Personalizacja OTT oparta na prognozowaniu: metadane oparte na sztucznej inteligencji i ograniczenie odpływu klientów

W przypadku serwisu OTT przekonanie widza do wykupienia subskrypcji to dopiero początek.

Prawdziwym wyzwaniem jest zapewnienie subskrybentowi wystarczającej wartości, aby nadal oglądał treści, wracał do serwisu i przedłużał subskrypcję.

Wraz z rozwojem bibliotek serwisów streamingowych widzowie mają większy wybór niż kiedykolwiek wcześniej. Platforma może oferować setki lub tysiące tytułów, ale duża biblioteka nie oznacza automatycznie lepszych wrażeń z oglądania. Jeśli subskrybenci nie mogą szybko znaleźć czegoś odpowiedniego, ich zaangażowanie może spaść, nawet jeśli platforma dysponuje bogatą ofertą dobrych treści.

To właśnie tutaj prognostyczna personalizacja usług OTT nabiera znaczenia.

Zamiast po prostu wyświetlać widzom treści na podstawie tego, co oglądali wcześniej, personalizacja predykcyjna wykorzystuje sygnały behawioralne, aby przewidzieć, czego mogą chcieć w następnej kolejności. W połączeniu z automatycznymi metadanymi i prognozowaniem rezygnacji może pomóc firmom z branży OTT połączyć trzy obszary, które często są zarządzane oddzielnie:

Treść → Zachowania użytkowników → Utrzymanie użytkowników

W rezultacie uzyskujemy bardziej responsywne doświadczenie w ramach usług OTT, które może pomóc firmom usprawnić odkrywanie treści, zmniejszyć obciążenie operacyjne oraz zidentyfikować abonentów, którzy mogą tracić zainteresowanie.

Personalizacja predykcyjna w serwisach OTT polega na wykorzystaniu danych dotyczących zachowań widzów, informacji o treściach oraz modeli predykcyjnych w celu przewidzenia, czym dany abonent może się zainteresować w następnej kolejności.

W tradycyjnej personalizacji często pojawia się odpowiedź:

Co obejrzał ten widz?

Personalizacja predykcyjna stawia następujące pytania:

Biorąc pod uwagę ostatnie zachowanie tego użytkownika, czego najprawdopodobniej będzie on teraz szukał?

Ta różnica ma znaczenie.

Abonent może zazwyczaj oglądać filmy dokumentalne, ale nagle zacząć oglądać transmisje sportowe na żywo. Inny widz może często oglądać konkretny serial, ale zacząć rezygnować z oglądania odcinków w połowie.

System personalizacji, który w dużym stopniu opiera się na dotychczasowych preferencjach, może nadal traktować obu widzów w ten sam sposób.

System predykcyjny potrafi rozpoznać, że zachowanie ulega zmianie.

Sygnały mogą obejmować:

• Historia przeglądania

• Czas trwania filmu

• Wskaźniki ukończenia

• Aktywność wyszukiwania

• Dodane pozycje do listy obserwowanych

• Częstotliwość sesji

• Kategorie treści

• Korzystanie z urządzenia

• Pora dnia

• Aktywność związana z subskrypcjami

• Ostatnie działania

• Interakcja z polecanymi treściami

Celem nie jest idealne przewidywanie każdego działania.

Chodzi o to, by wykorzystać dostępne sygnały, aby kolejna interakcja z platformą była bardziej trafna.

Ilość treści dostępnych dla widzów stale rośnie, podczas gdy ich uwaga pozostaje ograniczona.

Powoduje to problem z wykrywalnością.

Abonent nie chce za każdym razem, gdy otwiera aplikację OTT, przeglądać całego katalogu. Chce, aby platforma pomogła mu szybko znaleźć coś, co warto obejrzeć.

To sprawia, że personalizacja stanowi ważny element wrażeń związanych z oglądaniem.

Personalizacja ma jednak również wymiar biznesowy.

Bardziej adekwatne doświadczenie może potencjalnie pomóc w:

• Większe zaangażowanie

• Częstsze sesje

• Wzrost konsumpcji treści

• Lepsze wykorzystanie katalogu treści

• Wyższy poziom zadowolenia abonentów

• Lepsze utrzymanie klientów

Właśnie dlatego personalizacji w serwisach OTT nie należy traktować wyłącznie jako funkcji strony głównej.

Może stać się częścią szerszego cyklu życia abonenta.

Te dwie koncepcje pokrywają się, ale nie są identyczne.

Weźmy na przykład widza, który co tydzień ogląda seriale kryminalne.

Tradycyjna personalizacja może nadal proponować seriale kryminalne.

Personalizacja oparta na przewidywaniach może wykryć, że subskrybent niedawno zaczął oglądać filmy dokumentalne poświęcone prawdziwym śledztwom.

Platforma może na to zareagować, proponując użytkownikom odpowiednie filmy dokumentalne, uwzględniając ich dotychczasowe preferencje.

Dzięki temu użytkownik zyskuje większą elastyczność, nie rezygnując przy tym całkowicie z tego, co już mu się podoba.

Personalizacja zależy od zrozumienia dwóch kwestii:

Kim jest widz oraz Co zawiera ta treść.

Pierwszą część stanowi zachowanie widzów.

Metadane dostarczają znacznej części tej drugiej informacji.

Każdy tytuł w katalogu serwisu OTT może zawierać cenne informacje, takie jak:

• Gatunek

• Podgatunek

• Język

• Obsada

• Dyrektor

• Rok wydania

• Opis

• Tematy

• Słowa kluczowe

• Klasyfikacja treści

• Informacje o odcinku

• Kraj

• Czas trwania

Im bardziej uporządkowane i spójne są te informacje, tym łatwiej jest uporządkować i przeanalizować obszerną bibliotekę treści.

Właśnie w tym momencie automatycznie generowane metadane mogą okazać się bardzo przydatne.

Zautomatyzowane metadane wykorzystują technologię do pozyskiwania, klasyfikowania lub generowania informacji o treściach wideo bez konieczności ręcznego wprowadzania danych w każdym polu.

W zależności od przebiegu pracy automatyzacja może pomóc w:

• Transkrypcja przemówienia

• Wydobywanie słów kluczowych

• Klasyfikacja gatunkowa

• Określenie tematu

• Wykrywanie języka

• Analiza sceny

• Rozpoznawanie podmiotów

• Tworzenie napisów

• Oznaczanie treści

• Tworzenie opisu

W przypadku platformy OTT z niewielką biblioteką ręczne zarządzanie metadanymi może być wykonalne.

W przypadku platformy, do której dodaje się setki lub tysiące zasobów, może to stanowić znaczne obciążenie operacyjne.

Automatyzacja pozwala ograniczyć powtarzalne zadania, umożliwiając jednocześnie zespołom ds. treści weryfikację i zatwierdzanie ważnych informacji.

Wyobraźmy sobie dwie platformy OTT z równie bogatymi bibliotekami treści.

Platforma A zawiera niespójne metadane.

Niektóre tytuły zawierają szczegółowe opisy. Inne zawierają ograniczone informacje. Gatunki są przypisywane w sposób niejednolity. W starszych treściach brakuje tagów.

Platforma B posiada uporządkowane metadane w całym swoim katalogu.

Tytuły są konsekwentnie klasyfikowane według gatunku, języka, motywów, obsady, tematów i innych istotnych cech.

Platforma B dysponuje solidniejszymi podstawami do porządkowania swojej biblioteki i tworzenia spersonalizowanych powiązań między treściami.

Właśnie dlatego metadane to coś więcej niż tylko zadanie administracyjne.

Może stać się częścią infrastruktury zapewniającej komfort oglądania.

Rozważmy serwis OTT, który otrzymuje 1 000 nowych filmów.

Ręczny proces może wymagać od zespołu sprawdzenia każdego zasobu oraz utworzenia lub zweryfikowania wielu pól metadanych.

Automatyzacja może zapewnić wstępną warstwę klasyfikacji.

Typowy przebieg pracy mógłby wyglądać następująco:

Wideo zostało opublikowane

↓

Analiza automatyczna

↓

Wygenerowano metadane

↓

Recenzje zespołu ds. treści

↓

Metadane zatwierdzone

↓

Opublikowane treści

Takie podejście pozwala zespołom złożonym z ludzi skupić się na dokładności, decyzjach redakcyjnych i przypadkach wyjątkowych, a nie na powtarzalnym wprowadzaniu danych.

Największe możliwości pojawiają się wtedy, gdy połączy się metadane treści z zachowaniami odbiorców.

Załóżmy, że platforma OTT wie, że dany abonent często ogląda:

• Filmy dokumentalne o tematyce historycznej

• Dramaty polityczne

• Wywiady w formie rozbudowanej

Następnie można przeanalizować bibliotekę treści pod kątem tytułów poruszających pokrewne tematy.

Załóżmy teraz, że abonent zaczyna oglądać krótsze filmy dokumentalne o charakterze śledczym.

Platforma oferuje dwa cenne sygnały:

Analiza treści: O czym jest każdy z tych tytułów.

Inteligencja behawioralna: To, z czym widz faktycznie wchodzi w interakcję.

Połączenie tych dwóch elementów może sprawić, że personalizacja będzie bardziej przydatna.

Zamiast polecać tytuły tylko dlatego, że należą do tej samej szerokiej kategorii gatunkowej, platforma potrafi rozpoznać głębsze powiązania między treściami a zainteresowaniami widzów.

Personalizacja ma istotny wpływ na utrzymanie klientów.

Subskrybent, który regularnie znajduje interesujące treści, ma więcej powodów, by tu wracać.

Użytkownik, który wielokrotnie otwiera aplikację i nie może znaleźć w niej nic interesującego, może stopniowo ograniczać korzystanie z niej.

To sprawia, że spadek zaangażowania stanowi ważny sygnał dla operatorów usług OTT.

Rozważmy następujący przykład:

Miesiąc 1: Abonent ogląda 12 sesji

Miesiąc 2: Subskrybent ogląda 9 sesji

Miesiąc 3: Subskrybent ogląda 5 sesji

Miesiąc 4: Subskrybent ogląda raz

Miesiąc 5: Abonent rezygnuje

Anulowanie jest łatwe do zmierzenia.

Bardziej wartościową szansą jest wykrycie spadku zaangażowania jeszcze przed anulowaniem.

anulowania lub wycofania się.

Może uwzględniać kombinacje sygnałów, takie jak:

• Zmniejszona częstotliwość oglądania

• Krótsze sesje

• Niższe wskaźniki ukończenia studiów

• Dłuższe przerwy między sesjami

• Ograniczone wyszukiwania

• Mniejsza interakcja z rekomendacjami

• Zmniejszona aktywność na liście obserwowanych

• Zdarzenia związane z subskrypcją lub płatnością

• Zmiany w działaniu urządzenia

• Długotrwała bezczynność

Pojedynczy sygnał niekoniecznie oznacza, że abonent zrezygnuje z usług.

Widz może po prostu być w podróży, zajęty lub chwilowo zainteresowany czymś innym.

Wartość wynika z analizy wzorców, a nie z reagowania na pojedyncze zdarzenie.

Tworzenie prostych segmentów klientów rezygnujących z usług OTT

Operatorzy usług OTT mogą zacząć od prostych grup ryzyka.

Segmenty te nie muszą być stałe.

Zmiany w zachowaniu użytkowników.

Subskrybent sklasyfikowany dzisiaj jako „zagrożony” może powrócić do normalnego poziomu aktywności po zapoznaniu się z nowymi, interesującymi treściami.

Samo prognozowanie nie ogranicza odpływu klientów.

Platforma musi przełożyć tę wiedzę na odpowiednie działanie.

Poleć powiązane treści

Jeśli aktywność abonenta w zakresie oglądania spada, wyświetlaj treści, które ściśle odpowiadają jego ostatnim zainteresowaniom.

Promuj nowości

Subskrybent może powrócić, gdy w kategorii, którą często ogląda, pojawi się nowy tytuł.

Twórz spersonalizowane kolekcje

Zamiast ogólnych promocji, twórz kolekcje oparte na rzeczywistych wzorcach przeglądania.

Wysyłaj spersonalizowane powiadomienia

Wiadomości mogą być wysyłane w oparciu o istotne treści, a nie do wszystkich subskrybentów.

Przeanalizuj oferty

W zależności od modelu biznesowego wybrani abonenci mogą otrzymywać oferty mające na celu utrzymanie klientów, alternatywne plany taryfowe lub inne zachęty.

Ważną zasadą jest to, że trafność przed częstotliwością.

Wysyłanie większej liczby powiadomień nie oznacza automatycznie większego zaangażowania.

Funkcje te zyskują znacznie większą wartość, gdy zostaną połączone w jeden proces roboczy.

Krok 1: Zbieranie sygnałów z odbiorników

Rejestruj istotne interakcje na całej platformie OTT.

Przykłady obejmują przeglądanie, wyszukiwanie, wypełnianie, zapisywanie, subskrybowanie i powrót.

Krok 2: Strukturyzowanie metadanych treści

Należy zadbać o to, by tytuły zawierały spójne i przydatne informacje.

Automatyzacja może pomóc w przyspieszeniu tego procesu.

Krok 3: Zapoznanie się z preferencjami widzów

Analizuj wzorce oglądania, aby zidentyfikować zainteresowania, zmiany i powtarzające się zachowania.

Krok 4: Dostosuj doświadczenie do indywidualnych potrzeb

Wykorzystaj te spostrzeżenia, aby ustalić, które treści powinny być bardziej widoczne dla poszczególnych subskrybentów.

Krok 5: Monitorowanie zaangażowania

Sprawdź, czy spersonalizowane treści rzeczywiście wpływają na zmiany w zachowaniach użytkowników.

Krok 6: Wykrywanie spadku zaangażowania

Zidentyfikuj subskrybentów, których aktywność zmienia się w sposób, który może wskazywać na spadek zaangażowania.

Krok 7: Uruchomienie działań mających na celu utrzymanie klientów

Wykorzystuj odpowiednie treści, komunikaty lub oferty, aby zachęcić użytkowników do dalszego angażowania się.

Krok 8: Zmierz wynik

Porównaj poziom zaangażowania i utrzymania klientów przed i po wdrożeniu działania.

W ten sposób powstaje ciągły cykl:

Treść → Metadane → Zachowanie → Personalizacja → Zaangażowanie → Utrzymanie użytkowników

Strategię personalizacji należy oceniać pod kątem wyników biznesowych.

Do najważniejszych wskaźników należą:

Wskaźniki zaangażowania

• Liczba sesji na abonenta

• Czas oglądania

• Średni czas trwania sesji

• Uzupełnienie treści

• Częstotliwość zwrotów

Wskaźniki personalizacji

• Współczynnik klikalności rekomendacji

• Treść zaczyna się od spersonalizowanych wierszy

• Spersonalizowane uzupełnianie treści

• Ponowne zaangażowanie

Wskaźniki utrzymania klientów

• Miesięczny wskaźnik rezygnacji

• Utrzymanie abonentów

• Wskaźnik reaktywacji

• Wskaźnik odnowienia

• Wartość klienta w całym okresie współpracy

Wskaźniki dotyczące treści

• Korzystanie z treści według kategorii

• Wykorzystanie katalogu

• Wyniki nowo dodanych tytułów

• Korzystanie z treści z segmentu „long tail”

Najważniejsze jest, aby nie oceniać personalizacji wyłącznie na podstawie liczby kliknięć.

Rekomendacja, która generuje kliknięcia, ale charakteryzuje się niskim wskaźnikiem realizacji lub powtórnego zaangażowania, może nie mieć wartości.

Personalizacja oparta na prognozowaniu może być bardzo skuteczna, ale kluczowe znaczenie ma sposób jej wdrożenia.

1. Wykorzystywanie zbyt dużej ilości danych historycznych

Preferencje widza mogą ulec zmianie.

Niedawne zachowanie nie powinno zawsze być całkowicie zdominowane przez dawną historię przeglądania.

2. Rekomendowanie treści tego samego rodzaju

Jeśli platforma wielokrotnie poleca niemal identyczne tytuły, personalizacja może wydawać się monotonna.

Odkrywanie powinno nadal pozostawiać miejsce na odpowiednią różnorodność.

3. Zaniedbywanie jakości metadanych

Niewystarczające informacje o treści mogą ograniczać jakość personalizacji.

Automatyzacja nie rozwiązuje automatycznie problemu niespójności danych źródłowych.

4. Równe traktowanie wszystkich subskrybentów

Bardzo aktywny subskrybent i niemal nieaktywny subskrybent mogą wymagać zupełnie różnych doświadczeń.

5. Prognozowanie utraty klientów bez podejmowania działań

Panel wskaźników dotyczący rezygnacji klientów nie jest strategią utrzymania klientów.

Gdy abonent zostanie zidentyfikowany jako osoba z grupy ryzyka, firma musi podjąć zdecydowane działania.

6. Nadmierne korzystanie z powiadomień

Ciągłe komunikaty mogą powodować zmęczenie.

Komunikacja mająca na celu utrzymanie klientów powinna opierać się na trafności i odpowiednim wyczuciu czasu.

Nie każda firma zajmująca się streamingiem potrzebuje od samego początku skomplikowanego systemu personalizacji.

Praktycznym podejściem jest rozpoczęcie od podstaw.

Po pierwsze, popraw jakość danych

Należy zadbać o to, by ważne zdarzenia dotyczące widzów były rejestrowane w sposób spójny.

Po drugie, ujednolicenie metadanych

Opracuj jasne zasady dotyczące gatunków, kategorii, opisów, języków, tagów i innych atrybutów treści.

Po trzecie, zautomatyzuj powtarzalne zadania

Wykorzystaj zautomatyzowane procesy, aby ograniczyć ręczne tworzenie i klasyfikację metadanych.

Po czwarte, zacznij od personalizacji o wysokiej wartości

Najpierw skup się na takich obszarach jak:

• Wiersze na stronie głównej

• Oglądaj dalej

• Ostatnio dodane

• Kolekcje gatunkowe

• Spersonalizowane listy treści

Po piąte, wprowadź segmentację klientów pod kątem rezygnacji

Zacznij od zidentyfikowania wyraźnych spadków zaangażowania.

Po szóste, działania mające na celu utrzymanie wyników testów

Sprawdź, czy spersonalizowane rekomendacje, powiadomienia o nowych treściach lub inne działania faktycznie skłaniają użytkowników do powrotu.

Na koniec: Rozwiń

Gdy już podstawy będą gotowe, personalizacja może stać się bardziej zaawansowana w odniesieniu do różnych urządzeń, grup odbiorców, rodzajów treści i etapów subskrypcji.

Opracowanie strategii personalizacji opartej na prognozowaniu wymaga czegoś więcej niż tylko silnika rekomendacji.

Branża OTT potrzebuje również solidnych podstaw do zarządzania treściami, abonentami, transmisją strumieniową, monetyzacją, aplikacjami i analizami.

Właśnie w tym zakresie zintegrowana platforma OTT może zmniejszyć stopień złożoności.

Vodlix oferuje platformę umożliwiającą uruchamianie i prowadzenie markowych serwisów streamingowych typu OTT na wielu platformach, obejmującą funkcje związane z zarządzaniem treściami, monetyzacją, analityką, aplikacjami oraz infrastrukturą streamingową.

Dla firm z branży OTT stanowi to podstawę operacyjną niezbędną do połączenia treści z doświadczeniami abonentów, zamiast zarządzania każdym elementem działalności związanej z transmisją strumieniową za pomocą oddzielnych systemów.

Celem nie jest wprowadzanie technologii tylko dla samej technologii.

Chodzi o stworzenie usługi OTT, w której dane dotyczące treści, zachowania użytkowników, personalizacja oraz decyzje biznesowe mogą się wzajemnie uzupełniać.

Kolejny etap personalizacji usług OTT będzie polegał nie tyle na pytaniu, co widz oglądał wczoraj, ile na zrozumieniu, jakie wnioski platforma może wyciągnąć z jego dzisiejszych zachowań.

Zainteresowania widza mogą ulec zmianie.

Ich zaangażowanie może ulec zmianie.

Ich ulubione urządzenie może się zmieniać.

Ich gotowość do odnowy może ulec zmianie.

Najsilniejsze platformy OTT będą w stanie szybko reagować na te zmiany.

Oznacza to, że personalizacja oparta na prognozach może stać się czymś więcej niż tylko funkcją rekomendacji.

Może wspierać całą ścieżkę klienta:

Odkryj → Obejrzyj → Wróć → Zaangażuj się → Odnów

Jednocześnie zautomatyzowane metadane mogą pomóc operatorom OTT w zarządzaniu coraz większymi bibliotekami treści, a prognozowanie rezygnacji pozwala zidentyfikować abonentów, którzy mogą wymagać szczególnej uwagi.

W połączeniu technologie te tworzą bardziej zintegrowane podejście do streamingu.

Personalizacja w serwisach OTT ewoluuje od prostej logiki rekomendacji w kierunku podejścia opartego w większym stopniu na prognozowaniu.

Łącząc zachowania użytkowników, ustrukturyzowane metadane treści oraz wskaźniki zaangażowania, firmy zajmujące się transmisją strumieniową mogą tworzyć treści lepiej dostosowane do indywidualnych potrzeb poszczególnych abonentów.

Automatycznie generowane metadane mogą zmniejszyć obciążenie operacyjne związane z zarządzaniem dużymi bibliotekami.

Personalizacja oparta na przewidywaniach może pomóc widzom szybciej znaleźć odpowiednie treści.

Prognozowanie rezygnacji klientów może pomóc firmom w wykryciu spadku zaangażowania, zanim doprowadzi to do rezygnacji.

Jednak prawdziwa szansa wynika z połączenia wszystkich trzech elementów.

• Lepsze metadane pomagają platformom w zrozumieniu treści.

• Dane dotyczące zachowań pomagają platformom lepiej zrozumieć odbiorców.

• Personalizacja oparta na prognozach łączy te dwa elementy.

• Analiza wskaźników rezygnacji pomaga przekształcić te spostrzeżenia w strategie utrzymania klientów.

Dla firm z branży OTT cel jest w gruncie rzeczy prosty: sprawić, by każda interakcja była bardziej trafna, a jednocześnie uczynić platformę łatwiejszą w obsłudze i bardziej wartościową dla abonentów.

Dzięki zintegrowanej platformie OTT, takiej jak Vodlix, firmy zajmujące się streamingiem mogą budować infrastrukturę niezbędną do zarządzania treściami, subskrybentami, monetyzacją, aplikacjami i analizami w miarę rozwoju działalności.

Chcesz stworzyć bardziej spersonalizowane doświadczenie OTT? Wypróbuj Vodlix i stwórz platformę streamingową zaprojektowaną z myślą o większym zaangażowaniu widzów i ich długoterminowym utrzymaniu.