Le défi
Le client est un grand groupe média qui possède des chaînes de télévision et de radio, des podcasts audio, des magazines et des journaux. Il voulait un système de recommandation personnalisé pour ses utilisateurs et consommateurs de contenus existants, afin d’accroître l’engagement, de réduire l’attrition et d’augmenter la valeur vie client.
Les contenus sont très variés, des programmes et émissions de télévision aux articles d’actualité, et chaque utilisateur a ses propres préférences. Le système devait reconnaître les habitudes de consommation individuelles, comprendre les préférences de contenu et recommander de nouveaux contenus que l’utilisateur a de bonnes chances de consommer.
Notre solution
Nous avons développé un système de recommandation qui combine plusieurs facteurs. Il estime les habitudes de consommation de chaque utilisateur, comprend ses préférences de contenu (thèmes d’intérêt, type de contenu), estime ses caractéristiques démographiques et les moyens techniques qu’il utilise pour accéder aux contenus, et évalue sous différents angles la similarité entre les contenus.
Un moteur de recommandation hybride réunit les résultats de plusieurs composants analytiques.
- Module de découverte de thèmes et d’étiquetage des contenus fondé sur le NLP
- Analyse de la similarité entre contenus
- Extracteur d’habitudes de consommation
- Moteur de recommandation par filtrage collaboratif
- Moteur de recommandation item-to-item
- Moteur de recommandation hybride qui combine tous les éléments ci-dessus
Le résultat
La solution a augmenté de 5 % la diversité des contenus consommés par les utilisateurs, et avec elle la valeur vie client.
Le client peut aussi identifier directement des groupes (clusters) de consommateurs similaires, leur proposer les contenus qu’ils sont le plus susceptibles d’apprécier et estimer la demande potentielle pour un contenu donné.
