De uitdaging
De klant is een groot mediabedrijf met tv- en radiozenders, audiopodcasts, tijdschriften en kranten. Het wilde een gepersonaliseerd aanbevelingssysteem voor zijn bestaande gebruikers en contentconsumenten, om de betrokkenheid te vergroten, klantverloop te verminderen en de customer lifetime value te verhogen.
De content is divers, van tv-programma’s en shows tot nieuwsartikelen, en elke gebruiker heeft eigen voorkeuren. Het systeem moest individuele consumptiepatronen herkennen, contentvoorkeuren begrijpen en nieuwe items aanbevelen die gebruikers waarschijnlijk zullen consumeren.
Onze oplossing
Wij ontwikkelden een aanbevelingssysteem dat meerdere factoren combineert. Het schat de consumptiepatronen van elke gebruiker in, begrijpt diens contentvoorkeuren zoals interessante onderwerpen en type content, schat demografische kenmerken en de gebruikte technische middelen in, en beoordeelt vanuit verschillende invalshoeken hoe sterk contentitems op elkaar lijken.
Een hybride aanbevelingssysteem brengt de uitkomsten van verschillende analytische componenten samen.
- Module voor onderwerpdetectie en contenttagging op basis van NLP
- Analyse van gelijkenis tussen contentitems
- Extractie van consumptiepatronen
- Aanbevelingssysteem op basis van collaborative filtering
- Item-to-item-aanbevelingssysteem
- Hybride aanbevelingssysteem dat al het bovenstaande combineert
Het resultaat
De oplossing verhoogde de diversiteit van de content die gebruikers consumeren met 5%, en daarmee ook de lifetime value van een klant.
De klant kan bovendien direct vergelijkbare groepen (clusters) consumenten herkennen, hen gericht de content aanbieden die ze waarschijnlijk het meest waarderen en de potentiële vraag naar specifieke content inschatten.
