Empfehlungstechnologie

Treffsichere, personalisierte Empfehlungen für das Fernsehprogramm

Unsere Empfehlungstechnologie basiert auf patentierten, selbstlernenden Algorithmen, die Inhalte zielgenau auf die Präferenzen einzelner Nutzer abstimmen, wie in einer umfangreichen Studie mit Vier-Personen-Haushalten in drei europäischen Ländern nachgewiesen wurde.

Die Empfehlungen von watchmi kommen in der Programmübersicht des Online TV-Anbieters Zattoo zum Einsatz.

source: FUNKE Digital TV Guide GmbH

Die Empfehlungen von watchmi kommen in der Programmübersicht des Online TV-Anbieters Zattoo zum Einsatz.

Empfehlungen, der neue Standard in der Content Discovery

Personalisierte Empfehlungen finden zunehmend Einsatz in den Wohnzimmern und auf den diversen Endgeräten der Nutzer. Eine wachsende Zahl an Zuschauern schätzt sie als hilfreiche Unterstützung und Inspirationsquelle zur individuellen Content Discovery. Die steigende Nachfrage nach personalisierten Programmtipps resultiert zum einen aus der Emanzipation der Medienkonsumenten, die sofortigen Zugriff auf gezielte Inhalte fordern und zum anderen aus dem stetig wachsenden und immer unüberschaubarer werdenden Angebot von Inhalten und Plattformen. Erfahren Sie, wie die Empfehlungstechnologie von watchmi Sie dabei unterstützen kann, Ihren Kunden stets die besten Programmempfehlungen zu präsentieren.

Elemente der Empfehlungstechnologie von watchmi

Die von unserem Partner XroadMedia entwickelte Recommendation Engine ermöglicht eine komplexe Kombination verschiedener Empfehlungstechnologien. Diese unterstützen eine Vielzahl von Nutzungsszenarien und Einsatzmöglichkeiten: 

  • Ähnlichkeit: Inhaltsbasierte Empfehlungen ähnlicher Sendungen
  • Präferenzen: Persönlichkeitsbasierte Empfehlungen unter Berücksichtigung impliziter und expliziter Informationen des Nutzers oder einer Gruppe von Nutzern 
  • Kollaborativ: Empfehlungen von Nutzer zu Nutzer anhand des „Zuschauer, die diese Sendung mochten, mochten auch jene Sendung“-Paradigmas 
  • Statistische: Empfehlungen basierend auf Trendlisten und Charts, z.B. „Meist gesehen“, „Am Besten bewertet“ 
  • Sozial: Soziale Profile und Nutzer-zu-Nutzer-Empfehlungen anhand der Aktivitäten und Verbindungen innerhalb sozialer Netzwerke
  • Redaktionell: Ausgewählte Empfehlungen von Experten

 

Empfehlungen basierend auf Ähnlichkeit

Unter Verwendung der abrufbaren Metadaten berechnen komplexe Algorithmen die Ähnlichkeit zwischen den Referenzposten (z.B. bereits gesehene Sendungen) und den verfügbaren Inhalten. Die Empfehlungen werden anhand der gefundenen Übereinstimmungen generiert, z.B. werden einem Nutzer, der einen Actionfilm schaut, eine Auswahl ähnlicher Titel mit den selben Hauptdarstellern oder ähnlichen Handlungen empfohlen. 

Präferenzbasierte Empfehlungen

Die Präferenztechnologie erfasst die Vorlieben von Nutzern anhand expliziter (z.B. "Gefällt mir"/ "Gefällt mir nicht"-Bewertungen) und impliziter (z.B. VoD-Abrufe) Angaben und erstellt darauf basierend individuelle Profile. Diese sind dynamisch und können einzelnen Nutzern, Nutzergruppen sowie einer oder mehreren persönlichen Inhaltskategorien zugeordnet werden. Die komplexen Algorithmen der Präferenzmaschine führen zu 6-mal schnelleren Lernkurven als andere Lösungen. Die Bereitstellung von Empfehlungen im Rahmen „Persönlicher Kanäle“ versetzt Ihre Nutzer innerhalb einer hochkomplexen Umgebung mit multiplen Inhaltequellen und Bildschirmen (lineares Fernsehen, VoD, Mediatheken, Online-Videos) in eine vertraute Fernsehsituation, die ein entspanntes Zurücklehnen erlaubt. 

Kollaborative Empfehlungen

Die kollaborative Empfehlungstechnologie von watchmi analysiert anonymisierte Sehgewohnheiten und -präferenzen. Darauf basierend werden Empfehlungen nach dem Schema „Zuschauern, die Sendung A mochten, gefiel auch Sendung B“ generiert. 

Statistische Empfehlungen

Für statistische Empfehlungen werden große Datenmengen verarbeitet, um aktuelle Trends und Themen zu identifizieren. Komplexe Metadaten garantieren hochqualitative Empfehlungen unter Berücksichtigung einer Vielzahl von Kriterien, z.B. Abrufe von Inhalten, Bewertungen, Sendezeiten, Genres usw.

Soziale Empfehlungen

Die aus der Analyse sozialer Netzwerkbeziehungen (z.B. Facebook,  YouTube oder Google+) und aktueller Statusmitteilungen (z.B. Facebook, Twitter) eines Nutzers gewonnenen Informationen werden von der sozialen Empfehlungstechnologie aufbereitet.

Komplexe Algorithmen selektieren und priorisieren  TV-relevante Profilinformation, wie Bewertungen und Kommentare über Schauspieler, Musik, Filme, TV-Shows usw. Darauf basierend werden Empfehlungen generiert, die mit dem sozialen Netzwerkprofil des Nutzers korrespondieren. Ausgehend von den Präferenzen (Bewertungen) der Freunde eines Nutzers können überdies weitere Empfehlungen gegeben werden, so dass die Auswertung des sozialen Graphen  eines Nutzers zu maßgeschneiderten Empfehlungen führt.

Redaktionelle Empfehlungen

Unsere redaktionellen Empfehlungen werden von fachkundigen Experten bereit gestellt. Die handverlesene Auswahl unserer Spezialisten punktet mit hoher Relevanz. Redaktionelle Empfehlungen gewährleisten, dass Nutzer auf Sendungen aufmerksam gemacht werden, die sie anhand der eigenen Kriterienauswahl nicht entdeckt hätten, was kontinuierlich neue Elemente ins Spiel bringt.

KONTAKTIEREN SIE UNS

Möchten Sie mehr darüber erfahren, wie Sie Ihren Service mithilfe unserer Technologien verbessern können? Kontaktieren Sie unser Team.

siehe auch: