人工智能正在为流媒体服务提供更好的建议

2021年，人们将有史以来第一次为在线流媒体服务付费，而不是传统的付费电视。然而，流媒体市场比以往任何时候都更加拥挤和竞争。近年来，高质量的原创节目已经成为流媒体提供商提升和差异化服务的主要方式。网飞预计将容纳大约1500部电视剧和4000部电影。亚马逊Prime Video有近2万部电影。订阅迪士尼将增加约7000部电视剧和500部电影供观众选择。

然而，仅仅高质量的编程不足以让消费者订阅服务。当今观众面临的最常见的问题之一是找到他们想看的东西。直到2017年，观众每天花近一个小时搜索内容。这是一个日常困境，通常会导致消费者无休止地滚动，然后消费者只是选择模糊有趣的内容，因为他们不想浪费更多的时间去寻找真正引人注目的内容。现实情况是，提供出色的用户体验是视频流服务提供商摆脱竞争、成为首选服务的关键。

目前，许多流媒体服务正在使用内容发现系统，这些系统通常提供简单且不准确的推荐。许多内容发现系统依赖于基础元数据，基础元数据根据数据点(如流派、在其中起主导作用的演员)甚至只是使用内容标题中的关键词来广泛标记内容。想一想：怎么可能？看完欧文威尔森和詹妮弗安妮斯顿主演的《马利和我的家庭》喜剧片，观众会想看马利和雷鬼音乐偶像鲍勃马利的传记纪录片？

建议的输出和输入一样好。所以，当流媒体平台不太了解自己的内容时，他们的建议会很糟糕。为了让推荐系统走上一段楼梯，流媒体提供商需要利用AI和机器学习技术对音视频文件本身进行分析，从而以可扩展的方式深入理解内容。

基于人工智能和机器学习的内容分析可以有不同的神经网络来识别颜色、音频、速度、压力水平、积极/消极情绪、相机运动和许多其他特征的模式。然后，它可以评估每个资产与其他资产的相似性，并将这些信息与AI引擎相结合，AI引擎可以分析家庭的观察列表，以便在任何特定时间对内容资产及其相关性有更高级和详细的了解。

周五晚上看令人不安的恐怖片的用户，很可能在看完之后马上就想要一些轻松的东西，而以这种类型的详细内容数据推荐的推荐系统可以提供这种直觉。随着时间的推移，它可以分析每个观看者的消费模式和数据点——不仅是每个设备，还有每个用户的个人数据——并根据他们的时钟偏好完美地定制建议，在正确的时间提出正确的内容。