Vorausschauende OTT-Personalisierung: KI-Metadaten und Reduzierung der Abwanderungsrate

Für ein OTT-Unternehmen ist es erst der Anfang, einen Zuschauer dazu zu bewegen, ein Abonnement abzuschließen.

Die größere Herausforderung besteht darin, diesem Abonnenten genügend Mehrwert zu bieten, damit er weiter schaut, wiederkommt und sein Abonnement verlängert.

Da die Streaming-Bibliotheken immer umfangreicher werden, haben die Zuschauer mehr Auswahlmöglichkeiten denn je. Eine Plattform mag zwar Hunderte oder Tausende von Titeln im Angebot haben, doch eine große Bibliothek sorgt nicht automatisch für ein besseres Seherlebnis. Wenn Abonnenten relevante Inhalte nicht schnell finden können, kann die Nutzerbindung sinken – selbst wenn die Plattform über reichlich gute Inhalte verfügt.

Hier ist, wo vorausschauende OTT-Personalisierung wird wichtig.

Anstatt den Zuschauern lediglich Inhalte auf der Grundlage ihrer bisherigen Sehgewohnheiten anzuzeigen, nutzt die prädiktive Personalisierung Verhaltenssignale, um vorherzusagen, was sie als Nächstes interessieren könnte. In Kombination mit automatisierten Metadaten und Abwanderungsprognosen kann dies OTT-Unternehmen dabei helfen, drei Bereiche miteinander zu verknüpfen, die oft getrennt verwaltet werden:

Inhalt → Nutzerverhalten → Bindung

Das Ergebnis ist ein reaktionsschnelleres OTT-Erlebnis, das Unternehmen dabei helfen kann, die Auffindbarkeit von Inhalten zu verbessern, den betrieblichen Aufwand zu reduzieren und Abonnenten zu identifizieren, die möglicherweise das Interesse verlieren.

Bei der prädiktiven OTT-Personalisierung werden das Zuschauerverhalten, Informationen zu den Inhalten und Vorhersagemodelle genutzt, um zu ermitteln, woran ein einzelner Abonnent als Nächstes interessiert sein könnte.

Die herkömmliche Personalisierung liefert oft folgende Antworten:

Was hat dieser Zuschauer sich angesehen?

Bei der prädiktiven Personalisierung geht es um folgende Frage:

Was wird dieser Nutzer angesichts seines jüngsten Verhaltens als Nächstes am ehesten wollen?

Dieser Unterschied ist von Bedeutung.

Ein Abonnent schaut sich normalerweise Dokumentarfilme an, fängt aber plötzlich an, Live-Sport zu verfolgen. Ein anderer Zuschauer schaut sich vielleicht häufig eine bestimmte Serie an, bricht die Folgen aber nach der Hälfte ab.

Ein Personalisierungssystem, das sich stark auf frühere Präferenzen stützt, behandelt möglicherweise beide Zuschauer weiterhin auf dieselbe Weise.

Ein prädiktives System kann erkennen, dass sich das Verhalten verändert.

Zu den Signalen können gehören:

• Anzeigeverlauf

• Sehdauer

• Abschlussquoten

• Suchaktivität

• Neuzugänge zur Beobachtungsliste

• Häufigkeit der Sitzungen

• Inhaltskategorien

• Gerätnutzung

• Tageszeit

• Abonnementaktivitäten

• Jüngste Aktivitäten

• Interaktion mit empfohlenen Inhalten

Das Ziel besteht nicht darin, jede Handlung perfekt vorherzusagen.

Dabei sollen verfügbare Signale genutzt werden, um die nächste Interaktion mit der Plattform relevanter zu gestalten.

Die Menge der für die Zuschauer verfügbaren Inhalte wächst weiter, während die Aufmerksamkeit der Zuschauer begrenzt bleibt.

Dies führt zu einem Problem bei der Ermittlung.

Ein Abonnent möchte nicht jedes Mal, wenn er eine OTT-App öffnet, den gesamten Katalog durchstöbern. Er möchte, dass die Plattform ihm hilft, schnell etwas zu finden, das sich lohnt anzuschauen.

Dadurch wird die Personalisierung zu einem wichtigen Bestandteil des Fernseherlebnisses.

Aber Personalisierung hat auch eine geschäftliche Dimension.

Eine einschlägigere Erfahrung kann möglicherweise dazu beitragen:

• Höheres Engagement

• Häufigere Sitzungen

• Steigender Konsum von Inhalten

• Bessere Nutzung des Inhaltskatalogs

• Höhere Kundenzufriedenheit

• Verbesserte Kundenbindung

Aus diesem Grund sollte die OTT-Personalisierung nicht nur als Funktion der Startseite betrachtet werden.

Es kann Teil des umfassenderen Kundenlebenszyklus werden.

Die beiden Begriffe überschneiden sich zwar, sind aber nicht identisch.

Stellen Sie sich einen Abonnenten vor, der jede Woche Krimiserien anschaut.

Die herkömmliche Personalisierung empfiehlt möglicherweise weiterhin Krimiserien.

Die vorausschauende Personalisierung könnte feststellen, dass der Abonnent seit Kurzem Dokumentarfilme über echte Ermittlungsfälle anschaut.

Die Plattform kann darauf reagieren, indem sie neben den bekannten Vorlieben auch relevante Dokumentarfilme vorschlägt.

Dadurch entsteht ein flexibleres Erlebnis, ohne dabei das, was dem Zuschauer bereits gefällt, völlig außer Acht zu lassen.

Personalisierung setzt das Verständnis zweier Aspekte voraus:

Wer der Zuschauer ist und Was der Inhalt umfasst.

Das Zuschauerverhalten liefert den ersten Teil.

Metadaten liefern einen Großteil des Zweiten.

Jeder Titel in einem OTT-Katalog kann wertvolle Informationen enthalten, wie zum Beispiel:

• Genre

• Untergenre

• Sprache

• Besetzung

• Direktor

• Erscheinungsjahr

• Beschreibung

• Themen

• Schlüsselwörter

• Altersfreigabe

• Informationen zur Folge

• Land

• Dauer

Je strukturierter und einheitlicher diese Informationen sind, desto einfacher wird es, eine umfangreiche Inhaltsbibliothek zu organisieren und zu analysieren.

Hier können automatisierte Metadaten von großem Nutzen sein.

Bei automatisierten Metadaten werden Technologien eingesetzt, um Informationen zu Videoinhalten zu extrahieren, zu klassifizieren oder zu generieren, ohne dass jedes Feld manuell ausgefüllt werden muss.

Je nach Arbeitsablauf kann die Automatisierung bei folgenden Aufgaben helfen:

• Transkription einer Rede

• Schlüsselwort-Extraktion

• Genre-Einstufung

• Themenidentifizierung

• Spracherkennung

• Szenenanalyse

• Entitätserkennung

• Erstellung von Untertiteln

• Inhaltskennzeichnung

• Erstellung einer Beschreibung

Bei einer OTT-Plattform mit einem kleinen Angebot ist die manuelle Verwaltung von Metadaten möglicherweise noch zu bewältigen.

Für eine Plattform, auf der Hunderte oder Tausende von Assets hinzugefügt werden, kann dies zu einer erheblichen betrieblichen Belastung werden.

Durch Automatisierung lassen sich sich wiederholende Aufgaben reduzieren, während die Content-Teams wichtige Informationen prüfen und freigeben können.

Stellen Sie sich zwei OTT-Plattformen mit gleichermaßen umfangreichen Inhaltsbibliotheken vor.

Plattform A weist inkonsistente Metadaten auf.

Einige Titel verfügen über ausführliche Beschreibungen. Bei anderen sind die Informationen nur begrenzt vorhanden. Die Zuordnung zu Genres erfolgt uneinheitlich. Bei älteren Inhalten fehlen Tags.

Plattform B verfügt über strukturierte Metadaten in ihrem gesamten Katalog.

Die Titel werden durchgängig nach Genre, Sprache, Themen, Besetzung, Inhalten und anderen relevanten Merkmalen klassifiziert.

Plattform B verfügt über eine solidere Grundlage für die Organisation ihrer Bibliothek und den Aufbau personalisierter Inhaltsbeziehungen.

Deshalb sind Metadaten mehr als nur eine administrative Aufgabe.

Es kann zu einem Bestandteil der Infrastruktur werden, die das Seherlebnis ermöglicht.

Stellen Sie sich einen OTT-Dienst vor, der 1.000 neue Videos erhält.

Bei einem manuellen Arbeitsablauf müsste ein Team möglicherweise jedes einzelne Asset prüfen und mehrere Metadatenfelder anlegen oder überprüfen.

Die Automatisierung kann eine erste Klassifizierungsebene bieten.

Ein typischer Arbeitsablauf könnte wie folgt aussehen:

Video hochgeladen

↓

Automatisierte Analyse

↓

Metadaten generiert

↓

Überprüfungen durch das Content-Team

↓

Metadaten genehmigt

↓

Veröffentlichte Inhalte

Dieser Ansatz ermöglicht es den Teams aus Mitarbeitern, sich auf Genauigkeit, redaktionelle Entscheidungen und Ausnahmen zu konzentrieren, anstatt sich mit der wiederholten Dateneingabe zu beschäftigen.

Die größte Chance ergibt sich, wenn Metadaten zu Inhalten und das Nutzerverhalten miteinander verknüpft werden.

Angenommen, eine OTT-Plattform weiß, dass ein Abonnent häufig folgende Inhalte ansieht:

• Historische Dokumentarfilme

• Politische Dramen

• Ausführliche Interviews

Die Inhaltsbibliothek kann anschließend auf Titel hin analysiert werden, die verwandte Themen behandeln.

Nehmen wir nun an, der Abonnent fängt an, sich kürzere investigative Dokumentarfilme anzusehen.

Die Plattform bietet zwei wertvolle Signale:

Content Intelligence: Worum es in den einzelnen Titeln geht.

Verhaltensintelligenz: Womit sich der Betrachter tatsächlich beschäftigt.

Durch die Kombination beider Ansätze lässt sich die Personalisierung noch sinnvoller gestalten.

Anstatt Titel lediglich deshalb zu empfehlen, weil sie demselben übergeordneten Genre angehören, kann die Plattform tiefere Zusammenhänge zwischen den Inhalten und den Interessen der Zuschauer erkennen.

Personalisierung steht in einem wichtigen Zusammenhang mit der Kundenbindung.

Ein Abonnent, der immer wieder relevante Inhalte findet, hat mehr Gründe, wiederzukommen.

Ein Abonnent, der die App immer wieder öffnet und nichts Interessantes findet, wird sie möglicherweise nach und nach weniger nutzen.

Daher ist ein nachlassendes Engagement ein wichtiges Signal für OTT-Anbieter.

Betrachten Sie dieses Beispiel:

Monat 1: Der Abonnent sieht sich 12 Sitzungen an

Monat 2: Der Abonnent sieht sich 9 Sitzungen an

Monat 3: Der Abonnent sieht sich 5 Sitzungen an

Monat 4: Der Abonnent schaut sich das Video einmal an

Monat 5: Der Abonnent kündigt

Die Stornierung lässt sich leicht feststellen.

Die wertvollere Möglichkeit besteht darin, den Rückgang des Engagements bereits vor einer Kündigung zu erkennen.

der Stornierung oder der Kündigung.

Es kann Kombinationen von Signalen berücksichtigen, wie zum Beispiel:

• Geringere Sehfrequenz

• Kürzere Sitzungen

• Geringere Abschlussquoten

• Längere Zeitabstände zwischen den Sitzungen

• Weniger Suchanfragen

• Geringere Interaktion mit Empfehlungen

• Geringere Aktivität auf der Beobachtungsliste

• Abonnement- oder Zahlungsvorgänge

• Änderungen im Verhalten des Geräts

• Längere Inaktivität

Ein einzelnes Signal bedeutet nicht zwangsläufig, dass ein Teilnehmer abwandern wird.

Ein Zuschauer ist vielleicht gerade auf Reisen, hat zu tun oder widmet sich vorübergehend einer anderen Beschäftigung.

Der Mehrwert ergibt sich aus der Analyse von Mustern und nicht aus der Reaktion auf ein einzelnes Ereignis.

Erstellung einfacher OTT-Abwanderungssegmente

OTT-Anbieter können mit einfachen Risikogruppen beginnen.

Diese Segmente müssen nicht dauerhaft sein.

Das Verhalten der Zuschauer ändert sich.

Ein Abonnent, der heute als „gefährdet“ eingestuft wird, kann nach der Entdeckung relevanter neuer Inhalte wieder zu seinem normalen Nutzungsverhalten zurückkehren.

Vorhersagen allein reichen nicht aus, um die Abwanderungsrate zu senken.

Die Plattform muss die Erkenntnis in eine entsprechende Maßnahme umsetzen.

Relevante Inhalte empfehlen

Wenn die Nutzungsaktivität eines Abonnenten nachlässt, sollten Inhalte angezeigt werden, die seinen jüngsten Interessen sehr nahe kommen.

Für Neuerscheinungen werben

Ein Abonnent kehrt möglicherweise zurück, wenn in einer Kategorie, die er häufig ansieht, ein neuer Titel erscheint.

Personalisierte Sammlungen erstellen

Statt pauschaler Werbeaktionen sollten Sie Kollektionen auf der Grundlage tatsächlicher Nutzungsmuster zusammenstellen.

Gezielte Benachrichtigungen versenden

Nachrichten können gezielt zu relevanten Inhalten ausgelöst werden, anstatt an alle Abonnenten versendet zu werden.

Angebote erneut prüfen

Je nach Geschäftsmodell erhalten ausgewählte Abonnenten möglicherweise Kundenbindungsangebote, Tarifalternativen oder andere Anreize.

Der wichtige Grundsatz lautet: Relevanz vor Häufigkeit.

Mehr Benachrichtigungen zu versenden, führt nicht automatisch zu mehr Interaktion.

Diese Funktionen gewinnen erheblich an Wert, wenn sie in einem einzigen Arbeitsablauf miteinander verknüpft werden.

Schritt 1: Signale der Zuschauer erfassen

Erfassen Sie relevante Interaktionen auf der gesamten OTT-Plattform.

Beispiele hierfür sind das Anzeigen, Suchen, Ausfüllen, Speichern, Abonnieren und Zurückgeben.

Schritt 2: Metadaten zu Inhalten strukturieren

Stellen Sie sicher, dass die Titel einheitliche und nützliche Informationen enthalten.

Automatisierung kann dazu beitragen, den Prozess zu beschleunigen.

Schritt 3: Die Vorlieben der Zuschauer verstehen

Analysieren Sie das Nutzungsverhalten, um Interessen, Veränderungen und wiederkehrende Verhaltensmuster zu erkennen.

Schritt 4: Das Erlebnis individuell gestalten

Nutzen Sie diese Erkenntnisse, um zu bestimmen, welche Inhalte für jeden Abonnenten stärker in den Vordergrund gerückt werden sollten.

Schritt 5: Engagement überwachen

Verfolgen Sie, ob personalisierte Erlebnisse das Sehverhalten tatsächlich verbessern.

Schritt 6: Rückläufiges Engagement erkennen

Ermitteln Sie Abonnenten, deren Aktivitäten sich in einer Weise verändern, die auf nachlassendes Interesse hindeuten könnte.

Schritt 7: Maßnahmen zur Kundenbindung auslösen

Nutzen Sie relevante Inhalte, Kommunikation oder Angebote, um das anhaltende Engagement zu fördern.

Schritt 8: Messen Sie das Ergebnis

Vergleichen Sie das Engagement und die Kundenbindung vor und nach der Maßnahme.

Dadurch entsteht ein kontinuierlicher Kreislauf:

Inhalt → Metadaten → Verhalten → Personalisierung → Interaktion → Kundenbindung

Eine Personalisierungsstrategie sollte anhand der geschäftlichen Ergebnisse gemessen werden.

Zu den wichtigen Kennzahlen gehören:

Kennzahlen zur Nutzerinteraktion

• Sitzungen pro Abonnent

• Sehzeit

• Durchschnittliche Sitzungsdauer

• Inhaltsvervollständigung

• Rückgabehäufigkeit

Kennzahlen zur Personalisierung

• Klickquote bei Empfehlungen

• Der Inhalt beginnt ab den personalisierten Zeilen

• Personalisierte Vervollständigung von Inhalten

• Wiederholte Interaktion

Kundenbindungskennzahlen

• Monatliche Abwanderungsrate

• Kundenbindung

• Reaktivierungsrate

• Verlängerungsquote

• Kundenlebenszeitwert

Inhaltskennzahlen

• Inhaltsnutzung nach Kategorie

• Katalognutzung

• Entwicklung der neu hinzugefügten Titel

• Konsum von Long-Tail-Inhalten

Entscheidend ist, dass man die Personalisierung nicht ausschließlich anhand der Klickzahlen misst.

Eine Empfehlung, die zwar Klicks generiert, aber nur eine geringe Abschlussrate oder wiederholte Interaktion erzielt, ist möglicherweise nicht wertvoll.

Prädiktive Personalisierung kann sehr wirkungsvoll sein, doch die Umsetzung ist entscheidend.

1. Die Verwendung von zu vielen historischen Daten

Die Vorlieben eines Zuschauers können sich ändern.

Das aktuelle Verhalten sollte nicht immer von alten Suchverläufen überschattet werden.

2. Empfehlungen für Inhalte derselben Art

Wenn die Plattform immer wieder fast identische Titel empfiehlt, kann die Personalisierung monoton wirken.

Die Entdeckung sollte dennoch Raum für relevante Vielfalt lassen.

3. Die Qualität der Metadaten außer Acht lassen

Mangelhafte Inhaltsinformationen können die Qualität der Personalisierung beeinträchtigen.

Die Automatisierung behebt Unstimmigkeiten in den Quelldaten nicht automatisch.

4. Alle Abonnenten gleich behandeln

Ein sehr aktiver Abonnent und ein fast inaktiver Abonnent benötigen möglicherweise ganz unterschiedliche Nutzererlebnisse.

5. Die Abwanderung vorhersagen, ohne Maßnahmen zu ergreifen

Ein Churn-Dashboard ist keine Strategie zur Kundenbindung.

Das Unternehmen benötigt eine klare Vorgehensweise, sobald ein Abonnent als Risikofall identifiziert wurde.

6. Übermäßiger Einsatz von Benachrichtigungen

Ständig wiederkehrende Nachrichten können zu Ermüdung führen.

Die Kommunikation zur Kundenbindung sollte auf Relevanz und dem richtigen Zeitpunkt basieren.

Nicht jedes Streaming-Unternehmen benötigt von Anfang an ein kompliziertes Personalisierungssystem.

Ein praktischer Ansatz besteht darin, mit den Grundlagen zu beginnen.

Zunächst: Verbesserung der Datenqualität

Stellen Sie sicher, dass wichtige Zuschauerereignisse einheitlich erfasst werden.

Zweitens: Metadaten standardisieren

Legen Sie klare Regeln für Genres, Kategorien, Beschreibungen, Sprachen, Tags und andere Inhaltsattribute fest.

Drittens: Automatisieren Sie sich wiederholende Aufgaben

Nutzen Sie automatisierte Prozesse, um die manuelle Erstellung und Klassifizierung von Metadaten zu reduzieren.

Viertens: Beginnen Sie mit einer hochwertigen Personalisierung

Konzentrieren Sie sich zunächst auf Bereiche wie:

• Zeilen auf der Startseite

• Weiter ansehen

• Kürzlich hinzugefügt

• Genre-Sammlungen

• Personalisierte Inhaltslisten

Fünftens: Einführung einer Segmentierung nach Abwanderungsrate

Ermitteln Sie zunächst offensichtliche Rückgänge beim Engagement.

Sechstens: Maßnahmen zur Kundenbindung

Ermitteln Sie, ob personalisierte Empfehlungen, Benachrichtigungen zu Inhalten oder andere Maßnahmen tatsächlich dazu führen, dass Nutzer wieder auf die Seite zurückkehren.

Zum Schluss: Erweitern

Sobald die Grundlagen geschaffen sind, kann die Personalisierung über verschiedene Geräte, Zielgruppen, Inhaltstypen und Abonnementphasen hinweg immer ausgefeilter gestaltet werden.

Die Entwicklung einer Strategie zur vorausschauenden Personalisierung erfordert mehr als nur eine Empfehlungsmaschine.

Auch das OTT-Geschäft benötigt eine solide Grundlage für die Verwaltung von Inhalten, Abonnenten, Streaming, Monetarisierung, Anwendungen und Analysen.

Hier kann eine integrierte OTT-Plattform die Komplexität verringern.

Vodlix bietet eine Plattform für die Einführung und den Betrieb von markenspezifischen OTT-Streaming-Diensten auf verschiedenen Plattformen, deren Funktionen die Bereiche Content-Management, Monetarisierung, Analytik, Anwendungen und Streaming-Infrastruktur abdecken.

Für OTT-Unternehmen bietet dies die betriebliche Grundlage, die erforderlich ist, um Inhalte und Nutzererlebnisse miteinander zu verknüpfen, anstatt jeden Teil des Streaming-Geschäfts über voneinander getrennte Systeme zu verwalten.

Das Ziel besteht nicht darin, Technologie um der Technologie willen einzusetzen.

Ziel ist es, ein OTT-Erlebnis zu schaffen, bei dem Inhaltsdaten, Nutzerverhalten, Personalisierung und geschäftliche Entscheidungen können miteinander verzahnt werden.

Bei der nächsten Stufe der OTT-Personalisierung wird es weniger darum gehen, zu fragen, was ein Zuschauer gestern gesehen hat, sondern vielmehr darum, zu verstehen, was sein Verhalten der Plattform heute verrät.

Die Interessen eines Zuschauers können sich ändern.

Ihr Engagement kann sich ändern.

Ihr bevorzugtes Gerät kann sich ändern.

Ihre Bereitschaft zur Verlängerung kann sich ändern.

Die stärksten OTT-Plattformen werden in der Lage sein, schnell auf diese Veränderungen zu reagieren.

Das bedeutet, dass die prädiktive Personalisierung mehr sein kann als nur eine Empfehlungsfunktion.

Es kann den gesamten Kundenlebenszyklus unterstützen:

Entdecken → Anschauen → Zurückkehren → Sich engagieren → Erneuern

Gleichzeitig können automatisierte Metadaten OTT-Anbietern dabei helfen, die immer umfangreicheren Inhaltsbibliotheken zu verwalten, während die Abwanderungsprognose Abonnenten aufzeigt, die möglicherweise besondere Aufmerksamkeit benötigen.

Zusammen sorgen diese Technologien für einen stärker vernetzten Ansatz beim Streaming.

Die Personalisierung im OTT-Bereich entwickelt sich von einer einfachen Empfehlungslogik hin zu einem stärker vorausschauenden Ansatz.

Durch die Kombination von Nutzerverhalten, strukturierte Inhaltsmetadaten und Interaktionssignale, können Streaming-Anbieter Erlebnisse schaffen, die besser auf die einzelnen Abonnenten zugeschnitten sind.

Automatisierte Metadaten können den Verwaltungsaufwand bei der Verwaltung großer Bibliotheken verringern.

Durch vorausschauende Personalisierung können Zuschauer relevante Inhalte schneller finden.

Die Abwanderungsprognose kann Unternehmen dabei helfen, nachlassendes Kundenengagement zu erkennen, bevor es zu einer Kündigung kommt.

Die eigentliche Chance ergibt sich jedoch erst aus der Verknüpfung aller drei Aspekte.

• Bessere Metadaten helfen Plattformen dabei, Inhalte besser zu verstehen.

• Verhaltensdaten helfen Plattformen dabei, ihre Zuschauer besser zu verstehen.

• Die vorausschauende Personalisierung verbindet beides miteinander.

• Mithilfe von Churn-Analysen lassen sich diese Erkenntnisse in Strategien zur Kundenbindung umsetzen.

Für OTT-Unternehmen ist das Ziel letztlich ganz einfach: Jede Interaktion relevanter zu gestalten und gleichzeitig die Plattform benutzerfreundlicher und für die Abonnenten wertvoller zu machen.

Mit einer integrierten OTT-Plattform wie Vodlix können Streaming-Unternehmen die Infrastruktur aufbauen, die sie benötigen, um Inhalte, Abonnenten, Monetarisierung, Anwendungen und Analysen im Zuge ihrer Skalierung zu verwalten.

Sind Sie bereit, ein individuelleres OTT-Erlebnis zu schaffen? Probieren Sie Vodlix aus und erstellen Sie eine Streaming-Plattform, die auf eine stärkere Zuschauerbindung und langfristige Kundenbindung ausgelegt ist.