如何通过自动化改善OTT客户体验

预计OTT (over- top)服务市场将持续发展, 在经历了近年来的显著增长之后. 预计收入将达到 $158.840亿年到2024年，收入将是2018年的两倍多. Netflix在全球拥有超过2亿付费用户, 因此，世界上许多最大的内容提供商, 比如迪斯尼和亚马逊, 是否在这一领域进行投资，提供新的、极具竞争力的OTT服务. But it's not just for superbrands; OTT is attracting many niche entrants as demand for such services extends beyond the popular mainstream media.

虽然, 在日常任务中有效使用自动化的能力是所有OTT媒体提供商的共同之处. 首席运营官约翰·格里菲思辣芒果, 探讨了在合规性监控中，自动化如何在增强消费者体验和商业效率方面发挥重要作用.

数据自动化

从自动化到人工智能(AI)和机器学习(ML), 技术的进步是不断发展的，多年来，OTT平台上越来越多地采用这些技术. 事实上，十多年前， Netflix向一个开发团队颁发了100万美元的奖金该算法仅将公司推荐引擎的准确率提高了10%.

从那时起，内容推荐有了一定的进展, 因为OTT提供商增加了对丰富元数据的访问. 当你考虑到Netflix和亚马逊Prime Video等平台上的大量内容时, 结合相当数量的服务用户, 依靠手动流程来分析数据消耗以推荐内容永远不会是一种有效的方法.

体育OTT服务是另一个可以采用数据自动化来改善消费者体验的关键领域. 体育数据被认为是世界上最复杂、最多样化的数据之一, 主要是因为主要的体育垂直产品在许多不同的国家和语言中被消费. 所以如何收集的挑战, 规范化和丰富大量的数据到电力计划, 游戏排行榜, 球员, 事件和场地的实时信息对观众来说是复杂的, 但重要的.

虽然这个过程可以手动到达, 采用自动化解决方案来标准化与数据差异相关的常见挑战, 身份验证, 与大量供应伙伴合作时，短暂性和可靠性在商业上要高效得多. 随着技术的不断发展, 体育OTT服务利用自动化和机器学习，并将其应用于长期积累的庞大数据库的能力, 提供了进一步提升消费者体验的机会，反过来, 将投资货币化.

自动化法规遵从性监控

最近, Netflix也使用了人工技术协作将年龄分级应用于其所有内容. Netflix的员工负责将整个内容库流式传输, 标记不适合儿童的场景, 然后将所有这些元数据发送到一个算法中. 虽然这是一个相当大的任务, 这个算法现在可以用来检测新内容中不合适的场景，并自动分配年龄等级.

无数OTT提供商也依靠自动化来支持合规监控活动. YouTube, 例如, 全球是否每小时都有数千分钟的用户生成内容上传. 手动筛选每一点内容在商业上是完全没有效率的, 如果不是物理上不可能的话. But that's not to say that human input isn't still essential; human reviewers are necessary to the process of removing content and training ML systems. 当谈到在YouTube上筛选适合年轻观众的内容时, 在短短几个月的时间里, ML能够审查并标记不合适的内容 18万人工作40小时一周时间评估.

迈出第一步

自动化的第一步在于当前的工作流程和单调、耗时和低价值任务的识别. 这些任务通常很适合自动化，因为系统可以相对容易地开发和训练, 每小时可进行数千次操作, 与人工操作相比，这可能需要更长的时间.

元数据是AI/ML提供提高效率和实现更大利益的重要机会的领域. 从输入不完整的元数据和自然语言处理, 增强现有元数据并生成字幕文件, 为跨境服务提供自动化翻译服务——所有这些服务都可以经过培训，以快速和大规模的方式交付. 这些增强功能不仅支持企业管理成本, 同时也通过提供更好的用户体验来减少用户流失，从而创造收益, 提供越来越准确的建议，并更有效地在新地区开展业务.

结论

拥抱自动化的好处, ML和AI技术在OTT领域改善消费者体验和提高商业效率的作用是显而易见的. 在蓬勃发展的市场中, 服务用户的需求和期望在哪里增加, OTT提供商还有更多机会利用他们可以访问的数据, 为了获得竞争优势，确保更大的投资回报. 尽管合规监控是保护在线消费者的更广泛、更复杂运动的一部分, 通过自动化可以支持更有效的人类技术协作, ML和AI技术. 这些重要的创新将在未来的OTT和改善消费者体验中发挥重要作用.

[编者注:这是来自辣芒果. 流媒体接受供应商署名完全基于它们对我们读者的价值.]