視聴者に 見つけられるコンテンツ
カタログは誰も見きれないほど大きくなり、視聴者の姿は1か月前のレポートでしか語れず、公開のたびに発生する作業はいまも人手で処理されています。AppXcessは、すでに保有しているコンテンツと視聴データにAIと分析を適用し、適切なコンテンツが適切な視聴者に届くようにします。
適用領域
コンテンツから視聴者へメディアが実際に 視聴者を失う場面
メディア・エンターテインメント企業との対話では、ほぼ必ず次の6つの状況が挙がります。いずれの場合もデータはすでに存在しているのに、それを間に合うタイミングで活用する仕組みがありません。
誰も見きれないカタログ
ライブラリが、それを探す手段よりも速く増えてしまい、保有するコンテンツの大半は一度も表に出ず、いくつかのタイトルが編成全体を支えています。
誰にも同じトップ画面
視聴者が最初に見る画面は、編集チームが1日に1回決めています。その結果、実際には存在しない「平均的な視聴者」にしか合っていません。
1か月遅れて分かる視聴者
誰が視聴し、読み、聴いたかは月次レポートで届きます。レポートが届く頃には、その情報を根拠にすべきだった判断はすでに終わっています。
手作業で入力するメタデータ
タグ付け、分類、字幕、権利情報をアセットごとに手入力するため、公開のたびに未処理の作業が積み上がり、カタログの見つけやすさは最後に時間を割いた担当者次第になっています。
プラットフォームごとに測る成果
配信チャネルごとに自チャネルの成果しか報告しないため、あるタイトルが全チャネルを通じて実際にどんな成果を上げたのか、制作する価値があったのかを誰も答えられません。
視聴者とともに増える問い合わせ
請求、利用権限、再生、アカウントに関する問い合わせは、年々より多くのチャネルから寄せられますが、そのすべてが同じ少人数のチームに集中します。
誰のために構築し どこから始めるか
コンテンツビジネスのそれぞれ異なる立場から、同じ問いを投げかけている6種類のメディア組織・チームです。
メディア企業
制作や編成の判断を、すでに終わった期間を説明するレポートに基づいて下しています。
コンテンツが配信されたすべてのチャネルでの成果を、一つの最新の指標として示します。
エンターテインメント企業
豊富なカタログも、宣伝中の一部のタイトルの陰で発見されないままでは何の収益も生みません。
関心を持ちそうな視聴者に旧作カタログを届ける、レコメンドと発見の機能。
コンテンツプロバイダー
すべてのアセットは、使える状態にする前にタグ付け・分類・権利情報が必要で、その作業は手作業で行われています。
曖昧な項目は推測せず編集者に回す、メタデータ拡充の自動化。
デジタルメディア組織
読者や視聴者が見る画面を編集判断で1日1回決め、視聴者全体を一つの集団として扱っています。
人が作り直さなくても最初の画面が変わる、行動データに基づくパーソナライズ。
メディア運用チーム
取り込み、トランスコード、編成、公開は、担当者が忘れずに追いかけることで次の工程へ進みます。
例外は無理に処理せずエスカレーションする、端から端までつながったコンテンツワークフロー。
視聴者体験チーム
問い合わせ量は視聴者数とともに増え、その大半は利用権限と請求に関する同じような質問です。
定型的な問い合わせは自動で対応し、特異なものは経緯を把握した担当者に振り分ける対応の自動化。
メディアAIの活用事例と それがもたらす変化
AI・データ・自動化がメディアビジネスで力を発揮する6つの領域です。それぞれについて、課題、それに対して構築するもの、その結果として何が変わるかを整理しました。
コンテンツパーソナライズ
すべての訪問者が同じトップ画面にたどり着きます。この画面は視聴者全体を一つの集団として扱い、編集判断で1日1回決められています。
その朝に決めた編成ではなく、その人が実際に視聴・閲覧・聴取したコンテンツと、アクセス時の状況に合わせて変わる最初の画面を構築します。
編集者がセグメントごとに画面を作り直さなくても、最初の画面が視聴者一人ひとりに役立つ働きをします。
レコメンドエンジン
カタログが、それを探す手段よりも速く増えたため、いくつかのタイトルが編成を支える一方で、豊富なライブラリは何の収益も生んでいません。
自社カタログの中で視聴者が実際に一緒に消費しているコンテンツを学習したレコメンドを構築します。手動のレビュー周期ではなく、行動が変わるたびに更新されます。
誰も個別に見せ方を用意する時間がなかった部分も含め、旧作カタログに視聴者が届くようになります。
オーディエンス分析
誰が視聴し、読み、聴いたかは月次レポートで届き、その情報を根拠にすべきだった判断はすでに下された後です。
自社の利用データが蓄積されるにつれて視聴者行動をモデル化し、コホートやパターンを制作の議論でそのまま使える言葉で説明します。
すでに起きたことを説明するだけでなく、次に起きることを変えられるだけの鮮度で視聴者を理解できます。
メディア分析
配信チャネルごとに自チャネルの成果しか報告しないため、あるタイトルが全チャネルでどんな成果を上げたのか、制作判断に見合う成果だったのかを誰も答えられません。
コンテンツ・配信・視聴者データを横断する一つの分析レイヤーを構築します。指標の定義を一度合意しておくため、二つのチームが同じ問いを立てれば同じ答えが得られます。
コンテンツと制作の判断を、部分的な4つの数値ではなく一つの数値体系に基づいて下します。
コンテンツワークフローの自動化
タグ付け、分類、字幕、権利情報、公開の各工程をアセットごとに手入力するため、公開のたびに未処理の作業が増えていきます。
メタデータの拡充と振り分けを端から端まで自動化し、曖昧な項目は黙って推測せず編集者に回します。
未処理の作業にスピードを左右されずにカタログを見つけやすい状態に保ち、編集者は判断が必要な仕事に時間を使えます。
AIを活用した顧客対応
利用権限、請求、再生、アカウントに関する質問が問い合わせの大半を占め、年々より多くのチャネルから寄せられます。
自社のアカウント・利用権限データをもとにこうした質問に答えるアシスタントを構築し、特異なものは経緯を整理したうえで担当者に引き継ぎます。
視聴者の増加がそのままサポート人員の増員につながらなくなり、定型的な質問には時間を問わず答えられます。
視聴履歴から 視聴者が見る画面まで
メディアビジネスにデータが不足していることはめったにありません。たいてい欠けているのは、利用データが人によって異なる画面へとつながる道筋です。その道筋は5つのステップで成り立っています。
コンテンツ・視聴者データ
カタログとそのメタデータ、利用・エンゲージメント記録、サブスクリプション・利用権限データ、問い合わせ履歴を、いまある場所のままつなぎます。
AI・分析
一般的なメディアのベンチマークではなく、自社のカタログと利用履歴で学習したパーソナライズ・レコメンド・視聴者モデルです。
視聴者・コンテンツのインサイト
どのタイトルが見過ごされているか、どの視聴者層が離れつつあるか、実際に編成を支えているコンテンツは何かを、その根拠とともに示します。
パーソナライズまたは自動化
視聴者ごとに最初の画面を合わせ、メタデータを拡充し、公開工程を振り分け、定型的な視聴者からの問い合わせに答えます。
ビジネス成果
カタログのより多くのコンテンツが、関心を持ちそうな人に届き、繰り返しの作業に費やす時間は減ります。
運用を始めると 変わること
メディア・エンターテインメント企業が期待できる成果を、ありのままに整理しました。
視聴者エンゲージメントの向上
視聴者が最初に見る画面が実際の利用履歴を反映するため、最初の画面が単なる編成表ではなく役割を果たします。
コンテンツ発見性の向上
誰も手作業で見せ方を用意する時間がなかった部分も含め、旧作カタログに視聴者が届くようになります。
より精緻なパーソナライズ
一度定義して放置したセグメントではなく、更新され続ける行動データがコンテンツの関連性を決めます。
より速いコンテンツワークフロー
メタデータの拡充、振り分け、公開の各工程が自動で進むため、未処理の作業が公開のペースを左右しなくなります。
運用負担の軽減
タグ付け、分類、編成の繰り返し作業が、制作判断に充てられるべき人の時間を奪わなくなります。
より良い顧客体験
利用権限、請求、再生に関する質問に時間を問わず答え、エスカレーションされた問い合わせはすでに経緯を把握した担当者に届きます。
より速い意思決定
チャネルごとに毎月別々に報告するのではなく、コンテンツの成果を一つに集約して最新の状態に保ちます。
運用効率の向上
制作、編成、プロモーションの判断を、部分的な4つの数値ではなく一つの数値体系に基づいて下します。
上記のどの項目にもパーセンテージを付けていないのは意図的です。それぞれの価値は、カタログと視聴者の規模、そして現在の出発点によって変わります。他社サービスの数値をそのまま引き写すよりも、御社の実際の利用データに基づいて一緒に見積もる方を選びます。
このページは、カタログと視聴者、そしてその間の運用を扱う業界視点の紹介です。その土台となる各機能は業界を問わず使われ、それぞれ専用のページで詳しく扱います。パーソナライズと顧客対応を担うモデルとエージェントは AIソリューションで、コンテンツと利用データが集まるプラットフォームは データ・AIで、メタデータの拡充と公開を自動で進めるワークフローは インテリジェント自動化で扱います。組織のあちこちに散らばった権利契約書やスタイルガイド、過去の制作記録を探す必要があれば エンタープライズ検索AIを活用できます。また、コンテンツの権利と視聴者データはいずれも機微な情報のため、サイバーセキュリティも後回しにせず、同じ議論の中で扱うべきです。
このページで主張していないこと
このページには、放送局やスタジオ、ストリーミングサービスの実名も、顧客数、視聴・エンゲージメントの数値、事例も載せていません。責任を持てないものは公開しないからです。代わりにお示しできるのは、御社のカタログと利用データに向けたリファレンスアーキテクチャと、前提を明示して範囲を定めた第一フェーズです。先へ進む前に実名のリファレンスが必要であれば、最初の打ち合わせでお申し付けください。共有できること、できないことを率直にお伝えします。
よくいただくご質問
3回目の打ち合わせではなく、この場で先にお答えしておきたい4つの質問です。
AppXcessはメディア企業のために実際に何を構築しますか？
御社のカタログを基盤としたパーソナライズとレコメンド、視聴者・コンテンツの分析、コンテンツワークフローのメタデータ拡充と振り分けの自動化、そして定型的な視聴者対応を担うアシスタントを構築します。いずれもパッケージ型のメディア製品を設定するのではなく、御社が保有するコンテンツと利用データの上に構築します。
コンテンツと視聴者のデータはどのように扱いますか？
コンテンツの権利も視聴者データもいずれも機微な情報のため、システムが何を読み取り、何を保持し、誰が何を閲覧できるかを、モデルを選ぶ前に御社のチームと一緒に設計します。このページはセキュリティ認証を主張しません。どの基準に沿って認証を受けるべきかは、適用される法域と御社自身の要件によって変わります。
放送やストリーミングの配信インフラも構築しますか？
このページが扱うのはインテリジェンスレイヤー、すなわちコンテンツと視聴者データを土台にしたパーソナライズ、コンテンツ発見、分析、ワークフロー自動化です。エンコード、配信、再生のインフラは性質の異なるプロジェクトです。それが必要であれば最初の打ち合わせでお知らせください。当社が引き受けるべき仕事かどうかを率直にお伝えします。
視聴者エンゲージメントはどのように高まりますか？
カタログに視聴者が届くようにし、最初の画面を平均ではなく一人ひとりに合った状態に保ち、視聴者理解を行動に移せるだけの鮮度で維持することで高めます。ここにパーセンテージを付けることはしません。その価値は御社のカタログと出発点によって変わるからです。
変わりゆくメディアの世界
先進的なテクノロジーソリューションで、創造性とイノベーション、視聴者エンゲージメントを後押しします
メディア体験を一段引き上げる準備はできていますか？
いま業務時間がどこに費やされているかをお聞かせください。誰も見きれないカタログ、1日1回だけ決めるトップ画面、手作業で入力するメタデータ、1か月遅れで届く視聴者の数値のうちどれなのか、そしてデータがどのシステムにあるのかも合わせてお知らせください。それに対して何を構築できるか、第一フェーズにどんな作業が含まれるかを整理してお示しします。