Content Optimization ™
A seleção do conteúdo envolve um componente fortemente subjetivo (ou seja, Arte versus Ciência).
Alcançar a combinação ideal de conteúdo é uma das tarefas mais importantes para garantir o sucesso das classificações de longo prazo.
É difícil considerar várias variáveis (+10) para explicar o sucesso do conteúdo usando apenas a experiência.
É possível prever o desempenho do conteúdo, dado um conjunto de atributos de conteúdo (ou seja, classificação alta e baixa).
Objetivos principais:
Fornece informações adicionais para as equipes de seleção e programação de conteúdo sobre o efeito dos atributos-chave no desempenho do conteúdo por meio de 2 modelos matemáticos.
Explicativo: Identifique os atributos que explicam historicamente a classificação.
Preditivo: dados certos atributos, preveja o desempenho de determinado conteúdo.
Ensinando a “Máquina” a identificar os atributos de conteúdo mais importantes que maximizam a Classificação (ou Compartilhamento) para um determinado horário, dia ou feed.
O que são metadados?
Todas as variáveis que podem explicar o KPI que queremos maximizar. Por exemplo:
Metadados Objetivos
Casa de produção
Número de episódios
Elenco, etnia
Sotaque
Roteirista
Tempo de transmissão
Data de estreia
Metadados Subjetivos
Opiniões subjetivas
Romântico, dramático, sexual, religioso.
Estratégia analítica para modelo explicativo (exemplo de árvore de decisão)
Procuramos determinar:
• As características mais importantes de uma produção na determinação do nível de sucesso.
• A trilha de atributos que levam uma produção a ser {boa, média ou ruim}.
Estratégia analítica para modelo preditivo
• Procuramos determinar se o conteúdo proposto refletirá uma classificação alta ou baixa por meio de um modelo de classificação para um feed.
•Probabilidade
- Alto
- Baixo
