OTT 서비스가 그 어느 때보다 많은 디바이스와 플랫폼에 제공되면서 더 높은 품질의 동영상 콘텐츠에 대한 수요가 증가하고 있습니다. 하지만 더 나은 화질에 대한 이러한 욕구에는 대가가 따릅니다. 특히 콘텐츠 스토리지 추가, 더 높은 처리량의 원본 서버, 콘텐츠 전송 네트워크(CDN) 대역폭 사용량 증가로 인해 인프라 및 운영 비용이 증가합니다.
시청자의 체감 품질(QoE)을 저하시키지 않으면서 CDN 비용을 낮추는 것이 과제입니다. 해결책은 바로 컨텍스트 인식 인코딩(CAE)입니다.
CAE는 운영 복잡성을 줄이는 동시에 스토리지 및 스트리밍 비용을 절감할 수 있는 기회를 제공합니다. CAE는 머신 러닝에서 파생된 알고리즘을 활용하여 QoE를 저해하지 않으면서 스트리밍 효율성을 자동으로 개선합니다. CAE 계산기를 사용해 직접 확인할 수 있습니다. 여전히 믿기 어려울 것 같다면 자체 OTT 서비스인 PlayTV에서 테스트해 보았습니다. 아래를 클릭하여 결과를 확인하거나 계속 스크롤하여 CAE의 작동 방식을 다시 확인하세요.
컨텍스트 인식 인코딩 이해
기존 인코딩
오늘날 인터넷을 통해 스트리밍되는 대부분의 동영상은 동영상 재생을 최적화하기 위해 HLS 또는 MPEG-DASH와 같은 적응형 비트레이트(ABR) 스트리밍 기술을 사용합니다. ABR 스트림에는 사전 정의된 인코딩 래더에 따라 서로 다른 해상도와 비트레이트로 인코딩되는 동일한 동영상의 여러 '렌더링'이 포함되어 있습니다.
사용자가 재생 버튼을 누르면 플레이어는 재생할 수 있는 렌더링의 매니페스트를 받습니다. 플레이어는 사용 가능한 대역폭, 버퍼 용량, 재생 창의 크기 등 여러 요소를 기준으로 재생할 렌더링을 선택합니다. 재생 중에 이러한 요소가 변경되면 플레이어는 더 높거나 낮은 품질의 렌더링으로 전환하여 버퍼링을 최소화하면서 가능한 최상의 비디오 품질을 표시할 수 있습니다.
그러나 정적 비트레이트 래더는 콘텐츠 유형에 따라 품질이 일관되지 않은 경우가 많습니다. 스포츠와 같이 복잡도가 높은 동영상 콘텐츠는 애니메이션과 같이 복잡도가 낮은 콘텐츠보다 적절한 시청 환경을 구현하기 위해 더 많은 비트가 필요합니다. 따라서 동일한 프로필을 사용하여 서로 다른 유형의 콘텐츠 또는 서로 다른 채널용 콘텐츠를 인코딩하면 스토리지와 대역폭이 낭비되는 경우가 많습니다.
스트리밍 전송은 OTT 서비스에서 가장 큰 비용을 차지하는 단일 요소 중 하나입니다. 과도한 스토리지, 비효율적인 캐시 사용률, 스트리밍 대역폭은 특히 콘텐츠 라이브러리가 증가하고 서비스가 더 많은 시청자를 유치할수록 상당한 비용을 초래할 수 있습니다.
컨텍스트 인식 인코딩
기존 인코딩 방식과 달리 컨텍스트 인식 인코딩은 콘텐츠 유형, 디바이스 기능, 네트워크 상태, 시청자 행동과 같은 컨텍스트 정보를 활용하여 동영상 스트리밍을 최적화합니다. 모든 콘텐츠에 하나의 ABR 래더를 사용하는 대신 CAE는 각 소스 비디오를 분석하여 각 콘텐츠에 대한 맞춤형 인코딩 래더(렌더링 세트)를 지능적으로 구축합니다.
또한 CAE는 콘텐츠를 보는 데 사용되는 전송 네트워크 및 디바이스와 관련된 제약 조건도 고려합니다. 모든 타이틀에서 일관된 품질 수준을 유지하면서 필요한 렌더링 수와 각 렌더링에 사용할 해상도 및 비트레이트를 결정합니다.
CAE로 자산을 최적화하면 게시 기간이 길어지고 시청자 규모가 커질수록 비용을 크게 절감할 수 있습니다. 하지만 비용 절감만이 스트리밍 조직의 유일한 동인은 아닙니다. 참여도가 높은 시청자의 가치는 매우 높으며, QoE 저하만큼 시청자 참여에 부정적인 영향을 미치는 요소는 거의 없습니다.
컨텍스트 인식 인코딩의 이점
컨텍스트 인식 인코딩은 CDN 전송 비용에 다양한 이점을 제공합니다.
- 효율적인 대역폭 활용을 촉진하여 데이터 트래픽을 줄이고 비용을 절감합니다.
- 각 미디어에 대한 ABR 래더를 최적화하여 저장해야 할 동영상 수를 줄임으로써 스토리지 요구 사항을 낮춥니다.
- 콘텐츠에 맞는 개별 변형 및 압축 설정이 더 적게 필요하므로 캐싱 효율성이 향상됩니다(이로 인해 체감 화질, 로딩 시간 단축, 원활한 재생 등 더 높은 품질의 경험을 제공하는 조건이 향상될 수 있습니다).
이는 테스트하고 정량화할 수 있는 실제 혜택입니다. 다음은 자체 OTT 서비스에서 CAE의 이점을 테스트하기 위해 수행한 단계입니다.
- 표준 인코딩 프로필로 새 콘텐츠 수집하기
- 자산별 스토리지 요구 사항 측정
- 시청자 조회 수 및 조회당 스트리밍되는 평균 비트레이트 측정
- QoE 성능 측정
- 오디언스 참여 점수 측정
- 30일 동안 스트리밍을 사용한 후, CAE에 최적화된 수집 프로파일로 콘텐츠 라이브러리를 재처리합니다.
- ABR 래더의 차이점 파악
- 스토리지 비용, 스트리밍 속도, QOE 성능, 시청자 참여도의 차이를 정량화하세요.
- 영향 계산 및 결론 요약하기
컨텍스트 인식 인코딩 구현
PlayTV는 브라이트코브의 동영상 전용 OTT 스트리밍 서비스로, 웹, 모바일 및 CTV 앱에서 이용할 수 있습니다.
PlayTV에서 CAE를 테스트하기 위해 먼저 재가공에 적합한 에셋을 파악하는 것부터 시작했습니다. 어떤 에셋이 조회수(그리고 더 나아가 비용)를 높이는지 분석하고 해당 에셋에 대한 시청자 참여도를 측정했습니다. QoE 인사이트를 사용하여 표준 인코딩 래더가 시청자에게 전달되는 방식과 QoE 장애가 시청자에게 미치는 영향에 대한 스냅샷을 구축했습니다.
재처리 후 적응형 비트레이트(ABR) 스트리밍 구성에 나타난 변화는 다음과 같습니다.
| PlayTV 표준 ABR 래더 | PlayTV CAE 래더 |
|---|---|
| 480 x 270 @ 448kbps | 320 x 180 @ 244kbps |
| 640 × 360 @ 699kbps | 480 x 270 @ 464kbps |
| 640 x 360 @ 899kbps | 640 x 360 @ 750kbps |
| 960 x 540 @ 1199kbps | 960 x 540 @ 1406kbps |
| 960 x 540 @ 1699kbps | 1280 x 720 @ 2125kbps |
| 1280 x 720 @ 1999 kbps | |
| 1280 x 720 @ 3500kbps | |
| 스토리지 요금: 4.5GB/hr | 저장 속도: 2.1GB/시간 |
처음에 에셋 ABR 래더에는 7개의 배리언트가 있었고 총 10.4Mbps의 대역폭이 필요했습니다. CAE를 사용하면 다양한 에셋 유형에 걸쳐 생성된 렌더링의 조합이 5Mbps만 필요한 5개의 배리언트로 변경되었습니다. 씬의 복잡성 및 기타 속성에 따라 일부 에셋은 약간 더 높았고 다른 에셋은 약간 낮았습니다. 하지만 머티리얼의 공통점을 고려할 때, 재처리된 대부분의 에셋에서 사다리 현상이 두드러졌습니다.
컨텍스트 인식 인코딩 결과
스토리지 비용
CAE의 도입은 스토리지 비용에 상당한 영향을 미쳤습니다. 일반적인 자산 스토리지 요구량은 시간당 4.5GB에서 약 2.1GB로 감소했습니다. 결과적으로 콘텐츠 시간당 비용은 0.363달러에서 약 0.173달러로 감소하여 스토리지 비용을 약 52% 절감할 수 있었습니다.
스트리밍 비용
QoE 인사이트는 시청 시청자 전체에 걸쳐 디바이스별로 어떤 스트리밍 변형이 전송되고 있는지에 대한 자세한 리포팅을 제공했습니다. 이 데이터를 통해 시청자에게 도달하는 데 필요한 스트리밍 대역폭과 대역폭 소비를 유발하는 렌더링을 명확하게 확인할 수 있었습니다.
| 변형 | 재생 비율 - 표준 | 플레이 비율 - CAE |
|---|---|---|
| <540p | 28% | 47% |
| 540p | 11% | 7% |
| 720p | 54% | 41% |
| 기타 | 7% | 5% |
| 재생당 평균 비트레이트 | 2.25Mbps | 1.8Mbps |
위의 차트는 CAE가 표준 래더보다 540p보다 작은 스트림 변형을 더 자주 전송하는 방법을 보여줍니다. 그 결과 스트리밍 대역폭 사용률이 약 20% 감소한 것으로 나타났습니다.
물론 시청자가 더 많은 시간을 저해상도 변형 콘텐츠에 소비하면 QoE가 저하될 수 있습니다. 처음에는 직관적이지 않은 것처럼 보일 수 있지만, CAE는 콘텐츠에 더 나은 압축 전략을 적용하여 비트를 낭비하지 않는 인코딩 설정을 도출했습니다. CAE는 특정 해상도를 목표로 하지만 고품질 스트림을 제공하기에 충분한 비트레이트를 적용하지 않는 스트림 변형을 제거했습니다. QoE 세부 사항을 분석하는 과정에서 CAE 스트림 변형이 일관되게 우수한 시청자 경험을 제공한다는 명확한 패턴이 나타났습니다.
QOE 성능
QoE 인사이트는 CAE를 적용한 후 전반적인 시청자 경험이 상당히 개선되었음을 입증하는 상당한 양의 세부 정보를 제공했습니다. 아래는 CAE 적용 전후의 샘플 기간에 대한 집계된 세부 정보를 강조하는 요약 보기입니다.
QoE 성능 요약 - CAE 최적화 전
QoE 성능 요약 - CAE 최적화 후
그 결과, 가장 영향력 있는 QoE 측정의 경우 CAE 스트림 변형이 전반적으로 더 나은 경험을 제공한 것으로 나타났습니다.
| Metric | CAE 전 측정 | CAE 후 측정 | 백분율 변화 |
|---|---|---|---|
| 비디오 시작 시간(평균) | 4.586초 | 2.573초 | 44% 개선 |
| 리퍼링 비율 | 9:46 | 7:03 | 28% 개선 |
| 업스케일 시간 | 22:53 | 24:00 | 5% 성능 저하 |
비디오 시작 시간과 리버퍼링 속도가 크게 개선되어 플레이어가 향상된 효율성으로 인해 첫 프레임에 더 빨리 도달할 수 있습니다. CAE 스트림 변형은 로컬 플레이어 버퍼에 로드하는 데 더 작은 세그먼트가 필요하므로 캐시 활용도가 향상되고 페이로드 크기가 작아집니다.
업스케일 시간은 플레이어가 디스플레이 장치의 최대 해상도보다 낮은 해상도의 스트림 변형을 요청하는 시간을 측정합니다. 업스케일 시간이 약간 증가하는 것은 예상되는 동작과 일치합니다. CAE에 최적화된 ABR 래더에 연결하면 플레이어는 더 나은 옵션을 통해 QoE에 더 큰 영향을 미치는 리버퍼링 이벤트를 방지할 수 있습니다.
연구에 따르면 QoE 장애는 시청자 참여도에 상당한 영향을 미치는 것으로 나타났습니다. 이는 QoE 인사이트에서 참여 퍼널 세부 정보를 보면 명확하게 알 수 있습니다. 예를 들어, 아래 이미지는 동영상 시작 시간과 참여 시청자로 집계되기 전의 이탈 가능성 간의 관계를 보여줍니다.
총 재생 요청 4,092건 중 동영상 시작 시간이 6초를 초과한 경우 164건(4%)만이 시청자의 참여를 이끌어냈습니다. 동영상 시작 시간이 2초 미만일 때 987명(24%)의 시청자가 참여했던 것과는 대조적입니다. 동영상 시작 시간을 개선하는 것만으로도 참여 시청자가 600% 이상 증가합니다.
QoE 장애는 시청자 참여에 막대한 영향을 미칩니다. CAE는 비용을 절감할 뿐만 아니라 더 나은 QoE 성능을 통해 시청자 참여를 유도합니다.
컨텍스트 인식 인코딩 결과 요약
컨텍스트 인식 인코딩은 에셋당 배리언트 수를 줄이고 장면 복잡성과 시청자 컨텍스트에 따라 배리언트를 최적화하는 등 다양한 이점을 제공합니다. 하지만 자체 OTT 서비스에서 테스트한 결과, 이러한 이점은 정량화할 수 있고 부인할 수 없는 사실입니다.
- 스토리지 비용 52% 절감
- 스트리밍 비용 25% 절감
- 동영상 로딩 시간 44% 단축
- 리버퍼링 28% 감소
- 노점 이벤트 10% 감소
브라이트코브의 PlayTV와 같은 소규모 OTT 서비스의 경우, CAE를 도입함으로써 추가적인 운영 복잡성 없이 비용을 절감할 수 있었습니다. 스트리밍과 스토리지 비용을 합쳐 약 32% 절감한 것으로 추정되며, 모든 신규 자산과 인기 있는 기존 자산에 대한 기본 수집 프로필로 구현되었습니다.
컨텍스트 인식 인코딩으로 인한 예상 절감액
브라이트코브가 지원하는 여러 중견 미디어 기업을 대상으로 평균적인 절감 효과를 파악하기 위해 모델을 구축했습니다. 이 모델 미디어 기업은 총 12,400시간 분량의 비디오 콘텐츠에 해당하는 14,000개의 퍼블리싱 자산을 보유하고 있습니다. 매월 시청자들은 약 1,200,000시간의 스트리밍 콘텐츠를 소비합니다. 컨텍스트 인식 인코딩을 도입하면 스트리밍 풋프린트가 크게 감소할 것으로 예상됩니다.
| 단위 | CAE 최적화 전 | CAE 최적화 후 |
|---|---|---|
| 스토리지 | 56,000GB | 27,000GB |
| 스트리밍 대역폭 | 1,166,000GB | 933,298GB |
이 수치에 표준 스토리지 및 CDN 요금을 적용하면 CAE가 모델 사용자에게 제공하는 총 절감액을 추정할 수 있습니다.
| 단위 | CAE 최적화 전 | CAE 최적화 후 | 월별 절감액 |
|---|---|---|---|
| 월별 스토리지 | $4,500 | $2,200 | $2,300 |
| 월별 대역폭 | $52,500 | $42,000 | $10,500 |
| 월별 합계 | $57,000 | $44,200 | $12,800 (23%) |
모델링된 "전형적인 중견 미디어 기업"은 CAE 인제스트 전략을 구현하여 상당한 비용을 절감할 수 있습니다. 이 고객은 모델링된 데이터와 측정된 성능 지표를 사용하여 연간 약 154,000달러를 절감하는 동시에 시청자의 참여도를 높일 수 있습니다.
비용 절감과 경험의 품질 사이에서 균형을 맞추기 위한 노력의 일환으로, 컨텍스트 인식 인코딩은 비용 절감으로 탁월한 스트리밍 경험을 제공할 수 있는 강력한 솔루션입니다. 조직에서 절감할 수 있는 비용을 계산하려면 CAE 계산기를 사용하세요.
