媒体和娱乐用例
媒体和娱乐组织使用Adobe Experience Platform将流平台、内容库和订阅者帐户中的受众数据统一到每个查看者或收听者的单个视图中。 此基础实现了个性化内容发现、主动订阅者保留和参与策略，使受众能够回访并获取更多内容。
内容推荐引擎
根据观看和收听历史记录、偏好和类似的用户行为提供个性化内容推荐，包括电影、电视节目、音乐和文章。 当观众看到适合他们兴趣的内容时，他们会花更多时间浏览目录，发现他们原本会错过的作品。
商业影响
部署个性化内容推荐引擎的组织可看到内容参与度提高，并且每个用户的总观看或收听时间有意义提升。
实施方式
使用行为推荐模式。 此方法使用AI驱动的推荐模型，这些模型不断从受众交互中学习，从而为每一个人展示最相关的内容。 当项目集很大并且不断变化（内容目录）并且选择由从查看历史记录中学习的行为亲和度驱动时，这是正确的模式，而不是由资格规则控制的有限优惠集。
技术注意事项
- 内容目录元数据（包括流派、演员、导演、情绪标签和内容评级）必须摄取并保持为最新，以确保推荐反映所有可用标题。
- 查看和收听信号需要近乎实时地流动，以便在用户观看或跳过内容时，推荐会在单个浏览会话中更新。
- 推荐模型需要冷启动策略，面向缺乏观看历史（通常回退到趋势、编辑策划或区域受欢迎的内容）的新订阅者。
- 内容许可和可用性窗口必须纳入推荐逻辑，这样用户就永远不会成为在其区域不可用或从目录中删除的推荐标题。
订阅流失预防
识别有取消风险的订阅者，并通过个性化的内容推荐、选件和保留促销活动吸引他们。 留住现有订阅者远比获得新订阅者更划算，在适当的时候积极主动地开展外联活动可防止很大一部分订阅被取消。
商业影响
有效的客户流失预防计划显着减少了订阅者流失，保护了经常性收入，并提高了长期受众生命周期价值。
实施方式
将跨渠道历程与Decisioning模式一起使用。 这种方法将Journey Orchestration与实时决策结合起来，为各个渠道中的每个高风险订阅者选择最佳的保留选件或内容推荐。 当历程必须跨渠道协调投放以防止重复保留选件时，以及当选件选择需要基于订阅者值和风险级别的资格规则时，这是正确的模式 — 仅多步编排不提供所需的实时决策层。
技术注意事项
- 流失风险评分必须合并参与度信号（如观看时间减少、登录频率降低和内容完成率下降），以在风险订阅者到达取消页面之前识别他们。
- 维系优惠应根据订阅者价值和风险级别（从个性化的内容亮点到折扣计划扩展）进行分层，以便在收入保护和利润影响之间取得平衡。
- 历程必须抑制已续订或升级的订阅者的保留消息，从而需要与订阅计费系统实时集成。
- Journey Optimizer决策规则应该考虑订阅者的计划类型、任期和过去优惠兑换历史记录，以避免提供感觉通用或重复的优惠。
新内容发布通知
通知订阅者与其偏好和查看历史记录匹配的新内容版本。 及时收到有关新内容的通知可推动立即参与，并提醒订阅者其订阅的持续价值。
商业影响
个性化的发布通知在发布的第一周内提高了新内容的参与度，加快了观众人数并提高了内容性能指标。
实施方式
使用事件触发的消息传送模式。 此方法将响应内容发布事件，根据订阅者首选项配置文件匹配新标题，以及时发送相关通知。 当触发因素是系统事件（内容发布）而不是客户行为，并且所需的沟通是即时和反应而不是持续的培养序列时，这是正确的模式。
技术注意事项
- 必须集成内容发布日历，以便能够在新标题可用时计划或触发通知，避免对尚未可访问的内容过早发出警报。
- 订阅者首选项匹配应考虑多个维度，包括流派亲和度、喜欢的演员或导演、以前观看的系列以及特许经营兴趣，以确保通知具有个人相关性。
- 通知量必须通过频率上限精心管理，以防止订阅者在内容大量发布期间感到不知所措。
- 时区和查看习惯数据应通知投放时间，以便通知到达时每个订阅者最有可能参与时，而不是在单个全局发送时间。
个性化主页体验
动态地个性化主页和内容发现页面，以首先根据每个用户的个人资料和行为显示最相关的内容。 当查看者在打开应用程序后立即看到与其口味相符的内容时，他们会更快地参与并浏览更长的时间。
商业影响
个性化的主页体验可推动提高主页参与度并显着改进内容发现，尤其是对于具有大型且不断增长的内容库的平台。
实施方式
使用行为推荐模式。 此方法使用选择策略和排名模型，根据每位访客的个人资料和实时行为对内容行进行重新排序，并在主页上提供特定标题。 当项目集很大并且不断变化时，这是正确的模式，并且选择由行为亲和度驱动以动态地对内容行排名，而不是静态策划集或简单的基于属性的个性化。
技术注意事项
- 主页个性化必须足够快地执行，以避免感知到的加载延迟；通常需要基于边缘的决策或服务器端渲染来满足低于22秒的响应时间期望。
- 个性化逻辑应将个人偏好与编辑和促销优先级相结合，确保腾柱发布、季节性内容和合作伙伴促销的标题仍能获得适当的可见度。
- 内容行策略（例如“继续观看”、“因为你观看了”和“当前趋势”）均需要不同的数据输入和排名逻辑，必须将其编排到具有凝聚力的页面布局中。
- Experience Platform Web SDK实施必须捕获主页交互（包括行滚动、平铺点击和悬停行为）以不断优化排名模型。
监视列表和收藏夹提醒
向用户发送提醒，提醒他们尚未观看的关注列表中的内容，以及类似标题的个性化推荐。 关注列表表示强烈的意图信号，温和的提醒可将该意图转换为实际查看。
商业影响
关注列表提醒程序提高了关注列表的完成率，将保存的意图转化为主动参与并提高了总体平台使用率。
实施方式
使用事件触发的消息传送模式。 此方法会根据监视列表活动和非活动状态信号触发提醒，并在内容已保存但尚未开始时发送及时的提醒。 当离散行为信号（watchlist不活动）是触发器，并且所需的响应是单个时效性消息时，这是一种正确的模式，而不是多步序列或连续推荐流。
技术注意事项
- 提醒时间应根据内容在监视列表上的时间以及用户最近是否在平台上处于活动状态来校准，从而避免在大量参与期间出现不必要的提醒。
- 关注列表数据必须实时在设备之间同步，以便在移动设备上添加的标题会立即反映在提醒资格计算中，而不是跨平台复制。
- 提醒应强调上下文详细信息，例如即将过期的可用性窗口或新季的已保存系列，以便在不感到紧迫的情况下创造自然的紧迫感。
- 已从目录中删除或在订阅者区域不再可用的内容必须自动从提醒消息中排除，并替换为替代建议。
免费试用转化营销活动
在试用期结束之前，通过个性化的内容推荐和选件吸引免费试用用户，以鼓励订阅转化。 试用期是展示用户愿意支付的足够价值的关键机会，而且结构化转化历程的效果要远远好于单个试用期结束提醒。
商业影响
精心设计的试用转换活动在试用到付费转换率方面实现了有意义的改进，直接提高了订阅者获取效率并降低了每次获取的成本。
实施方式
使用多步骤编排历程模式。 此多点接触培养历程通过一系列内容发现、价值展示和转化消息引导试用用户完成试用，并根据他们在整个试用的参与情况进行调整。 当用例需要基于参与事件和剩余试用时间的有条件分支的经过数天的有序多消息流时，这是正确的模式 — 单个触发的消息无法适应步骤之间的依赖逻辑或节奏调整的需要。
技术注意事项
- 历程必须准确跟踪试用开始和结束日期，并且使用分支逻辑，根据剩余试用日期和观察到的参与级别调整消息传送节奏。
- 历程中的内容推荐应优先考虑平台中最吸引人的排他性标题，以在有限的试用时段内最大限度地实现付费订阅的感知价值。
- 在试用期结束前转换的用户应自动从转换历程移至新的订阅者欢迎流程，以防止继续发送以试用为中心的消息。
- Journey Optimizer历程条件应考虑试用计划类型、反向链接来源和设备使用情况，以便为不同的受众区段定制转化方法。
实时事件查看提醒
通知用户与其兴趣和观看历史记录相匹配的即将举行的直播活动、体育游戏或预告片。 实时内容推动约会观看，从而加强订阅者习惯，及时提醒可确保受众不会错过他们关心的活动。
商业影响
个性化的直播提醒可推动提高直播收视率，最大化高价值实时节目的受众。
实施方式
使用事件触发的消息传送模式。 此方法根据事件计划数据触发通知，将即将发生的事件与订阅者兴趣配置文件进行匹配以及时发送提醒。 当触发器是系统事件（事件计划）而不是客户行为，并且所需的通信是即时和有时限的，而不是持续的培养序列时，这是正确的模式。
技术注意事项
- 事件计划数据（包括开始时间、参与团队或人才，以及广播详细信息）必须从节目制作系统中摄取，并保持最新，以处理最后一刻的计划更改或取消。
- 提醒交付时间应考虑到时区和典型的事前前置时间；过早发送的提醒会被遗忘，而过早发送的提醒会错过开始。
- 兴趣匹配应同时包含显式偏好和隐式信号，例如最喜爱的团队或流派，如过去的直播活动查看模式，以识别每个订阅者的相关事件。
- 多设备通知协调很重要，这样用户就不会在手机、平板电脑和智能电视上同时接收多余提醒。
个性化播放列表生成
根据每个用户的收听历史记录、偏好和情绪指示器自动生成和更新个性化播放列表。 策划的播放列表减少了内容选择工作，并让听众参与更长的会话。
商业影响
个性化的播放列表生成促进了播放列表参与，并有效地延长了平均收听会话时长，强化了日常平台使用习惯。
实施方式
使用行为推荐模式。 此方法使用AI驱动模型，分析监听模式、跳过行为和上下文信号以生成并刷新为每个用户量身定制的播放列表。 当项目集很大并且不断变化，并且选择由聆听历史记录和情绪信号的行为亲和力驱动 — 而不是由编辑规则控制的有界播放列表集时，这是正确的模式。
技术注意事项
- 音乐目录元数据（包括节奏、流派、情绪标签、艺术家关系和音频功能）必须用丰富标签进行标记，以便能够进行细微的播放列表策划，而不只是简单的流派匹配。
- 播放列表刷新频率应在新鲜度和熟悉度之间取得平衡；听众期待新发现，但也希望重新访问收藏夹，因此模型必须混合探索与舒适。
- 上下文信号（如时间、星期和收听设备）可告知播放列表情绪和能量水平，从而创建适合当下的播放列表。
- Experience Platform行为数据必须捕获粒度侦听事件（包括跳过、重播、保存和会话持续时间），以不断优化推荐模型。
跨平台内容同步
通过实时同步观看历史记录、偏好和推荐，提供跨设备的无缝内容体验。 查看者希望在一个设备上暂停并在另一个设备上恢复观看而不会失去自己的位置，跨平台的一致体验强化了日常使用习惯。
商业影响
跨平台内容同步提高了跨设备参与度，并显着减少了用户在不同设备之间切换时可能导致会话放弃的摩擦。
实施方式
使用已知访客Web/应用程序Personalization模式。 此方法可跨Web平台和应用程序平台为已识别的用户个性化体验，确保内容状态和推荐一致，而不管使用的是什么设备。 当个性化由配置文件属性（跨设备标识、观看进度状态）和区段成员资格而不是行为亲和度模型或历程编排序列驱动时，这是正确的模式。
技术注意事项
- 跨设备身份解析必须可靠地链接跨智能电视、移动应用程序、平板电脑和Web浏览器的用户会话，以保持每个订阅者的单个统一配置文件。
- 观看进度数据（包括确切的播放位置、剧集完成状态以及字幕或音频轨道首选项）必须以最小的延迟进行同步，从而提供真正无缝的恢复体验。
- 推荐模型应该考虑设备上下文，因为移动上下班会话与大屏幕上的晚间起居室会话之间的内容偏好可能有所不同。
- 必须将Real-Time Customer Data Platform配置文件合并策略配置为处理多个设备上的同时会话，而不会创建冲突状态更新。
社交共享Personalization
根据每个用户的社交连接和内容偏好设置，个性化社交共享提示和建议。 让观众分享自己喜爱的东西变得简单而有吸引力，将满足的订阅者转变为推动认知和收购的有机倡导者。
商业影响
个性化的社交共享可促进提高社交共享率、扩大内部覆盖范围并降低付费获取成本。
实施方式
使用已知访客Web/应用程序Personalization模式。 此方法可个性化已识别用户的应用程序内共享体验，根据用户的偏好和参与模式显示与上下文相关的共享提示。 当个性化由用户档案属性和已知参与上下文而不是行为亲和度模型驱动时，这是正确的模式，目标是增强即时体验，而无需编排历程序列。
技术注意事项
- 分享提示应在自然的快乐时刻触发，例如完成一个有狂欢价值的系列或发现一位新喜欢的艺术家，而不是在觉得有侵犯性的任意时间间隔触发。
- 预填充的共享消息和图像必须根据共享的特定内容动态生成，包括相应的缩略图、描述和深层链接，这些链接可促使收件人返回平台。
- 隐私控制必须确保仅在用户明确启动共享时共享查看活动；未经同意被动或自动共享监视历史记录可能会损害信任。
- 社交平台集成必须符合每个网络的共享策略，并处理Instagram、TikTok和X等平台的身份验证、速率限制和内容格式要求。
高级功能追加销售
识别将从高级功能中受益的用户，并根据其使用模式提供个性化的追加销售优惠。 面向已展示符合优质价值的用户定向追加销售消息远比一揽子升级促销活动有效。
商业影响
个性化的高级追加销售活动推动改进高级功能的采用，提高每个用户的平均收入，同时提供真正满足订阅者需求的功能。
实施方式
使用Offer Decisioning模式。 这种方法使用集中式决策逻辑来评估每个订阅者的使用模式，并在适当的时候选择最相关的付费选件。 当选件选择必须考虑使用模式约束和高级层资格规则（需要控制的决策逻辑而不是单独的行为亲和度排名的约束）时，这是正确的模式。
技术注意事项
- 使用模式分析必须识别指示高级就绪性的特定行为，例如频繁使用基本计划上以有限形式提供的功能、多设备使用或高内容消耗量。
- 优惠演示应强调与每个用户的行为最相关的具体增值优势，而不是笼统列出所有增值功能；经常下载内容的用户应强调离线查看。
- 追加销售时间应避免出现受挫时刻，例如在付费墙块之后立即出现，而是利用订户最容易接受时的积极互动时刻。
- Journey Optimizer决策规则必须协调跨应用程序内消息、电子邮件和推送通知的追加销售优惠，以提供一致的优惠，而不会在各个渠道让订阅者不知所措。
内容完成营销活动
提醒用户完成观看或收听他们已开始但未完成的内容，并提供关于下一步要享受的内容的个性化推荐。 不完整的内容表示未实现的参与，而温和的轻推通常会将放弃的会话转换为已完成的体验。
商业影响
内容完成活动提高了内容完成率，增加了总参与时间，并增强了订阅者对平台价值的感知。
实施方式
使用事件触发的消息传送模式。 这种方法会根据内容放弃事件触发提醒，当用户在标题中途暂停并且未在定义的窗口中返回时，会及时发送消息。 当离散行为信号（内容放弃）是触发器，并且所需的响应是包含上下文的单个时效性消息（而不是多步历程或动态选件选择）时，这是正确的模式。
技术注意事项
- 放弃阈值应该根据内容类型进行校正；在80%标记处暂停的电影是强完成候选，而播客在播放两分钟后停止播放可能表示不感兴趣，而不是听见内容中断。
- 提醒消息应包括特定内容标题、可视缩略图和直接深层链接，该链接可在用户完全停止播放时继续播放。
- 频率上限必须防止向经常不整理就取样内容的用户发出过多提醒；对于用户选择放弃的内容反复进行推移可能会让人觉得受到干扰。
- 内容可用性必须在发送时验证，因为标题可能会离开平台或在放弃事件和提醒投放之间更改可用性区域。
订阅者流失驱动因素和内容参与度分析
识别在订阅者取消之前的内容使用模式、参与频率变化和目录交互行为，并测量内容亲和度在订阅者区段和客户获取同类群组之间的变化。 无法将内容行为与流失结果联系起来的流媒体和发布企业根据汇总视图计数而不是保留影响做出内容投资决策。
商业影响
将内容参与模式与订阅者保留结果关联可为产品、内容策略和营销团队提供一个事实基础，以便根据实际维持订阅的行为确定目录投资的优先级和设计重新参与活动。
实施方式
使用Customer Analytics和Insight生成模式。 这种方法将流事件数据、内容元数据、订阅生命周期记录和营销活动交互历史记录连接到Customer Journey Analytics，其中同类群组保留分析衡量内容亲和力与订阅者任期的关系，流失分析识别取消之前的参与流失模式。 当目标是理解流失和内容表现的行为驱动因素时，这是一种正确的模式，而不是触发回馈消息或激活流失风险受众以进行抑制。
技术注意事项
- 内容使用事件必须包括内容标识符和会话级元数据（开始、暂停、完成和跳过事件），以便能够在CJA中测量参与深度，而不是原始播放计数。
- 订阅生命周期事件（包括试用开始、转化、支付失败、降级和取消）必须作为具有准确时间戳的离散事件引入，以便可以在CJA过滤器中精确定义取消前行为窗口。
- 内容目录属性（例如，流派、格式、系列关联和发行回访间隔）必须作为查询数据集在CJA连接中可用，以便内容参与度分析可以按目录维度细分，而无需在单独的标题级别进行分析。
- 同类群组分析按客户获取渠道和已查看的原始内容比较保留曲线，要求客户获取来源和首次查看的内容均作为用户档案或首次事件维度进行捕获，这可用于CJA中的同类群组定义。