Персонализированные рекомендации в онлайн-кинотеатрах | lan-electric.ru

Персонализированные рекомендации в онлайн-кинотеатрах

lan-electric.ru > Телевидение > Персонализированные рекомендации в онлайн-кинотеатрах

Персонализированные рекомендации в онлайн-кинотеатрах

2020-11-12

Персональные рекомендации за последние десятилетия стали необходимым функционалом в различных OTT-сервисах. Лидируют в этом направлении западные компании, которые гораздо дольше отечественных фирм разрабатывают аналитическое программное обеспечение. Инвестиции в развитие платформ окупаются сторицей — у зрителя появляется стимул больше приобретать фильмов, соответствующих его вкусам, да и поменять любимый сервис он вряд ли захочет.

Правильные рекомендации — залог успеха

Лидером в разработке искусственного интеллекта для анализа зрительских предпочтений справедливо называют Netflix. Компания пришла к выводу, что вложения в разработку функционала необходимы для успешного развития сервиса. На заре своего существования фирма занималась рассылкой DVD-дисков по почте. С ростом каталога клиенты стали все чаще сталкиваться с трудностями при выборе контента, а количество разочарований, связанных с неверными решениями о покупке, стремительно увеличивалось.

Тогда компания предоставила своим зрителям возможность оставлять отзывы о просмотренных дисках и стала каждый из них дополнять персонализированными тизерами, где демонстрировались анонсы новинок кинопроката, соответствующих вкусам клиентов. Однако с развитием стримингового сервиса Netflix столкнулся с тем, что проверенные на дисках алгоритмы перестали работать. Если ранее зрители были готовы тратить время на отзывы, то теперь пользователь просто закрывал окно, что значительно снижало шансы компании получить обратный отклик.

В 2006 году Netflix объявил сенсационный по тем временам конкурс на разработку программного обеспечения. Участники получали приз 1 млн долларов, если новый алгоритм обойдет существовавшую тогда систему Cinematch хотя бы на 10 процентов. Результатом стало появление прототипа рекомендательного движка, который был успешно внедрен в сервис и совершенствуется до сих пор. Клиенты Netflix подмечают удивительную точность работы искусственного интеллекта —уже через 2-3 месяца использования сервиса зритель может смело полагаться на рекомендации системы.

Рекомендации в российских OTT-сервисах

Российские компании уделяют немало времени разработке собственных рекомендательных сервисов, однако до западного программного обеспечения они пока не дотягивают. В то же время руководители в один голос говорят о важности подобных движков для дальнейшего развития ОТТ-платформ. Самых значительных успехов в этом направлении добился онлайн-кинотеатр Megogo — в среднем четвертая часть его клиентов пользуется при просмотре встроенными рекомендациями.

Видеосервисы в последние годы делают ставку на персонализацию телеконтента, так как это важнейший инструмент для удержания клиентов, у которых выбор увеличивается с каждым годом. Рекомендации позволяют для каждого пользователя сформировать библиотеку видео, которая будет полностью соответствовать его ожиданиям. Западные компании давно реализовали подобный функционал. К примеру, в Amazon Prime Video предусмотрена возможность создавать отдельные профили для каждого члена семьи с учетом возрастных ограничений и вкусов взрослых и маленьких зрителей.

Российские компании выбирают свой путь

Каждый игрок российского рынка предпочитает идти своим путем в разработке необходимого программного обеспечения. Компании сделали вывод, что в нашей стране западные алгоритмы попросту не работают. Неудачей закончилась попытка привлечь к работе одного из призеров давнего конкурса Netflix. Компании сделали ставку на российских программистов, так как при создании алгоритмов нужно хорошо знать привычки и вкусы отечественной аудитории.

К примеру, в Ivi сравнивали работу ПО, созданного внутри компании, и продукта сторонних разработчиков, и пришли к выводу, что собственный движок работает значительно лучше. С проблемой несоответствия метаданных ожиданием пользователей столкнулись в Megogo. В Окко над рекомендациями работает целая команда, которая одновременно задействует опыт западных компаний и собственных аналитических сервисов. Гибридная модель показывает неплохие результаты при тестировании, поэтому руководство фирмы планирует и дальше развиваться в этом направлении.

Пока в российских компаниях делают ставку не на искусственный интеллект, а на ручной труд редакторов. Результаты обработки служат материалом для обучения машин, которые переводят схемы в математические алгоритмы. Руководство ведущих ОТТ-сервисов признает, что планируют в будущем перевести анализ целиком в автоматический режим — эффективность такого подхода показывает опыт Netfix, у которого аналитический функционал используется не только для составления рекомендаций, но и для создания нового контента, отвечающего запросам аудитории.

lan-electric

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *