打赢流失之战

　　在超个性化的战斗中，数据质量往往会成为决定性因素。

　　为了打赢流失之战并建立持久参与度，媒体和娱乐公司正在高度依赖内容个性化。事实上，它们正在把自己押注在这件事上。

　　Amazon Web Services（AWS）媒体、娱乐、游戏与体育全球业务发展负责人Nina Walsh表示：“我们已经到达一个拐点，AI超个性化正在从实验性能力转向基础性能力。消费者被内容淹没，正在寻找如何在想看的时候找到自己想看的内容。被动发现正在消亡。频道冲浪已经过去。”

　　Accedo首席营收官Mrugesh Desai补充说，个性化也是对抗流失最有效的防线之一。他说：“当观众无法快速找到值得观看的内容时，他们就会开始质疑订阅的价值。最好的流媒体服务知道，推动参与度和留存的不是内容数量，而是内容发现。”

　　Broadpeak企业营销与传播总监Elodie Levrel解释说，这意味着要像对待任何现代应用一样对待电视。“人们希望电视拥有他们在其他数字服务中获得的同等便利性。这意味着推荐应当反映他们的兴趣，直播和点播内容都应容易找到，而且无论是在联网电视、平板还是智能手机上观看，体验都应保持一致。”

　　打破元数据瓶颈

　　今天的超个性化内容交付依赖大量高质量数据。遗憾的是，旧数据库和家庭观看的性质正在拖慢这些系统的效率。

　　LTN产品管理高级副总裁Dimitri Tarassenko表示：“个性化面临的问题之一是，电视是一台共享设备——每个家庭一台，而不是像手机或平板那样真正属于个人的设备。要从可寻址，也就是面向一个家庭，迈向个性化，也就是面向一个观众，你需要更多数据，而节目上下文，也就是观众到目前为止看过什么，往往是非常好的线索。”

　　以有用方式提取这种上下文，是行业最大的障碍。Walsh说：“这是我与全球媒体公司讨论最多的话题：旧元数据是它们遇到的最大障碍。原因在于，几十年来形成的内容库标签不一致、格式多样、语言多样，而这些内容库当初并不是为算法消费设计的。”

　　Desai也认同这一点。“糟糕的元数据仍然是个性化项目的沉默杀手，而且很少能通过购买一个更好的推荐引擎来解决。真正的工作是基础性的：首先诚实审计元数据在旧CMS系统中哪里不一致、不完整或被孤立，然后建立一个单一的规范化架构，让每一个内容来源——直播、VOD、授权内容和自有内容——都能映射进去。”

　　Titan TV总裁Heidi Steffen强调，可靠数据对于供给内容个性化系统非常重要。她指出：“你需要输入AI的数据保持一致。‘垃圾进’就会导致‘垃圾出’。如果使用的数据不一致且令人困惑，AI就无法生成可靠、有用的内容推荐。”

　　治愈选择疲劳

　　传统看法认为，流失发生是因为观众厌倦了为太多流媒体服务付费，但情况未必如此。

　　Bitmovin高级产品经理Jacob Arends说：“流媒体中的流失很像盗版，是便利性问题，而不是价格问题。如果其中某个服务没有满足观众需求或让他们保持参与，那么它很可能就会进入下一个被取消服务的候选名单。”

　　当平台向观众提供过多推荐时，同样的便利性问题也会出现。Arends告诉TV Tech：“普通观众并不想当导演，所以给他们太多选择和选项，实际上会创造一种回报更低的体验。”

　　相反，这些观众希望有人告诉他们该看什么，而且这些推荐最好非常准确，否则后果很明显。Walsh说：“数据显示，如果观众在72小时内没有出现一次‘哇’的时刻，那么从那时起，30天流失就很可能发生。”

　　讽刺的是，让观众很难取消服务，长期看反而会增加流失。Desai说：“对于推动50%以上流失率的Z世代和千禧一代群体，解决办法很少只是一个更聪明的算法，而是消除离开和回归的摩擦。流失率最低的平台让取消变得无痛、让重新激活只需一次点击，因为一个轻松离开的订户，比一个感觉被困住的订户更有可能回来。”

　　Levrel表示，最终，要让这些订户保持参与，需要端到端地处理用户体验。“最有可能降低流失的广播机构，是那些把个性化与简单界面、直播体育多视角等增值功能，以及相关但不打断观看体验的广告结合起来的机构。”

　　直播体育需要干净数据

　　直播体育和超本地新闻给内容个性化算法提出了独特挑战。

　　一个例子是：广播机构决定把一场直播比赛转到第二个地面频道，可能会对智能电视算法和观众留存造成混乱。Steffen说：“他们因为其他需求无法把比赛放在9.1频道，于是放到9.2，而9.2传统上只是一个传送频道。”

　　这样的切换会让算法和观众都感到困惑。因此，广播机构和其他内容生产者需要确保实时元数据被正确同步，使内容个性化系统能够正常工作。

　　“糟糕的元数据仍然是个性化项目的沉默杀手，而且很少能通过购买一个更好的推荐引擎来解决。”

　　有了正确的数据，并且干净、一致地交付，这些系统就能产生惊人效果。Walsh说：“我们现在已经到了这样一个阶段：制作方可以提供实时用户偏好图谱，可以为每个球迷的球队、联赛、喜爱球员和观看模式建立实时模型。这使他们能够为球迷个性化‘现在播什么’的体验——但这需要摄入实时赛程数据、权益和元数据。”

　　为了进一步优化这种体验，交付基础设施也必须跟上。Levrel解释说：“Media over QUIC（MoQ）等技术正在通过减少换台时间、降低延迟和限制重新缓冲来改善直播流媒体。在大型赛事期间，多视角等功能也能让球迷通过同时关注多场比赛或不同摄像角度而获得更多控制。”

　　从ATSC 3.0到Agentic AI

　　随着内容个性化扩展，传统广播机构面临技术障碍，尤其是在实施ATSC 3.0方面。

　　Walsh解释说：“对于传统广播机构，最大的路障是可寻址广告和ATSC 3.0混合交付编排中的互动叠加层。旧基础设施仍然共存，所以广播机构不能一夜之间放弃ATSC 1.0。这会造成巨大的运营挑战，更不用说成本。”

　　Tarassenko补充说：“虽然广告替换和广告决策技术基本已经存在，但最大的缺口之一在于，把数字广告活动使用的广告销售系统与发起线性频道的传统基础设施连接起来。”

　　好消息是，未来，Agentic AI、预测行为乃至身体生物识别方面的改进，有望让内容策展变得完全无缝。

　　Desai认为，下一个真正转变是Agentic AI。

　　他说：“Agentic AI通过让专门智能体为共同结果协同工作，而不是各自孤立优化，来弥合这一差距。如果这件事做对了，个性化就不再只是一个功能，而会成为服务运营模型的核心。”

　　Walsh补充说：“可穿戴设备中的传感器可以提供实时情绪信号，以增强推荐引擎。例如，一个能感知观众压力的系统，可以呈现更舒缓的内容。或者，如果你的心率在某个场景中上升，它可以把这作为一种偏好信号。”

　　她继续说：“隐私是所有这些事情中的重要部分。长期获胜的平台，将是那些让用户对其数据个性化拥有透明控制的平台，创造一种基于信任的价值交换。”

　　当然，部署这样的可穿戴设备需要很高水平的消费者信任，因为触及生物识别和情绪信号，会把内容个性化从观看行为推进到敏感个人数据。

　　总体而言，Walsh认为媒体与娱乐行业正在走向Agentic、预测式和生成式个性化。

　　她说：“至于它会走多远，我们很可能会到达这样一个阶段：默认娱乐体验会让每个观众感觉像是为自己手工打造的。到那时，通用广播体验会显得过时，就像老式电话一样。随着我们朝这个方向前进，必须确保伦理框架与快速演进的技术同步建立。”

　　不过，最终目标并不是完全自动化。Levrel说：“个性化会继续改进，但目标不是把观看体验的每一部分都个性化。真正的机会在于，在能增加价值的地方使用个性化，让人们保持参与，也让广播机构更好地理解什么有效。”（原文来源：TV Tech）

　　流媒体网点评

　　流媒体行业正从"内容军备竞赛"转向"个性化效率之战"，这场仗的胜负手是数据质量而非算法本身。文中点出的元数据瓶颈极具行业穿透力——几十年积累的标签混乱、格式不一，让再先进的推荐引擎也难为无米之炊。这不是某个平台的问题，而是整个行业的沉疴。谁能率先完成底层元数据的规范化清洗，谁就掌握了超个性化的入场券。

　　对行业的影响正在三个层面展开：一是商业模式上，个性化从"锦上添花"变为留存刚需，72小时无"哇"时刻即面临流失的判断，将倒逼平台重构内容分发逻辑；二是运营理念上，Z世代用脚投票的结果是"取消无痛化"反而降低流失，这颠覆了传统靠摩擦锁客的思维，行业将加速向"低摩擦+高精准"转型；三是技术路线上，Agentic AI和多模态数据（情绪、生物识别）的引入，预示着个性化将从"猜你喜欢"进化到"懂你状态"，但隐私伦理框架的缺失可能成为最大的监管风险。

　　最终，这场战争的终局不是消灭通用广播，而是让每个观众感觉内容是为自己而生——谁能率先跨越元数据鸿沟，谁就能在下一个五年定义流媒体的标准体验。

责任编辑：李楠