Transformez le comportement des visiteurs en un engagement plus intelligent, une fidélité plus forte et une valeur à vie plus élevée.
Publié: • Dernière mise à jour:
Pour une entreprise de services OTT, convaincre un spectateur de s'abonner n'est qu'un début.
Le plus grand défi consiste à offrir à cet abonné suffisamment de valeur ajoutée pour qu'il continue à regarder, revienne et renouvelle son abonnement.
À mesure que les catalogues de streaming s'étoffent, les spectateurs ont plus de choix que jamais. Une plateforme peut proposer des centaines, voire des milliers de titres, mais un catalogue volumineux ne garantit pas automatiquement une meilleure expérience de visionnage. Si les abonnés ne parviennent pas à trouver rapidement un contenu qui les intéresse, leur engagement peut diminuer, même si la plateforme dispose d'une abondance de contenus de qualité.
C'est là que personnalisation prédictive des services OTT prend de l'importance.
Au lieu de se contenter de proposer aux utilisateurs des contenus en fonction de ce qu’ils ont regardé précédemment, la personnalisation prédictive utilise des signaux comportementaux pour anticiper ce qu’ils pourraient souhaiter regarder ensuite. Associée à des métadonnées automatisées et à la prédiction du taux de désabonnement, elle peut aider les entreprises OTT à relier trois domaines souvent gérés séparément :
Contenu → Comportement des spectateurs → Fidélisation
Il en résulte une expérience OTT plus réactive, susceptible d'aider les entreprises à améliorer la découverte de contenus, à alléger la charge de travail opérationnelle et à identifier les abonnés qui risquent de se désintéresser de leurs services.
La personnalisation prédictive OTT consiste à exploiter le comportement des téléspectateurs, les informations relatives aux contenus et des modèles prédictifs afin d'anticiper ce qui pourrait intéresser un abonné à l'avenir.
La personnalisation traditionnelle répond souvent :
Quels programmes ce spectateur a-t-il regardés ?
La personnalisation prédictive pose la question suivante :
Au vu du comportement récent de cet internaute, quelle est la prochaine action qu'il est le plus susceptible d'entreprendre ?
Cette différence a son importance.
Un abonné peut, d'ordinaire, regarder des documentaires, mais se mettre soudainement à suivre des événements sportifs en direct. Un autre téléspectateur peut suivre régulièrement une série en particulier, mais commencer à abandonner les épisodes avant la fin.
Un système de personnalisation qui s'appuie fortement sur les préférences passées risque de continuer à traiter les deux utilisateurs de la même manière.
Un système prédictif est capable de détecter que le comportement évolue.
Les signaux peuvent inclure :
Historique des consultations
Durée de visionnage
Taux de réussite
Activité de recherche
Ajouts à la liste de surveillance
Fréquence des séances
Catégories de contenu
Utilisation de l'appareil
Heure de la journée
Activité liée aux abonnements
Engagement récent
Interaction avec le contenu recommandé
L'objectif n'est pas de prédire chaque action à la perfection.
L'objectif est d'utiliser les signaux disponibles pour rendre la prochaine interaction avec la plateforme plus pertinente.
La quantité de contenu accessible aux spectateurs ne cesse d'augmenter, tandis que l'attention de ces derniers reste limitée.
Cela pose un problème de découverte.
Un abonné ne souhaite pas parcourir l'intégralité du catalogue à chaque fois qu'il ouvre une application OTT. Il souhaite que la plateforme l'aide à trouver rapidement un contenu qui vaille la peine d'être regardé.
La personnalisation constitue donc un élément important de l'expérience visuelle.
Mais la personnalisation revêt également une dimension commerciale.
Une expérience plus pertinente pourrait permettre de :
Un engagement accru
Des séances plus fréquentes
Une consommation accrue de contenus
Meilleure utilisation du catalogue de contenus
Une satisfaction accrue des abonnés
Meilleure rétention
C'est pourquoi la personnalisation OTT ne doit pas être considérée uniquement comme une fonctionnalité de la page d'accueil.
Cela peut s'inscrire dans le cadre plus large du cycle de vie de l'abonné.
Ces deux concepts se recoupent, mais ils ne sont pas identiques.
Recommandations traditionnelles | Personnalisation prédictive des services OTT |
Mise fortement l'accent sur les visionnages antérieurs | Envisage de modifier les habitudes comportementales |
Réagit souvent en fonction des préférences connues | Tentatives visant à anticiper les intérêts futurs |
Recommande principalement du contenu | Peut faciliter la prise de décisions plus globales en matière d'engagement |
Peut s'appuyer sur des segments d'audience statiques | Peut s'adapter au comportement de chacun |
Les données historiques ont une forte influence | Les signaux récents peuvent revêtir une importance plus grande |
Prenons l'exemple d'un abonné qui regarde des séries policières chaque semaine.
La personnalisation traditionnelle pourrait continuer à recommander des séries policières.
La personnalisation prédictive peut détecter que l'abonné a récemment commencé à regarder des documentaires sur des enquêtes réelles.
La plateforme peut réagir en proposant des documentaires pertinents en fonction des préférences déjà connues de l'utilisateur.
Cela permet d'offrir une expérience plus flexible sans pour autant renoncer complètement à ce que le spectateur apprécie déjà.
La personnalisation repose sur la compréhension de deux éléments :
Qui est le spectateur ? et Ce que contient ce document.
Le comportement des téléspectateurs constitue la première partie.
Les métadonnées fournissent une grande partie de cette seconde.
Chaque titre d'un catalogue OTT peut contenir des informations précieuses telles que :
Genre
Sous-genre
Langue
Distribution
Directeur
Année de sortie
Description
Thèmes
Mots-clés
Classification du contenu
Informations sur l'épisode
Pays
Durée
Plus ces informations sont structurées et cohérentes, plus il est facile d'organiser et d'analyser une vaste bibliothèque de contenus.
C'est là que les métadonnées générées automatiquement peuvent s'avérer précieuses.
Les métadonnées automatisées exploitent la technologie pour extraire, classer ou générer des informations sur le contenu vidéo sans qu'il soit nécessaire de renseigner manuellement chaque champ.
En fonction du processus de travail, l'automatisation peut faciliter :
Transcription d'un discours
Extraction de mots-clés
Classification par genre
Identification des thèmes
Détection de la langue
Analyse de la scène
Reconnaissance d'entités
Génération de sous-titres
Étiquetage du contenu
Création d'une description
Pour une plateforme OTT disposant d'un catalogue restreint, la gestion manuelle des métadonnées peut s'avérer gérable.
Pour une plateforme qui ajoute des centaines, voire des milliers de ressources, cela peut représenter une charge opérationnelle considérable.
L'automatisation permet de réduire les tâches répétitives tout en permettant aux équipes chargées du contenu de vérifier et de valider les informations importantes.
Imaginez deux plateformes OTT disposant de catalogues de contenus tout aussi riches l'un que l'autre.
La plateforme A présente des métadonnées incohérentes.
Certains titres sont accompagnés de descriptions détaillées. D'autres ne contiennent que peu d'informations. Les genres ne sont pas toujours attribués de manière cohérente. Les balises font défaut dans les anciens contenus.
La plateforme B dispose de métadonnées structurées dans l'ensemble de son catalogue.
Ses titres sont systématiquement classés par genre, langue, thèmes, distribution, sujets et autres critères pertinents.
La plateforme B dispose d'une base plus solide pour organiser sa bibliothèque et établir des liens personnalisés entre les contenus.
C'est pourquoi les métadonnées ne se limitent pas à une simple tâche administrative.
Elle peut s'intégrer à l'infrastructure qui sous-tend l'expérience visuelle.
Imaginons un service OTT qui reçoit 1 000 nouvelles vidéos.
Un processus manuel pourrait obliger une équipe à examiner chaque élément et à créer ou vérifier plusieurs champs de métadonnées.
L'automatisation peut constituer un premier niveau de classification.
Voici à quoi pourrait ressembler un processus de travail type :
Vidéo mise en ligne
↓
Analyse automatisée
↓
Métadonnées générées
↓
Revues de l'équipe chargée du contenu
↓
Métadonnées validées
↓
Contenu publié
Cette approche permet aux équipes humaines de se concentrer sur la précision, les choix éditoriaux et les cas exceptionnels plutôt que sur la saisie répétitive de données.
C'est lorsque les métadonnées du contenu et le comportement des spectateurs sont mis en relation que se présente la plus grande opportunité.
Supposons qu'une plateforme OTT sache qu'un abonné regarde fréquemment :
Documentaires historiques
Drames politiques
Entretiens approfondis
La bibliothèque de contenus peut ensuite être analysée afin d'identifier les titres abordant des thèmes connexes.
Supposons maintenant que l'abonné commence à regarder des documentaires d'investigation plus courts.
La plateforme propose deux indicateurs très utiles :
Intelligence de contenu : Le sujet de chaque titre.
Intelligence comportementale : Ce avec quoi le spectateur interagit réellement.
En combinant ces deux éléments, on peut rendre la personnalisation plus utile.
Au lieu de recommander des titres simplement parce qu'ils appartiennent au même genre général, la plateforme est capable d'identifier des liens plus profonds entre les contenus et les centres d'intérêt des spectateurs.
La personnalisation joue un rôle important dans la fidélisation.
Un abonné qui trouve régulièrement du contenu pertinent a davantage de raisons de revenir.
Un abonné qui ouvre régulièrement l'application sans y trouver de contenu intéressant risque de réduire progressivement son utilisation.
Cela fait de la baisse de l'engagement un indicateur important pour les opérateurs OTT.
Prenons l'exemple suivant :
1er mois : Un abonné regarde 12 sessions
2e mois : L'abonné regarde 9 sessions
3e mois : L'abonné regarde 5 sessions
4e mois : L'abonné regarde une fois
5e mois : L'abonné résilie son abonnement
L'annulation est facile à mesurer.
Le plus important est de détecter la baisse d'engagement avant la résiliation.
d'annulation ou de résiliation.
Il peut prendre en compte des combinaisons de signaux telles que :
Fréquence de visionnage réduite
Des séances plus courtes
Taux de réussite plus faibles
Des intervalles plus longs entre les séances
Réduction du nombre de recherches
Interaction moindre avec les recommandations
Baisse de l'activité sur la liste de surveillance
Événements liés à l'abonnement ou au paiement
Modifications du comportement de l'appareil
Inactivité prolongée
Un seul signe ne signifie pas nécessairement qu'un abonné va résilier son abonnement.
Il se peut tout simplement que le spectateur soit en voyage, occupé ou temporairement absorbé par une autre activité.
La valeur réside dans l'analyse des tendances plutôt que dans la réaction à un événement isolé.
Les opérateurs OTT peuvent commencer par des groupes de risque simples.
Segment d'abonnés | Modèle type | Réponse de l'entreprise |
Faible risque | Une audience régulière et un engagement stable | Conserver son expérience |
Regarder | Un certain ralentissement de l'activité | Améliorer la pertinence du contenu |
En danger | Baisse significative de l'engagement | Réengagement ciblé |
Haut risque | Une inactivité prolongée ou plusieurs signaux négatifs | Intervention visant à favoriser la rétention |
Ces segments ne doivent pas nécessairement être permanents.
Le comportement des téléspectateurs évolue.
Un abonné classé aujourd’hui dans la catégorie « À risque » peut retrouver un niveau d’engagement normal après avoir découvert du nouveau contenu pertinent.
La prédiction à elle seule ne suffit pas à réduire le taux de désabonnement.
La plateforme doit transformer ces informations en mesures concrètes.
Si l'activité de visionnage d'un abonné est en baisse, proposez-lui du contenu qui correspond étroitement à ses centres d'intérêt récents.
Un abonné peut revenir lorsqu'un nouveau titre paraît dans une catégorie qu'il consulte régulièrement.
Au lieu de proposer des promotions génériques, créez des sélections en fonction des habitudes de visionnage réelles.
Les messages peuvent être déclenchés en fonction d'un contenu pertinent, plutôt que d'être envoyés à tous les abonnés.
En fonction du modèle économique, certains abonnés peuvent se voir proposer des offres de fidélisation, d'autres formules d'abonnement ou d'autres avantages.
Le principe essentiel est le suivant : la pertinence plutôt que la fréquence.
Le fait d'envoyer davantage de notifications ne se traduit pas automatiquement par une augmentation de l'engagement.
Ces fonctionnalités gagnent considérablement en valeur lorsqu'elles sont intégrées dans un seul et même flux de travail.
Recueillir les interactions pertinentes sur l'ensemble de la plateforme OTT.
On peut citer, par exemple, la consultation, la recherche, la saisie, l'enregistrement, l'abonnement et le retour.
Veillez à ce que les titres contiennent des informations cohérentes et utiles.
L'automatisation peut contribuer à accélérer le processus.
Analyser les habitudes de visionnage afin d'identifier les centres d'intérêt, les évolutions et les comportements récurrents.
Utilisez ces informations pour déterminer quels contenus mériteraient une plus grande visibilité pour chaque abonné.
Évaluez si les expériences personnalisées ont réellement un impact positif sur le comportement des utilisateurs.
Identifiez les abonnés dont l'activité évolue d'une manière susceptible d'indiquer un désengagement.
Utilisez du contenu, des messages ou des offres pertinents pour favoriser un engagement durable.
Comparez les taux d'engagement et de fidélisation avant et après l'intervention.
Cela crée un cycle continu :
Contenu → Métadonnées → Comportement → Personnalisation → Engagement → Fidélisation
Une stratégie de personnalisation doit être évaluée à l'aune des résultats commerciaux.
Parmi les indicateurs clés, on peut citer :
Nombre de sessions par abonné
Durée de visionnage
Durée moyenne d'une session
Complétion du contenu
Fréquence des retours
Taux de clics sur les recommandations
Le contenu commence à partir des lignes personnalisées
Complétion personnalisée du contenu
Fidélisation
Taux de désabonnement mensuel
Fidélisation des abonnés
Taux de réactivation
Taux de renouvellement
Valeur à vie de l'abonné
Consommation de contenus par catégorie
Utilisation du catalogue
Résultats des titres récemment ajoutés
Consommation de contenu « à longue traîne »
L'essentiel est de ne pas évaluer la personnalisation uniquement en fonction du nombre de clics.
Une recommandation qui génère des clics mais dont le taux de finalisation ou le taux de réengagement est faible peut ne pas avoir de valeur.
La personnalisation prédictive peut être très efficace, mais sa mise en œuvre est déterminante.
Les préférences d'un spectateur peuvent changer.
Le comportement récent ne devrait pas toujours être éclipsé par l'historique de navigation antérieur.
Si la plateforme recommande à plusieurs reprises des titres presque identiques, la personnalisation peut sembler répétitive.
La découverte devrait tout de même laisser place à une diversité pertinente.
Des informations de contenu de mauvaise qualité peuvent nuire à la qualité de la personnalisation.
L'automatisation ne résout pas automatiquement les incohérences dans les données sources.
Un abonné très actif et un abonné pratiquement inactif peuvent avoir besoin d'expériences très différentes.
Un tableau de bord sur le taux de désabonnement n'est pas une stratégie de fidélisation.
L'entreprise doit adopter une ligne de conduite claire dès qu'un abonné est identifié comme étant à risque.
Des messages répétés peuvent finir par lasser.
La communication visant à fidéliser la clientèle doit être axée sur la pertinence et le choix du moment opportun.
Toutes les entreprises de streaming n'ont pas nécessairement besoin d'un système de personnalisation complexe dès le départ.
Une approche pratique consiste à commencer par les bases.
Veillez à ce que les événements importants liés aux téléspectateurs soient enregistrés de manière cohérente.
Définissez des règles claires concernant les genres, les catégories, les descriptions, les langues, les balises et les autres attributs du contenu.
Utilisez des processus automatisés pour réduire la création et la classification manuelles des métadonnées.
Concentrez-vous d'abord sur des domaines tels que :
Lignes de la page d'accueil
Continuer à regarder
Ajouts récents
Collections par genre
Listes de contenus personnalisées
Commencez par repérer les baisses manifestes de l'engagement.
Évaluez si les recommandations personnalisées, les alertes de contenu ou d'autres mesures incitatives parviennent réellement à fidéliser les utilisateurs.
Une fois les bases posées, la personnalisation peut gagner en sophistication selon les appareils, les publics, les types de contenu et les étapes de l'abonnement.
La mise en place d'une stratégie de personnalisation prédictive ne se limite pas à un simple moteur de recommandation.
Le secteur de l'OTT a également besoin d'une base solide pour gérer les contenus, les abonnés, la diffusion en continu, la monétisation, les applications et l'analyse des données.
C'est là qu'une plateforme OTT intégrée peut réduire la complexité.
Vodlix propose une plateforme permettant de lancer et d'exploiter des services de streaming OTT personnalisés sur plusieurs plateformes, avec des fonctionnalités couvrant la gestion de contenu, la monétisation, l'analyse de données, les applications et l'infrastructure de streaming.
Pour les entreprises du secteur de l'OTT, cela leur offre la base opérationnelle nécessaire pour harmoniser les contenus et l'expérience des abonnés, plutôt que de gérer chaque aspect de l'activité de streaming à l'aide de systèmes disparates.
L'objectif n'est pas d'introduire la technologie pour la technologie.
L'objectif est de créer une expérience OTT où les données relatives au contenu, le comportement des utilisateurs, la personnalisation et les décisions commerciales peuvent se compléter.
La prochaine étape de la personnalisation des services OTT consistera moins à demander à un spectateur ce qu’il a regardé hier qu’à comprendre ce que son comportement révèle aujourd’hui à la plateforme.
Les centres d'intérêt d'un spectateur peuvent évoluer.
Leur engagement peut évoluer.
Leur appareil préféré peut changer.
Leur volonté de renouveler leur engagement peut évoluer.
Les plateformes OTT les plus performantes seront en mesure de s'adapter rapidement à ces changements.
Cela signifie que la personnalisation prédictive peut aller au-delà d'une simple fonctionnalité de recommandation.
Elle permet d'accompagner l'abonné tout au long de son parcours :
Découvrir → Regarder → Revenir → Interagir → Renouveler
Par ailleurs, les métadonnées générées automatiquement peuvent aider les opérateurs OTT à gérer des catalogues de contenus de plus en plus volumineux, tandis que la prévision du taux de désabonnement permet d'identifier les abonnés qui pourraient nécessiter une attention particulière.
Ensemble, ces technologies permettent une approche plus connectée du streaming.
La personnalisation des services OTT évolue, passant d'une simple logique de recommandation à une approche plus prédictive.
En combinant le comportement des utilisateurs, les métadonnées de contenu structurées et les indicateurs d'engagement, les plateformes de streaming peuvent proposer des expériences mieux adaptées à chaque abonné.
Les métadonnées générées automatiquement peuvent alléger la charge de travail liée à la gestion de vastes bibliothèques.
La personnalisation prédictive peut aider les spectateurs à trouver plus rapidement des contenus pertinents.
La prévision du taux de désabonnement peut aider les entreprises à détecter une baisse d'engagement avant qu'elle ne se traduise par une résiliation.
Mais c'est en associant ces trois éléments que l'on trouve la véritable opportunité.
Des métadonnées de meilleure qualité aident les plateformes à comprendre le contenu.
Les données comportementales aident les plateformes à mieux comprendre leurs utilisateurs.
La personnalisation prédictive fait le lien entre les deux.
Les données analytiques sur le taux de désabonnement permettent de transformer ces informations en stratégies de fidélisation.
Pour les entreprises du secteur de l'OTT, l'objectif est en fin de compte simple : rendre chaque interaction plus pertinente, tout en rendant la plateforme plus facile à utiliser et plus utile pour les abonnés.
Grâce à une plateforme OTT intégrée telle que Vodlix, les entreprises de streaming peuvent mettre en place l'infrastructure nécessaire pour gérer leurs contenus, leurs abonnés, leur monétisation, leurs applications et leurs analyses à mesure qu'elles se développent.
Prêt à créer une expérience OTT plus personnalisée ? Essayez Vodlix et créez une plateforme de streaming conçue pour renforcer l'engagement des spectateurs et les fidéliser à long terme.
La personnalisation prédictive OTT s'appuie sur le comportement des téléspectateurs, les métadonnées des contenus et d'autres indicateurs pour anticiper ce qu'un abonné pourrait avoir envie de regarder ou avec quoi il pourrait vouloir interagir ensuite.
Les recommandations traditionnelles s'appuient souvent largement sur les habitudes de visionnage passées. La personnalisation prédictive peut également prendre en compte les changements récents de comportement et d'autres signaux afin d'anticiper les centres d'intérêt futurs.
Les métadonnées permettent à une plateforme de streaming de comprendre le sujet de chaque contenu. Des métadonnées structurées peuvent améliorer l'efficacité de l'organisation, de la recherche, de la découverte et de la personnalisation des contenus.
Les métadonnées automatisées utilisent la technologie pour extraire ou générer des informations telles que les thèmes, les mots-clés, les langues, les catégories et d'autres attributs à partir de contenus vidéo.
La personnalisation peut favoriser la fidélisation en aidant les spectateurs à trouver du contenu pertinent et en les incitant à continuer à interagir. Toutefois, les résultats dépendent de la qualité du contenu, des données, de la mise en œuvre et de l'expérience globale des abonnés.
Parmi les signaux potentiels, on peut citer la baisse de la fréquence de visionnage, la réduction de la durée des sessions, la diminution des taux d'achèvement, l'augmentation de l'inactivité, la baisse du nombre de recherches et les changements dans les habitudes d'abonnement.
Non. Les métadonnées générées automatiquement peuvent réduire les tâches répétitives, mais la vérification humaine reste indispensable pour garantir la précision éditoriale, le respect des normes de la marque et la qualité du contenu.
Les métadonnées décrivent le contenu, tandis que le comportement des utilisateurs reflète les centres d'intérêt des abonnés. En combinant ces deux éléments, les plateformes OTT peuvent proposer des expériences de contenu plus pertinentes.
Commencez par disposer de données comportementales fiables et de métadonnées de contenu cohérentes. Introduisez ensuite la personnalisation dans des domaines à forte valeur ajoutée, tels que les recommandations sur la page d'accueil, les sélections de contenus et la fonctionnalité « Reprendre le visionnage ».
Parmi les indicateurs utiles, on peut citer la durée de visionnage, la fréquence des sessions, l'engagement vis-à-vis des recommandations, le taux d'achèvement du contenu, les visites répétées, la fidélisation, le taux de désabonnement et la valeur à vie de l'abonné.
Oui. Les petites plateformes peuvent commencer par des cas d'utilisation ciblés plutôt que de mettre en place des systèmes complexes. L'essentiel est de partir de données fiables et d'un objectif métier précis.
La fidélisation a une incidence directe sur le chiffre d'affaires récurrent. En maintenant l'engagement des abonnés existants, on peut réduire la nécessité de remplacer en permanence les abonnements résiliés par l'acquisition de nouveaux clients.
Abonnez-vous pour recevoir les dernières nouvelles, stratégies et insights sur les entreprises de membres directement dans votre boîte de réception.
Nous avons envoyé un email de confirmation à votre boîte de réception.
En vous abonnant, vous acceptez de recevoir des emails marketing occasionnels de nous. Vous pouvez vous désabonner à tout moment avec un seul clic.
Ce site est protégé par reCAPTCHA, et la Politique de Confidentialité et Conditions d'Utilisation de Google s'appliquent.
Découvrez comment publier votre application OTT sur Roku, Samsung Tizen, LG webOS et Apple tvOS : préparation
Amna Akhtar
·
Découvrez comment l'architecture SSAI fonctionne pour l'AVOD et le FAST, notamment en ce qui concerne la prise
Amna Akhtar
·
Découvrez comment les plateformes OTT peuvent gérer plus de 100 000 spectateurs simultanés grâce à des CDN évo
Amna Akhtar
·
