韦德体育官网为什么认为体育内容AI最终应该理解球迷，而不是只理解视频？

假设一支中游球队的内容团队在赛季中段做了一次盘点：AI剪辑系统一个赛季产出了四千多条短视频，识别准确、出片及时，播放量也不差。可当商务部门问“哪些人最可能在下赛季续费会员”时，这套系统一个字也答不上来。它知道每一帧画面里是谁，却不知道屏幕前坐着的是谁。

韦德体育官网一直强调，体育内容AI最终应该理解球迷，而不只是理解视频，原因就在这里：视频识别回答的是“这一段是什么”，商业决策需要回答的是“这一段对谁有意义，他接下来会做什么”。前者让内容做得更快，后者才让内容做得有用。

行业的方向，已经从“推荐哪条视频”变成“为每个人做一档节目”

ESPN 推出直营服务后，把个性化视为必选项。其产品负责人对 SportsPro 表示，目标是从“一档节目给几百万人看”，变成“几百万档节目，每档只针对一个球迷”；公司称自 ESPN Unlimited 上线以来，短视频消费增长了65%^[1]。这件事的前提并不是把视频理解得更细，而是对每个球迷了解得足够多：他关注哪些球队，在什么时间看，看到第几秒离开。

球迷一侧的意愿也有数据可查。凯捷研究院对11个国家、1.2万多名体育迷的调查显示，64%希望收到按个人偏好定制的AI更新，70%希望获得球员和实时比赛数据；但同一份调查里，60%担心技术过多会冲淡现场比赛的兴奋感，愿意为互动AI体验多付钱的只有27%^[2]。这组数字值得运营者反复看：球迷欢迎被理解，但不欢迎被打扰，更不会为“AI”这个标签本身付钱。

理解一个球迷，要按顺序回答六个问题

韦德体育把“理解球迷”拆成六个递进的问题。每个问题都对应一类可观察的行为，而不是一个凭空贴上去的标签：

顺序很重要。如果一上来就问“他会不会买”，模型只能依赖历史订单，没有订单的人一律被判为低价值；先弄清楚他为什么来、喜欢谁，才能判断哪一种商品或权益和他有关系。

“喜欢哪个球员”，是最值钱也最常被跳过的一问

在不少俱乐部的系统里，球迷画像停留在“主队、城市、年龄段”。但真正触发消费的，往往是某个具体的人。美国一支 WNBA 球队及其所属体育集团部署 Salesforce 的 Agent 工具时，先用数据平台把票务、周边交易和服务请求中的球迷数据统一起来，再让 Agent 做两件很具体的事：在球迷生日时提醒销售人员并附上折扣码，在球迷喜欢的球员球衣补货时通知对方^[3]。

第二件事看似简单，却要求系统同时知道“这个人喜欢谁”和“那件商品现在有货”，而这恰恰是内容数据和商品数据之间最常断开的地方。球员偏好通常藏在观看和互动行为里：反复回看某名后卫的片段，在评论区提到他，点开他的个人数据页。只理解视频的AI能认出画面里是这名后卫，理解球迷的AI才能把这些零散行为归到同一个人身上，并在合适的时候提醒商品团队。

只用消费数据分群，会把最忠诚的一批人算成低价值

学界做球迷价值分群，最常用的依然是消费数据。一项研究基于荷兰一家顶级俱乐部五个赛季、31.6万名球迷的50多万笔线上周边交易，用加权 RFM 结合层次分析法和聚类，把球迷分成8个群体，其中消费金额的权重最高（0.409），其次是购买频次和最近一次消费^[4]。这套方法清晰、可复用，但它只看得见买过东西的人。

回到开头那个问题：一位十年如一日看直播、从不买球衣的老球迷，在这类模型里根本不存在。韦德体育的做法是在消费之外加入观看、互动和传播三个维度，并把“生命周期阶段”作为单独变量，避免把休赛期的沉默误判为流失。关于长期价值的更完整算法，可以参考俱乐部怎么判断一个球迷真正的长期价值。

理解得越深，边界要画得越清楚

把球迷理解得更细，风险也会同步放大。维多利亚大学的一位学者在梳理生成式AI与体育营销的论文中指出，以互动和营收为目标的算法可能侵蚀消费者的自主选择、制造信息茧房，例如让女子体育更难被发现；动态定价与微定向赞助的公平性、青少年受AI助推和博彩推广影响，也都是需要正视的问题^[5]。

国内的合规要求同样在收紧。中央网信办等部门在2025年个人信息保护系列专项行动中，把文化体育等公共场所使用人脸识别列为治理重点，并整治App和小程序超范围收集个人信息、账号无法注销等问题^[6]。对体育内容平台来说，这意味着“理解球迷”不能走“尽可能多收集”的路。

韦德体育在系统里设了几条硬边界：

• 分群只用行为，不用敏感属性：不依据健康、宗教、精确位置等信息分群，也不推断未成年人的消费能力。
• 外部平台只看聚合：短视频平台和社区的数据按内容与时段分析，不尝试把匿名评论者对应到具体个人。
• 分群可解释、可退出：每个自动分群都要能用一句话说清依据；用户可以关闭个性化推荐，关闭后不影响基础观看。
• 保留非个性化入口：首页留出编辑精选和小众项目入口，避免推荐只围着热门球员打转。

AI会在哪些地方读错球迷

理解球迷比理解视频更难，因为人的状态一直在变。以下几类错误需要人工复核：

• 把一时热度当长期偏好：某名球员爆发一场之后，大量“喜欢他”的信号可能只是短期关注，过几周就会回落。
• 把沉默当流失：休赛期、考试季、球队成绩低迷时观看减少，并不等于离开，具体判断方法见一个球迷连续三个月没有消费，AI应该判断他流失了吗。
• 把一家人当一个人：客厅大屏的观看记录可能混合了几代人的偏好，据此推荐的球员周边未必对得上。
• 把反讽读成喜爱：评论区里一句“这球踢得真好”，在输球夜里多半不是夸奖。

遇到这些情况，系统给出的是“待确认”标记，而不是直接触发推送或折扣。

下一步：周报第一张表，从“视频表现”换成“球迷状态”

对内容团队来说，最实际的变化发生在周报第一页。过去第一张表是各条视频的播放和完播，今后应该是各类球迷的状态变化：哪些新面孔第二次回来了，哪些老球迷最近看得少了，哪名球员的拥趸在增长，哪些会员开通后还没用过权益。视频依然是入口，但运营决策的对象是人。把这张表放在最前面，团队讨论的问题自然会从“下一条剪什么”，变成“这批人接下来需要什么”。

参考资料

1. SportsPro：《'Personalisation is not optional': How ESPN is using AI to turn one show into millions》，2026年4月15日。https://www.sportspro.com/analysis/insights/espn-unlimited-dtc-streaming-sportscenter-personalisation-ai/
2. Capgemini：《Over half of sports fans are turning to AI or gen AI for more personalized content》，2025年7月1日。https://www.capgemini.com/news/press-releases/over-half-of-sports-fans-are-turning-to-ai-or-gen-ai-for-more-personalized-content/
3. Salesforce Newsroom：《Indiana Fever, Pacers Sports & Entertainment Tap Salesforce to Scale Fan Engagement with Agentic AI》，2025年6月11日。https://www.salesforce.com/news/press-releases/2025/06/11/indiana-fever-pse-agentforce-fan-engagement/
4. Frontiers in Sports and Active Living：《Unlocking high-value football fans: unsupervised machine learning for customer segmentation and lifetime value》，2024年8月22日。https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2024.1362489/full
5. Frontiers in Sports and Active Living：《Algorithmic fandom: how generative AI is reshaping sports marketing, fan engagement, and the integrity of sport》，2025年5月8日。https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2025.1597444/full
6. 中央网信办：《关于开展2025年个人信息保护系列专项行动的公告》，2025年3月28日。https://www.cac.gov.cn/2025-03/28/c_1744867353112759.htm