Sept techniques pour personnaliser la télévision.

Lorsque les téléspectateurs regardent une émission télévisée sur leur écran préféré, ils réclament un service personnalisé.

Dans notre guide, « La télévision se personnalise », nous démontrons, preuves à l'appui, que le public veut un modèle de télévision personnalisée et exposons plusieurs techniques à exploiter pour y parvenir. Notre objectif ? Vous aider à esquisser les contours d'une expérience télévisuelle à la fois intuitive, intelligente et interactive.

De toute évidence, la télévision personnalisée exige d'associer données et technologies. Les groupes médias doivent en effet s'appuyer sur des données pour mieux appréhender les préférences des téléspectateurs, et faire appel aux technologies pour intégrer ces préférences dans une expérience qui saura les séduire.

Si, en qualité de diffuseur ou de câblo-opérateur, vous souhaitez assortir votre service de télévision d'un plus grand nombre de fonctions de personnalisation, les sept techniques ci-après constituent un excellent point de départ.

1. Données des utilisateurs – Bénéficiez de données ultra-précises et complètes sur vos utilisateurs en conservant toutes informations utiles à leur sujet (nom, âge, sexe, emplacement géographique et préférences) dans une base de données clients. Plus ces données seront précises et exhaustives, mieux votre segmentation pourra être documentée. Ensuite, vous pourrez rendre ces données anonymes, et les associer à une plateforme de gestion, telles qu'Adobe Public Manager, à des fins de segmentation.

2. Contexte de la séance – À chaque séance de visionnage, vous pouvez collecter davantage de données, ce qui perfectionnera la personnalisation. Prenez en compte les types de navigateur et d'équipement, l'adresse IP et le fuseau horaire. Ces données peuvent alimenter un algorithme de personnalisation qui recommandera des contenus différents à un même utilisateur, selon qu'il utilise un appareil mobile ou un ordinateur, ou qu'il regarde des programmes télévisés en matinée ou en soirée.

3. Données de tiers – Les données émanant de prestataires externes peuvent contribuer à mieux cerner vos utilisateurs ou votre contenu. Rien ne vous empêche, par exemple, d'acheter des données sur les produits acquis par votre public ou sur les types de sites web consultés. Pensez également à acheter des métadonnées de contenu afin de pouvoir prendre des décisions de personnalisation en fonction de divers critères : genre, sous-genre, distribution, palmarès, année de sortie et cote de popularité des programmes visualisés par vos utilisateurs.

4. Segmentation – Vous pouvez recourir à la segmentation pour orchestrer différents types d'expériences de personnalisation adaptées à différents segments d'utilisateurs. Ces segments peuvent être générés à partir des attributs comportementaux de votre public, tels que la fréquence à laquelle celle-ci visite votre service ou le type de contenu qu'elle visualise le plus souvent. Ils peuvent également l'être en fonction des attributs contextuels dont vous disposez sur vos visiteurs, notamment leur équipement, l'horaire où se produit un pic de consultations ou leur géolocalisation. Pour mobiliser au maximum votre public, vous pouvez plonger chaque téléspectateur au cœur d'une expérience qui a fait ses preuves auprès d'autres personnes appartenant au même segment.

5. Essais A/B – Les essais A/B vous permettent de vérifier vos hypothèses sur la manière dont les données pourraient être utilisées en vue d'améliorer la personnalisation. Peut-être avez-vous le sentiment, par exemple, que ceux qui consultent des sites web dédiés au sport sont plus réceptifs aux recommandations de contenus sportifs. Vous pouvez vérifier cette hypothèse en soumettant, à titre de contrôle, un public à votre algorithme de personnalisation, qui ne prend pas en compte les données de consultation de sites web sportifs. En parallèle, vous soumettez un public-essai à un nouvel algorithme de personnalisation qui, lui, prend en compte ces données. Si les résultats obtenus par le public-essai, sur un ou plusieurs indicateurs stratégiques (durée de visionnage, par exemple), sont bien meilleurs que pour l'autre, alors le nouvel algorithme est un succès.

6. Algorithmes – Les algorithmes servent de moteur décisionnel aux caractéristiques de personnalisation. À partir du moment où un algorithme est programmé pour savoir quelles données prendre en compte et comment, il peut alors prendre des décisions de personnalisation à la volée pour chaque utilisateur d'un service de télévision personnalisée. Inutile de posséder des compétences en développement d'algorithmes pour personnaliser ce service. Des solutions telles qu'Adobe Primetime Recommendations vous proposent des algorithmes intégrés.

7. Optimisation automatisée – Les technologies d'optimisation rendent la télévision personnalisée plus intelligente au fil du temps. Par exemple, les recommandations Primetime conduisent automatiquement les essais A/B à améliorer sans cesse les décisions prises en matière de recommandations vidéo et de présentations visuelles.

Ces sept techniques, qui s'appuient sur des sources de données et des technologies, mettent la personnalisation à la portée de tout service de télévision. En fait, nombre de groupes médias disposent d'ores et déjà des données indispensables à une personnalisation réussie. Les autres n'auront aucun mal à se les procurer.

Si vous entreprenez de déployer des services de télévision plus personnalisée, n'hésitez pas à revenir vers nous : votre avis nous intéresse.


ÉTAPES SUIVANTES