Voorspellende OTT-personalisatie: AI-metadata en het terugdringen van klantverloop

Voor een OTT-bedrijf is het binnenhalen van een abonnee nog maar het begin.

De grootste uitdaging is om die abonnee voldoende meerwaarde te bieden, zodat hij blijft kijken, terugkomt en zijn abonnement verlengt.

Naarmate streamingbibliotheken groeien, hebben kijkers meer keuze dan ooit. Een platform kan wel honderden of duizenden titels aanbieden, maar een grote bibliotheek leidt niet automatisch tot een betere kijkervaring. Als abonnees niet snel iets relevants kunnen vinden, kan de betrokkenheid afnemen, zelfs als het platform over veel goede content beschikt.

Hier is waar voorspellende OTT-personalisatie wordt belangrijk.

In plaats van kijkers simpelweg inhoud te tonen op basis van wat ze eerder hebben bekeken, maakt voorspellende personalisatie gebruik van gedragssignalen om te anticiperen op wat ze vervolgens zouden willen zien. In combinatie met geautomatiseerde metadata en het voorspellen van klantverloop kan dit OTT-bedrijven helpen om drie gebieden met elkaar te verbinden die vaak afzonderlijk worden beheerd:

Inhoud → Gedrag van kijkers → Retentie

Het resultaat is een responsievere OTT-ervaring die bedrijven kan helpen om het ontdekken van content te verbeteren, de operationele werklast te verminderen en abonnees te identificeren die mogelijk hun interesse aan het verliezen zijn.

Voorspellende OTT-personalisatie is het gebruik van kijkgedrag, informatie over de inhoud en voorspellende modellen om in te schatten waar een individuele abonnee vervolgens in geïnteresseerd zou kunnen zijn.

Bij traditionele personalisatie is het antwoord vaak:

Wat heeft deze kijker bekeken?

Bij voorspellende personalisatie wordt de volgende vraag gesteld:

Wat wil deze kijker, gezien zijn of haar recente gedrag, waarschijnlijk het liefst hierna?

Dat verschil is van belang.

Een abonnee kijkt normaal gesproken misschien naar documentaires, maar kan plotseling live sport gaan kijken. Een andere kijker kijkt misschien vaak naar een bepaalde serie, maar begint afleveringen halverwege niet meer af te kijken.

Een personalisatiesysteem dat sterk leunt op eerdere voorkeuren, kan beide kijkers op dezelfde manier blijven behandelen.

Een voorspellend systeem kan herkennen dat het gedrag verandert.

Signalen kunnen onder meer zijn:

• Bekijkgeschiedenis

• Kijkduur

• Voltooiingspercentages

• Zoekactiviteit

• Toevoegingen aan de watchlist

• Frequentie van de sessies

• Inhoudscategorieën

• Gebruik van het apparaat

• Tijdstip

• Activiteit op het gebied van abonnementen

• Recente activiteit

• Interactie met aanbevolen inhoud

Het doel is niet om elke handeling perfect te voorspellen.

Het doel is om beschikbare signalen te gebruiken om de volgende interactie met het platform relevanter te maken.

De hoeveelheid content die voor kijkers beschikbaar is, blijft toenemen, terwijl de aandacht van de kijkers beperkt blijft.

Dit leidt tot een probleem bij het opsporen ervan.

Een abonnee wil niet elke keer dat hij een OTT-app opent de hele catalogus doorbladeren. Hij wil dat het platform hem helpt om snel iets te vinden dat de moeite waard is om te bekijken.

Daardoor is personalisatie een belangrijk onderdeel van de kijkervaring.

Maar personalisatie heeft ook een zakelijke kant.

Een relevantere ervaring kan mogelijk bijdragen aan:

• Grotere betrokkenheid

• Vaker plaatsvindende sessies

• Toename van het mediagebruik

• Beter gebruik van de inhoudscatalogus

• Grotere tevredenheid onder abonnees

• Verbeterde retentie

Daarom mag personalisatie bij OTT niet louter als een functie van de startpagina worden beschouwd.

Het kan onderdeel worden van de bredere levenscyclus van abonnees.

De twee begrippen overlappen elkaar, maar ze zijn niet identiek.

Stel je eens een abonnee voor die elke week misdaadseries kijkt.

Bij traditionele personalisatie worden wellicht nog steeds misdaaddrama’s aanbevolen.

Predictieve personalisatie kan vaststellen dat de abonnee sinds kort documentaires bekijkt over onderzoeken in de echte wereld.

Het platform kan hierop inspelen door naast bekende voorkeuren ook relevante documentaires aan te bieden.

Dit zorgt voor een flexibelere ervaring zonder volledig af te stappen van wat de kijker al leuk vindt.

Om personalisatie goed te begrijpen, moet je twee dingen begrijpen:

Wie de kijker is en Wat de inhoud omvat.

Het gedrag van de kijkers vormt het eerste deel.

Metadata levert een groot deel van het tweede.

Elke titel in een OTT-catalogus kan waardevolle informatie bevatten, zoals:

• Genre

• Subgenre

• Taal

• Cast

• Directeur

• Jaar van uitgave

• Beschrijving

• Thema’s

• Trefwoorden

• Inhoudsclassificatie

• Informatie over de aflevering

• Land

• Duur

Hoe gestructureerder en consistenter deze informatie is, hoe gemakkelijker het wordt om een grote inhoudsbibliotheek te ordenen en te analyseren.

Dit is waar geautomatiseerde metadata van pas kan komen.

Bij geautomatiseerde metadata wordt technologie gebruikt om informatie over videocontent te extraheren, te classificeren of te genereren, zonder dat elk veld handmatig hoeft te worden ingevuld.

Afhankelijk van de workflow kan automatisering helpen bij:

• Transcriptie van een toespraak

• Trekwoorden extraheren

• Genre-indeling

• Onderwerpbepaling

• Taalherkenning

• Scèneanalyse

• Entiteitsherkenning

• Het genereren van ondertitels

• Het toekennen van tags aan inhoud

• Beschrijving aanmaken

Voor een OTT-platform met een kleine bibliotheek is handmatig beheer van metadata wellicht nog goed te doen.

Voor een platform waarop honderden of duizenden assets worden toegevoegd, kan dit een aanzienlijke operationele last vormen.

Automatisering kan repetitief werk verminderen en tegelijkertijd inhoudsteams in staat stellen belangrijke informatie te controleren en goed te keuren.

Stel je twee OTT-platforms voor met even omvangrijke contentbibliotheken.

Platform A bevat inconsistente metagegevens.

Sommige titels hebben uitgebreide beschrijvingen. Bij andere is de informatie beperkt. Genres worden niet consistent toegepast. Bij oudere inhoud ontbreken tags.

Platform B heeft gestructureerde metadata in zijn hele catalogus.

De titels worden consequent ingedeeld op basis van genre, taal, thema’s, cast, onderwerpen en andere relevante kenmerken.

Platform B beschikt over een steviger basis voor het ordenen van zijn bibliotheek en het opbouwen van gepersonaliseerde inhoudsrelaties.

Daarom is metadata meer dan alleen een administratieve taak.

Het kan een onderdeel worden van de infrastructuur die ten grondslag ligt aan de kijkervaring.

Stel je een OTT-dienst voor die 1.000 nieuwe video’s ontvangt.

Bij een handmatige workflow zou een team elk bestand moeten controleren en meerdere metadatavelden moeten invullen of verifiëren.

Automatisering kan zorgen voor een eerste classificatieniveau.

Een typische workflow zou er als volgt uit kunnen zien:

Video geüpload

↓

Geautomatiseerde analyse

↓

Metadata gegenereerd

↓

Beoordelingen door het contentteam

↓

Metadata goedgekeurd

↓

Gepubliceerde inhoud

Dankzij deze aanpak kunnen teams van mensen zich richten op nauwkeurigheid, redactionele beslissingen en uitzonderingen, in plaats van op het herhaaldelijk invoeren van gegevens.

De grootste kans doet zich voor wanneer metadata van content en het gedrag van kijkers met elkaar in verband worden gebracht.

Stel dat een OTT-platform weet dat een abonnee vaak naar het volgende kijkt:

• Historische documentaires

• Politieke drama's

• Uitgebreide interviews

De inhoudsbibliotheek kan vervolgens worden geanalyseerd op titels met verwante thema’s.

Stel nu dat de abonnee kortere onderzoeksdocumentaires gaat bekijken.

Het platform biedt twee waardevolle signalen:

Inhoudsanalyses: Waar gaat elke titel over?

Gedragsintelligentie: Waar de kijker zich daadwerkelijk mee bezighoudt.

Door deze twee te combineren kan personalisatie nog nuttiger worden.

In plaats van titels aan te bevelen louter omdat ze tot hetzelfde brede genre behoren, kan het platform diepere verbanden tussen de inhoud en de interesses van de kijkers vaststellen.

Personalisatie speelt een belangrijke rol bij klantenbinding.

Een abonnee die steeds weer relevante inhoud vindt, heeft meer redenen om terug te komen.

Een abonnee die herhaaldelijk een app opent en daar niets interessants kan vinden, zal zijn gebruik geleidelijk aan verminderen.

Dat maakt een afnemende betrokkenheid tot een belangrijk signaal voor OTT-aanbieders.

Neem dit voorbeeld eens:

Maand 1: De abonnee bekijkt 12 sessies

Maand 2: De abonnee bekijkt 9 sessies

Maand 3: De abonnee bekijkt 5 sessies

Maand 4: De abonnee kijkt één keer

Maand 5: Abonnee zegt op

De annulering is eenvoudig te meten.

Het is veel waardevoller om de afname in betrokkenheid te signaleren voordat er tot opzegging wordt overgegaan.

van opzegging of beëindiging.

Het kan combinaties van signalen in aanmerking nemen, zoals:

• Minder vaak kijken

• Kortere sessies

• Lagere slagingspercentages

• Langere tussenpozen tussen de sessies

• Minder zoekopdrachten

• Minder interactie met aanbevelingen

• Verminderde activiteit op de volglijst

• Abonements- of betalingsgebeurtenissen

• Veranderingen in het gedrag van het apparaat

• Langdurige inactiviteit

Eén enkel signaal betekent niet per se dat een abonnee zal opzeggen.

Het kan zijn dat een kijker gewoon op reis is, het druk heeft of tijdelijk met iets anders bezig is.

De waarde zit hem in het analyseren van patronen, in plaats van te reageren op één op zichzelf staande gebeurtenis.

Eenvoudige OTT-churnsegmenten samenstellen

OTT-aanbieders kunnen beginnen met eenvoudige risicogroepen.

Deze segmenten hoeven niet permanent te zijn.

Het gedrag van kijkers verandert.

Een abonnee die vandaag als ‘risicogroep’ wordt aangemerkt, kan weer normaal betrokken raken nadat hij relevante nieuwe inhoud heeft ontdekt.

Voorspelling alleen is niet voldoende om het klantverloop te verminderen.

Het platform moet het inzicht omzetten in een passende maatregel.

Relevante inhoud aanbevelen

Als het kijkgedrag van een abonnee afneemt, toon dan inhoud die goed aansluit bij zijn of haar recente interesses.

Nieuwe releases onder de aandacht brengen

Een abonnee kan terugkomen wanneer er een nieuwe titel verschijnt in een categorie die hij of zij vaak bekijkt.

Maak gepersonaliseerde collecties

Stel in plaats van algemene aanbiedingen collecties samen op basis van daadwerkelijke kijkgedragspatronen.

Gerichte meldingen versturen

Berichten kunnen worden geactiveerd op basis van relevante inhoud, in plaats van naar alle abonnees te worden verzonden.

Aanbiedingen heroverwegen

Afhankelijk van het bedrijfsmodel kunnen geselecteerde abonnees aanbiedingen ter behoud van klanten, alternatieve abonnementen of andere stimulansen ontvangen.

Het belangrijkste uitgangspunt is relevantie boven frequentie.

Het versturen van meer meldingen leidt niet automatisch tot meer betrokkenheid.

Deze mogelijkheden worden aanzienlijk waardevoller wanneer ze in één workflow worden geïntegreerd.

Stap 1: Signalen van kijkers verzamelen

Leg relevante interacties op het OTT-platform vast.

Voorbeelden hiervan zijn bekijken, zoeken, invullen, opslaan, zich abonneren en terugkeren.

Stap 2: Metagegevens van de inhoud structureren

Zorg ervoor dat titels consistente en nuttige informatie bevatten.

Automatisering kan helpen om het proces te versnellen.

Stap 3: Inzicht krijgen in de voorkeuren van de kijkers

Analyseer kijkgedrag om interesses, veranderingen en terugkerende patronen in kaart te brengen.

Stap 4: De ervaring personaliseren

Gebruik die inzichten om te bepalen welke inhoud voor elke abonnee meer onder de aandacht moet worden gebracht.

Stap 5: De betrokkenheid bijhouden

Houd bij of gepersonaliseerde ervaringen het kijkgedrag daadwerkelijk verbeteren.

Stap 6: Afnemende betrokkenheid signaleren

Identificeer abonnees bij wie de activiteit op een manier verandert die erop zou kunnen wijzen dat ze hun interesse verliezen.

Stap 7: Retentieacties in gang zetten

Gebruik relevante inhoud, communicatie of aanbiedingen om blijvende betrokkenheid te stimuleren.

Stap 8: Meet het resultaat

Vergelijk de betrokkenheid en het behoud vóór en na de interventie.

Zo ontstaat er een voortdurende cyclus:

Inhoud → Metadata → Gedrag → Personalisatie → Betrokkenheid → Klantbehoud

Een personalisatiestrategie moet worden afgemeten aan de bedrijfsresultaten.

Belangrijke kengetallen zijn onder meer:

Betrokkenheidsstatistieken

• Sessies per abonnee

• Kijktijd

• Gemiddelde sessieduur

• Voltooiing van de inhoud

• Terugkeerfrequentie

Cijfers over personalisatie

• Doorklikpercentage van aanbevelingen

• De inhoud begint bij de gepersonaliseerde rijen

• Aangepaste inhoudsvulfunctie

• Herhaalde betrokkenheid

Retentiecijfers

• Maandelijks verloop

• Klantenbinding

• Heractiveringspercentage

• Verlengingspercentage

• Levenslange waarde van een abonnee

Inhoudsstatistieken

• Consumptie van content per categorie

• Gebruik van de catalogus

• Prestaties van nieuw toegevoegde titels

• Consumptie van long-tail-content

Het is van cruciaal belang om personalisatie niet uitsluitend aan de hand van klikken te meten.

Een aanbeveling die weliswaar klikken genereert, maar weinig voltooiingen of herhaalde interacties oplevert, is mogelijk niet waardevol.

Voorspellende personalisatie kan zeer effectief zijn, maar de manier waarop dit wordt geïmplementeerd is van groot belang.

1. Te veel gebruik maken van historische gegevens

De voorkeuren van een kijker kunnen veranderen.

Recent gedrag mag niet altijd worden overschaduwd door eerdere kijkgeschiedenis.

2. Hetzelfde soort inhoud aanbevelen

Als het platform herhaaldelijk vrijwel identieke titels aanbeveelt, kan de personalisatie eentonig aanvoelen.

Ontdekking moet nog steeds ruimte laten voor relevante verscheidenheid.

3. De kwaliteit van metadata negeren

Slechte inhoudsinformatie kan de kwaliteit van de personalisatie beperken.

Automatisering lost inconsistenties in de brongegevens niet automatisch op.

4. Elke abonnee op dezelfde manier behandelen

Een zeer actieve abonnee en een vrijwel inactieve abonnee hebben mogelijk heel verschillende ervaringen nodig.

5. Het voorspellen van klantverloop zonder maatregelen te nemen

Een churn-dashboard is geen strategie om klanten te behouden.

Zodra een abonnee als risicogebruikers wordt aangemerkt, moet het bedrijf hierop duidelijk reageren.

6. Overmatig gebruik van meldingen

Voortdurende berichten kunnen vermoeidheid veroorzaken.

Communicatie gericht op klantenbinding moet gebaseerd zijn op relevantie en timing.

Niet elk streamingbedrijf heeft vanaf het begin een ingewikkeld personalisatiesysteem nodig.

Een praktische aanpak is om bij de basis te beginnen.

Ten eerste: de gegevenskwaliteit verbeteren

Zorg ervoor dat belangrijke gebeurtenissen van kijkers op een consistente manier worden vastgelegd.

Ten tweede: standaardiseer de metagegevens

Stel duidelijke regels op voor genres, categorieën, beschrijvingen, talen, tags en andere inhoudskenmerken.

Ten derde: automatiseer repetitief werk

Gebruik geautomatiseerde processen om het handmatig aanmaken en classificeren van metadata te verminderen.

Ten vierde: begin met hoogwaardige personalisatie

Richt je eerst op onderwerpen zoals:

• Rijen op de startpagina

• Blijf kijken

• Onlangs toegevoegd

• Genreverzamelingen

• Gepersonaliseerde inhoudslijsten

Ten vijfde: segmentatie op basis van klantverloop invoeren

Begin met het in kaart brengen van duidelijke dalingen in de betrokkenheid.

Ten zesde: maatregelen ter behoud van testresultaten

Ga na of gepersonaliseerde aanbevelingen, inhoudsmeldingen of andere maatregelen er daadwerkelijk voor zorgen dat gebruikers terugkomen.

Tot slot: Uitvouwen

Zodra de basis op orde is, kan personalisatie op verschillende apparaten, voor verschillende doelgroepen, bij verschillende soorten content en in verschillende abonnementsfasen steeds geavanceerder worden.

Voor het opzetten van een voorspellende personalisatiestrategie is meer nodig dan alleen een aanbevelingsengine.

De OTT-sector heeft ook een solide basis nodig voor het beheer van content, abonnees, streaming, het genereren van inkomsten, applicaties en analyses.

Dit is waar een geïntegreerd OTT-platform de complexiteit kan verminderen.

Vodlix biedt een platform voor het lanceren en exploiteren van merkgebonden OTT-streamingdiensten op meerdere platforms, met mogelijkheden op het gebied van contentbeheer, het genereren van inkomsten, analyse, applicaties en streaminginfrastructuur.

Voor OTT-bedrijven biedt dit de operationele basis die nodig is om content en de ervaringen van abonnees op elkaar af te stemmen, in plaats van elk onderdeel van de streamingactiviteiten via losstaande systemen te beheren.

Het doel is niet om technologie toe te voegen omwille van de technologie zelf.

Het doel is om een OTT-ervaring te creëren waarin inhoudsgegevens, kijkgedrag, personalisatie en zakelijke beslissingen kunnen op elkaar worden afgestemd.

De volgende fase van OTT-personalisatie zal minder draaien om de vraag wat een kijker gisteren heeft bekeken, en meer om het inzicht in wat zijn of haar gedrag het platform vandaag vertelt.

De interesses van een kijker kunnen veranderen.

Hun betrokkenheid kan veranderen.

Hun favoriete apparaat kan veranderen.

Hun bereidheid om te vernieuwen kan veranderen.

De sterkste OTT-platforms zullen snel op die veranderingen kunnen inspelen.

Dat betekent dat voorspellende personalisatie meer kan worden dan alleen een aanbevelingsfunctie.

Het ondersteunt het gehele traject van de abonnee:

Ontdekken → Bekijken → Terugkeren → Betrekken → Vernieuwen

Tegelijkertijd kunnen geautomatiseerde metadata OTT-aanbieders helpen bij het beheren van steeds grotere contentbibliotheken, terwijl voorspellingen van het klantverloop kunnen aangeven welke abonnees mogelijk extra aandacht nodig hebben.

Samen zorgen deze technologieën voor een meer geïntegreerde benadering van streaming.

OTT-personalisatie evolueert van eenvoudige aanbevelingslogica naar een meer voorspellende aanpak.

Door een combinatie van het gedrag van kijkers, gestructureerde metagegevens over de inhoud en signalen van betrokkenheid, kunnen streamingbedrijven ervaringen creëren die beter aansluiten bij de individuele abonnees.

Geautomatiseerde metadata kunnen de operationele last van het beheer van grote bibliotheken verlichten.

Voorspellende personalisatie kan kijkers helpen om sneller relevante inhoud te vinden.

Door het voorspellen van klantverloop kunnen bedrijven een afnemende betrokkenheid signaleren voordat dit tot opzeggingen leidt.

Maar de echte kans ligt in het met elkaar verbinden van deze drie.

• Betere metadata helpt platforms om inhoud beter te begrijpen.

• Gedragsgegevens helpen platforms om hun kijkers beter te begrijpen.

• Voorspellende personalisatie brengt deze twee met elkaar in verband.

• Met 'churn intelligence' kun je die inzichten omzetten in strategieën om klanten te behouden.

Voor OTT-bedrijven is het doel uiteindelijk heel duidelijk: elke interactie relevanter maken en tegelijkertijd het platform gebruiksvriendelijker en waardevoller maken voor abonnees.

Met een geïntegreerd OTT-platform zoals Vodlix kunnen streamingbedrijven de infrastructuur opbouwen die nodig is om content, abonnees, inkomsten, applicaties en analyses te beheren naarmate ze groeien.

Klaar om een meer gepersonaliseerde OTT-ervaring te creëren? Probeer Vodlix en bouw een streamingplatform dat is ontworpen om de betrokkenheid van kijkers te vergroten en hen op lange termijn te behouden.