Рекомендательный движок в пользовательском приложении Телебриз

Развитие информационных технологий легитимизировало процесс постоянных изменений пользовательского поведения и используемых механизмов навигации и методов поиска информации. Ручную навигацию сменили специальные инструменты - поисковые и рекомендательные системы. В потоке информации пользователю невозможно вручную отделить полезный контент от информационного шума и контента сомнительного качества, поэтому рекомендательные системы за последнее десятилетие стали неотъемлемым атрибутом OTT видео платформ, обязательными условием для завоевания лояльности зрителей.

Рекомендательные агрегаторы — это подсемейство систем для фильтрации контента, предоставляющих пользователю те элементы, которые могли бы заинтересовать его в зависимости от предпочтений и поведения. Система прогнозирует реакцию на тот или иной элемент, после чего предлагает или исключает его.

Рекомендательный движок в пользовательском приложении Телебриз - это часть интегрированной системы, которая накапливает в себе статистическую информацию по пользователям о просмотренном контенте и предлагает в соответствии с этим другие релевантные для клиента видео и аудио.

Цель такого движка или системы - рекомендация элементов, ранее неизвестных пользователю, но актуальных в текущем контексте. Это оптимизирует поиск нового контента и увеличивает время взаимодействия пользователя с сервисом.

До внедрения рекомендательного движка операторы сами выводили контент в рекомендации, в зависимости от обновления библиотеки, собственных предпочтений или желания обратить внимание пользователей на тот или иной контент.

Приложение постоянно ведет статистический учет параметров просмотренного контента. Агрегатор, основываясь на общей статистике по пользователям и по каждому отдельному пользователю: предпочитаемые жанры, количество и длительность просмотра конкретного фильма, рейтинг, предлагает новые элементы библиотеки: видео, аудио, которые могут заинтересовать конечного потребителя.

Магия предсказания основывается на программном обеспечении, которое одновременно просчитывает рекомендации сразу по нескольким методам и выдает консолидированный результат.

Среди методов, применяемых в нашей системе - коллаборативный, контентный и гибридный методы.

• Метод контентной рекомендации: пользователю будет предложен контент, сходный с тем, который он просматривал ранее;
• Метод коллаборативной рекомендации: пользователю будет предложен контент, выбранный другими пользователями со схожими с ним вкусами и предпочтениями;
• Метод гибридной рекомендации: сочетающие в себе коллаборативный и контентный методы.

Результаты внедрения рекомендательного сервиса:

• удержание абонентов;
• привлечение новых пользователей;
• рост ARPU.

Рекомендательная система предлагает зрителю после каждого просмотра понравившегося телешоу или фильма похожие. Таким образом, потребляется больше контента, что ведет к росту количества показов рекламы при рекламной бизнес-модели или росту продаж платного контента.

Конечному пользователю важно не задумываться над тем, что посмотреть в будущем. Рекомендательный движок позволяет зрителю сэкономить время на поиск интересного контента, не переходя на сторонние ресурсы с рейтингами фильмов, описанием (КиноПоиск, IMDb) и оптимизируя процесс потребления контента.