据CNNIC(中国互联网络信息中心)第32次中国互联网发展状况统计报告显示,截至2013年6月底,我国网民规模达5.91亿,而网络视频网民达到3.89亿,网民中上网收看视频的比例为65.8%。在这样的市场环境下,国内一度出现过300余家网络视频网站,经过近两年的并购淘汰之后,如今只留下了20多家有规模的视频网站。
在竞争如此激烈的格局下,无论是业界还是学界都清楚地意识到,传统的网络性能指标已不足以评判用户对服务的满意程度,而由ITU-T定义的用户体验质量(QoE)则成为了被广泛采用的评价指标,它代表了一个应用或一项服务的整体可接受性,由终端用户的主观感知决定,综合考虑了端到端的服务质量(QoS)和用户主观因素。其中的服务质量分为视音频媒体压缩方面、视音频同步方面、网络传输性能方面、频道切换时间方面、VoD特技模式方面、元数据方面、内容导航方面、浏览器方面;主观因素则包括资费、移动性、节目库丰富程度、即时性等。
这诸多因素中有的具有可客观测量的指标,有的则必须使用主观测量方法来评定,同时,各因素对QoE最终结果的影响程度也不一致,必须要分配以相应的权重。所以我们看到,现在有关用户体验质量评估方法的研究无一例外都采用了伪主观评价法。在这种方法中要先根据应用特点确定QoE的相应指标,然后找出影响每个评价指标的全部或关键QoS参数,接着准备测试环境、样本、人员进行测试,获取数据,最后筛选数据再利用关系模型从QoS得到QoE。
在这里的难点则是使用什么样的方法建立QoE和QoS的映射关系,现有的研究方法中大多采用了层次分析法(AHP)。具体来说,在这一方法中首先引入了两个新的概念:网络的关键质量指标(KQI)和关键性能指标(KPI)。其中KQI是从用户角度出发,在业务层面反映用户感受的关键指标,其本质是一组可测量和监控的QoS参数,可以通过网络的直接测试和统计分析得到,它与QoE的关系最为直接,可以互为映射;而KPI则主要是对网元层、网络层的性能描述,它也是由一组可测量可度量的参数组成。
我们可以把KQI理解为业务体验层的QoS,把KPI理解为网络性能层的QoS,相应地,可以将QoE分为最终的总体满意度和客户感知的各维度的满意度,从而建立了一个四层的层次结构模型。然后,采用层次分析法的基本步骤,从第二层开始,对于影响到上一层每个因素的同一层诸因素,用成对比较法和相应比较尺度构造成对比较矩阵,依次类推直到最底层。在比较同层诸因素的相对重要性时,要根据各层次特点采用不同的方法,例如调查问卷统计方法、专家评判方法或设计专用算法进行评判。之后就可以用AHP算法由比较矩阵得到各指标权重值,在这里涉及到了许多统计学知识。最后,我们得到的将是一个KPI到QoE的综合权重值。
除层次分析法外,也有学者指出可以使用机器学习的方法来确立映射关系,并认为这种方法更加客观高效,但是稍显复杂,故暂时不予考虑。同时也有学者指出应该根据各时段的用户投诉情况动态地更改关键指标的权重值,但这其实是对QoE的真正作用的不理解:一方面我们可以利用QoE评判各网络视频供应商的服务质量,从而帮助用户选择能带来最佳体验的供应商,也可以让各供应商之间的竞争更趋理性;另一方面可以反过来由特定的QoE值为目标计算相应的网络性能指标,从而帮助供应商选择正确的设备和方法有效提升自身的竞争力。所以对QoE的评定应是阶段性的,除非网络有大的改变,否则频繁地更新指标只能是对资源的浪费,用户不会有耐心根据时段来选择供应商,供应商也不希望根据一个不停变化的值频繁调整自己的硬件部署。