Door Jeroen Keulemans, Business Developer bij Bindinc.
Voor VOD platformen wordt dat al snel concreet. Als je AI inzet om kijkers sneller naar relevante content te brengen, moet het systeem de intentie van die kijker goed kunnen begrijpen. Gebeurt dat niet, dan krijg je aanbevelingen die op papier misschien kloppen, maar voor de gebruiker niet relevant voelen. Dan help je de kijker niet vooruit, maar maak je de zoektocht juist langer.
Hoe los je dat op? Voor een deel lijkt het antwoord simpel. Loop rond op een beurs als NAB of IBC en je wordt overspoeld door bedrijven, groot en klein, die AI-oplossingen bieden om metadata uit content te halen: persoonsherkenning, locatieherkenning, OCR, transcriptie, emotieherkenning, ga zo maar door. Met de juiste tools was er nog nooit zoveel metadata beschikbaar. Dus dan is het probleem opgelost, toch? Meer metadata betekent beter vindbare content en betere aanbevelingen.
Niet dus. Honderden of duizenden metadatavelden betekenen op zichzelf nog niet veel. Data is niet hetzelfde als informatie. De metadata-paradox: hoe rijker en uitgebreider de metadata rond content wordt, hoe groter de noodzaak om die metadata te structureren, wegen en interpreteren. Meer data leidt niet automatisch tot betere keuzes of systemen. Zonder Interpretatielaag kan het juist méér complexiteit veroorzaken.
Stel: twee verschillende programma’s krijgen allebei tags als Reality, Familie, Drama en Lifestyle. Op papier lijken ze dus behoorlijk op elkaar. Een systeem dat vooral velden vergelijkt, zou kunnen denken: prima, dit zijn ongeveer dezelfde titels.
Voor de kijker wordt dat verschil enorm wanneer het aan de ene kant gaat om The Kardashians: celebritycultuur, glamour, beauty, ondernemerschap en een wereldberoemde familie als merk. En aan de andere kant om een realitytitel die óók over familie, relaties en drama gaat, maar waarbij de kern veel meer ligt bij sociale druk, religieuze gemeenschap en dating.
De losse datapunten kunnen dus allemaal kloppen, maar ze vertellen nog niet wat een titel betekent. Waarom kijkt iemand? Welke sfeer heeft het programma? Welk publiek slaat erop aan? Dat is het verschil tussen data en informatie. Data zegt: deze content heeft deze kenmerken. Informatie ontstaat pas wanneer je begrijpt hoe die kenmerken samenhangen. En relevantie ontstaat pas wanneer je die betekenis koppelt aan de intentie van de kijker. Er is interpretatie nodig.
Dus al die leuke AI-bedrijfjes ten spijt: de oplossing is niet simpelweg “meer metadata”. Natuurlijk helpt het als AI modellen metadata kunnen extraheren. Sterker nog, dat brengt veel binnen handbereik wat vroeger handwerk was. Maar hoe meer data er komt, hoe groter de behoefte aan duiding: wat betekent die data, hoe verhoudt die zich tot andere signalen, en wat betekent dat voor een specifieke toepassing? Precies daarom is de Interpretatielaag harder nodig dan ooit.
Jeroen Keulemans
Business Developer
Ben je benieuwd wat Bindinc. voor je kan betekenen? Neem contact met met Jeroen Keuelemans via jeroen.keulemans@bindinc.nl.
Meld je hier aan voor onze nieuwsbrief om op de hoogte te blijven.
Hunted VIPS van de NPO en Het Jachtseizoen van Videoland vertonen veel overeenkomsten qua format, maar trekken kijkers uit een andere doelgroep. De cijfers van Bindinc. Video Insights laten opvallende verschillen én overeenkomsten zien in het kijkgedrag.
De populaire realityserie Temptation Island kreeg dit voorjaar een nieuw seizoen. Voor het eerst was dit niet op Videoland te streamen, maar op Prime Video. Bindinc. Video Insights zocht uit of de serie na deze wissel van streamingdienst ook anders wordt bekeken.
Waarom blijft iemand bingen? Waarom klikt een kijker wél op de ene realityshow en niet op de andere, terwijl ze op papier hetzelfde lijken? De Content Value Engine van Bindinc. geeft het antwoord.
Uit onderzoek blijkt dat jonge kinderen dagelijks gemiddeld 102 minuten aan schermtijd besteden, waarvan een aanzienlijk deel aan het streamen van films en series. Welke streamingplatforms en titels zijn favoriet onder 0-6 jarigen?
