本发明公开了一种基于视频的交互方法、终端、服务器及系统，属于信息处理技术领域。方法包括：获取交互指令；根据交互指令获取与视频相关的多媒体数据；发送多媒体数据；接收与多媒体数据匹配的至少一种交互页面，不同交互页面对应不同类型的交互操作；显示至少一种交互页面，根据每种交互页面执行对应类型的交互操作。本发明通过获取并发送与视频相关的多媒体数据；接收并显示与多媒体数据匹配的至少一种交互页面；根据每种交互页面执行对应类型的交互操作，提高了交互的成功率，降低了交互复杂度。由于多媒体数据包含的内容较丰富，与多媒体数据匹配的交互页面的种类较多，因而根据接收到的交互页面执行的交互操作具有多样性，丰富了交互体验。