪或食用建议等方式与观众进行实时交流,增加亲近感。7. 物流保障:使用“顺丰包邮”标签,承诺快速配送服务,解决消费者关于生鲜易损的顾虑。8. 价格优势:如果主播在直播中提及价格优惠或促销活动,将吸引更多买家。9. 产品多样化:周围堆放的不同种类水果箱表明店铺供应多种水果,满足不同顾客需求。10. 专业领域知识:主播可以分享一些关于水果的知识,比如如何挑选、储存和食用方法,展现自己的专业知识,赢得信任。11. 售后服务:如果提供售后支持,如不满意退款保证,将使消费者更加放心购买。总之,这场直播通过展示实际产品、强调品牌信誉和提供优质客户服务来吸引观众。定时直播和专业的行业知识也能帮助建立稳定的客户基础。与其他直播间相比,它专注于生鲜农产品这一细分市场,针对健康饮食爱好者或家庭主妇等特定目标群体。
评论分析示例输出:
分析报告一、分类和排序经过滤无意义内容和分类后,用户反馈内容如下所示。以下内容按照频次从高到低进行排序:用户需求类1. 价格和发货咨询● 频次高的内容:○ 「12盒蓝莓多少钱啊?」○ 「19号苹果开优惠价了吗」○ 「龙宫果有优惠价吗?」○ 「香印青提还可以开不?」● 分析:用户对某些产品的价格信息和特殊活动优惠非常关心。建议主播在直播时明确提到各类产品的新价格信息和折扣。1. 产品质量和存储● 频次高的内容:○ 「阳光玫瑰今天收到了,太好吃了。又脆,甜而不腻」○ 「苹果开了吗?」○ 「进行配送时是否坚持冷链运输?」○ 「杨梅有虫吗」● 分析:用户对产品质量、口感和保存方式同样认真关注。在直播中进行详细介绍,强调产品的保鲜、送货方式(冷链等)以及产品检测(如无虫保障)。1. 产品推荐和比较● 频次高的内容:○ 「试管苹果推荐一下,乐琪还是红玫瑰?」○ 「龙宫果和其他品牌相比有什么优势?」● 分析:用户希望得到更加准确的推荐和产品对比。主播可以在直播中针对不同需求的用户进行产品特点、优劣的详细对比。1. 产品库存和购买链接● 频次高的内容:○ 「蓝莓开价了吗?」○ 「甘美的西瓜和站神的有不一样吗?」● 分析:用户需要及时了解库存情况和购物链接。建议在直播中实时更新库存动态,并明确表示商品的链接和如何下单。1. 促销活动和特殊优惠● 频次高的内容:○ 「今天便宜了?」○ 「今天西瓜有优惠吗」● 分析:用户热衷于参加促销和得到特殊优惠。主播应在直播中预告和强调正在进行的促销活动。用户满意度类1. 产品好评○ 频次高的内容:■ 「好吃,好货也不好抢到。」■ 「超给力」○ 分析:正面的反馈说明用户对产品质量和购买体验满意。建议主播在直播中展示用户的好评和反馈,建立信任。2. 用户互动○ 频次高的内容:■ 「[–哈哈哈]」、「[–鼓掌]」等表情。■ 许多用户直接留言互动,比如「太好了」「开价看看」。○ 分析:活跃的互动氛围增进了用户与主播的链接。主播应继续保持良好的互动,鼓励用户参与评论和提问。用户投诉类无明显投诉内容。二、可行性建议目标:提升用户满意度、增加销售转化率直播运营建议:1. 价格透明和重点活动推广○ 提前发布优惠信息和各类产品的价格。考虑设置直播专享价,提醒用户关注。○ 针对用户热烈讨论的品类(如蓝莓、杨梅等)在直播中增加详细介绍和试吃环节。2. 库存和预告管理○ 确保库存数据实时更新,避免用户因缺货失望离开。○ 提前预告新产品上架和优惠活动时间,客户能提前计划购买。3. 质量保证与售后服务○ 强调产品的质量检测报告及认证,增强用户信任。○ 提供详细的保存方法和售后保障,增加用户安全感。4. 赠品和折扣券吸引○ 根据购买金额设置阶梯式赠品或折扣券,达到刺激用户消费的效果。○ 对复购客户给予特别关注,提供专享优惠或小礼品。主播建议:1. 增强互动○ 针对用户的提问和关注进行实时解答和讨论。通过提问互动提升整体观看体验。○ 使用正面反馈和表情符号来鼓励并夸奖用户积极参与互动。2. 打破信息不对称○ 对没有讲过或新上线的产品进行详细介绍,附上产品的独特卖点和质量保证。○ 利用实物展示、切开品尝等方式凸显质量,消除用户担忧。3. 用户故事分享○ 通过分享用户好评和故事案例来打动客户,引发共情和信任。通过以上策略,预期可以更好地满足用户需求,提升用户满意度,增加直播间的销售转化率。
可以看到LLM分析的内容已经可以达到运营学习的标准了,并且能做到言之有物,也能输出一些后续能够在运营、产品、技术侧实践的有效策略。
同步获得了业务侧的点赞。基于LLM学习总结挖掘的一些新的玩法:优惠券自动推送、商品智能推荐等也在后续以产品化的方式落地,取得了不错的效果。台本的闪光点沉淀到了运营标准话术台本里,评论挖掘的内容沉淀到选品侧为后续选品提供了参考。
经过前述的实践,我们体验到了LLM结合具体业务场景带来的切实有效的提升效果,但同时也体会到LLM在一些方面的不足(总结过于宽泛面面俱到、推理洞察能力不足、在不调参的情况下自迭代困难等)。后续重点我们会放在以下方面:
1. 继续优化Prompt,让学习总结的输出能够更加言之有物,给到运营产品更大的参考价值
2. 学习总结叠加实时流量因子,知道哪些是真正带来场观提升的话术片段,从而能够明确出后续发力的重点
3. 将LLM和直播应用做更多方面的结合,比如基于LLM做选品Copilot、结合Alive组件做更多创新互动的玩法、流量分析等
期待后续LLM结合直播应用给业务带来更多效果上的改变。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-07-20
2024-07-18
2024-07-16
2024-07-25
2024-11-06
2024-07-14
2024-11-02
2024-11-26
2024-08-27
2024-07-24
2024-12-26
2024-12-25
2024-12-21
2024-12-13
2024-11-26
2024-11-26
2024-11-19
2024-11-12