2023年10月30日
By 西蒙·麦格拉思 Merapar战略和投资组合副总裁
博客

OTT提供商如何提供能引起观众共鸣的推荐

OTT提供商正迅速意识到将用户推荐服务整合到他们的平台中所带来的好处. 然而，集成的两种主要选择都有缺点. 现成的解决方案可能会带来昂贵的成本, 但更便宜的定制部署需要合适的内部专业知识. 我们需要的是一种既能节省开支又能直观使用的中间解决方案, 同时提供重要的推荐服务，打动观众，并最终帮助留住他们.

当前战略的陷阱

严重饱和的市场和持续的企业财务压力导致OTT提供商限制预算. 他们不太可能愿意在一个现成的解决方案上投入大量资金，而且每个用户的成本都很高, 尽管这些平台能够帮助团队快速部署个性化推荐服务. 需要立即看到显著的结果, 否则，董事会将毫不犹豫地要求决策者就费用给出答案.

因此，OTT提供商正在探索内部解决方案的替代方案, 但他们经常发现，当员工的技能不足以有效地建立起这一体系时，他们就走不远了. 而不是, 一个汇集数据的解决方案, 将分析和机器学习(ML)结合在一个灵活且具有成本效益的软件包中，对于向最终用户提供最具创新性的推荐服务至关重要.

不止一种方式的个性化

答案是一个独特的个性化平台，具有无服务器和可扩展的特性, AWS个性化就是一个突出的例子. 它几乎不需要机器学习的工作知识，并且在正确实现时非常安全. 这种技术符合OTT提供商寻求利用推荐服务提供的机会的所有要求. 而“推荐给你”的旋转木马是一个伟大的功能, 消费者现在也可以通过各种其他方式参与进来.

提供商有机会在用户交互数据的帮助下整合“更多喜欢这个”或“其他用户也看过”的旋转木马. 刚看完奥运会历史纪录片的观众可能会对足协足球的起源感兴趣, 例如. 历史上的观看习惯也可以帮助其他有共同兴趣的观众塑造旅程.

数据的最佳使用甚至可以影响搜索结果的显示方式. 这些列表可以根据单个查看器重新排序, 或者推动编辑策划的内容推荐. 这是一个令人兴奋的前景，因为搜索结果可以根据用户和他们的兴趣进行个性化定制. 虽然AWS个性化为众多市场提供了价值, 它的个性化推荐算法可以理想地实现到内容服务中.

进一步参与的机会

这项技术还可以将OTT提供商带到其他一些令人兴奋的方向. 假设OTT提供商的目标是在推荐结果中推广单个内容项目. 可以调整推荐器以显示特定促销类别的一定数量的内容. 背景建议也开始崭露头角. 这些建议可以根据所使用的设备提供, 一天中的时间或用户的位置.

然而, 必须指出的是，在媒体环境中使用AWS Personalize比其他托管服务解决方案要复杂得多. 来缓解这个痛点, 有一些外部解决方案可以解决配置AWS个性化的困难. 一个是Merapar开发工具包(MDKs), 哪一种能够实现转换和摄取大量数据的能力. 有了这个解决方案，OTT提供商可以立即启动并运行. 模块可以允许灵活地使用多少技术, 根据需求和可用预算. 想要快速部署新功能的OTT提供商, 在市场上保持竞争力，试用新服务很容易做到这一点.

测试新功能对于判断哪些是有效的，哪些是无效的至关重要, 并且能够推动持续的改进. 这项技术有一些巧妙的方法可以做到这一点. 一个例子是部署由用户数据驱动的多个推荐模型的能力. 参数自动调整，然后选择试验中表现最好的继续使用, 随着时间的推移，建议会变得越来越准确.

同时不断提高准确性, 当然，了解用户对提供给他们的建议的参与程度是必要的. Clickstream数据可以导出到一个分析平台，使组织能够根据他们的主要kpi来衡量绩效. 其中的一些例子包括推荐点击带来的旅程转换率, 点击率(CTR)，甚至是观看或点击推荐内容的客户的参与度. 这些见解可以推动服务优化，最终帮助提高用户粘性并减少流失.

独树一帜

在一个不断有新进入者的市场上, 差异化从未如此重要. 随着越来越多的消费者质疑他们目前订阅的服务所提供的价值，生活成本危机使这一点变得更加紧迫, 他们可能会把收入的很大一部分花在哪些方面. 各种各样的推荐服务, 从基本的旋转木马到上下文建议, 关键工具是推动竞争优势的工具吗. 仍然存在的问题是，如何在不倾家荡产、不依赖现有员工有限技能的情况下引入这些能力. 由一个专门的工具包赋予生命, serverless, 可扩展的个性化平台可以提供满足观众期望的推荐服务.

[编者注:这是来自 Merapar. 流媒体接受供应商署名完全基于它们对我们读者的价值.]