Maintenant que les audiences sont devenues si fragmentées et qu'il y a tellement plus de concurrence que jamais pour leur temps d'écran, attirer l'attention d'un spectateur - et la garder - en trouvant et en exploitant le bon contenu pour le bon public est devenu encore plus difficile que jamais.

Cependant, les données peuvent être extrêmement efficaces pour éliminer les conjectures de prédire le succès d'un titre sur une plate-forme donnée, selon Carol Hanley, directrice des revenus et de la stratégie pour Whip Media Group.

"Beaucoup de choses ont changé" à la suite de COVID-19, a-t-elle déclaré lors du webinaire "Doing Digital Content Smarter: Data-Driven Predictions on What Content Will Work Well on a Given Platform".

"Prédire les performances du contenu [is] plus important que jamais parce que les gens dépensent plus d'argent que jamais", a-t-elle déclaré, ajoutant: "Lorsque vous avez des décisions avec des enjeux aussi élevés qu'ils le sont, chaque décision que vous prenez dans cette chaîne de contenu et l'écosystème, si vous voulez, devient de plus en plus important.

Avant COVID-19, l'industrie du divertissement «investissait une tonne dans le contenu à un rythme sans précédent», y compris pour le catalogue et les nouveaux titres originaux, a souligné Guy Finley, président de la Media & Entertainment Services Alliance (MESA), au début du webinaire. Plus de $120 milliards ont été dépensés par les entreprises américaines de médias et de divertissement pour du contenu original – y compris des films et des émissions de télévision – rien qu'en 2019, a-t-il déclaré, citant Données de la plateforme d'intelligence des variétés. "Il semblait que la stratégie pour attirer l'attention des téléspectateurs dans les guerres de streaming était axée sur la force brute et les dépenses de contenu", a-t-il déclaré. Malgré les énormes sommes d'argent dépensées pour le contenu original, les fournisseurs de services de streaming ont également dépensé beaucoup d'argent pour acheter les "joyaux de la couronne" parmi les émissions de télévision populaires sur catalogue afin de différencier leurs plates-formes, a-t-il noté. Les programmeurs, quant à eux, ont dû s'appuyer sur les titres du catalogue pour combler les lacunes dans les horaires du réseau à la suite de l'arrêt de la pandémie de production d'émissions de télévision, a-t-il ajouté.

Whip Media a développé un processus qui aide les entreprises de médias et de divertissement à tirer parti des prédictions basées sur les données pour déterminer quel contenu fonctionnera le mieux sur une plate-forme donnée, a déclaré Hanley aux auditeurs. Le score DemandIQ que la société a développé combine les données suivies par la division Mediamorph de Whip Media avec les données sur les données d'écoute de la télévision suivies par la division TV Time de la société, a-t-elle noté, ajoutant: «Le résultat est qu'il vous aide à prédire la probabilité qu'un morceau du contenu figurera dans le top 10 % de vos titres au cours des 30 prochains jours. »

Bien qu'aujourd'hui "le plus grand défi soit le fait que tous ces actifs de données sont cloisonnés, nous mettons en place un modèle qui prendra tous ces actifs cloisonnés et les combinera et les synthétisera et en fera quelque chose qui devient exploitable et peut aider à changer résultats », a-t-elle déclaré. Un avantage supplémentaire est que "plus vous l'utilisez, plus il devient intelligent", a-t-elle ajouté.

DemandIQ a été « mis en place à la suite de deux apports clés », a-t-elle souligné. Le premier était le concept d'un score / modèle de similarité de contenu qui, selon elle, mesure à quel point un public est lié à un autre public en fonction de toutes les émissions de télévision et de tous les films qu'ils regardent et ont en commun, a-t-elle expliqué. Ces données sont ensuite prises en compte dans un modèle d'apprentissage automatique avec une formation continue qui prédit la probabilité en fonction des entrées de données et met à jour les prédictions en fonction du succès, a-t-elle déclaré, ajoutant que le système examine également les licences, "aide à faire des recommandations de marchandisage [et] peut même aider avec tarification. Les métadonnées et le traitement du langage naturel sont également utilisés, a-t-elle noté.

La première génération de ce système a été lancée au premier trimestre 2020 et "nous en avons une autre génération qui sortira au début du [the] troisième trimestre", a-t-elle déclaré aux auditeurs, ajoutant que la société "en fera continuellement une approche encore meilleure et un modèle encore plus intelligent.

Whip Media a travaillé avec certains clients pour voir comment son système peut aider avec des fonctions telles que les recommandations de licence et l'identification du contenu sous-performant, a-t-elle poursuivi. La société recherchera également d'autres partenaires avec lesquels commencer à travailler, a-t-elle noté.

Whip Media s'intègre également à d'autres systèmes de gestion des droits en plus d'utiliser son propre système Mediamorph, a-t-elle souligné lors de la séance de questions-réponses.