コンテンツオペレーションシステム（正定倫道｜センシングデータ人進：インテリジェントレコメンデーションで新たなコンテンツオペレーションシステムを構築する）

正定倫道｜センシングデータ 任金：インテリジェントな推奨を活用して新しいコンテンツ運用システムを構築

5月12日〜13日、第21回フォーラムおよび中国IPTV/OTTスマートオーディオビジュアル産業サミットフォーラムが河北省正定市で盛大に開催されました。主催はストリーミングメディアネットワーク、共催は河北ラジオテレビ無線メディア株式会社、中国聯通河北支社、中国電信グループ株式会社河北支社、中国移動通信グループ株式会社河北支社が務めました。

今年の正定フォーラムは「国境のないスマートスクリーン」をテーマに、業界チェーンの多くの関係者から中核人材を集め、オーディオビジュアルからスマートオーディオビジュアル、大型スクリーンからスマート大型スクリーンへの現在の変革とアップグレードの道筋について議論し、共有し、オーディオビジュアル業界のすべての関係者が新しい価値を探求し、新しい機会をつかみ、新しい時代に遅れずについていくための有用な参考資料を提供しました。

5月13日午前のメインフォーラムでは、センサーネットワークテクノロジー（北京）株式会社統合メディア事業部のチーフエキスパートである任金氏が「インテリジェントな推奨の習得と新しいコンテンツ運用システムの構築」と題する講演を行った。

スピーチの全文は次のとおりです。

みなさんこんにちは。私は Sensors Data のコンバージド メディア部門の Ren Jin です。 Sensors Data は 2015 年に設立され、ビッグデータ分析とマーケティング テクノロジーに重点を置いた企業です。同社は現在、C+ラウンドの資金調達を完了している。事業分野はインターネット、コンバージドメディア、自動車、証券、保険、銀行、小売など多岐にわたります。数年にわたる努力の結果、当社はラジオ、テレビ、メディアなどのサブセクターでも小さな成果を上げました。貴州 IPTV、雲南 IPTV、New Weekly などはすべて当社の顧客です。 Sensors では、製品を販売するだけでなく、顧客に価値をもたらしたいという理念を持っています。弊社製品にご興味をお持ちのパートナー様は、ぜひ Sensors Data の公式 Web サイトにアクセスしてデモを体験してください。

データは私たちに何をもたらすのでしょうか?

データは、毎日の評価、サブスクリプション、日次、週次、月次レポートを確認することで、ビジネスの現在の状況を理解するのに役立ちます。多くの人がこれらのことを行っていますが、2 つの小さな問題があります。

まず、プラットフォーム上の各端末のさまざまな時間帯における使用習慣をどのように把握すればよいのでしょうか?ユーザーはオンデマンド コンテンツを視聴する際にどの入口を使用することを好みますか? 1 つの番組を視聴し終わった後、次の番組を視聴するにはどうすればよいでしょうか?多くの州では、個人センターの PV が多くのコラム ページの PV よりもはるかに大きいことがわかります。この時点では、コラムページをどれだけうまく作成しても、ビジネスにはあまり役立ちません。

第二に、新作映画が公開されると、決済コンバージョン率が90％以上と非常に高くなりますが、1日あたりの支払収入は非常に少ないことがわかります。理由を探る必要があります。コンテンツがどのリソース ポジションで公開されているか、また各リソース ポジションの支払い貢献度がいくらであるかを理解する必要があります。

したがって、データは単なるデータ結果の統計ではなく、ビジネス プロセスの分析に役立ちます。

さらに、データはユーザーを理解するのにも役立ちます。例えば、ある端末の視聴習慣を把握すると、「ユーザーの視聴時間はいつ集中するのか、週に1回視聴するのか、3回視聴するのか、検索好きか、最もよく注文される商品は何か、注文サイクルはどれくらいか」など、多くのシナリオが掘り起こされます。

さらに、データは多くの運用シナリオを理解するのに役立ちます。例えば、イベントを企画したい場合、「このイベントにはどの端末が適しているか、これらの端末で何人がイベントに参加するか、参加後のパフォーマンスはどのようなものか、自社のビジネスにどれだけ役立つか、次回も実施できるか」などのシナリオを掘り下げ、データに基づいて完全なイベント運営プロセスを形成し、イベントをより効果的なものにします。

もちろん、データが役割を果たすことができる領域は他にもたくさんあります。今日は主に、データに基づいたインテリジェントな推奨プラットフォームを構築する方法についてお話します。

データの応用

まず、IPTV サービスの 4 つの主な特徴についてお話しします。まず、端末の役割が変わります。以前、駅の先生方とコミュニケーションを取っていたとき、全員が端末の視聴役割の変更について言及していました。各時間帯の視聴役割が変化しているとき、視聴役割をどのように判断すればよいのでしょうか。これは大きなビジネス上の課題です。 2 つ目は、コンテンツの露出回数が爆発的に増加したことです。大画面の使用習慣により、列の数が非常に多いにもかかわらず、ユーザーが見て認識できるのはそのうちの 20% のみで、残りの 80% の列はまったく見えません。私たちは毎日、さまざまな時間に注文スケジュールや運用アクションを作成するのに時間を費やしています。ユーザーがそれを見ることができなければ、私たちの努力は無意味です。 3 つ目は、視聴者の継続性です。これは実際には短編動画プラットフォームとは大きく異なります。他のインターネット ソースからデータを移動して使用できると言う人もおり、一連のインターネット方法論について話しますが、これらは使用できるのでしょうか?各企業のユーザー閲覧特性は大きく異なるため、独自のデータに基づいて反復処理やビジネス上の決定を行う必要があるため、皆さんがこのことについて少し考えていただければ幸いです。 4番目は、コンテンツのセキュリティです。コンテンツのセキュリティは最優先事項であり、原則的な問題であるため、真剣に取り組む必要があります。

これらの機能に基づいてインテリジェントな推奨を行うにはどうすればよいでしょうか?最後に、3 次元の推奨モデルについて説明します。最初のモデルは、端末の役割を一致させること、つまり、現在の期間のユーザー特性が何であるかを調べることです。 2 番目のモデルは、メディア コンテンツのマッチング、つまり、より良いコンテンツを見つける方法です。 3 番目のモデルは、ユーザーの操作習慣が何であるかを示すユーザー行動パスのマッチングです。これら 3 つのポイントを踏まえて、最終的には現在の期間におけるエンドユーザー向けのメディア コンテンツを見つけ、適切な列でユーザーに表示することで、ビジネスの成長を実現する必要があります。

どうやってやるんですか？以下に詳細を説明します。

まず、適切な人材を見つけます。現在、IPTV プラットフォームからどのようなデータを取得できますか? 1つ目は端末、2つ目は視聴、3つ目は加入、4つ目はEPGです。これらのデータを取得した後、当社のインテリジェントな推奨プラットフォームは、まず基本タグを抽象化し、基本情報、視聴習慣、視聴タイプ、視聴コンテンツ、検索設定、順序設定の 6 つの主要カテゴリに分類します。たとえば、視聴習慣ラベルには、電源を入れる習慣、番組の保持習慣、週末に視聴したい番組、平日に視聴したい番組などの抽象的なラベルを作成します。これらの抽象ラベルに基づいて、ユーザー機能のマイニングが実行されます。あるいは、例えばユーザーの支払い特性、ユーザーが一般的に支払う時間帯などですとか、ユーザーの視聴タイプの傾向の変化、例えば1日4時間以内の視聴タイプの傾向の変化、どのタイプからどのタイプへ、その間の特性はどうなっているのか…こういった情報を掘り起こして、最終的にユーザー特性に基づいたレコメンデーションをしていきます。

センサーの推奨事項がより正確なのはなぜですか?私たちの推奨モデルは機械アルゴリズムに基づいており、これらのラベルと機能はユーザーのリアルタイムの行動に基づいて継続的に反復されるためです。

端末のポートレートを取得したら、メディアコンテンツのマッチングを確認することができます。たとえば、特定の地域のユーザーが特定のコンテンツを最も好んで視聴している場合、このコンテンツに期間、地域、好みのラベルを付けます。コンテンツが複数の列に配置されている場合、列の評価データに基づいて列の設定ラベルが追加されます。同様に、例えば、ユーザーが「真・環」を視聴し、その後「康熙秘史」を視聴した場合、視聴前または視聴後としてラベル付けされ、コンテンツ自体に相関関係が生まれます。他にも、注文や検索、露出データなどの機能があり、行動データをもとにリアルタイムに分析をしていきます。同時に、再生プラットフォームからダウンロードした特徴データに基づいた分析も行います。

すべてのコンテンツ タグ分析は機械学習を通じて行われ、動作がタグに抽象化されます。ラベルを取得したら、ユーザーの使用習慣を確認するのに適した列を見つけ、使用習慣に基づいて列のトラフィックのレベルを決定します。これはトラフィックディメンションです。

次に、行動データを通じて各列の貢献を分析します。たとえば、この列は支払いに大きく貢献しますが、あの列は支払いにあまり貢献しません。これは列の値ラベルです。値とトラフィック ラベルに基づいて、EPG のすべての列を階層化します。たとえば、トラフィックが多いと価値が高い、トラフィックが少ないと価値が低いなど、さまざまな側面に応じて異なることを行います。トラフィック量が多く価値が高い場合、必要なのは支払いを増やすことです。トラフィックが少なく価値が高い場合は、有料のビジネス探索と同様のビジネス探索を行う場合があります。トラフィックが多く価値が低い場合は、いくつかの広告を設定します。トラフィックが少なく価値が低い場合は、通常のコンテンツをいくつか公開します。もちろん、トラフィックが少なく価値の低いコンテンツの方がクリック率が高い場合は、より良い列の位置に調整します。したがって、私たちの最終的な目標は、列リソースの価値を最大化することです。

ご覧の通り、ユーザー行動データに基づいて端末の役割、メディアコンテンツ、列の位置を適応させ、適切な人に適切な場所で適切なコンテンツを推奨することを実現しています。たとえば、現在のユーザーにとってホームページ上の人気のおすすめについて、ユーザーのクリック頻度がそれほど高くなく、おそらく 10 日に 1 回程度である場合、私たちの主な目標はユーザーのアクティビティを増やすことです。クリックスルー率の向上を目標としている場合、基礎となるアルゴリズム戦略を調整し、推奨戦略を作成する前に、機能データに好み、視聴時間、視聴期間などのデータを含める必要がある場合があります。たとえば、石家荘では、ユーザー A と B の過去の行動データが異なるため、最終的に公開するコンテンツはまったく異なります。さらに、ユーザーの毎日のアクティビティ率が高く、以前に支払い習慣があり、ARPUが比較的高い場合、私たちの戦略の中核は、そのユーザーの支払い率を上げることとなります。したがって、推奨戦略では、ユーザーの支払い習慣と ARPU に基づいていくつかの戦略を反復します。最後に、このユーザーにプッシュするのは、そのユーザーが以前に視聴したかったコンテンツであり、そのほとんどは有料コンテンツです。

上の画像はオンデマンドカテゴリページの例です。業界の専門家とコミュニケーションをとるとき、私たちはよく次のような問題について話し合います。各放送局には数百万時間分のコンテンツがあり、多くのコンテンツを公開できないため、現時点で大きな需要があるのはコンテンツの公開です。したがって、露出を優先する必要があります。たとえば、VIP 有料コンテンツの場合、露出を多くしたにもかかわらず、クリックするユーザーがいません。現時点では無料にする可能性があります。無料化した後もクリックされない場合は、直接オフラインにする可能性があります。この戦略により、運用および保管リソースを節約できます。

したがって、コンテンツの露出が目標である場合、露出を優先することが最善の戦略となります。ユーザーの支払い率も上げたい場合は、推奨を行う前に推奨戦略に有料機能をいくつか追加します。

さらに、コンテンツのセキュリティに関しては、コンテンツの固定、特定のコンテンツの禁止、特定のコンテンツの重み付け、時間に基づいた特定の閲覧コンテンツのフィルタリングなど、8 つの手動介入戦略を提供します。

自動運転プラットフォーム

上の図は、インテリジェントな推奨モデルのセットです。端末の動作データを通じて、システムプラットフォーム全体が端末のポートレートを自動的に完成し、列の位置の値を自動的に計算し、メディア資産のポートレートも自動的に実行します。その後、インテリジェントな推奨事項が表示されます。推奨後、行動データが生成され、自動的に操作されるプロセスが形成されます。これはインテリジェントな推奨であるだけでなく、自動化された操作プラットフォームでもあります。介入したい場合は、バックグラウンドで介入戦略を設定するだけで済みます。アルゴリズム モデルは戦略を組み込み、次の推奨時に実装されます。

ここで、Xinmei Co., Ltd. の顧客事例を簡単に紹介したいと思います。当社のスマートな推奨事項は、単にコンテンツを配信するだけではなく、クリックスルー率や有料コンバージョン率の向上など、常にビジネス目標を中心に据えています。具体的な事例については、公式アカウント「Sensors Data」をフォローしてください。そこには完全な事例紹介が掲載されており、ここでは詳しく説明しません。

次に、システム全体の展開アーキテクチャについて簡単に紹介します。実際、このプラットフォームの入出力ロジックは非常にシンプルで、行動データをインポートし、対応する推奨コンテンツ リストを出力するだけです。さらに、プラットフォーム全体が数秒以内に応答しますが、これは当社の確かな技術力に大きく依存しています。したがって、当社のインテリジェントな推奨事項にはそれぞれ 2 種類のデータが含まれます。1 つは履歴的に計算されたユーザー特徴データ、もう 1 つはリアルタイムのユーザー特徴データです。これら 2 種類のデータを組み合わせます。

本日は主にインテリジェントな推奨についてお話ししますが、当社は付加価値ビジネスの探索、洗練された顧客オペレーション、垂直ビジネスの開拓、製品の反復など、いくつかのビジネス領域もサポートしています。当社がこのような膨大なビジネスニーズをサポートできるのは、Sensors Data がすでに競合他社を上回る成熟したソリューションと技術力を形成しているからです。当社は現在、1,500 社以上のお客様のデータ構築とデジタル変革を支援しています。今後とも、ラジオ、テレビ、メディアの分野に、私たち自身の努力を通じて、より一層貢献していきたいと考えております。

皆様ありがとうございました！ご清聴ありがとうございました！