시청자에게 발견되는 콘텐츠
카탈로그는 누구도 다 둘러볼 수 없을 만큼 커졌고, 이용자에 대한 이해는 이미 한 달 지난 보고서에 머물러 있으며, 콘텐츠를 공개할 때마다 뒤따르는 작업은 여전히 사람이 직접 처리합니다. AppXcess는 이미 보유한 콘텐츠·이용자 데이터에 AI와 분석을 적용해, 알맞은 콘텐츠가 알맞은 시청자에게 닿도록 합니다.
적용 영역
콘텐츠에서 이용자까지미디어가 실제로 이용자를 잃는 지점
미디어·엔터테인먼트 기업과 이야기를 나누면 거의 매번 다음 여섯 가지 상황이 등장합니다. 어느 경우든 데이터는 이미 있지만, 그 데이터를 제때 활용하는 장치가 없습니다.
아무도 다 둘러볼 수 없는 카탈로그
라이브러리가 탐색 수단보다 빠르게 늘어난 탓에, 보유한 콘텐츠 대부분은 한 번도 노출되지 못하고 몇몇 타이틀이 편성 전체를 떠맡고 있습니다.
모두에게 똑같은 첫 화면
시청자가 가장 먼저 보는 화면은 편집팀이 하루에 한 번 정합니다. 결국 그 화면은 실제로는 존재하지 않는 ‘평균적인 이용자’에게만 맞습니다.
한 달 늦게 파악되는 이용자
누가 보고, 읽고, 들었는지는 월간 보고서로 전달됩니다. 보고서가 도착할 즈음에는 그 정보를 근거로 내렸어야 할 결정이 이미 끝나 있습니다.
수작업으로 입력하는 메타데이터
태깅, 분류, 자막, 권리 정보를 에셋마다 직접 입력하다 보니 콘텐츠를 공개할 때마다 밀린 작업이 쌓이고, 카탈로그를 얼마나 쉽게 찾을 수 있는지는 마지막으로 시간을 낸 담당자에게 달려 있습니다.
플랫폼마다 따로 측정하는 성과
유통 채널마다 자기 성과만 보고하기 때문에, 한 타이틀이 모든 채널을 합쳐 실제로 어떤 성과를 냈는지, 제작할 가치가 있었는지 아무도 답하지 못합니다.
이용자와 함께 늘어나는 문의
결제, 이용 권한, 재생, 계정에 관한 문의가 해마다 더 많은 채널로 들어오지만, 모두 같은 소규모 팀 앞에 줄을 섭니다.
누구를 위해 구축하고 어디서부터 시작하는가
여섯 유형의 미디어 조직과 팀이 콘텐츠 비즈니스의 서로 다른 자리에서 같은 질문을 던지고 있습니다.
미디어 기업
제작과 편성 결정을 이미 끝난 기간을 설명하는 보고서에 기대어 내립니다.
콘텐츠가 공개된 모든 채널의 성과를 하나로 보여 주는 최신 지표
엔터테인먼트 기업
풍부한 카탈로그도 홍보 중인 몇몇 타이틀에 가려 발견되지 않는 동안에는 아무런 수익을 내지 못합니다.
관심을 가질 만한 시청자에게 구작 카탈로그를 노출하는 추천·발견 기능
콘텐츠 공급사
모든 에셋은 쓸 수 있는 상태가 되기 전에 태깅, 분류, 권리 정보가 필요하고, 이 작업은 수작업으로 이루어집니다.
애매한 항목은 추측하지 않고 편집자에게 넘기는 메타데이터 보강 자동화
디지털 미디어 조직
독자나 시청자가 보는 화면을 편집진이 하루 한 번 정하며, 이용자 전체를 하나의 집단으로 취급합니다.
사람이 다시 손보지 않아도 첫 화면이 이용자에 맞게 바뀌는, 이용 행동 기반 개인화
미디어 운영팀
인제스트, 트랜스코딩, 편성, 게시는 담당자가 잊지 않고 챙겨야만 다음 단계로 넘어갑니다.
예외는 무작정 처리하지 않고 담당자에게 넘기는, 처음부터 끝까지 연결된 콘텐츠 워크플로
이용자 경험팀
문의량은 이용자 수와 함께 늘어나고, 그 대부분은 이용 권한과 결제에 관한 몇 가지 같은 질문입니다.
일상적인 문의는 자동으로 응대하고, 특이한 건은 이력을 파악한 담당자에게 연결하는 응대 자동화
미디어 AI 활용 사례와 그로 인해 달라지는 것
AI와 데이터, 자동화가 미디어 비즈니스에서 제 몫을 하는 여섯 영역입니다. 사례마다 문제, 이를 해결하기 위해 구축하는 것, 그 결과 달라지는 점을 정리했습니다.
콘텐츠 개인화
모든 방문자가 같은 첫 화면으로 들어옵니다. 이 화면은 이용자 전체를 하나의 집단으로 보고 편집진이 하루 한 번 정한 것입니다.
그날 아침 정한 편성이 아니라, 각 이용자가 실제로 보고 읽고 들은 콘텐츠와 접속 맥락에 맞춰 달라지는 첫 화면을 구축합니다.
편집자가 세그먼트마다 화면을 다시 구성하지 않아도, 첫 화면이 시청자 한 사람 한 사람에게 제 역할을 합니다.
추천 엔진
카탈로그가 탐색 수단보다 빠르게 늘어나, 같은 몇몇 타이틀이 편성을 떠맡는 동안 방대한 라이브러리는 아무런 수익을 내지 못합니다.
자사 카탈로그 안에서 이용자들이 실제로 함께 소비하는 콘텐츠를 학습한 추천을 구축합니다. 수동 검토 주기가 아니라 이용 행동이 바뀔 때마다 갱신됩니다.
따로 노출을 기획할 시간이 없던 부분까지 포함해, 구작 카탈로그에 이용자가 닿을 수 있게 됩니다.
오디언스 인텔리전스
누가 보고, 읽고, 들었는지가 월간 보고서로 전달되는데, 그때는 이미 그 정보로 뒷받침했어야 할 결정이 내려진 뒤입니다.
자사 이용 데이터가 쌓이는 대로 이용자 행동을 모델링하고, 코호트와 패턴을 제작 논의에서 바로 쓸 수 있는 언어로 설명합니다.
이미 일어난 일을 설명하는 데 그치지 않고, 다음에 일어날 일을 바꿀 수 있을 만큼 시의성 있게 이용자를 이해할 수 있습니다.
미디어 분석
유통 채널마다 자기 성과만 보고하기 때문에, 한 타이틀이 전체 채널에서 어떤 성과를 냈는지, 제작 결정에 걸맞은 성과였는지 아무도 답하지 못합니다.
콘텐츠, 유통, 이용자 데이터를 아우르는 하나의 분석 레이어를 구축합니다. 지표 정의를 한 번 합의해 두므로, 두 팀이 같은 질문을 하면 같은 답을 얻습니다.
콘텐츠와 제작에 관한 결정을 부분적인 수치 네 가지가 아니라 하나의 수치 체계를 근거로 내립니다.
콘텐츠 워크플로 자동화
태깅, 분류, 자막, 권리 정보, 게시 단계를 에셋마다 직접 입력하다 보니 콘텐츠를 공개할 때마다 밀린 작업이 늘어납니다.
메타데이터 보강과 라우팅을 처음부터 끝까지 자동화하고, 애매한 항목은 조용히 추측하지 않고 편집자에게 넘깁니다.
밀린 작업에 속도가 좌우되지 않으면서도 카탈로그를 찾기 쉬운 상태로 유지하고, 편집자는 판단이 필요한 일에 시간을 씁니다.
AI 기반 고객 응대
이용 권한, 결제, 재생, 계정에 관한 질문이 문의의 대부분을 차지하며, 해마다 더 많은 채널로 들어옵니다.
자사 계정·이용 권한 데이터를 바탕으로 이런 질문에 답하는 어시스턴트를 구축하고, 특이한 건은 이력을 미리 정리해 담당자에게 넘깁니다.
이용자 증가가 곧바로 지원 인력 증원으로 이어지지 않고, 일상적인 질문에는 시간과 관계없이 답할 수 있습니다.
시청 이력에서 시청자가 보게 될 화면까지
미디어 비즈니스에 데이터가 부족한 경우는 드뭅니다. 대개 빠져 있는 것은 이용 데이터가 사람마다 다른 화면으로 이어지는 경로입니다. 그 경로는 다섯 단계로 이루어집니다.
콘텐츠·이용자 데이터
카탈로그와 메타데이터, 이용·참여 기록, 구독·이용 권한 데이터, 문의 이력을 지금 저장된 자리에서 연결합니다.
AI·분석
일반적인 미디어 벤치마크가 아니라 자사 카탈로그와 이용 이력으로 학습한 개인화·추천·이용자 모델입니다.
이용자·콘텐츠 인사이트
어떤 타이틀이 외면받고 있는지, 어떤 이용자층이 멀어지고 있는지, 실제로 편성을 떠받치는 콘텐츠가 무엇인지를 근거와 함께 보여 줍니다.
개인화 또는 자동화
시청자마다 첫 화면을 맞추고, 메타데이터를 보강하고, 게시 단계를 라우팅하고, 일상적인 이용자 문의에 답합니다.
비즈니스 성과
카탈로그의 더 많은 콘텐츠가 관심을 가질 만한 이용자에게 닿고, 반복 작업에 쓰는 시간은 줄어듭니다.
운영을 시작하면 달라지는 것들
미디어·엔터테인먼트 기업이 기대할 수 있는 성과를 있는 그대로 정리했습니다.
이용자 참여도 향상
시청자가 처음 보는 화면이 실제 이용 이력을 반영하므로, 첫 화면이 단순한 편성표가 아니라 제 역할을 합니다.
콘텐츠 발견성 향상
누구도 일일이 노출을 기획할 시간이 없던 부분까지 포함해, 구작 카탈로그에 이용자가 닿을 수 있게 됩니다.
더 정교한 개인화
한 번 정의해 두고 방치한 세그먼트가 아니라, 계속 갱신되는 이용 행동이 콘텐츠의 관련성을 결정합니다.
더 빠른 콘텐츠 워크플로
메타데이터 보강, 라우팅, 게시 단계가 자동으로 진행되므로 밀린 작업이 공개 일정을 좌우하지 않습니다.
운영 부담 감소
태깅, 분류, 편성의 반복 작업이 제작 결정에 쓰여야 할 인력의 시간을 더 이상 잡아먹지 않습니다.
더 나은 고객 경험
이용 권한, 결제, 재생에 관한 질문에 시간과 관계없이 답하고, 에스컬레이션된 문의는 이미 이력을 파악한 담당자에게 전달됩니다.
더 빠른 의사결정
채널마다 제각각 매월 보고하는 대신, 콘텐츠 성과를 한곳에 취합해 최신 상태로 유지합니다.
운영 효율 향상
제작, 편성, 프로모션 결정을 부분적인 수치 네 가지가 아니라 하나의 수치 체계를 근거로 내립니다.
위 항목 어디에도 퍼센트 수치를 붙이지 않은 것은 의도적입니다. 각 성과의 가치는 카탈로그와 이용자 규모, 현재의 출발점에 따라 달라집니다. 다른 서비스의 수치를 그대로 옮기기보다, 귀사의 실제 이용 데이터를 기준으로 함께 가늠하는 편을 택합니다.
이 페이지는 카탈로그와 이용자, 그리고 그 사이의 운영을 다루는 산업 관점의 소개입니다. 그 바탕이 되는 역량은 산업과 관계없이 쓰이며, 각각 별도의 페이지에서 자세히 다룹니다. 개인화와 고객 응대를 수행하는 모델과 에이전트는 AI 솔루션에서, 콘텐츠·이용 데이터가 모이는 플랫폼은 데이터·AI에서, 메타데이터 보강과 게시를 자동으로 진행하는 워크플로는 지능형 자동화에서 다룹니다. 조직 곳곳에 흩어진 권리 계약서, 스타일 가이드, 이전 제작 기록을 찾아야 한다면 엔터프라이즈 검색 AI를 활용할 수 있습니다. 또한 콘텐츠 권리와 이용자 데이터는 모두 민감한 정보이므로, 사이버 보안도 나중이 아니라 같은 논의에서 함께 다뤄야 합니다.
이 페이지에서 주장하지 않는 것
이 페이지에는 방송사, 스튜디오, 스트리밍 서비스의 이름이나 고객 수, 이용자·참여 지표, 사례 연구가 없습니다. 책임질 수 없는 내용은 게시하지 않기 때문입니다. 대신 귀사의 카탈로그와 이용 데이터를 위한 레퍼런스 아키텍처, 그리고 전제 조건을 명시해 범위를 정한 1단계 계획을 제시할 수 있습니다. 더 진행하기 전에 실명 레퍼런스가 필요하다면 첫 미팅에서 요청해 주십시오. 공유할 수 있는 것과 없는 것을 분명하게 말씀드리겠습니다.
자주 받는 질문
세 번째 미팅이 아니라 지금 여기서 먼저 답해 두고 싶은 네 가지 질문입니다.
AppXcess는 미디어 기업을 위해 실제로 무엇을 구축합니까?
귀사 카탈로그를 기반으로 한 개인화와 추천, 이용자·콘텐츠 분석, 콘텐츠 워크플로의 메타데이터 보강·라우팅 자동화, 일상적인 이용자 문의를 처리하는 어시스턴트를 구축합니다. 모두 패키지형 미디어 제품을 설정하는 방식이 아니라, 귀사가 보유한 콘텐츠와 이용 데이터 위에 구축합니다.
콘텐츠와 이용자 데이터는 어떻게 다룹니까?
콘텐츠 권리와 이용자 데이터는 모두 민감한 정보이므로, 시스템이 무엇을 읽고 무엇을 보관하며 누가 무엇을 볼 수 있는지를 모델을 선택하기 전에 귀사 팀과 함께 설계합니다. 이 페이지는 보안 인증을 주장하지 않습니다. 어떤 기준에 따라 인증을 받아야 하는지는 적용되는 관할 지역과 귀사의 요구사항에 따라 달라집니다.
방송 송출이나 스트리밍 전송 인프라도 구축합니까?
이 페이지가 다루는 것은 인텔리전스 레이어, 즉 콘텐츠와 이용자 데이터를 바탕으로 한 개인화, 콘텐츠 발견, 분석, 워크플로 자동화입니다. 인코딩, 전송, 재생 인프라는 성격이 다른 프로젝트입니다. 그것이 필요하다면 첫 미팅에서 알려 주십시오. 저희가 맡는 것이 맞는 일인지 솔직하게 말씀드리겠습니다.
이용자 참여도는 어떻게 높아집니까?
카탈로그에 이용자가 닿을 수 있게 하고, 첫 화면을 평균적인 이용자가 아니라 개개인에게 맞추고, 바로 행동에 옮길 수 있을 만큼 이용자 이해를 최신 상태로 유지하는 방식으로 높입니다. 여기에 퍼센트 수치를 붙이지는 않겠습니다. 그 가치는 귀사의 카탈로그와 출발점에 따라 달라지기 때문입니다.
변화하는 미디어 환경
첨단 기술 솔루션으로 창의성과 혁신, 이용자 참여를 지원합니다
미디어 경험을 한 단계 높일 준비가 되셨습니까?
지금 어디에 업무 시간이 쓰이고 있는지 알려 주십시오. 아무도 다 둘러볼 수 없는 카탈로그, 하루 한 번 정하는 첫 화면, 수작업으로 입력하는 메타데이터, 한 달 늦게 도착하는 이용자 지표 가운데 어느 것인지, 그리고 데이터가 어떤 시스템에 있는지도 함께 말씀해 주십시오. 그에 맞춰 무엇을 구축할 수 있는지, 1단계에는 어떤 작업이 포함되는지 정리해 드리겠습니다.