2022年8月30日
By Damien读高级副总裁-数据产品
博客

为了更好的内容发现和推荐而最大化元数据的现代方法

如果你想让你的内容推荐成功地提高流媒体参与度，那么高质量的元数据是必不可少的，这一点对任何人来说都不会感到惊讶. 同样, 当我说我交谈过的每个流媒体服务提供商都发现元数据是他们个性化努力中最大的挑战时，我并没有背叛任何信心.

手动调整和增强现有元数据以使其对推荐更有用，这既耗时又昂贵, 即使你的图书馆相对较小. 有时建议从第三方购买额外的元数据作为解决方案, 但这也很昂贵, Plus元数据是一个很好的例子 更多的 并不一定意味着更好.

更好地利用更小范围的关键字

如果库中的每个内容项都与40个不同的体裁或子体裁相关联, 那么你就不会得到特别有针对性的推荐! 相反，拥有大量很少使用的关键字也是无益的. 正如我在a中提到的流媒体的前一篇文章, 我曾经有一个客户吹嘘他们的内容管理系统包含超过50个,000个唯一关键字. 但是如果一个关键字只使用一次, 那么这将无法帮助你将它与任何其他内容进行匹配.

一致性也很重要. 当深入研究一个客户的元数据时，我们发现他们有前三个舍命他们的SVOD库中的电影，但他们的元数据并没有帮助他们联系在一起. 而舍命被归类为“警匪片”， 虎胆龙威2 是一部“侦探电影”，然后 虎胆龙威3 是一部“警匪片”吗.“敬你和我, 很明显，这些都是一样的, 但算法在这方面是出了名的难. 他们只是没有看到这些项之间的关联, 如果他们想为刚看过电视的人找到理想的伴侣舍命，您可以看到这种关键字的使用根本没有帮助.

在这种情况下，有一件事可能会有所帮助，那就是我们在许多流媒体公司中看到的另一个常见问题. 他们的元数据中缺乏“特许经营”的概念. 虽然剧集和季节的等级制度很常见, 在同一系列中识别其他节目或电影并不总是那么容易. 比如，如果有人每一季都狂喝 犯罪现场调查:迈阿密，你可能会想要鼓励他们开始拍摄CSI家族的其他剧集(CSI:拉斯维加斯, CSI:纽约等.)，如果你的图书馆里有的话，因为他们已经准备好了去享受它. 但在整个系列中，不同系列或电影之间没有联系, 这种情况不太可能发生. 他们可能会被推荐去看另一部犯罪剧, 这很有用, 但不是有针对性的.

机器的崛起?

那么，对于那些比“你看了”更智能的推荐，解决方案是什么 壮志凌云这是汤姆·克鲁斯主演的另一部电影?” We’ve seen real success with a mixture of machine learning to automate the process of updating hundreds of different content records in a cost-effective and timely manner; and a focused amount of manual intervention.

我得说清楚，我不建议你让机器人写你的内容描述. 然而，有了正确的模型，它 is 可以显著提高关键字的使用, 哪些是大多数内容推荐所依赖的.

这是一个多步骤的过程. 首先，您需要分析您现有的元数据，看看您已经获得了什么样的关键字. 然后，您需要定义一个可管理的首选关键字框架——包括类型, 选出各自喜欢, 特许经营甚至是基于情绪的品类. 管理是这里的关键字. 过多或过少的关键字将使你无法跟踪，并将降低匹配的质量和数量.

未来的元数据框架

没有一个“正确”的框架或模式可以应用于所有流媒体服务. 它需要精心设计以适应你所拥有的内容类型(或计划在未来获得)。, 你的听众, 还有你服务的语气. 一旦它被定义, 然后，您需要数据科学家构建一个高级元数据预测模型，以在元数据中“填补空白”.

现在到了真正棘手的部分. 需要使用您定义的关键字的新框架 始终如一地 整个图书馆. 不是现在，而是持续的. 我们在流媒体服务方面的经验表明，制定政策非常重要, 流程, 还有确保这一切继续发生的人. 所有新内容都需要用关键字标记，遵循您商定的框架.

当然, 你还需要准备好调整框架以适应业务的变化——例如，如果你获得了第一个体育版权或扩展到儿童节目. 就像所有内容个性化和用户粘性构建一样, 元数据增强不是一个“一次性完成”的过程. 但是，通过明智地使用机器学习，你可以使这个过程变得更容易.

元数据匹配和内容发现的新方法

与不同的流媒体服务合作的一大好处是，24i数据团队可以接触到各种关于如何改善内容发现用户体验的有趣想法. 我们最近参与的最酷的事情之一是我们的机器学习元数据增强功能.

我们的一个客户非常希望帮助消费者在其庞大的视频点播库中找到更多的内容. 我们帮助他们定义和应用标签，将每个视频与基于思维框架的关键字相匹配，比如“快乐”,”“迷人的,”“移动,或“求知欲”——以及更传统的类型和像“犯罪”这样的子类型,”“行动,或“浪漫”.”

A special section of their interface now asks consumers to select a category that best describes what they’re “in the mood for” and to specify how long they want to watch for (<10mins, <30mins, <60mins). 最重要的是, 我们的api还支持“每日洗牌”功能，以确保返回的内容选择的顺序保持新鲜, 即使你连续几天心情都一样.

这只是服务提供商通过创新方式改善内容发现体验的一个例子，如果他们的元数据正确的话. 这也是一个向新用户展示内容的好方法，这些新用户还没有建立起观看历史，因此个性化的推荐是相关的.

增强元数据的另一个强大的附带好处是搜索, 这一点经常被OTT提供商忽视，但却能占到所有播放量的20%. 当您增强元数据时, 然后，你添加的所有这些新关键词和特许经营权都可以进行搜索. 所以，如果你搜索“黑色喜剧”，你会得到丹尼尔·斯洛斯(Daniel Sloss)，而不知道他属于这一类型. 寻找特许经营权也很常见，包括生产品牌(如.g.，“迪士尼”)和体育比赛和团队(e.g.“冠军联赛”).

此外，许多电视平台也开始看到语音搜索的强劲增长. 当使用语音搜索时，人们更有可能在发现模式下使用它.g.(“给我看一些令人振奋的东西”)，而不是他们想要的具体头衔. 增强元数据后, 推荐不仅是一个数量级的改进, 但是你的搜索让你的用户惊叹不已. 这一切结合起来，给用户一个惊人的体验，并找到一些伟大的观看容易.

您可以在24i电子指南中找到更多关于我们的客户如何从增强的元数据中受益的信息现在，每个流媒体服务都应该采用五种提高参与度的策略.

[编者注:这是来自 24i. 流媒体接受供应商署名完全基于它们对我们读者的价值.]