Content begrijpen op het diepste niveau

Hoe zorg je dat kijkers altijd de juiste content voorgeschoteld krijgen? Op het BM Kennisfestival gaven Suzan de Graaff en Bram Baar een presentatie over hoe Bindinc. aanbevelingen op streamingplatforms verbetert. Voor iedereen die er niet bij was: de belangrijkste inzichten op een rij.
Meer van hetzelfde

Iedereen kent het: je hebt een serie in één ruk afgekeken, en daarna krijg je een rij aanbevelingen voorgeschoteld die er op papier op lijken, maar toch niet zijn wat je zoekt. De mate van spanning komt niet overeen, de humor mist, de toon zit ernaast. Juist die unieke ingrediënten die jouw smaak vormen, worden niet meegenomen in de aanbevelingen.

En dat is een probleem waar elk contentplatform tegenaan loopt: je krijgt meer van hetzelfde, maar zelden meer van wat je écht zoekt.

De grondstof schiet tekort

Het ligt niet aan de techniek, maar aan de metadata. Genre, titel, omschrijving, kijkgeschiedenis – dat is de grondstof waar aanbevelingssystemen op draaien. En die is simpelweg te mager.

Neem De Augurkenkoning en Familie Gillis: Massa is Kassa. Beide zijn realityprogramma’s over een familiebedrijf. Op papier vallen ze in hetzelfde genre en lijkt het een geslaagde match, maar in werkelijkheid zijn het twee totaal verschillende werelden. Het ene ademt verbinding en nuchterheid, het andere draait op sensatie en schuring. Dezelfde labels, maar een compleet ander gevoel. En dus: niet geschikt voor dezelfde kijkers.

Gevoel meetbaar maken

Hier komt de Content Value Engine van Bindinc. om de hoek kijken. Een AI-systeem dat videocontent analyseert op drie niveaus: wat je ziet en hoort (audiovisueel), waar het écht over gaat (context), en hoe het voelt (semantisch). Die derde laag is het moeilijkst te vangen, maar ook het belangrijkst. Sfeer, toon, humor, de dynamiek tussen personages – dingen die jij als kijker in een paar minuten aanvoelt, maar die een algoritme simpelweg niet herkent op basis van een genrelabel of een korte omschrijving.

Om dat toch meetbaar te maken, heeft Bindinc. een specifiek framework ontwikkeld met vijftig variabelen. Die variabelen beschrijven precies hoe videocontent geanalyseerd moet worden: niet alleen op wat er gebeurt, maar ook op hoe het voelt. Denk aan de energie in een scène, de toon van dialogen, of de mate van humor. Zodra dat framework staat, zorgt het AI-systeem vervolgens dat die analyses op grote schaal en consistent uitgevoerd worden.

Het resultaat is rijke, gelaagde data die aanbevelingssystemen in staat stelt om werkelijk onderscheid te maken tussen content die op papier hetzelfde lijkt, maar een heel andere kijker aanspreekt.

Wat kun je ermee?

De toepassingen zijn heel breed. Je kunt aanbevelingen personaliseren, zodat kijkers van dezelfde serie totaal verschillende vervolgsuggesties krijgen. Maar je kunt ook grote archieven doorzoekbaar maken op emotie of thema, in plaats van alleen op titel of inhoudelijke beschrijving. Of denk aan thumbnails genereren op basis van emotionele relevantie, of kijkersanalyses die niet stoppen bij wie er in beeld was, maar ook de toon en energie meenemen op het moment dat kijkers afhaakten.

Benieuwd hoe dit in de praktijk werkt? Lees hoe Bindinc. voor NLZIET de kijkaanbevelingen met 95% verbeterde.

Branco Scherer
Manager New Business

Meer weten

Vind je dit interessant en wil je meer weten? Wij denken graag met je mee over mogelijke toepassingen. Neem contact met ons op via branco.scherer@bindinc.nl.

Meld je hier aan voor onze nieuwsbrief om op de hoogte te blijven.

Meer nieuws

Overzicht