Doporučování obsahu napříč VOD, magazíny a HbbTV v evropských médiích

FTV Prima čelila rostoucímu tlaku doručovat personalizovaný videoobsah milionům uživatelů napříč různými platformami, včetně VOD a HbbTV. Předchozí systém, založený na manuálním kurátorství obsahu redakčním týmem, nedokázal držet krok s objemem dostupného obsahu ani s rostoucí uživatelskou základnou. Tato neefektivita omezovala schopnost poskytovat plynulé uživatelské zážitky a bránila širším obchodním cílům, jako je prodloužení doby sledování, zvýšení retence a růst příjmů z reklamy. Vyřešení tohoto problému se stalo klíčovým pro udržení zapojení uživatelů a dlouhodobé konkurenceschopnosti.

Recombee nasadilo doporučovací systém v reálném čase poháněný AI napříč digitálním ekosystémem FTV Prima, včetně VOD platformy prima+ a lineární TV přes HbbTV. Unifikovaná databáze propojila identity uživatelů napříč platformami a umožnila konzistentní, personalizované návrhy na webu i v mobilních aplikacích. Sofistikované algoritmy obsluhovaly více než 55 unikátních scénářů doporučování, z nichž každý byl přizpůsoben konkrétním uživatelským kontextům. Plně automatizovaný systém zlepšil objevování obsahu i zapojení uživatelů díky relevantním doporučením ve velkém měřítku, bez ohledu na platformu či zařízení.

Redakční týmy, obchodní tým a koncoví uživatelé (kteří dostávají doporučení).

2

Kolaborativní filtrační modely doporučování (Deep Variational Autoencoders, Matrix Factorization, Lineární modely…), obsahově orientované modely (Konvoluční neuronové sítě, LLMs, vizuální podobnost), modely s posilovaným učením (Multi-Armed Bandit Models, Deep Reinforcement Learning), beeFormer Transformer Architecture.

Vrcholové vedení (C‑level)

Společná implementace s klientem

Interní tým Recombee udržuje poskytovanou službu.

Není relevantní, protože jsme systém jako služba.

Nejsou žádné technické požadavky, platba za SaaS je na měsíční bázi.

Po spuštění platformy prima+ VOD personalizovaná doporučení pomohla uživatelům objevovat více relevantních titulů, což je motivovalo k delším relacím sledování a zvýšené interakci. Toto zlepšení se rozšířilo i na lineární TV prostřednictvím HbbTV, kde se doporučení stala více cílenými a akceschopnými. Konzistentní uživatelská zkušenost napříč zařízeními pomohla zvýšit zapojení a posunula více uživatelů do kategorií s vysokou aktivitou.

Počet zhlédnutí videí na prima+ vzrostl o 34 %, zatímco zhlédnutí reklam vzrostlo o 73 %. Počet intenzivních uživatelů (těch, kteří sledují více než tři tituly měsíčně) se více než zdvojnásobil (nárůst 2,5×). Na HbbTV se míra prokliku zvýšila 2,3×, což poukazuje na lepší relevanci a záměr uživatelů napříč platformou.

„Recombee nám umožňuje měnit chování doporučování napříč našimi platformami podle velmi specifických use-casů. Implementace Recombee na VOD platformě prima+ nám pomohla zvýšit počet zhlédnutí videí o 34 % a zhlédnutí reklam o 73 %, což vedlo k významnému růstu příjmů z reklamy. Dalším velkým úspěchem byl nárůst recirkulace, což je naše nejvyšší priorita na online magazínových platformách. V současnosti diskutujeme o rozšíření jejich doporučení také do našich e-mailů. Velmi si ceníme tohoto partnerství!“ – Jan Lajka, Chief Data Officer, FTV Prima

Některé klíčové faktory úspěchu:

• Technická připravenost klienta: samotná integrace doporučení není technicky složitá; je však nutné mít základní katalogová data v dobrém stavu a zajistit identifikaci uživatelů.

• Flexibilita a možnosti přizpůsobení Recombee: klienti ocenili, že mohli jemně doladit chování doporučování podle specifických use-casů.

• Týmová práce a podpora ze strany Recombee: rychlá a responzivní podpora, aktivní zapojení při hledání řešení unikátních požadavků a profesionální přístup pomohly rychle dosáhnout požadovaných výsledků.

Největší výzvou je zajištění konzistence a měření dat. Je důležité zajistit, aby stejná data byla dostupná jak na straně klienta, tak v Recombee, aby bylo možné správně měřit a optimalizovat KPI. Tým Recombee to ve spolupráci s klientem zajišťuje (pomocí kontrol, výměny reportů apod.) před spuštěním A/B testu.

Některá naše doporučení:

• Vyberte správnou metriku, kterou chcete optimalizovat: definujte svůj hlavní KPI — např. míru prokliku, konverzní poměr, čas strávený sledováním atd.

• Zvolte vhodný první use-case: vhodná jsou obvykle umístění, která vidí mnoho uživatelů (umožňují rychlou optimalizaci modelů a rychlé získání významných výsledků A/B testů) a nejsou složitá na implementaci. Nejčastěji jde o umístění na homepage nebo na stránkách detailu článku/videa/produktu.

• Investujte do přípravy dat: identifikujte uživatele a udržujte konzistentní katalog.

• Využijte flexibilitu systému: nebojte se navrhovat specifické personalizační use-casy pomocí kombinace logik, filtrů, boosterů a dalších nástrojů.