Cas d’utilisation des médias et du divertissement

Les médias et les entreprises de divertissement utilisent Adobe Experience Platform pour unifier les données d’audience des plateformes de diffusion en continu, des bibliothèques de contenu et des comptes d’abonnés en une vue unique de chaque visionneuse ou écouteur. Cette base permet la découverte de contenu personnalisé, la rétention proactive des abonnés et les stratégies d’engagement qui encouragent le retour des audiences.

Moteur de recommandation de contenu

Fournissez des recommandations de contenu personnalisé, notamment des films, des émissions télévisées, de la musique et des articles, en fonction de l’historique de visionnage et d’écoute, des préférences et du comportement similaire de l’utilisateur. Lorsque le public voit du contenu adapté à ses intérêts, il passe plus de temps à explorer le catalogue et à découvrir des titres qu’il aurait autrement ratés.

Impact commercial

Les entreprises qui déploient des moteurs de recommandation de contenu personnalisé bénéficient d’un engagement amélioré du contenu et d’une augmentation significative du temps total de visionnage ou d’écoute par utilisateur.

Mise en œuvre

Utilisez le modèle recommandation comportementale. Cette approche utilise des modèles de recommandation pilotés par l’IA qui apprennent en permanence des interactions de l’audience pour faire apparaître le contenu le plus pertinent pour chaque individu. Il s’agit du modèle approprié lorsque le jeu d’éléments est volumineux et en constante évolution (catalogues de contenu) et que la sélection est pilotée par l’affinité comportementale apprise à partir de l’historique de visionnage, plutôt que par un ensemble limité d’offres régies par des règles d’éligibilité.

Considérations techniques

Prévention de la résiliation des abonnements

Identifiez les abonnés qui risquent d’être annulés et impliquez-les dans des recommandations de contenu personnalisé, des offres et des campagnes de fidélisation. Il est beaucoup plus rentable de conserver les abonnés existants que d'en acquérir de nouveaux, et des activités de sensibilisation proactives au bon moment peuvent prévenir une part importante des annulations.

Impact commercial

Des programmes efficaces de prévention du taux de résiliation permettent de réduire significativement le taux de résiliation des abonnés, de protéger les revenus récurrents et d’améliorer la valeur de l’audience à long terme.

Mise en œuvre

Utilisez le modèle Parcours cross-canal avec prise de décision🔗. Cette approche associe l'orchestration des parcours à la prise de décision en temps réel afin de sélectionner la meilleure offre de rétention ou la meilleure recommandation de contenu pour chaque abonné à risque sur chaque canal. Il s’agit du modèle approprié lorsque le parcours doit coordonner la diffusion entre les canaux pour éviter les offres de conservation en double et lorsque la sélection de l’offre nécessite des règles d’éligibilité en fonction de la valeur de l’abonné et du niveau de risque - l’orchestration à plusieurs étapes ne fournit pas à elle seule la couche de prise de décision en temps réel nécessaire.

Considérations techniques

Notifications de mise à jour du nouveau contenu

Informer les abonnés des nouvelles mises à jour de contenu correspondant à leurs préférences et à leur historique d’affichage. Des notifications opportunes sur les nouveaux contenus entraînent un engagement immédiat et rappellent aux abonnés la valeur actuelle de leur abonnement.

Impact commercial

Les notifications de mises à jour personnalisées encouragent l’engagement des nouveaux contenus au cours de la première semaine suivant leur publication, accélérant l’audience et augmentant les mesures de performances du contenu.

Mise en œuvre

Utilisez le modèle Message déclenché par un événement. Cette approche répond aux événements de publication de contenu, en associant les nouveaux titres aux profils de préférences des abonnés afin de fournir des notifications pertinentes et en temps opportun. Il s’agit du modèle approprié lorsque le déclencheur est un événement système (libération de contenu) plutôt que le comportement du client et que la communication requise est immédiate et réactive plutôt qu’une séquence d’entretien soutenue.

Considérations techniques

Expérience de page d’accueil personnalisée

Personnalisez de manière dynamique les pages d’accueil et de découverte de contenu afin d’afficher d’abord le contenu le plus pertinent en fonction du profil et du comportement de chaque utilisateur. Lorsque les visiteurs voient du contenu correspondant à leurs goûts immédiatement après l’ouverture de l’application, ils interagissent plus rapidement et naviguent plus longtemps.

Impact commercial

Les expériences de page d’accueil personnalisées améliorent l’engagement de la page d’accueil et la découverte de contenu, en particulier pour les plateformes disposant de bibliothèques de contenu volumineuses et en croissance.

Mise en œuvre

Utilisez le modèle recommandation comportementale. Cette approche utilise des stratégies de sélection et des modèles de classement pour réorganiser les lignes de contenu et les titres présentés sur la page d’accueil en fonction du profil de chaque visiteur et de son comportement en temps réel. Il s’agit du modèle approprié lorsque le jeu d’éléments est volumineux et qu’il change en permanence, et que la sélection est pilotée par une affinité comportementale pour classer les lignes de contenu de manière dynamique, plutôt que par un jeu traité statique ou une simple personnalisation basée sur les attributs.

Considérations techniques

Rappels de la watchlist et des favoris

Envoyez des rappels aux utilisateurs et utilisatrices à propos du contenu de leur liste de surveillance qu’ils ou elles n’ont pas encore visionné, ainsi que des recommandations personnalisées pour des titres similaires. Les watchlists représentent des signaux forts d'intention, et des rappels doux peuvent convertir cette intention en affichage réel.

Impact commercial

Les programmes de rappel de la watchlist améliorent les taux d’achèvement de la watchlist, transformant l’intention enregistrée en engagement actif et augmentant l’utilisation globale de la plateforme.

Mise en œuvre

Utilisez le modèle Message déclenché par un événement. Cette approche déclenche des rappels en fonction des signaux d’activité et d’inactivité de la liste de contrôle, envoyant des conseils opportuns lorsque le contenu a été enregistré mais n’a pas encore commencé. Il s’agit du modèle approprié lorsqu’un signal comportemental discret (inactivité de la liste de surveillance) est le déclencheur et que la réponse requise est un message unique sensible au temps, plutôt qu’une séquence à plusieurs étapes ou un flux de recommandations continu.

Considérations techniques

Campagnes de conversion d’essai gratuites

Faites participer des utilisateurs en version d’essai gratuite avec des recommandations et des offres de contenu personnalisées pour encourager la conversion des abonnements avant la fin de la période d’essai. La fenêtre d’évaluation est une occasion cruciale de démontrer que les utilisateurs sont prêts à payer suffisamment pour cela. En outre, un parcours de conversion structuré est nettement plus performant qu’un seul rappel de fin d’évaluation.

Impact commercial

Des campagnes de conversion d’essai bien conçues permettent d’améliorer de manière significative les taux de conversion d’essai à payant, ce qui accroît directement l’efficacité d’acquisition des abonnés et réduit le coût par acquisition.

Mise en œuvre

Utilisez le modèle Parcours orchestré à plusieurs étapes🔗. Ce parcours d’évaluation multipoint guide les utilisateurs à travers une séquence de messages de découverte de contenu, de démonstration de valeur et de conversion, en s’adaptant en fonction de leur engagement tout au long de l’évaluation. Il s’agit du modèle approprié lorsque le cas d’utilisation nécessite un flux séquentiel de plusieurs messages sur plusieurs jours avec un embranchement conditionnel basé sur les événements d’engagement et le temps d’essai restant. Un message déclenché unique ne peut pas s’adapter à la logique de dépendance entre les étapes ou au besoin d’ajustements de cadence.

Considérations techniques

Rappels d’affichage d’événements en direct

Informer les utilisateurs des événements en direct, des jeux de sport ou des avant-premières à venir qui correspondent à leurs centres d’intérêt et à leur historique de visionnage. Le contenu en direct stimule l’affichage des rendez-vous, ce qui renforce les habitudes des abonnés. Des rappels opportuns garantissent que les audiences ne manquent pas les événements qui leur tiennent à cœur.

Impact commercial

Les rappels d’événements en direct personnalisés améliorent l’audience des événements en direct, maximisant ainsi l’audience pour une programmation en temps réel de grande valeur.

Mise en œuvre

Utilisez le modèle Message déclenché par un événement. Cette approche déclenche des notifications en fonction des données de planning d’événement, associant les événements à venir aux profils d’intérêt des abonnés afin de fournir des rappels opportuns. Il s’agit du modèle approprié lorsque le déclencheur est un événement système (planning d’événement) plutôt que le comportement du client, et que la communication requise est immédiate et limitée dans le temps plutôt qu’une séquence d’entretien soutenue.

Considérations techniques

Génération de listes de lecture personnalisées

Générez et mettez à jour automatiquement des listes de lecture personnalisées en fonction de l’historique d’écoute, des préférences et des indicateurs d’humeur de chaque utilisateur. Les listes de lecture sélectionnées réduisent l’effort de sélection du contenu et maintiennent l’engagement des auditeurs pour des sessions plus longues.

Impact commercial

La génération de listes de lecture personnalisées améliore l’engagement des listes de lecture et allonge de manière significative la durée moyenne de la session d’écoute, renforçant les habitudes d’utilisation quotidienne des plateformes.

Mise en œuvre

Utilisez le modèle recommandation comportementale. Cette approche utilise des modèles pilotés par l’IA qui analysent les modèles d’écoute, le comportement d’omission et les signaux contextuels afin de générer et d’actualiser des listes de lecture adaptées à chaque utilisateur. Il s'agit du bon modèle lorsque l'ensemble d'éléments est volumineux et change en permanence et que la sélection est motivée par une affinité comportementale provenant de l'historique d'écoute et des signaux d'humeur, plutôt que par un ensemble limité de listes de lecture régies par des règles éditoriales.

Considérations techniques

Synchronisation de contenu sur plusieurs plateformes

Fournissez une expérience de contenu transparente sur tous les appareils en synchronisant l’historique de visionnage, les préférences et les recommandations en temps réel. Les utilisateurs s’attendent à ce que les visionneuses s’arrêtent sur un appareil et reprennent sur un autre sans perdre leur place. Une expérience cohérente sur toutes les plateformes renforce les habitudes d’utilisation quotidiennes.

Impact commercial

La synchronisation de contenu entre plateformes améliore l’engagement entre plusieurs appareils et réduit significativement les frictions qui peuvent entraîner l’abandon de session lorsque les utilisateurs passent d’un appareil à l’autre.

Mise en œuvre

Utilisez le modèle Known-Visitor Web/App Personalization. Cette approche personnalise l’expérience des utilisateurs identifiés sur les plateformes web et d’applications, en garantissant la cohérence de l’état du contenu et des recommandations, quel que soit l’appareil. Il s’agit du modèle approprié lorsque la personnalisation est pilotée par les attributs de profil (identité entre appareils, état de progression de la surveillance) et l’appartenance à un segment, plutôt que par un modèle d’affinité comportementale ou une séquence d’orchestration de parcours.

Considérations techniques

Personalization de partage sur les réseaux sociaux

Personnalisez les invites et les recommandations de partage sur les réseaux sociaux en fonction des connexions et des préférences de contenu de chaque utilisateur. Faciliter et séduire le partage de ce qu'ils aiment transforme les abonnés satisfaits en défenseurs organiques qui favorisent la sensibilisation et l'acquisition.

Impact commercial

Le partage social personnalisé permet d'obtenir des taux de partage social améliorés, amplifiant la portée organique et réduisant les coûts d'acquisition payés.

Mise en œuvre

Utilisez le modèle Known-Visitor Web/App Personalization. Cette approche personnalise les expériences de partage in-app pour les utilisateurs et utilisatrices identifiés, en affichant des invites de partage pertinentes selon les préférences et les schémas d’engagement de l’utilisateur ou utilisatrice. Il s’agit du modèle approprié lorsque la personnalisation est pilotée par des attributs de profil et un contexte d’engagement connu plutôt qu’un modèle d’affinité comportementale, et l’objectif est d’améliorer l’expérience instantanée sans orchestrer une séquence de parcours.

Considérations techniques

Premium Feature Upsell

Identifiez les utilisateurs qui bénéficieraient des fonctionnalités Premium et présentez des offres de montée en gamme personnalisées en fonction de leurs schémas d’utilisation. Un message de montée en gamme ciblé destiné aux utilisateurs qui démontrent déjà des comportements conformes à la valeur premium est beaucoup plus efficace que des campagnes de mise à niveau générales.

Impact commercial

Les campagnes de montée en gamme premium personnalisées favorisent l’adoption des fonctionnalités premium, augmentant le chiffre d’affaires moyen par utilisateur tout en fournissant des fonctionnalités qui correspondent véritablement aux besoins des abonnés.

Mise en œuvre

Utilisez le modèle 🔗. Cette approche utilise une logique de décision centralisée pour évaluer les schémas d’utilisation de chaque abonné et sélectionner l’offre premium la plus pertinente au bon moment. Il s’agit du modèle approprié lorsque la sélection des offres doit tenir compte des contraintes de modèle d’utilisation et des règles d’éligibilité de niveau Premium, contraintes qui nécessitent une logique de prise de décision régie plutôt qu’un classement par affinité comportementale seul.

Considérations techniques

Campagnes d’achèvement du contenu

Rappelez aux utilisateurs de terminer de regarder ou d’écouter le contenu qu’ils ont commencé mais n’ont pas terminé, accompagné de recommandations personnalisées pour savoir quoi apprécier ensuite. Un contenu incomplet représente un engagement non réalisé et un petit coup de pouce convertit souvent une session abandonnée en une expérience terminée.

Impact commercial

Les campagnes d’achèvement du contenu entraînent une amélioration des taux d’achèvement du contenu, ce qui augmente le temps d’engagement total et renforce la perception des abonnés quant à la valeur de la plateforme.

Mise en œuvre

Utilisez le modèle Message déclenché par un événement. Cette approche déclenche des rappels en fonction des événements d’abandon de contenu, envoyant des messages opportuns lorsqu’un utilisateur ou une utilisatrice s’est arrêté au cours d’un titre et n’a pas renvoyé de message dans une fenêtre définie. Il s’agit du modèle approprié lorsqu’un signal comportemental discret (abandon de contenu) est le déclencheur et que la réponse requise est un message unique et sensible au temps avec un contexte, plutôt qu’un parcours à plusieurs étapes ou une sélection d’offres dynamique.

Considérations techniques

Pilote de résiliation des abonnés et analyse de l’engagement du contenu

Identifiez les modèles de consommation de contenu, les modifications de la fréquence d’engagement et les comportements d’interaction de catalogue qui précèdent l’annulation des abonnés, et mesurez la manière dont l’affinité du contenu varie entre les segments d’abonnés et les cohortes d’acquisition. Les entreprises de streaming et de publication qui ne peuvent pas associer le comportement du contenu aux résultats de résiliation prennent des décisions d’investissement en fonction du nombre de vues agrégées plutôt que de l’impact sur la rétention.

Impact commercial

La corrélation des modèles d’engagement du contenu avec les résultats de rétention des abonnés donne aux équipes produit, stratégie de contenu et marketing une base factuelle pour hiérarchiser les investissements dans les catalogues et concevoir des campagnes de réengagement autour des comportements qui soutiennent réellement les abonnements.

Mise en œuvre

Utilisez le modèle Customer Analytics et génération d’Insight. Cette approche connecte les données d’événement de diffusion en continu, les métadonnées de contenu, les enregistrements de cycle de vie des abonnements et l’historique des interactions de la campagne à Customer Journey Analytics, où l’analyse de rétention des cohortes mesure la corrélation entre l’affinité du contenu et la durée de vie des abonnés et où l’analyse des abandons identifie les modèles de réduction de l’engagement qui précèdent l’annulation. Il s’agit du modèle approprié lorsque l’objectif est de comprendre les facteurs comportementaux de l’attrition et des performances du contenu, plutôt que de déclencher un message de reconquête ou d’activer une audience à risque d’attrition pour la suppression.

Considérations techniques