Proposta Commerciale

Product request

You are looking for a solution:

Select an option, and we will develop the best offer
for you

Your regional manager will answer you

Please select the destination country to continue.

What products are you interested in?

Please select one of the options to continue

Please select the products to continue.

In our response, we want to address you by name

Please fill in the field to continue.

No ads. Our manager will use this email address to contact you

Please fill in the field to continue.

Enter the phone number and the manager will contact you

Please enter your phone number to continue.

Select a business field, and we will develop the best offer for you

Please choose a business field to continue.

Enter your company’s legal name

Please indicate your company name to continue.

Tell us about your project

Please Tell us about your project to continue.

0 / 800

Confirm the details

What products are you interested in?

Select an option, and we will develop the best offer for you

Please select one of the options to continue.

In our response, we want to address you by name

Please fill in the field to continue.

No ads. Our manager will use this email address to contact you

Please fill in the field to continue.

Enter the phone number and the manager will contact you

Please enter your phone number to continue.

Select a business field, and we will develop the best offer for you

Please choose a business field to continue.

Enter your company’s legal name

Please indicate your company name to continue.

Your regional manager will answer you

Please select the destination country to continue.

Tell us about your project

Please tell us about your project to continue.

By clicking on 'Submit', you confirm that you have read, understood, and accept our privacy policy.

Thank you
Your message has been sent.

Our manager will contact you as soon as possible.

  • US North America
  • EU Europe
  • MENA Middle East, Africa and Australia

No ads. We will use this address to contact you

Please fill in the field to continue.

Confirm the details

What products are you interested in?

Select an option, and we will develop the best offer for you

Please select the products to continue.

No ads. Our manager will use this email address to contact you.

Please fill in the field to continue.

We will provide information for your quantity

Please fill in the field to continue.

We will provide information for your region

Please select the country to continue.

By clicking on 'Submit', you confirm that you have read, understood, and accept our privacy policy.

Thank you!
Your message has been sent.

Your request will be processed shortly.

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

 

La rivista americana Time ha definito il 2020 l'anno peggiore di sempre, ma non è vero per i principali colossi dello streaming: le azioni Netflix, Amazon e Disney hanno battuto i record di tutti i tempi nel 2020 e continuano a crescere.

Essendo in autoisolamento, le persone hanno iniziato ad abbonarsi a vari servizi video e hanno subito affrontato un nuovo problema: cosa guardare? In precedenza, nella scelta dei contenuti, le persone erano guidate dalle selezioni dai portali tematici e dai consigli degli amici. Queste fonti, tuttavia, non tengono conto delle preferenze individuali di ciascun utente, portando così a un paradosso: la ricerca dei contenuti richiede molto più tempo della visualizzazione effettiva.

 

I servizi di streaming hanno risolto questo problema offrendo consigli personalizzati sui contenuti. In questo articolo, descriveremo in dettaglio come funzionano questi sistemi e perché gli operatori ne hanno bisogno.

 

Principi di base della costruzione di sistemi di raccomandazione

I sistemi di raccomandazione suggeriscono film e serie TV che potrebbero interessare uno spettatore. Esistono quattro approcci principali alla creazione di motori di raccomandazione:

 

  • Filtraggio basato sul contenuto
  • Filtraggio collaborativo

 

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

 

  • Filtraggio basato sulla conoscenza
  • Filtraggio ibrido

 

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

Diamo uno sguardo più da vicino ai dettagli di ciascun approccio.

 

Filtraggio basato sul contenuto

Questo metodo si basa sulla ricerca degli attributi comuni di contenuti diversi. Ad esempio, i consigli sui film sono spesso basati su caratteristiche come regista, cast, genere e durata. Alcuni sistemi analizzano anche le descrizioni dei film per la valutazione di TF-IDF (quanto è importante una determinata parola nel contesto del documento).

 

L'obiettivo del metodo basato sul contenuto è creare un profilo di ogni elemento per cercare le corrispondenze in seguito. Quindi, ad esempio, dopo aver visto "The Avengers", i consigli per te includeranno altri film del Marvel Cinematic Universe, film con Robert John Downey Jr. e opere di Joss Whedon.

 

Questo approccio ha sia vantaggi che svantaggi:

 

Vantaggi

 

Svantaggi

 

I consigli non dipendono dai dati di altri utenti.

 

Quando si formano gruppi di elementi simili, il sistema limita le raccomandazioni di altri contenuti. Questo porta a una "bolla di filtro."

 

Non esiste un problema di "avvio a freddo" per i nuovi film perché i loro attributi principali sono facilmente noti.

 

Se le informazioni sui prodotti sono scarse, sarà molto più difficile raggrupparli, con conseguente riduzione della qualità delle raccomandazioni.

 

Filtraggio collaborativo

Il filtro collaborativo offre consigli basati sul feedback degli utenti con interessi e comportamenti simili.

Ad esempio, il sistema dovrebbe decidere se consigliare o meno la serie "Rick and Morty" all'utente A. L'algoritmo "scansiona" il database, cercando gli spettatori che hanno valutato questo contenuto come positivo, e forma una matrice di preferenza. Nella tabella seguente, ogni riga mostra il feedback degli utenti, mentre ogni colonna rappresenta un film. Il sistema fornisce raccomandazioni cercando somiglianze in questa tabella.

 

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

Algoritmo di filtro collaborativo

 

Nel nostro esempio, l'utente A ha preferenze più comuni con l'utente D. Il sistema conclude quanto segue: se l'utente D ha valutato positivamente la serie "Rick and Morty", potrebbe essere consigliato anche all'utente A.

 

Filtraggio collaborativo basato su elementi

Questo tipo di filtro utilizza le valutazioni dei film anziché i dati del profilo. Ad esempio, se la maggior parte dei fan di "How I Met Your Mother" ha anche valutato molto bene "The Big Bang Theory", quest'ultimo potrebbe essere consigliato a tutti coloro che hanno dato cinque stelle al primo. Usando questo metodo, confrontiamo le colonne della matrice anziché le linee.

 

Vantaggi e svantaggi di questo approccio:

 

Vantaggi

 

Svantaggi

 

Il sistema fornisce consigli più precisi e diversificati.

 

Le preferenze di visualizzazione cambiano nel tempo e alcuni consigli potrebbero diventare irrilevanti.

 

 

Più grande è il pubblico, più tempo è necessario per formulare raccomandazioni.

 

 

Vulnerabilità a un'interferenza deliberata di account falsi che mirano a migliorare la classificazione dei contenuti.

 

Filtraggio basato sulla conoscenza

I servizi di streaming raramente utilizzano sistemi di filtraggio basati sulla conoscenza. Tuttavia, alcuni operatori offrono singoli elementi di questi sistemi. Questi “motori” vengono utilizzati principalmente quando è impossibile raccogliere informazioni sufficienti per creare un profilo client o oggetto.

 

Questo metodo utilizza i filtri. Per un film, questi saranno il genere, l'anno di uscita, il cast e il regista. Questi sistemi sono stabiliti da consulenti che comprendono le esigenze dei clienti, seguendo lo studio delle interrelazioni tra i vari attributi di contenuto.

 

Questo tipo di raccomandazione è abbastanza preciso. Agli utenti viene offerto esattamente ciò di cui hanno bisogno, ma creare filtri basati sulla conoscenza è complicato e richiede tempo.

 

Filtraggio ibrido

Questi sistemi combinano approcci diversi, affrontando gli svantaggi dei sistemi separati. Ad esempio, un cinema online può consigliare film simili valutati da utenti con preferenze simili.

 

Livelli dei sistemi di raccomandazione

 

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

Livello 1: valutazioni globali; prodotti che sono popolari in una determinata regione tra gli utenti di un determinato sesso o età. Queste valutazioni sono abbastanza stabili e possono cambiare leggermente nel tempo.

Livello 2: tendenze a breve termine; film di tendenza, anteprime che attirano l'attenzione dello spettatore in questo momento ma che alla fine perdono popolarità.

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

 

 

I segni espliciti e impliciti vengono utilizzati per valutare il contenuto:

Segni espliciti

 

  • Modulistica compilata
  • Valutazione
  • Classificazione dei contenuti consapevole e inequivocabile

Segni impliciti (tutto ciò che suggerisce indirettamente l'atteggiamento dell'utente nei confronti del film)

  • Tempo di visualizzazione
  • Commenti
  • Avanti veloce
  • Rewatch

 

Gli operatori avanzati combinano questi approcci. Netflix, ad esempio, chiede ai nuovi utenti di indicare i loro film preferiti e analizza le loro interazioni una volta che iniziano a guardare i loro contenuti.

 

Come funziona nei set-top box MAG

I lettori multimediali Android TV MAG utilizzano il sistema di raccomandazione di Google. I suoi principi di funzionamento possono essere esemplificati da YouTube utilizzando lo stesso algoritmo. Il sistema utilizza un approccio ibrido: valuta le preferenze di un determinato utente ei gusti di un pubblico simile.

 

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

 Algoritmo di raccomandazione di YouTube

 

  • Il sistema è composto da due reti neurali addestrate: "generazione di candidati" e "classificazione."
  • La prima rete seleziona i video tematici. Tra milioni di video disponibili, seleziona i più rilevanti e li affida alla seconda rete che classificherà i contenuti dal più al meno interessante.
  • Il sistema tiene conto della cronologia e del contesto di visualizzazione dell'utente (ora del giorno, età, sesso, lingua e paese di residenza).
  • Nella fase di classifica, la selezione tiene conto della durata di visualizzazione prevista: più a lungo gli altri utenti stanno guardando il video, maggiori sono le possibilità di trasformarlo in consigli.
  • Anche il CTR (percentuale di clic) viene preso in considerazione ai fini del ranking: una percentuale di utenti che hanno iniziato a riprodurre il video rispetto a tutti coloro che l'hanno visto nei consigli. L'indicatore CTR potrebbe non essere applicato indipendentemente dalla durata della visualizzazione, poiché il sistema tenta di escludere il clickbait dai risultati della ricerca. Anche le attività dell'utente, come Mi piace, commenti e iscrizioni, vengono prese in considerazione in questa fase. I video a basso coinvolgimento vengono rapidamente rifiutati.
  • Il sistema esegue test A/B durante il campionamento, mostrando diverse versioni delle selezioni a un utente. Se uno di questi dovesse avere un grande successo, il sistema ne terrà conto nelle future raccomandazioni. È così che impara e diventa più efficiente.

 

I consigli personalizzati aiutano gli operatori a suscitare l'interesse del pubblico, ad aumentare la durata della visualizzazione dei contenuti e ad aumentare la fedeltà degli abbonati al servizio. Se il contenuto soddisfa gli interessi dell'utente, lo spettatore lo guarderà fino alla fine e c'è un'alta probabilità che estenda l'abbonamento e raccomandi il servizio agli amici. I sistemi di raccomandazione personalizzati forniscono agli operatori che creano contenuti informazioni sui contenuti che gli utenti sono disposti a guardare. Sulla base di questi dati, si possono realizzare film e serie che conquisteranno i cuori e le menti degli spettatori.

Recommended

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

IPTV a prova di futuro con RDK: comoda piattaforma per gli operatori

Ogni anno, le tecnologie di telecomunicazione raggiungono un nuovo livello, offrendo agli operatori soluzioni efficaci e progressi televisivi. In questo articolo ci concentreremo su uno di questi progressi: la tecnologia RDK. Spiegheremo perché centinaia di operatori scelgono questa soluzione e la trovano così valida.

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

Ministra Pro: aggiornamenti di Luglio

Il tempo delle vacanze è in pieno svolgimento e ci stiamo anche preparando per le vacanze, quindi il digest di luglio sarà breve. Abbiamo raccolto tutti i principali aggiornamenti per quest' anno in modo che tu possa sfogliarli mentre ti godi il tuo relax a bordo piscina.

La “telepatia” della rete neurale: come i consigli personalizzati aiutano spettatori e operatori

Come costruire un'attività IPTV in un ambiente expat

Quando si lancia un servizio IPTV/ott, gli operatori locali cercano di raggiungere un pubblico il più ampio possibile, ma spesso trascurano una delle nicchie gratuite dei potenziali clienti: i clienti espatriati