Trasforma il comportamento degli utenti in un coinvolgimento più efficace, una maggiore fidelizzazione e un valore nel corso del ciclo di vita più elevato.
Pubblicato: • Ultimo Aggiornamento:
Per un’azienda che opera nel settore OTT, convincere uno spettatore ad abbonarsi è solo l’inizio.
La sfida più grande è offrire a quell’abbonato un valore tale da spingerlo a continuare a guardare, a tornare e a rinnovare l’abbonamento.
Con l'ampliamento dei cataloghi in streaming, gli spettatori hanno più scelta che mai. Una piattaforma può avere a disposizione centinaia o migliaia di titoli, ma un catalogo ampio non garantisce automaticamente un'esperienza di visione migliore. Se gli abbonati non riescono a trovare rapidamente qualcosa di interessante, il loro coinvolgimento può diminuire anche quando la piattaforma offre molti contenuti di qualità.
È qui che personalizzazione predittiva OTT diventa importante.
Anziché limitarsi a mostrare agli spettatori contenuti basati su ciò che hanno guardato in precedenza, la personalizzazione predittiva utilizza segnali comportamentali per anticipare ciò che potrebbero desiderare in seguito. Se abbinata ai metadati automatizzati e alla previsione del tasso di abbandono, può aiutare le aziende OTT a collegare tre aree che spesso vengono gestite separatamente:
Contenuto → Comportamento degli utenti → Fidelizzazione
Il risultato è un'esperienza OTT più reattiva, in grado di aiutare le aziende a migliorare la scoperta dei contenuti, ridurre il carico di lavoro operativo e individuare gli abbonati che potrebbero perdere interesse.
La personalizzazione predittiva OTT consiste nell’utilizzare il comportamento degli spettatori, le informazioni sui contenuti e i modelli predittivi per anticipare ciò che potrebbe interessare a un singolo abbonato in futuro.
La personalizzazione tradizionale spesso risponde:
Cosa ha guardato questo spettatore?
La personalizzazione predittiva si pone la seguente domanda:
In base al comportamento recente di questo utente, qual è la cosa che più probabilmente vorrà fare dopo?
Quella differenza è importante.
Un abbonato potrebbe essere solito guardare documentari, ma improvvisamente iniziare a seguire eventi sportivi in diretta. Un altro spettatore potrebbe guardare spesso una determinata serie, ma iniziare ad abbandonare gli episodi a metà.
Un sistema di personalizzazione che si basa in larga misura sulle preferenze passate potrebbe continuare a trattare entrambi gli utenti allo stesso modo.
Un sistema predittivo è in grado di riconoscere che il comportamento sta cambiando.
I segnali possono includere:
Cronologia delle visualizzazioni
Durata della visione
Tassi di completamento
Attività di ricerca
Aggiunte alla lista di controllo
Frequenza delle sedute
Categorie di contenuti
Utilizzo del dispositivo
Ora del giorno
Attività relativa agli abbonamenti
Impegno recente
Interazione con i contenuti consigliati
L'obiettivo non è quello di prevedere ogni azione alla perfezione.
Lo scopo è quello di utilizzare i segnali disponibili per rendere più pertinente la prossima interazione con la piattaforma.
La quantità di contenuti a disposizione degli spettatori continua ad aumentare, mentre l'attenzione degli spettatori rimane limitata.
Questo crea un problema di individuazione.
Un abbonato non vuole sfogliare l'intero catalogo ogni volta che apre un'applicazione OTT. Vuole che la piattaforma lo aiuti a trovare rapidamente qualcosa che valga la pena guardare.
Questo rende la personalizzazione una parte importante dell'esperienza di visione.
Ma la personalizzazione ha anche una dimensione commerciale.
Un'esperienza più pertinente potrebbe potenzialmente contribuire a:
Maggiore coinvolgimento
Sessioni più frequenti
Maggiore consumo di contenuti
Migliore utilizzo del catalogo dei contenuti
Maggiore soddisfazione degli abbonati
Maggiore fidelizzazione
Ecco perché la personalizzazione OTT non dovrebbe essere considerata solo come una funzionalità della homepage.
Può diventare parte integrante del più ampio ciclo di vita dell'abbonato.
I due concetti si sovrappongono, ma non sono identici.
Consigli tradizionali | Personalizzazione predittiva OTT |
Si basa in larga misura sulle visioni precedenti | Prende in considerazione la modifica dei modelli comportamentali |
Spesso tiene conto delle preferenze note | Tentativi di prevedere gli interessi futuri |
Consiglia principalmente contenuti | Può supportare decisioni più ampie in materia di coinvolgimento |
Potrebbe basarsi su segmenti di pubblico statici | È in grado di adattarsi al comportamento individuale |
I dati storici hanno una forte influenza | I segnali più recenti possono assumere maggiore importanza |
Prendiamo ad esempio un abbonato che guarda serie poliziesche ogni settimana.
La personalizzazione tradizionale potrebbe continuare a consigliare serie poliziesche.
La personalizzazione predittiva potrebbe rilevare che l’abbonato ha recentemente iniziato a guardare documentari su indagini reali.
La piattaforma può rispondere proponendo documentari pertinenti in base alle preferenze già note dell'utente.
Ciò garantisce un'esperienza più flessibile senza rinunciare del tutto a ciò che già piace allo spettatore.
La personalizzazione dipende dalla comprensione di due aspetti:
Chi è lo spettatore e Cosa comprende il contenuto.
Il comportamento degli spettatori costituisce la prima parte.
I metadati forniscono gran parte di quest'ultima.
Ogni titolo presente in un catalogo OTT può contenere informazioni preziose quali:
Genere
Sottogenere
Lingua
Cast
Direttore
Anno di uscita
Descrizione
Temi
Parole chiave
Classificazione dei contenuti
Informazioni sull'episodio
Paese
Durata
Più queste informazioni sono strutturate e coerenti, più diventa facile organizzare e analizzare un ampio archivio di contenuti.
È proprio in questo contesto che i metadati automatizzati possono rivelarsi preziosi.
I metadati automatizzati utilizzano la tecnologia per estrarre, classificare o generare informazioni sui contenuti video senza che sia necessario inserire manualmente ogni singolo campo.
A seconda del flusso di lavoro, l'automazione può essere d'aiuto per:
Trascrizione del discorso
Estrazione delle parole chiave
Classificazione per genere
Identificazione degli argomenti
Rilevamento della lingua
Analisi della scena
Riconoscimento delle entità
Generazione dei sottotitoli
Etichettatura dei contenuti
Creazione della descrizione
Per una piattaforma OTT con un catalogo limitato, la gestione manuale dei metadati può risultare fattibile.
Per una piattaforma che aggiunge centinaia o migliaia di risorse, ciò può rappresentare un onere operativo non indifferente.
L'automazione può ridurre il lavoro ripetitivo, consentendo al contempo ai team responsabili dei contenuti di verificare e approvare le informazioni importanti.
Immaginate due piattaforme OTT con cataloghi di contenuti altrettanto ricchi.
La piattaforma A presenta metadati incoerenti.
Alcuni titoli presentano descrizioni dettagliate. Altri contengono informazioni limitate. I generi sono indicati in modo non uniforme. Nei contenuti più datati mancano i tag.
La piattaforma B dispone di metadati strutturati in tutto il proprio catalogo.
I suoi titoli sono sistematicamente classificati per genere, lingua, temi, cast, argomenti e altri attributi rilevanti.
La piattaforma B dispone di una base più solida per organizzare la propria libreria e creare relazioni personalizzate con i contenuti.
Ecco perché i metadati vanno oltre il semplice compito amministrativo.
Può diventare parte integrante dell'infrastruttura che sta alla base dell'esperienza visiva.
Si consideri un servizio OTT che riceve 1.000 nuovi video.
Un flusso di lavoro manuale potrebbe richiedere a un team di esaminare ogni risorsa e di creare o verificare diversi campi di metadati.
L'automazione può fornire un primo livello di classificazione.
Un flusso di lavoro tipico potrebbe essere il seguente:
Video caricato
↓
Analisi automatizzata
↓
Metadati generati
↓
Revisioni del team responsabile dei contenuti
↓
Metadati approvati
↓
Contenuti pubblicati
Questo approccio consente ai team di persone di concentrarsi sull'accuratezza, sulle decisioni editoriali e sulle eccezioni, anziché sull'inserimento ripetitivo dei dati.
L'opportunità più grande si presenta quando i metadati dei contenuti e il comportamento degli spettatori vengono messi in relazione tra loro.
Supponiamo che una piattaforma OTT sappia che un abbonato guarda spesso:
Documentari storici
Drammi politici
Interviste approfondite
È quindi possibile analizzare la libreria dei contenuti alla ricerca di titoli che trattino temi correlati.
Supponiamo ora che l'abbonato inizi a guardare documentari investigativi più brevi.
La piattaforma offre due segnali importanti:
Intelligenza dei contenuti: Di cosa tratta ogni titolo.
Intelligenza comportamentale: Ciò con cui lo spettatore interagisce effettivamente.
Combinando questi due aspetti, la personalizzazione può risultare più utile.
Anziché consigliare titoli semplicemente perché appartengono allo stesso genere generico, la piattaforma è in grado di individuare relazioni più profonde tra i contenuti e gli interessi degli spettatori.
La personalizzazione ha un ruolo fondamentale nella fidelizzazione.
Un abbonato che trova costantemente contenuti pertinenti ha più motivi per tornare.
Un abbonato che apre ripetutamente un’applicazione senza riuscire a trovare nulla di interessante potrebbe ridurre gradualmente l’utilizzo.
Questo rende il calo del coinvolgimento un segnale importante per gli operatori OTT.
Si consideri questo esempio:
Mese 1: L’abbonato guarda 12 sessioni
Mese 2: L'abbonato guarda 9 sessioni
Mese 3: L'abbonato guarda 5 sessioni
Mese 4: L'abbonato guarda una volta
Mese 5: L'abbonato disdice l'abbonamento
È facile quantificare l'annullamento.
L'opportunità più importante è individuare il calo di coinvolgimento prima della cancellazione.
di annullamento o recesso.
Può prendere in considerazione combinazioni di segnali quali:
Frequenza di visione ridotta
Sessioni più brevi
Tassi di completamento più bassi
Intervalli più lunghi tra una sessione e l’altra
Ricerche ridotte
Minore interazione con i suggerimenti
Riduzione dell'attività nella lista di monitoraggio
Eventi relativi agli abbonamenti o ai pagamenti
Cambiamenti nel comportamento del dispositivo
Inattività prolungata
Un singolo segnale non implica necessariamente che un abbonato intenda disdire il contratto.
È possibile che uno spettatore sia semplicemente in viaggio, impegnato o temporaneamente interessato a un’altra attività.
Il valore deriva dall'analisi dei modelli piuttosto che dalla reazione a un singolo evento isolato.
Gli operatori OTT possono iniziare con gruppi di rischio semplici.
Segmento di abbonati | Schema tipico | Risposta dell'azienda |
Rischio basso | Visualizzazioni regolari e coinvolgimento costante | Mantenere l'esperienza |
Guarda | Un certo calo dell’attività | Migliorare la pertinenza dei contenuti |
A rischio | Significativo calo del coinvolgimento | Reinserimento mirato |
Alto rischio | Inattività prolungata o segnali negativi multipli | Intervento di fidelizzazione |
Questi segmenti non devono necessariamente essere permanenti.
Cambiamenti nel comportamento degli spettatori.
Un abbonato classificato oggi come “a rischio” potrebbe tornare a un livello normale di coinvolgimento dopo aver scoperto nuovi contenuti pertinenti.
La previsione di per sé non riduce il tasso di abbandono.
La piattaforma deve trasformare l'intuizione in un'azione adeguata.
Se l'attività di visualizzazione di un abbonato è in calo, proponi contenuti che corrispondano il più possibile ai suoi interessi recenti.
Un abbonato potrebbe tornare sul sito quando viene pubblicato un nuovo titolo in una categoria che consulta spesso.
Anziché ricorrere a promozioni generiche, crea collezioni basate sulle effettive abitudini di navigazione.
I messaggi possono essere attivati in base a contenuti rilevanti, anziché essere inviati a tutti gli iscritti.
A seconda del modello di business, alcuni abbonati selezionati potrebbero ricevere offerte di fidelizzazione, piani alternativi o altri incentivi.
Il principio fondamentale è rilevanza piuttosto che frequenza.
L'invio di un maggior numero di notifiche non comporta automaticamente un aumento del coinvolgimento.
Queste funzionalità acquisiscono un valore notevolmente maggiore quando vengono integrate in un unico flusso di lavoro.
Rileva le interazioni rilevanti sulla piattaforma OTT.
Tra gli esempi figurano la visualizzazione, la ricerca, il completamento, il salvataggio, l'iscrizione e il ritorno.
Assicurati che i titoli contengano informazioni coerenti e utili.
L'automazione può contribuire ad accelerare il processo.
Analizzare le abitudini di visione per individuare interessi, cambiamenti e comportamenti ricorrenti.
Utilizza queste informazioni per stabilire quali contenuti debbano ricevere maggiore visibilità per ciascun abbonato.
Verifica se le esperienze personalizzate migliorano effettivamente il comportamento di navigazione.
Individuare gli abbonati la cui attività sta subendo cambiamenti che potrebbero indicare un calo di interesse.
Utilizza contenuti, comunicazioni o offerte pertinenti per incoraggiare un coinvolgimento costante.
Confronta i livelli di coinvolgimento e fidelizzazione prima e dopo l'intervento.
Questo crea un ciclo continuo:
Contenuto → Metadati → Comportamento → Personalizzazione → Coinvolgimento → Fidelizzazione
Una strategia di personalizzazione dovrebbe essere valutata in base ai risultati aziendali.
Tra gli indicatori più importanti figurano:
Sessioni per abbonato
Tempo di visione
Durata media della sessione
Completamento del contenuto
Frequenza di restituzione
Tasso di clic sulle raccomandazioni
Il contenuto inizia dalle righe personalizzate
Completamento personalizzato dei contenuti
Coinvolgimento ripetuto
Tasso di abbandono mensile
Fidelizzazione degli abbonati
Tasso di riattivazione
Tasso di rinnovo
Valore del cliente nel corso della sua vita
Consumo di contenuti per categoria
Utilizzo del catalogo
Andamento dei titoli aggiunti di recente
Consumo di contenuti "long-tail"
La chiave sta nell'evitare di valutare la personalizzazione solo in base ai clic.
Un suggerimento che riceve clic ma genera un basso tasso di completamento o un coinvolgimento ripetuto potrebbe non essere utile.
La personalizzazione predittiva può essere molto efficace, ma la sua implementazione è fondamentale.
Le preferenze di uno spettatore possono cambiare.
Il comportamento recente non dovrebbe sempre essere influenzato eccessivamente dalla cronologia di visualizzazione precedente.
Se la piattaforma consiglia ripetutamente titoli quasi identici, la personalizzazione può risultare ripetitiva.
La scoperta dovrebbe comunque lasciare spazio a una varietà significativa.
Informazioni di scarsa qualità sui contenuti possono limitare la qualità della personalizzazione.
L'automazione non risolve automaticamente le incongruenze nei dati di origine.
Un abbonato molto attivo e uno quasi inattivo potrebbero necessitare di esperienze molto diverse.
Un dashboard sul tasso di abbandono non è una strategia di fidelizzazione.
L'azienda deve fornire una risposta chiara non appena un abbonato viene identificato come a rischio.
I messaggi ripetuti possono causare stanchezza.
La comunicazione volta alla fidelizzazione dovrebbe basarsi sulla pertinenza e sulla tempistica.
Non tutte le aziende che operano nel settore dello streaming hanno bisogno, fin dall'inizio, di un sistema di personalizzazione complesso.
Un approccio pratico consiste nel partire dalle basi.
Assicurati che gli eventi importanti relativi agli spettatori vengano registrati in modo coerente.
Stabilisci regole chiare relative a generi, categorie, descrizioni, lingue, tag e altri attributi dei contenuti.
Utilizzare processi automatizzati per ridurre la creazione e la classificazione manuale dei metadati.
Concentrati innanzitutto su aspetti quali:
Righe della homepage
Continua a guardare
Aggiunti di recente
Raccolte per genere
Elenchi di contenuti personalizzati
Inizia individuando i cali evidenti nel livello di coinvolgimento.
Valutare se i consigli personalizzati, gli avvisi sui contenuti o altri interventi riescano effettivamente a far tornare gli utenti.
Una volta che le basi saranno state gettate, la personalizzazione potrà diventare più sofisticata su diversi dispositivi, per diversi segmenti di pubblico, tipi di contenuti e fasi dell'abbonamento.
Per sviluppare una strategia di personalizzazione predittiva non basta un semplice motore di raccomandazione.
Il settore OTT necessita inoltre di solide basi per la gestione dei contenuti, degli abbonati, dello streaming, della monetizzazione, delle applicazioni e dell'analisi dei dati.
È proprio in questo ambito che una piattaforma OTT integrata può ridurre la complessità.
Vodlix offre una piattaforma per il lancio e la gestione di servizi di streaming OTT brandizzati su più piattaforme, con funzionalità che spaziano dalla gestione dei contenuti alla monetizzazione, dall’analisi dei dati alle applicazioni, fino all’infrastruttura di streaming.
Per le aziende del settore OTT, ciò fornisce le basi operative necessarie per integrare i contenuti e l'esperienza degli abbonati, anziché gestire ogni aspetto dell'attività di streaming attraverso sistemi scollegati tra loro.
L'obiettivo non è quello di introdurre la tecnologia fine a se stessa.
L'obiettivo è quello di creare un'esperienza OTT in cui I dati relativi ai contenuti, il comportamento degli utenti, la personalizzazione e le decisioni aziendali possono integrarsi tra loro.
La prossima fase della personalizzazione OTT non consisterà tanto nel chiedere cosa abbia guardato uno spettatore ieri, quanto piuttosto nel comprendere cosa il suo comportamento stia comunicando alla piattaforma oggi.
Gli interessi di uno spettatore possono cambiare.
Il loro impegno può cambiare.
Il dispositivo che preferiscono può cambiare.
La loro disponibilità a rinnovare può cambiare.
Le piattaforme OTT più solide saranno in grado di reagire rapidamente a tali cambiamenti.
Ciò significa che la personalizzazione predittiva può diventare qualcosa di più di una semplice funzione di raccomandazione.
È in grado di supportare l'intero percorso dell'abbonato:
Scopri → Guarda → Torna → Interagisci → Rinnova
Allo stesso tempo, i metadati automatizzati possono aiutare gli operatori OTT a gestire librerie di contenuti sempre più vaste, mentre la previsione del tasso di abbandono può individuare gli abbonati che potrebbero necessitare di attenzione.
Insieme, queste tecnologie danno vita a un approccio più interconnesso allo streaming.
La personalizzazione nell'ambito dell'OTT si sta evolvendo da una semplice logica di raccomandazione verso un approccio più predittivo.
Combinando comportamento degli utenti, metadati strutturati sui contenuti e segnali di coinvolgimento, le piattaforme di streaming possono offrire esperienze più personalizzate per i singoli abbonati.
I metadati generati automaticamente possono ridurre il carico operativo legato alla gestione di librerie di grandi dimensioni.
La personalizzazione predittiva può aiutare gli spettatori a trovare più rapidamente contenuti pertinenti.
La previsione del tasso di abbandono può aiutare le aziende a individuare un calo del coinvolgimento prima che si traduca in una disdetta.
Ma la vera opportunità sta proprio nel mettere in relazione tutte e tre queste cose.
Metadati di qualità superiore aiutano le piattaforme a comprendere i contenuti.
I dati comportamentali aiutano le piattaforme a comprendere gli utenti.
La personalizzazione predittiva mette in relazione questi due aspetti.
L'analisi del tasso di abbandono aiuta a trasformare tali informazioni in strategie di fidelizzazione.
Per le aziende del settore OTT, l’obiettivo finale è chiaro: rendere ogni interazione più pertinente, rendendo al contempo la piattaforma più facile da utilizzare e più vantaggiosa per gli abbonati.
Grazie a una piattaforma OTT integrata come Vodlix, le aziende operanti nel settore dello streaming possono creare l’infrastruttura necessaria per gestire contenuti, abbonati, monetizzazione, applicazioni e analisi dei dati man mano che crescono.
Sei pronto a creare un'esperienza OTT più personalizzata? Prova Vodlix e crea una piattaforma di streaming pensata per migliorare il coinvolgimento degli spettatori e la loro fidelizzazione a lungo termine.
La personalizzazione predittiva OTT si avvale del comportamento degli spettatori, dei metadati dei contenuti e di altri segnali per anticipare ciò che un abbonato potrebbe voler guardare o con cui potrebbe voler interagire in seguito.
I consigli tradizionali si basano spesso in larga misura sui comportamenti di visualizzazione precedenti. La personalizzazione predittiva può invece tenere conto anche dei recenti cambiamenti nel comportamento e di altri segnali per anticipare gli interessi futuri.
I metadati aiutano una piattaforma di streaming a comprendere l'argomento di ciascun contenuto. I metadati strutturati possono rendere più efficaci l'organizzazione, la ricerca, l'individuazione e la personalizzazione dei contenuti.
I metadati automatizzati utilizzano la tecnologia per estrarre o generare informazioni quali argomenti, parole chiave, lingue, categorie e altri attributi dai contenuti video.
La personalizzazione può favorire la fidelizzazione aiutando gli utenti a trovare contenuti pertinenti e incoraggiando un coinvolgimento costante. Tuttavia, i risultati dipendono dalla qualità dei contenuti, dai dati, dall'implementazione e dall'esperienza complessiva degli abbonati.
Tra i segnali potenziali figurano il calo della frequenza di visualizzazione, sessioni più brevi, tassi di completamento più bassi, un aumento dell’inattività, una riduzione delle ricerche e cambiamenti nel comportamento relativo agli abbonamenti.
No. I metadati generati automaticamente possono ridurre il lavoro ripetitivo, ma la revisione umana rimane fondamentale per garantire l'accuratezza editoriale, il rispetto degli standard del marchio e la qualità dei contenuti.
I metadati descrivono i contenuti, mentre il comportamento degli utenti riflette gli interessi degli abbonati. La combinazione di entrambi può aiutare le piattaforme OTT a creare esperienze di contenuto più pertinenti.
Inizia con dati comportamentali affidabili e metadati dei contenuti coerenti. Successivamente, introduci la personalizzazione in aree di grande valore, quali i suggerimenti nella homepage, le raccolte di contenuti e la funzione “Continua a guardare”.
Tra le metriche utili figurano il tempo di visualizzazione, la frequenza delle sessioni, il coinvolgimento nei consigli, il completamento dei contenuti, le visite ripetute, la fidelizzazione, il tasso di abbandono e il valore del ciclo di vita degli iscritti.
Sì. Le piattaforme più piccole possono partire da casi d'uso mirati, invece di realizzare sistemi complessi. La chiave sta nel partire da dati puliti e da un obiettivo aziendale specifico.
La fidelizzazione incide direttamente sui ricavi ricorrenti. Mantenere alto il coinvolgimento degli abbonati esistenti può ridurre la necessità di sostituire continuamente gli abbonamenti disdetti attraverso l'acquisizione di nuovi clienti.
Abbonati per ricevere le ultime notizie, strategie e insights sui business di membership direttamente nella tua casella di posta.
Abbiamo inviato un'email di conferma alla tua casella di posta.
Abbonandoti, accetti di ricevere email di marketing occasionali da noi. Puoi annullare l'abbonamento in qualsiasi momento con un singolo clic.
Questo sito è protetto da reCAPTCHA, e la Politica sulla Privacy e Condizioni d'Utilizzo di Google si applicano.
Scopri come pubblicare la tua app OTT su Roku, Samsung Tizen, LG webOS e Apple tvOS, passando per le fasi di p
Amna Akhtar
·
Scopri come funziona l'architettura SSAI per AVOD e FAST, compresi il processo decisionale relativo alla pubbl
Amna Akhtar
·
Scopri come le piattaforme OTT possono gestire oltre 100.000 spettatori simultanei con CDN scalabili, streamin
Amna Akhtar
·
