Optimización de contenido ™
La selección de contenido implica un componente fuertemente subjetivo (es decir, Arte versus Ciencia).
Lograr la combinación óptima de contenido es una de las tareas más importantes para garantizar el éxito de las calificaciones a largo plazo.
Es difícil considerar múltiples variables (+10) para explicar el éxito del contenido utilizando solo la experiencia.
Es posible predecir cómo funcionará el contenido dado un conjunto de atributos de contenido (es decir, calificación alta y baja).
Objetivos claves:
Proporcione aportes adicionales a los equipos de selección y programación de contenido sobre el efecto de los atributos clave en el rendimiento del contenido a través de 2 modelos matemáticos.
-
Explicativo: Identifique los atributos que históricamente explican la calificación.
-
Predictivo: dados ciertos atributos, predice cómo se desempeñará cierto contenido.
Al enseñarle a la "Máquina" cómo identificar los atributos de contenido más importantes que maximizan la Calificación (o Compartir) para un momento, día o feed en particular.
¿Qué son los metadatos?
Todas las variables que podrían explicar el KPI que queremos maximizar. Por ejemplo:
Objetivo de metadatos
Casa de producción
Numero de episodios
Elenco, etnia
Acento
Guionista
Tiempo de transmisión
Fecha de estreno
Metadatos subjetivos
Opiniones subjetivas
Romántico, dramático, sexual, religioso.
Estrategia analítica para el modelo explicativo (ejemplo Árbol de decisión)
Buscamos determinar:
• Las características más importantes de una producción para determinar el nivel de éxito.
• El rastro de atributos que hacen que una producción sea {buena, promedio o mala}.
Estrategia analítica para modelo predictivo.
• Buscamos determinar si el contenido propuesto reflejará una calificación alta o baja a través de un modelo de clasificación para un feed.
•Probabilidad
- Alto
- Bajo
