Arten von Empfehlungen für Medien-Apps

Auf dieser Seite werden die Empfehlungstypen beschrieben, die verfügbar sind, wenn Sie eine App für Medienempfehlungen erstellen. Dazu gehören die Geschäftsziele, Kontextereignistypen und andere Anpassungen, die für jeden Empfehlungstyp verfügbar sind.

Empfehlungstypen

Die folgenden Empfehlungstypen sind in Apps für Medienempfehlungen verfügbar:

Was Ihnen sonst noch gefallen könnte

Der Empfehlungstyp „Was Ihnen sonst noch gefallen könnte“ empfiehlt das nächste Dokument, mit dem ein Nutzer am wahrscheinlichsten interagiert. Die Empfehlung basiert auf dem bisherigen Nutzer-Engagement und dem aktuellen Kontextdokument.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

  • Geschäftsziel

Unterstützte Seiten für die App-Bereitstellung:

  • Detailseite Weitere Informationen finden Sie in den Artikeln zu den Ereignissen view-item und media-play.

Anforderungen an Nutzerereignisse:

  • view-item oder media-play für das Zielvorhaben „Klickrate“

  • media-complete und entweder media-play oder view-item für das Conversion-Zielvorhaben und das Zielvorhaben „Beobachtungszeitraum pro Sitzung“

Der Empfehlungstyp „Empfehlungen für mich“ sagt das nächste Dokument vorher, mit dem sich ein Nutzer am wahrscheinlichsten befassen wird. Die Vorhersage basiert auf dem bisherigen Interaktionsverlauf dieses Nutzers. Dieser Empfehlungstyp wird normalerweise auf der Startseite verwendet.

„Empfehlungen für mich“ kann auch auf Kategorieseiten nützlich sein. Eine Kategorieseite ähnelt einer Startseite, mit der Ausnahme, dass nur Artikel aus dieser Kategorie angezeigt werden. Sie können dies mithilfe eines standardmäßigen Empfehlungstyps vom Typ „Empfehlungen für mich“ mit Filter-Tags erreichen. Beispielsweise können Sie den Artikeln in Ihrem Datenspeicher benutzerdefinierte Filter-Tags (entsprechend den einzelnen Kategorieseiten) hinzufügen. Legen Sie in der Empfehlungsanfrage das Nutzerereignisobjekt als view-category-page fest und geben Sie im Filterfeld das Tag einer bestimmten Kategorieseite an. Es werden nur Empfehlungsergebnisse zurückgegeben, die mit dem angeforderten Filter-Tag übereinstimmen. Die Diversität sollte in diesem Anwendungsfall deaktiviert werden, da Diversität mit kategoriebasierten Filter-Tags in Konflikt stehen kann.

Wenn Sie „Empfehlungen für mich“ auf der Startseite verwenden, wählen Sie „Startseitenkontext“ als Kontextereignistyp für die App aus. Mit dem Startseitenkontext lässt sich eine bessere Leistung erzielen, da zusätzliche Nutzungssignale verwendet werden, die mit der Option „Allgemein“ nicht verfügbar sind. Verwenden Sie die Option „Allgemein“ nur dann, wenn Sie keine view-home-page-Ereignisse haben.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardkontextereignistyp:Startseitenkontext

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

  • Geschäftsziel

  • Kontextereignistyp

Unterstützte Seiten für die App-Bereitstellung:

  • Alle. Auf Kategorieseiten müssen Sie Filter-Tags angeben.

Anforderungen an Nutzerereignisse:

  • view-item oder media-play für das Zielvorhaben „Klickrate“ Für den Startseitenkontext ist außerdem view-home-page erforderlich.

  • (media-play oder view-item) und media-complete für das Conversion-Zielvorhaben und das Zielvorhaben „Wiedergabedauer pro Sitzung“. Für den Startseitenkontext ist außerdem view-home-page erforderlich.

Ähnliche Inhalte

Bei diesem Empfehlungstyp werden Medien empfohlen, die einem Kontextelement ähnlich sind und mit denen ein Betrachter des Kontextelements wahrscheinlich als Nächstes interagieren wird. „Ähnliche Inhalte“ basiert auf dem Kontextelement und dem aggregierten Wiedergabeverlauf aller Nutzer, die sich das Kontextelement angesehen haben. Eine App vom Typ „Ähnliche Inhalte“ wird in der Regel auf Detailseiten oder auf der Startseite mit einem festen Kontextelement verwendet.

Bei diesem Empfehlungstyp wird anhand verschiedener Faktoren ermittelt, wie ähnlich sich zwei Mediendokumente sind, einschließlich des Felds categories der Mediendokumente. Die besten Ergebnisse erzielen Sie, wenn ähnliche Mediendokumente sich überschneidende Kategorien haben. Beispiel: ["Action", "Comedy"]-Kategorien ähneln ["Action", "Thriller"]-Kategorien, aber nicht ["Drama"]-Kategorien.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

  • Geschäftsziel

Unterstützte Seiten für die App-Bereitstellung:

  • Detailseite

  • Startseite (erfordert ein Kontextelement)

Anforderungen an Nutzerereignisse:

  • view-item oder media-play für das Zielvorhaben „Klickrate“

  • (media-play oder view-item) und media-complete für das Conversion-Zielvorhaben und das Zielvorhaben „Beobachtungszeitraum pro Sitzung“

Bei diesem Empfehlungstyp werden Medien empfohlen, die in den letzten Tagen bei allen Nutzern am beliebtesten waren. Die Empfehlung basiert auf dem Wiedergabe- oder Aufrufverlauf aller Nutzer. Sie können den Zeitraum anpassen, um die Beliebtheit der Dokumente zu prüfen.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

  • Geschäftsziel

  • Zeitfenster. Legen Sie den Zeitraum in Tagen fest, um die Beliebtheit von Dokumenten in den letzten X Tagen zu prüfen.

Unterstützte Seiten für die App-Bereitstellung:

  • Startseite

Anforderungen an Nutzerereignisse:

  • view-item oder media-play für das Zielvorhaben „Klickrate“

  • (media-play oder view-item) und media-complete für das Conversion-Zielvorhaben

Beschränkungen:

  • Bei „Beliebteste“ können keine Bereitstellungskonfigurationen angepasst oder mehrere erstellt werden.

  • Bei „Beliebteste“ wird das Filtern nach Kategorien nicht unterstützt

Optimierung für Geschäftsziele

Die Modelle für maschinelles Lernen, die den Apps für Medienempfehlungen zugrunde liegen, werden erstellt, um auf ein bestimmtes Geschäftsziel hin zu optimieren, das bestimmt, wie das Modell erstellt wird.

Nachdem Sie eine App trainiert haben (wodurch das zugrunde liegende Modell trainiert wird), können Sie das Optimierungsziel nicht mehr ändern. Sie müssen ein neues Modell trainieren, um ein anderes Optimierungsziel verwenden zu können.

Empfehlungen für Medien unterstützen die folgenden Optimierungsziele:

Klickrate (Click-through-Rate, CTR)

Bei der Optimierung der CTR wird besonders die Interaktion hervorgehoben. Optimieren Sie die CTR, wenn Sie die Wahrscheinlichkeit maximieren möchten, dass der Nutzer mit der Empfehlung interagiert.

Die CTR ist das standardmäßige Optimierungsziel für die Empfehlungstypen Was Ihnen sonst noch gefallen könnte und Empfehlungen für mich.

Conversion-Rate (CVR)

Durch die Optimierung auf die Conversion-Rate hin wird die Wahrscheinlichkeit maximiert, dass der Nutzer die Inhalte bis zum in der App definierten Conversion-Grenzwert konsumiert.

Der Conversion-Grenzwert kann in Sekunden oder als Prozentsatz angegeben werden. Wenn der Conversion-Grenzwert beispielsweise auf 25% festgelegt ist und sich der Nutzer mindestens 25% des Programms ansieht, wird das Conversion-Zielvorhaben erreicht.

Beobachtungszeitraum pro Sitzung

Wenn Sie die Wiedergabedauer pro Sitzung optimieren, wird die Mediennutzungsdauer maximiert. Bei diesem Zielvorhaben werden Informationen zu Klicks, Conversions und Wiedergabedauer verwendet, die aus media-complete Nutzerereignissen abgeleitet wurden. So werden Elemente empfohlen, die mit höherer Wahrscheinlichkeit länger angesehen werden als andere.

Achten Sie beim Logging von Nutzerereignissen darauf, dass der Wert für mediaProgressDuration nicht negativ und in den media-complete-Ereignissen der letzten 90 Tage korrekt protokolliert ist.

Das Zielvorhaben „Wiedergabedauer pro Sitzung“ ist für die Empfehlungstypen Was Ihnen sonst noch gefallen könnte, Empfehlungen für mich und Ähnliches ansehen verfügbar.

Nächste Schritte