티스토리 뷰

 OTT 플랫폼에서 어떤 데이터를 활용하고 이를 통해 어떻게 사업을 운영하는지 궁금증이 생겨 자료를 찾아보았고, 이를 정리해보았다.

목차 
1. 미디어 데이터의 유형 
2. OTT사업자의 데이터 활용 

 

1. 미디어 데이터의 유형 

1-1.  미디어 데이터 셋

구분종류
서비스 이용정보 데이터서비스명, 이용빈도, 요금결제일, 자동결제여부, 디바이스코드, 이용시간, 방문일 
고객분석 데이터이용자수, 체류시간, 검색 키워드, 검색빈도
광고마케팅 데이터광고명 코드, 광고노출시간, 광고노출빈도, 디바이스 종류, 
광고클릭수, 데이터피드, 활용검색엔진명코드, 광고ID
개인고객데이터성명, 연령/나이, 성별, 주소, 전화번호, 이메일

 
OTT플랫폼 '데이터'를 서비스 구축 및 운영 전반에 활용한다는 특징을 가진다. 데이터 유형은 크게 두 축으로 구분할 수 있는데 1) 구조화된(정형) 데이터 2) 비구조화된(비정형) 데이터로 볼 수 있다. 
 
1-2.  데이터 구조 및 출처에 따른 유형 분류 

구분데이터출처에 따른 유형 
콘텐츠데이터이용자데이터
데이터 구조에 따른 유형 구조화된
데이터
제목, 장르, 시놉시스, 등장인물, 
분위기, 유머코드 등 
성별, 연령, 지역, 신용, 건강, 교육수준 등 
비구조화된 
데이터
회차별 시퀀스별 신별 줄거리, 배경, 
등장인물 행동발언 등 
성격, 감정, 느낌, 생체리듬,이용시간, 이용횟수, 이용습관 등 

 


2. OTT사업자의 데이터 활용 

2-1. 이용자 행동 분석을 통한 경영전략 수립

- 신규 구독자 : 일정 기간 동안 얻은 신규 구독자 수와 이 값의 증가, 포화 또는 감소 여부 
- 고객 비율 : 얼마나 많은 구독자가 유료 고객이 되는지 식별 
- 유료 해지율 : 30일 이내에 구독을 취소하는 고객의 평균값 
- 성장률 : 신규 가입자 수, 고객 비율, 유료 해지율 등 사용 가능한 모든 데이터를 기반으로 한 평균 성장률 

 
등의 데이터 분석을 통해 관련 시장에서의 포지셔닝 및 가치를 판단하는 기준 수립 
 
OTT 사업자에게 가장 중요한 과제는 수익성 유지를 위해 이용자 유지와 더불어 이탈을 최소화하는 것이다. OTT 사업자는 정확한 이탈 예측을 위해 실시간 및 과거 데이터, 이용자 데이터 및 이용자 행동, 기타 관련 데이터를 분석해 그 원인을 분석하고 문제를 해결하기 위한 사업 전략 수립한다. 
 
2-2. 고객충성도 증대를 위한 추천 시스템 
추천서비스는 알고리즘을 통해 이용자 성향 및 욕구에 부합하는 최적화된 맞춤형 콘텐츠를 제공하는 기능이다. OTT 플랫폼 경쟁 환경에서는 추천 서비스 제공을 위한 이용자의 행동 데이터, 즉 이용자의 선호와 취향이 중요하다. 
 
추천 시스템의 방식은 협업 필터링, 콘텐츠 기반 필터링, 하이브리드 기반 필터링 등 크게 3가지 하위 차원으로 분류한다. 

구분 정의
협업 필터링 이용자 프로필과 콘텐츠 메타데이터보다는 사용자들의 피드백 평가 데이터에 주안점을 둠 
콘텐츠 기반 필터링 이용자 프로필을 바탕으로 이용자의 프로필과 콘텐츠의 메타데이터를 매칭하고 이에 이용자 피드백을 더해 알고리즘 학습시킴 
하이브리드 기반 필터링 콘텐츠 기반 필터링과 협업 필터링을 모두 이용해 알고리즘을 학습시킴
/ OTT 산업에서 대부분 하이브리드 기반 필터링을 사용

 
2-3. AI 자동자막기술 고도화 
국내 OTT 사업자는 국내 이용자 편의 (장애인방송 포함) 을 위한 한글자막 제공 및 해외 진출 시 영어자막 제작을 위한 한글 스크립트가 필요하다. 하지만 현재 한글 및 영어 자막을 일일이 제작해야 하는 상황으로 상당한 비용이 수반된다. 이를 해결하기 위한 기술적 방안 중 하나가 AI를 활용한 자동자막기술이다.  
* 자연어 음성인식(Speech-to-Text)은 자유발화 음성을 가독성 있는 텍스트로 자동 변환하는 AI기술로 머신과의 커뮤니케이션을 인간의 언어로 실현하는 궁극의 인터페이스 또는 인터랙션 기술
 
Reference
- 노동환(콘텐츠웨이브 정책협력부장) , 「 동영상 OTT 플랫폼의 데이터 활용을 통한 경쟁력 제고 방안 」, KCA 한국방송통신전파진흥원
 
 

공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
«   2025/01   »
1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31
글 보관함