Facebook 直播如何撐起瞬間 80 萬人的流量? - Inside 硬塞的網路趨勢觀察



Facebook 直播如何撐起瞬間 80 萬人的流量? - Inside 硬塞的網路趨勢觀察

我們做了重大決定,就是把在影片的努力轉而聚焦到直播上,因為它是接下來的新格式,而非已經存在線上 5 -- 10 年的那種影片。我們正進入影片的新黃金年代,我相信往前快轉 5 年,很有可能 Facebook 上使用者每天分享的內容幾乎都是影片。 如果你在廣告業,還有什麼比沒有盡頭、一直在成長,而且免費產生的內容更適合拿來放廣告呢?這就像 Google 在網路指數成長時,為各網站提供廣告所開拓的市場一樣。 Facebook 的直播技術堅強,就像 BuzzFeed 在 Facebook 直播用橡皮筋爆西瓜,最高達 80 萬人同時在線上收看,共有 30 多萬條留言。這也是在 15 億使用者的社群網路上才看得到的病毒傳播效應。 作為參考, 2015 年的超級盃共有 1.14 億觀眾收看,平均有 236 萬人在看直播;2015 的 E3 電玩展則同時有 84 萬人在 Twitch 上收看;而 9 月 16 日的共和黨辯論最多有 92.

Read full article from Facebook 直播如何撐起瞬間 80 萬人的流量? - Inside 硬塞的網路趨勢觀察


No comments:

Post a Comment

Labels

Algorithm (219) Lucene (130) LeetCode (97) Database (36) Data Structure (33) text mining (28) Solr (27) java (27) Mathematical Algorithm (26) Difficult Algorithm (25) Logic Thinking (23) Puzzles (23) Bit Algorithms (22) Math (21) List (20) Dynamic Programming (19) Linux (19) Tree (18) Machine Learning (15) EPI (11) Queue (11) Smart Algorithm (11) Operating System (9) Java Basic (8) Recursive Algorithm (8) Stack (8) Eclipse (7) Scala (7) Tika (7) J2EE (6) Monitoring (6) Trie (6) Concurrency (5) Geometry Algorithm (5) Greedy Algorithm (5) Mahout (5) MySQL (5) xpost (5) C (4) Interview (4) Vi (4) regular expression (4) to-do (4) C++ (3) Chrome (3) Divide and Conquer (3) Graph Algorithm (3) Permutation (3) Powershell (3) Random (3) Segment Tree (3) UIMA (3) Union-Find (3) Video (3) Virtualization (3) Windows (3) XML (3) Advanced Data Structure (2) Android (2) Bash (2) Classic Algorithm (2) Debugging (2) Design Pattern (2) Google (2) Hadoop (2) Java Collections (2) Markov Chains (2) Probabilities (2) Shell (2) Site (2) Web Development (2) Workplace (2) angularjs (2) .Net (1) Amazon Interview (1) Android Studio (1) Array (1) Boilerpipe (1) Book Notes (1) ChromeOS (1) Chromebook (1) Codility (1) Desgin (1) Design (1) Divide and Conqure (1) GAE (1) Google Interview (1) Great Stuff (1) Hash (1) High Tech Companies (1) Improving (1) LifeTips (1) Maven (1) Network (1) Performance (1) Programming (1) Resources (1) Sampling (1) Sed (1) Smart Thinking (1) Sort (1) Spark (1) Stanford NLP (1) System Design (1) Trove (1) VIP (1) tools (1)

Popular Posts