Comment l'intelligence artificielle peut prendre en charge la recommandation de contenu | L'IA dans le contenu de recommandation
Résumé
Pour aider une entreprise de médias à augmenter la valeur à vie de ses clients, nous avons développé des analyses pour fournir des recommandations d'articles à partir d'un ensemble diversifié de sources de clients. Cela a favorisé une amélioration de l’engagement et de la fidélisation des clients, ainsi qu’une fidélisation accrue.
Défi
Le client est une grande entreprise de médias qui possède diverses chaînes de télévision et de radio, des podcasts audio, des magazines et des journaux. Ils étaient intéressés par un système de recommandation personnalisé pour leurs utilisateurs existants et consommateurs de contenu. Le type de contenu est diversifié (programmes et émissions de télévision, articles d'actualité, etc.). Et chaque utilisateur a des préférences qui doivent être comprises et prises en compte lors de la recommandation d'un nouvel élément de contenu. Le défi consiste à créer un système aussi complexe qui reconnaîtrait les habitudes de consommation des utilisateurs individuels, comprendrait leurs préférences en matière de contenu et recommanderait de nouveaux éléments de contenu que les utilisateurs sont susceptibles de consommer. Avec de telles capacités de personnalisation, le client devrait accroître son engagement et réduire le taux de désabonnement.
Solution par AI Superior
Nous avons développé un système de recommandation qui utilise plusieurs facteurs pour fournir des recommandations. Le système a les capacités suivantes :
- Estimation des habitudes de consommation des utilisateurs individuels
- Comprend les préférences de contenu de chaque utilisateur (sujets d'intérêt, type de contenu, etc.)
- Estimation des données démographiques et des moyens techniques utilisés par chaque utilisateur pour accéder au contenu
- Évalue la similarité des éléments de contenu sous différents angles
Pour ce faire, nous avons développé plusieurs composants analytiques : module de découverte de sujets et de balisage de contenu basé sur le NLP, analyse d'extraction de similarité d'éléments de contenu, extracteur de modèles de consommation, outil de recommandation basé sur un filtrage collaboratif, outil de recommandation d'élément à élément, outil de recommandation hybride qui prend en compte tous les éléments. les modules répertoriés.
Résultat et implications
La solution développée a permis au client d'augmenter la diversité du contenu consommé par ses utilisateurs par 5% et, par conséquent, d'augmenter la valeur à vie d'un client. De plus, avec l’aide de la solution développée, le client pourrait identifier directement des groupes (clusters) similaires de consommateurs. Forts de ces informations, ils peuvent cibler des groupes d’audience spécifiques avec le contenu qu’ils sont les plus susceptibles d’apprécier. Ils peuvent également estimer la demande potentielle pour un contenu spécifique.
French 
English 
German 
Arabic 
Dutch 
Spanish