admin 
O que é melhor para gerar engajamento de conteúdo em aplicativos de streaming: uma linha de conteúdo selecionada por editores ou uma linha selecionada por algoritmos? É uma pergunta capciosa. Em nossa experiência, a resposta para impulsionar o engajamento não é escolher um ou outro – é usar os dois! Você precisa que o editorial e a ciência de dados trabalhem em harmonia para selecionar e organizar o conteúdo em uma determinada linha da maneira mais provável de atrair um consumidor individual.
Por mais bem-sucedida que essa abordagem possa ser, você pode enfrentar uma batalha para que isso aconteça. A equipe de ciência de dados da 24i trabalhou com muitos serviços de streaming em personalização e todos eles parecem seguir uma versão da mesma jornada. As equipes editoriais e de ciência de dados começam a se odiar. As equipes editoriais acham que não há como um mecanismo de recomendação entender as nuances de como os humanos categorizam o conteúdo. As equipes de dados acreditam que os humanos não podem escolher uma única seleção de conteúdo que atraia igualmente todos os usuários de um serviço de streaming. E ambos estão certos.
Há – e sempre haverá – um papel importante para os especialistas em conteúdo de curar VOD e bibliotecas de conteúdo ao vivo e apresentá-las de maneira atraente para o público exclusivo de cada serviço de streaming. As equipes editoriais têm uma grande noção de quais programas serão quentes. Há também um forte incentivo comercial para garantir que o conteúdo do cabeçalho seja promovido para maximizar o retorno do investimento em direitos. Se eles estão animados com Guerra dos Tronos, há uma tentação de supor que todos os espectadores também serão. Mas e se você colocar a ciência de dados em cima dessas decisões editoriais?
Fazendo o Banner Hero funcionar de forma mais inteligente para você
Vamos começar pelo topo. Seu banner de herói é a parte mais proeminente do espaço na tela em cada aplicativo. Normalmente, é um carrossel de conteúdo importante que você deseja exibir para os usuários, por exemplo, aquela série de TV exclusiva ou franquia de esportes em que você investiu tanto. Portanto, faz sentido que sua equipe editorial escolha o que aparece neste local. Mas pode fazer uma enorme diferença no engajamento se você permitir que os algoritmos refinem essa seleção dinamicamente para cada usuário individual. Deixe que os dados definam quais cinco dos 10 principais itens de sua equipe editorial devem ser promovidos a um determinado usuário e em qual ordem.
Por exemplo, se um usuário específico nunca assistiu a um único reality show em seu serviço, o algoritmo pode garantir que você não promova o último show de talentos de canto para ele como o primeiro item que ele vê no login. Por outro lado, alguém que assistiu a conteúdo relacionado no passado provavelmente será correspondido com a promoção do show de talentos imediatamente. Da mesma forma, se um usuário assistiu à sua nova série dramática ontem, o algoritmo pode garantir que você esteja promovendo outra coisa da lista editorial para eles até que o próximo episódio seja lançado em alguns dias.
Muitas equipes editoriais também variam o banner do herói por partes do dia, como “manhã”, “TV diurna”, “início da noite” e “tarde da noite”. Demonstrou-se que isso aumenta o engajamento, mas os algoritmos podem variar o banner do herói por hora, bem como com base nos padrões de visualização típicos dessa família naquele momento. Isso é mais óbvio em casas de família, onde o conteúdo infantil domina a pós-escola e antes disso (espero) na hora de dormir cedo. No entanto, se um espectador ou família não tiver filhos, a promoção da Peppa Pig nesse momento seria uma perda de engajamento.
Essa combinação vencedora de posicionamento editorial e algorítmico pode e deve ser aplicada em todos os seus aplicativos. Quando entrevistamos Dan Taylor-Watt, ex-diretor de produto da BBC iPlayerele nos disse que a BBC viu um aumento de 36% em “jogos completos” quando eles adicionaram algoritmos de personalização que ajustaram a ordem do trilho “Novo e Tendência” do iPlayer com base no histórico pessoal do usuário.
Editorial e Dados – Um Duo Dinâmico
Qualquer linha de conteúdo preenchida por humanos pode ser otimizada fazendo ajustes sutis e automatizados por usuário. Aqui está um exemplo. Realizamos testes A/B para um de nossos clientes para demonstrar o valor de personalizar as linhas com curadoria. A um grupo de visitantes do serviço foi mostrada, logo abaixo do banner do herói, uma fileira de conteúdo que havia sido personalizado em termos de ordem. Mais abaixo na página, eles viram uma linha que tinha acabado de ser curada por humanos e não teve intervenção externa para determinar a ordem.
No outro grupo de teste, essas linhas foram invertidas. A linha puramente com curadoria foi posicionada mais alta e a linha personalizada empurrada para baixo na página. Os resultados mostraram uma taxa 50% maior de conversões gerais (o número de itens de conteúdo reproduzidos versus o número de itens de conteúdo exibidos) quando a linha personalizada foi exibida na posição mais proeminente.
Conhecendo você
E os novos usuários que não tiveram tempo de construir um histórico de visualizações? Ou serviços suportados por anúncios que não exigem que um usuário faça login? O que os algoritmos podem fazer nesse cenário?
A chave para essa coorte é mostrar a eles uma ampla variedade de conteúdo para aumentar as chances de eles encontrarem algo de que gostem. Depois que seus editores escolherem o conteúdo “em destaque” que melhor mostra a amplitude de sua biblioteca, deixe os algoritmos garantirem que a ordem dos itens de conteúdo em uma linha seja alterada sempre que um usuário fizer login ou para cada visualização de página exclusiva. A seleção de conteúdo com curadoria permanecerá a mesma, mas há menos risco de o aplicativo parecer repetitivo em uma visita de retorno. Você também aumentará a chance de os usuários descobrirem algo novo para assistir.
Um aplicativo totalmente dinâmico é o futuro?
A extensão lógica dessa abordagem é pensar verticalmente e horizontalmente. Assim como os dados podem ser usados para definir a ordem dos itens de conteúdo em uma determinada linha horizontal, eles também podem ser usados para refinar a ordem vertical na qual as linhas são exibidas na página. Se os dados sugerirem que um usuário individual adora comédia, mas nunca demonstrou interesse em drama de fantasia, deixe seus algoritmos deslocarem toda a sua linha de shows de stand-up para o topo da página e solte a linha de biografias históricas.
Até onde essa abordagem dinâmica de interface do usuário irá? Teoricamente, você poderia ter uma página completamente dinâmica sem dois consumidores vendo a mesma experiência, bem como os resultados de pesquisa do Google. Você pode mover o trilho “Tendências” para baixo se os dados informarem que esse usuário específico nunca clicou em um item de conteúdo dessa categoria antes.
No entanto, não consigo ver muitos serviços de streaming levando seu compromisso com a interface do usuário dinâmica tão longe. Se a ideia de um trilho “Trending” é ajudar os usuários a encontrar sua próxima série favorita, você vai querer mantê-lo proeminente apenas no caso. Como humanos, adoramos um pouco de familiaridade. Se você já relançou a interface do usuário de um site, saberá que os usuários podem ser muito, muito vocais em sua raiva por uma mudança no status quo. Esses mesmos usuários ficarão igualmente irritados dois ou três anos depois, quando sua próxima atualização chegar, porque mais uma vez isso perturba o desejo deles pelo familiar. Portanto, eu não aconselharia que qualquer serviço de streaming mergulhe diretamente em um layout de página totalmente dinâmico.
Onde você começa com esta estratégia?
Se você ainda não tentou combinar algoritmos e editoriais em seu serviço, recomendo fazer alguns testes em seu banner de herói para começar. Garanto que você ficará impressionado com os resultados.
Este é o segundo de uma série de artigos para Streaming Media em que estou detalhando cinco estratégias de personalização novas e emergentes que estamos vendo usadas com grande efeito por nossos clientes e outros serviços de streaming líderes. Você pode encontrar um visão geral das outras quatro estratégias aqui.
Na próxima semana, veremos como diferentes técnicas e mensagens de ciência de dados podem ser usadas para alcançar resultados diferentes para o seu negócio. Se você não pode esperar tanto tempo, confira nosso guia eletrônico: Cinco estratégias de aumento de engajamento que todo serviço de streaming deve adotar agora.
[Editor’s note: This is a contributed article from 24i. Streaming Media accepts vendor bylines based solely on their value to our readers.]
Artigos relacionados
Descompactando a psicologia das recomendações de conteúdo bem-sucedidas
Se você deseja adicionar ou atualizar suas recomendações baseadas em dados, você deve optar por Recomendado para você, porque você assistiu ou em alta para trazer o maior aumento no engajamento? O vice-presidente sênior de produtos de dados da 24i, Damien Read, argumenta que a escolha dos nomes das seções e os modelos de dados por trás deles devem ser ajustados à sua base de usuários e aos seus objetivos de negócios específicos.
16 de agosto de 2022
Uma nova era de guerras de streaming está aqui – e essa batalha está se tornando pessoal
Em meio a uma concorrência acirrada, os serviços de streaming estão buscando novas estratégias de personalização para aumentar o envolvimento do conteúdo, combater a rotatividade, aumentar a receita de publicidade e incentivar os usuários a retornar aos seus aplicativos. Quais abordagens novas e emergentes baseadas em dados devem ser usadas pelos serviços de streaming para aumentar a experiência do usuário de descoberta de conteúdo?
02 de agosto de 2022
Empresas e fornecedores mencionados
