Fernsehen ganz persönlich

Es ist gut möglich, dass Sie Scandal auf Netflix geschaut haben, weil Sie sich vorher House of Cards oder Madam Secretary oder irgendein anderes politisches Fernsehdrama angesehen haben. Laut Netflix stellen personalisierte Vorschläge 75 % der Programme, die von Kunden über dessen Streaming-Dienst geschaut werden. Heutzutage ist ein personalisiertes TV-Erlebnis der Schlüssel dazu, sich die Aufmerksamkeit der Verbraucher auf einem überfüllten Unterhaltungsmarkt zu sichern.

Verbraucher sind heute so übersättigt mit Medien, dass jeder TV-Dienst mit aller Kraft um einen Teil ihrer Zeit und Aufmerksamkeit kämpfen muss. 2016 verbrachten Erwachsene mehr als zwölf Stunden pro Tag mit Multitasking auf verschiedenen Medien – laut eMarketer fast eine Stunde mehr als die Durchschnittszeit 2011. 2018 wird diese Zahl noch weiter steigen. Aufgabe der TV-Unternehmen ist es daher, den größtmöglichen Anteil dieses Medienkonsum-Universums für sich zu gewinnen, und das in einer Zeit, in der Zuschauern eine größere Auswahl als je zuvor zur Verfügung steht.

Marken investieren Millionen in die Veröffentlichung ihres eigenen Contents, um von diesem Medienkonsum eine kleine Scheibe abzubekommen. Radio, Zeitungs- und Zeitschriftenverlage müssen weiterhin mit ansehen, wie ihre einst bedeutenden Anteile immer weiter zusammenschrumpfen. Die Anteile von Social-Media-Unternehmen sind in den letzten Jahren gestiegen, besonders unter den Millennials, die laut Nielsen 24 % ihrer Medienzeit in sozialen Netzwerken verbringen. Weiterhin darf man auch nicht die Unterhaltungsoptionen für Mobile, Spiele, Virtual Reality und sogar Augmented Reality vergessen, die sich um die Aufmerksamkeit der Verbraucher bemühen.

Auf diesem überfüllten Unterhaltungsmarkt ist es unbedingt erforderlich, dass Medienunternehmen ihr Angebot differenzieren, indem sie Zuschauer mit dem richtigen Content zur richtigen Zeit anlocken. Einer der effizientesten Wege, dies zu erreichen, ist datengestützte Personalisierung.

 

Infografik: Personalisierung in der Medien- und Unterhaltungsbranche.

Nur 16 % der Verbraucher sagen, dass TV-Empfehlungen stets von sehr guter Qualität sind.

Quelle: Piksel und Censuswide

Infografik: Personalisierung in der Medien- und Unterhaltungsbranche.

der Verbraucher sagen, ein gutes Programm zu finden, ist ihnen so wichtig, dass es ihre Wahl des Anbieters beeinflusst.

Quelle: Piksel und Censuswide

Infografik: Personalisierung in der Medien- und Unterhaltungsbranche.

dessen, was sich Kunden auf Netflix ansehen, beruht auf einer Empfehlung.

Quelle: The Netflix Tech Blog

TV-Unternehmen mit erfolgreicher Videopersonalisierung machen zwei Dinge richtig. Sie identifizieren erstens Personalisierungstechniken, die die gewünschten Ergebnisse bringen, wie beispielsweise höhere Zuschauerbindung und vermehrte Videoaufrufe. Zweitens stellen sie die erforderlichen Ressourcen zur Umsetzung und Skalierung dieser Techniken bereit.

Falls Sie ein TV-Anbieter sind, der sich im Anfangsstadium der Personalisierung befindet, sollten die folgenden Techniken unter den ersten sein, die Sie ausprobieren. Wenn Sie Personalisierung bereits teilweise einsetzen, werden Ihnen diese Techniken dabei helfen, Personalisierungsaspekte zu identifizieren, die Sie bisher vielleicht übersehen haben.


Fernsehen auf persönliche Art, Bild 1


7 Wege zur erfolgreichen Bereitstellung von personalisiertem Fernsehen

Personalisierung hilft Ihnen dabei, bei jeder Fernseh-Session das Interesse Ihrer Zuschauer aufrechtzuerhalten und diese an Ihr Unternehmen zu binden. Von den unten aufgelisteten sieben Wegen zur TV-Personalisierung wurden einige von Adobe-Mitarbeitern getestet und für effektiv befunden, während andere sich auf dem Markt bewährt haben. Sie selbst können am besten beurteilen, welche davon für Ihre Zielgruppe geeignet sind.

1: Personalisierung für neue Besucher (auch „Kaltstart“ genannt)

Wenn ein neuer Besucher über Ihren Dienst Content findet, den er sich ansehen möchte, steigt die Wahrscheinlichkeit, dass aus ihm ein treuer Zuschauer wird. Es kann jedoch schwierig sein, neuen Besuchern aufgrund des „Kaltstart“-Problems den richtigen Content zu empfehlen, ohne über historische Daten über zuvor angesehene Programme zu verfügen. Sie können dieses Problem lösen, indem Sie Daten von Bestandskunden verwenden, die ähnliche demografische Merkmale wie der neue Besucher aufweisen oder die Content in einem ähnlichen Kontext ansehen.

Nehmen wir einmal an, dass Sie anonymisierte Daten über Alter, Geschlecht, Standort und Browser-Verlauf für jeden neuen Besucher besitzen. Sie können diese Daten dazu nutzen, weiblichen Millennials, die Koch-Websites besucht haben, eine bestimmte Art von Fernseherlebnis zu bieten und einem männlichen Baby-Boomer, der Sport-Websites besucht hat, eine ganz andere. Auf ähnliche Weise können Sie jedem ihrer wichtigsten Zielgruppensegmente ein individualisiertes Fernseherlebnis bieten.

Wenn ein TV-Dienst auf diese Art personalisiert ist, steigt die Wahrscheinlichkeit, dass erstmalige Besucher bei ihrer ersten Session ein Programm ansehen und dann zurückkommen, um ähnlichen Content zu sehen.

2: Kontinuierliche Personalisierung für wiederkehrende Zuschauer

Die Personalisierung des Fernsehens ist niemals völlig abgeschlossen, da das Erlebnis mit jeder Interaktion und jedem Datenteil eines Anwenders weiter angepasst werden kann. Stellen Sie sicher, dass Sie im Auge behalten, was angesehen wurde und was nicht. Diese Information kann dazu genutzt werden, Content zu empfehlen, der dem ähnelt, der bereits angesehen wurde, oder um eine ganze Content-Kategorie vorzuschlagen, die den Zuschauern eines ähnlichen Zielgruppensegments gefallen könnte.

3: Ein personalisiertes Sucherlebnis

Wenn Zuschauer auf einer personalisierten TV-Oberfläche suchen, sollte ihnen optimaler Content gezeigt werden, der so präsentiert wird, dass sie zum Weiterschauen animiert werden. Dies könnte unter anderem durch personalisierte Navigation, personalisierte Empfehlungen und sogar durch ein personalisiertes Design des gesamten Erlebnisses geschehen.

Netflix liefert ein gutes Beispiel für personalisierte Sucherlebnisse. Justin Basilico von Netflix und Xabier Amatriain von Quora erklären in einem Vortrag über die Zukunft von Empfehlungssystemen, wie es funktioniert. Für jeden Kunden personalisiert Netflix die Top-Empfehlung und teilt dieser einen Empfehlung einen großen Teil der Bildschirmfläche zu. Diese Top-Empfehlung enthält einen sich auf das ausgewählte Programm beziehenden Bewertungsvorschlag für den Kunden sowie Anhaltspunkte aus dem Verlauf gesehener Programme des Kunden, die dieser Bewertung zugrunde liegen. Netflix bestimmt auch die Empfehlungskategorien, die einem Kunden gefallen könnten, und listet diese in Reihenform auf. Weiterhin bestimmt das Unternehmen die Empfehlungsrangfolge innerhalb jeder einzelnen Kategorie und listet diese von links nach rechts innerhalb einer Kategorienreihe auf.

4: Personalisierte Videoempfehlungen in Suchergebnissen

Wenn Zuschauer auf einer personalisierten TV-Oberfläche suchen, sollte die Ergebnisseite sie wie beim Sucherlebnis tiefer in den Dienst eintauchen lassen. Der beste Weg, dies zu erreichen, sind personalisierte Suchergebnisse, die auf den für jeden Anwender verfügbaren Daten basieren.

Jeder TV-Anbieter besitzt Standortdaten über seine Anwender, und diese können dazu verwendet werden, Suchergebnisse relevanter zu machen. Google personalisiert beispielsweise seit 2009 Suchergebnisse für ausgeloggte User. Die personalisierte Suche wird ebenso auf YouTube eingesetzt. Dies kann anhand der YouTube-Suchergebnisse für „Football“ in den USA im Vergleich zu denen in Großbritannien veranschaulicht werden.

Der Standort ist natürlich nur eine Dimension, die Videoempfehlungen in Suchergebnissen beeinflussen könnte. Die Suchergebnisse eines Zuschauers könnten weiterhin durch den Verlauf gesehener Videos, Gerätetyp, Tageszeit, Lieblingsschauspieler, Lieblingsregisseure und andere Kriterien beeinflusst werden.

5: Personalisierte Empfehlungen am Ende eines Programms

Am Ende eines Programms erreichen Zuschauer einen wichtigen Moment in ihrer aktuellen Fernseh-Session. Sie haben entweder Interesse am Weiterschauen oder beenden ihre Fernseh-Session. Viele TV-Dienste, wie z.B. HBO Go, motivieren ihre Zuschauer zum Weiterschauen, indem sie automatisch zu einem neuen Programm überleiten.

Manche Übergänge von einem Programm zum nächsten sind einfach vorauszusagen, während andere bessere Daten und technologische Ressourcen erfordern. Es ist beispielsweise leicht, vorauszusagen, dass Zuschauer nach einer Serienfolge die nächste sehen möchten. Es ist jedoch schwieriger, vorauszusagen, was Zuschauer am Ende einer Serie oder eines Films sehen möchten. Personalisierungs-Technologie kann in diesem Bereich dabei helfen, Zuschauer zum Weiterschauen zu animieren.

6. Die „Fortsetzen“-Funktion

Eine weitere wichtige Komponente für wiederkehrende Zuschauer ist, ein Programm dort fortzusetzen zu können, wo man zuvor aufgehört hat. Diese Funktion ist besonders hilfreich, wenn sie über mehrere Geräte hinweg angewendet werden kann, sodass Zuschauer beliebig vom Fernsehbildschirm zu ihrem Tablet, zu einem Desktop-Computer oder zu ihrem Smartphone wechseln können.
 

Der Fernsehstreaming-Dienst Crackle bietet die „Fortsetzen“-Funktion sogar für nicht eingeloggte Zuschauer an.

Crackle TV-Stream auf einem Smartphone


7: Personalisierte Werbung

Ein weiterer wichtiger Personalisierungsbereich ist Werbung. Sie können Advertisern dabei helfen, kostenpflichtige Anzeigen nur den Zuschauern zukommen zu lassen, die am wahrscheinlichsten darauf reagieren. Dies unterscheidet sich von traditionellen Fernsehwerbungs-Transaktionen, bei denen Advertiser Werbe-Spots in Programmen kaufen, die gut zu ihrer Zielgruppe passen. Es ist ein gutes System für den Anwender, weil die Werbe-Spots relevanter sind. Es ist ein gutes System für den Advertiser, weil die Wirkung jedes Spots steigt. Und es ist ein gutes System für Sie als TV-Anbieter, weil Sie von jedem einzelnen Werbeblock mehr Einnahmen generieren können.

 

„Growth in Time Spent with Media Is Slowing“, eMarketer, 6. Juni 2016, https://www.emarketer.com/Article/Growth-Time-Spent-with-Media-Slowing/1014042.

Jon Lafayette, „Nielsen: Time Spent on Social Media Growing“, Broadcasting & Cable, 17. Januar 2017, http://www.broadcastingcable.com/news/currency/nielsen-time-spent-social-media-growing/162512.

„Personalized Search for everyone“, Google Official Blog, 4. Dezember 2009, https://googleblog.blogspot.com/2009/12/personalized-search-for-everyone.html.

„TV Viewing Habits“, Piksel and Censuswide, Dezember 2016, https://www.slideshare.net/Evolyte/piksel-tv-viewing-habits-report.

Xavier Amatriain und Justin Basilico, „Netflix Recommendations: Beyond the 5 stars (Part 1)“, The Netflix Tech Blog, 6. April 2012, https://medium.com/netflix-techblog/netflix-recommendations-beyond-the-5-stars-part-1-55838468f429.

Xavier Amatriain und Justin Basilico, „Past, Present & Future of Recommender Systems: An Industry Perspective“, 18. September 2017, https://www.slideshare.net/justinbasilico/past-present-future-of-recommender-systems-an-industry-perspective.


IHRE NÄCHSTEN SCHRITTE