Download onze AI in het bedrijfsleven | Mondiaal trendrapport 2023 en blijf voorop lopen!

Hoe kunstmatige intelligentie inhoudsaanbevelingen kan ondersteunen | AI in aanbevelingsinhoud

Technologie Kern machinaal leren
Industrie Media
Potentiële industrieën Telco, detailhandel, verzekeringen, financiën, onderwijs
Cliënt Mediabedrijf

Samenvatting

Om een mediabedrijf te helpen de levenslange waarde van hun klanten te vergroten, hebben we analyses ontwikkeld om artikelaanbevelingen te geven vanuit een diverse reeks klantenbronnen. Dit bevorderde een verbeterde klantbetrokkenheid en retentie en verhoogde de loyaliteit.

Uitdaging

De klant is een groot mediabedrijf dat eigenaar is van verschillende tv- en radiokanalen, audiopodcasts, tijdschriften en kranten. Ze waren geïnteresseerd in een gepersonaliseerd aanbevelingssysteem voor hun bestaande gebruikers en contentconsumenten. Het inhoudstype is divers (tv-programma's en shows, nieuwsartikelen, enz.). En elke gebruiker heeft voorkeuren waarmee rekening moet worden gehouden bij het aanbevelen van een nieuw inhoudsitem. De uitdaging is om zo'n complex systeem te creëren dat de consumptiepatronen van individuele gebruikers herkent, hun inhoudsvoorkeuren begrijpt en nieuwe inhoudsitems aanbeveelt die gebruikers waarschijnlijk zullen consumeren. Met dergelijke personalisatiemogelijkheden wordt van de klant verwacht dat hij de betrokkenheid vergroot en het klantverloop vermindert.

Oplossing van AI Superior

We hebben een aanbevelingssysteem ontwikkeld dat verschillende factoren gebruikt om aanbevelingen te doen. Het systeem heeft de volgende mogelijkheden:

  • Schat consumptiepatronen van individuele gebruikers
  • Begrijpt de inhoudsvoorkeuren van elke gebruiker (interesseonderwerpen, inhoudstype, enz.)
  • Schat de demografische en technische middelen in die door elke gebruiker worden gebruikt om toegang te krijgen tot de inhoud
  • Beoordeelt de gelijkenis van inhoudsitems vanuit verschillende perspectieven

Om dit mogelijk te maken, hebben we verschillende analytische componenten ontwikkeld: op NLP gebaseerde module voor het ontdekken van onderwerpen en het taggen van inhoud, analyse van de gelijkenis van inhoudsitems, extractie van consumptiepatronen, op collaboratieve filters gebaseerde aanbeveling, item-tot-item aanbeveling, hybride aanbeveling die rekening houdt met alle de genoemde modules.

Resultaat en implicaties

De ontwikkelde oplossing stelde de klant in staat de diversiteit aan inhoud die door zijn gebruikers door 5% wordt geconsumeerd te vergroten en, als gevolg daarvan, de levenslange waarde van een klant te vergroten. Bovendien kon de klant met behulp van de ontwikkelde oplossing direct vergelijkbare groepen (clusters) consumenten identificeren. Gewapend met deze informatie kunnen ze specifieke doelgroepen targeten met de inhoud waarvan ze waarschijnlijk het meest zullen genieten. Ze kunnen ook de potentiële vraag naar specifieke inhoud inschatten.

Laten we samenwerken!

nl_NLDutch
Scroll naar boven

Vul het onderstaande formulier in:

Door op Bericht verzenden te klikken, gaat u akkoord met onze Privacybeleid.