Современные телекомпании сталкиваются с непростой задачей – аудитория распыляется между множеством экранов и платформ, а привычки зрителей меняются быстрее, чем успевают выходить новые сезоны сериалов. В этих условиях на помощь приходят алгоритмы искусственного интеллекта (ИИ). Машинное обучение уже помогает медиахолдингам по всему миру анализировать поведение зрителей и заранее предсказывать телевизионные рейтинги, позволяя выстраивать сетку вещания и рекламные кампании с хирургической точностью. Причем такие технологии развиваются параллельно как за рубежом, так и в России.
Телевизионные рейтинги традиционно считались показателем прошлого – они отражают, сколько людей уже посмотрели передачу. Однако сегодня рейтинги стали инструментом прогнозирования будущего. Например, американские телеканалы продают большую часть рекламных слотов на сезон вперед во время так называемых «upfront»-распродаж, который проходит с марта по май месяц. Цена рекламы определяется ожиданиями по рейтингу шоу задолго до его выхода в эфир. Ошибка в прогнозе аудитории может стоить миллионы упущенных или недополученных рекламных доходов.
Классические методы прогнозирования телесмотрения существовали давно, но поведение зрителей усложнилось. Люди все чаще смотрят видео на смартфонах и планшетах, откладывают просмотр, переходят на стриминг. Это делает телепотребление более непредсказуемым. Стандартные модели, работавшие ранее, начинают давать сбои. Здесь и проявляется преимущество ИИ, которое способно выявлять тонкие закономерности в массиве исторических данных о телесмотрении.
Исследовательская команда Nielsen (США) применила продвинутые алгоритмы ИИ к многолетней базе данных замеров TV-аудитории, включая показатели Live+7 (просмотр с учетом записи и отложенного на 7 дней) и C3 (рейтинги рекламы с учетом 3-дневного просмотра). Результатом работы ИИ является высокая точностью предсказание рейтинга отдельных телеканалов и даже временных слотов задолго до эфира. Этот кейс наглядно показал, как можно улучшить качество медиапланирования и снизить уровень неопределенности при работе с телесеткой.
В Великобритании прошел любопытный эксперимент: телеканал BBC Four доверил ИИ подбор вечернего эфира из архивных передач. Алгоритм проанализировал сотни предыдущих расписаний и предпочтения аудитории канала, после чего выбрал из обширного архива BBC контент, наиболее соответствующий вкусам зрителей. Получившаяся двухдневная программа под названием BBC 4.1 AI TV продемонстрировала, как ИИ может помочь редакторам находить “спящие” хиты в золотых фондах телевидения. При этом нужно отметить, что финальное решение о том, что ставить в эфир, осталось за продюсерами. Таким образом, комбинация алгоритма и человеческого опыта дает наилучший результат в программировании эфира.
Другой пример – это решение Netflix запустить сериал House of Cards на американскую аудиторию. Проанализировав данные о вкусах своих подписчиков, Netflix обнаружил значительное пересечение между поклонниками оригинального британского сериала House of Cards, фильмографии режиссера Дэвида Финчера и актера Кевина Спейси. Вооружившись этими инсайтами, компания уверенно вложила $100 млн. в производство адаптации пилотной серии без съемок, результат оправдал ожидания. Данный пример показывает, как на основание предсказание вкусов аудитории можно создавать успешный контент.
В России технологии “умного эфира” также набирают обороты. Ведущий российской компанией, занимающийся медиаисследованиями, является Mediascope. В ее арсенал по сбору данных входят телевизионная панель с охватом около 20 тысяч домохозяйств и две интернет-панели с общим обхватом аудитории около 45 тысяч респондентов. Несмотря на сравнительно небольшой охват аудитории, эти данные в сочетании с современными ИИ-инструментами успешно используются в различных исследованиях, измерениях и прогнозированиях. Компания DатаРу Консалтинг представила модель, способную вычислять рейтинги телепрограмм на основе истории просмотров и параметров сетки вещания. Тестировалась модель на нескольких федеральных каналах, от топового ТНТ до нишевого ТВ Центр, и добились обнадеживающих результатов. На основание модели было создано рекомендательная система по оптимизации сетки телеканала. Иными словами, программный директор получает инструмент, который подсказывает, какую передачу лучше поставить в прайм-тайм, чтобы максимизировать долю зрителей.
Показательно, что задачи предсказания телерейтингов решаются в связке с рекламными задачами. Ведь телеканал зарабатывает не просто рейтингом, а продажей внимания аудитории рекламодателям. Поэтому умная аналитика фокусируется не только на содержании эфира, но и на рекламных блоках. Еще в далеком 2020 году коммуникационная группа Dentsu Aegis Network Russia запустила проект по прогнозированию объема аудитории каждого рекламного блока на российском ТВ. Цель – помочь брендам выбрать оптимальные слоты для размещения рекламы. В Dentsu разработали модель, которая ежедневно обучается на свежих данных и предсказывает телесмотрение на два месяца вперед, сколько зрителей из целевой аудитории увидят каждый конкретный рекламный блок. В результате рекламодатель получает возможность адресно показывать свою рекламу зрителям: например, автомобильный бренд узнает, в каких перерывах его ключевая аудитория (скажем, мужчины 25–54) составляет максимальную долю от всех зрителей, и бронирует именно эти блоки. Такой подход повышает отдачу от телекампаний и снижает бюджетные потери на “холостые” показы.
По мнению Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, использование искусственного интеллекта в медиапланировании сегодня становится насущной необходимостью для телехолдингов. Но необходимо заметить, что алгоритмы не отменяют творческий подход программных директоров, однако дают им мощный инструмент. Тот, кто сумеет правильно встроить ИИ-аналитику в процесс принятия решений, получит серьезное конкурентное преимущество. Точнее прогнозируя интерес аудитории, канал может снизить риск провалов сетки, а также заработать больше денег от рекламы.
