流媒体平台如何利用预测分析提高用户留存率
流媒体视频生态系统正在将重点从不惜一切代价实现用户增长最大化转向利润最大化. OTT (over-the-top)业务的目标已经不再是吸引新客户, 更重要的是保持高价值客户的满意. 无论是订阅业务还是广告业务, 对于任何直接面向消费者(DTC)的公司来说，每用户平均收益(ARPU)增长已经成为最重要的指标. 然而, 在一个过度饱和的市场中，消费者可以轻松地从一个平台跳到另一个平台, 确保你的一部分观众的注意力和钱包从来没有像现在这样困难.
流媒体平台正在迎接挑战，将用户留存变成一门数据驱动的艺术. DTC公司拥有大量的第一方行为数据, 在基础层面上, 他们正在分析这些数据，以更清晰地描绘出人们为什么会选择某项服务, 它们如何在服务中交互, 以及他们离开的原因.
近年来, 然而, 拥有第一方数据的优势已经远远超出了基本的数据分析, 让位于创建更先进的预测机器学习(ML)模型的能力. 毕竟，当涉及到数据时，如果我们能测量它，我们可能就能预测它.
通过利用高级预测分析的价值, 流媒体平台可以确保他们使用所有的信息来做出最明智的营销决策, 包装, 和内容, 从而导致更有效的收购, 保留, 用户参与, 和货币化.
预测的力量
Data scientists can create ML models that output propensity scores that indicate a user’s likelihood to commit a certain action; for example, 他们流失的可能性, 流内容, 或者按次付费. 这些机器学习算法是通过将第一方数据(如流行为和交易活动)与第三方数据(外部客户属性)结合起来构建的, 特定国家的特征, 等.)，从而产生诸如按需流媒体花费的分钟数和按需流媒体花费的时间等属性. 生活内容, 位置, 设备, 用户成为订阅者的时间有多长, 和/或任何其他因子. 每个DTC平台将根据平台的具体细微差别利用不同的数据点, 以及它试图预测的不同行为.
在流媒体生态系统中利用机器学习的美妙之处在于，随着收集的数据越来越多，这些模型会变得越来越好. 随着用户继续流式传输和交易, 该算法可以评估预测的准确性，并根据这些学习进行改进. 这允许更精确的分割，并最终实现更有用的预测.
利用数据吸引观众并减少流失
当涉及到预测时，并不缺乏用例. 下面, 我们将介绍DTC业务可以从这些实践中获得价值的两个领域:市场营销和用户体验.
- 有针对性的营销
很明显，实时数据分析可以帮助企业更好地了解他们的受众，并知道如何向他们传达信息，但预测数据算法可以让企业在细分受众时得到更多的计算. 如果一个流媒体平台知道某一组用户可能会根据ML模型流失, 它可以与那些不太可能流失的用户进行不同的交流. 例如, 它可以为这些用户提供一个月的免费服务, 给企业多买30天的时间与用户直接沟通，重新建立平台的价值. 另外, 它可以为这些可能流失的用户提供经济激励, 比如年费的诱人折扣. 通过只向那些最有可能流失的人传达折扣报价, 通过向没有风险的用户提供财务激励，企业可以节省大量可能损失的收入.
- 个性化用户推荐
个性化的内容推荐可以提高平台的参与度, 从而形成有助于减少流失的习惯. 通过利用历史用户事件数据，平台可以推荐新的内容来吸引用户. 你看 最后生还者? 看看这四个类似的节目. 喜欢 的Fabelmans? 以下是史蒂芬·斯皮尔伯格执导的另外三部电影. 使用机器学习, 平台可以从整个观众群体中获取信息，并相应地个性化用户体验.
推荐引擎建立在预测模型的基础上，以确定用户将来流媒体播放某条内容的可能性. 例如，如果一个UFC的粉丝看了每一场康纳·麦格雷戈的比赛和采访，他们可以找到 UFC格斗通行证他们很有可能会看另一部. 然后，UFC格斗通行证可以根据这些模型主动推荐新的或未被发现的麦格雷戈内容. 使用机器学习算法来构建内容推荐引擎是提高用户参与度的有效方法, 这反过来又能帮助降低流失率.
流媒体的未来是数据优先
对于流媒体平台来说，可持续的用户参与和减少流失将继续是一门艺术和科学. 随着行业继续从最大化用户转向最大化高价值用户ARPU增长, 利用数据和机器学习力量的平台将最适合为用户培养一种吸引人的、有利可图的体验.
生物:
博·德克尔是增长营销的高级总监 努力流，是体育、娱乐、媒体和生活方式领域的全球流媒体领导者. 在加入努力流之前，Beau在Endeavor的其他资产中担任其他营销驱动角色. 他负责管理一个增长型营销团队，负责Endeavor拥有的OTT资产的业务, 比如UFC的Fight Pass, PBR的RidePass, 纽约时装周:All Access. 另外, 他曾在Endeavor的播客部门工作, 努力的音频, 他在哪里管理媒体策略的发展，并为几个播客的发布执行, 包括停电, Freaknik和The Bellas Podcast. 在Endeavor的头两年, Beau致力于为Endeavor的活动执行数字表演媒体活动. 他的职责包括开发和执行客户获取营销策略与kpi，包括ROAS, 门票销售, 意识和更多的一些最大的现场活动在全球范围内.
以前, 博在凯络的辉瑞公司工作了几年, 为美国最大的广告客户之一规划并执行跨线上和线下媒体的媒体激活.S. 在Carat，他培养了大量的机构营销和媒体技能. 博毕业于圣母大学, 他在哪里获得市场营销学士学位.
[编者注:这篇文章来自努力流. 流媒体接受供应商署名完全基于它们对我们读者的价值.]
相关文章
标记物后, SymphonyAI Media首席执行官, 讨论了为什么“观望”方法对坐拥大量数据的媒体高管来说是一种有害的组合.
2023年5月10日
Cloudwards的Mauricio Prinzlau描述了新的订阅经济, 他还详细列出了企业要在这一体系中取得成功，应该采取的基本运营和基础变革.
2023年4月3日
在一个既直观又用户友好的平台上保持观众对各种内容的参与是收入增长的关键, 减少生产, 建立你的客户基础. 为了实现这一目标，数据驱动的内容策略必须配备OTT分析. OTT分析提供了对内容性能的宝贵见解, 广告标准, 以及帮助供应商塑造客户体验的技术统计数据, 提高流媒体质量, 把个性化放在首位.
2022年8月5日
提及的公司及供应商