導入事例
米 Showtime 局 -
データと機械学習で
視聴者体験を改善
メディア／エンターテインメント業界における顧客データ分析・AI（人工知能） の活用
視聴者とコンテンツを深く知る
Databricks は、メディア企業におけるコンテンツ、視聴・閲覧・購買データを用した、マーケティング、d2c分析、またパーソナライズド動画などの視聴者エクスペリエンスのパーソナライズを可能にしています。従来型のビジネスモデルが衰退する中、目まぐるしく変わる視聴者の好みやニーズに対応すべく、メディア企業は素早い行動で無限の創造に挑戦しなければなりません。
大手メディア／エンターテインメント企業における Databricks の活用ガイド
Databricks でイノベーションを加速
導入事例
コンデナスト - メディアコンテンツのパーソナライズに AI（人工知能） を活用
導入事例
ViacomCBS creates more complete audience segments
導入事例
米コムキャスト -
未来型エンターテインメントを提供
導入事例
Disney+ optimizes streaming experience in real time
メディア／エンターテインメント業界（M&E）における
データ分析、コンテンツのパーソナライズ化、AI 活用の最新事例
Databricks が選ばれる理由
リアルタイムデータによる
意思決定
エンゲージメントの損失や解約につながるバッファリング、ピクセル化、レイテンシなど、視聴者に影響を与える問題を迅速に分析・特定し、修正する。プラットフォームへの注目度を高めて購読者を維持し、収益性を高める。
データ部門間の
コラボレーション
Databricks のデータと AI のためのコラボレーション型ワークスペースを利用することで、継続的にイノベーションを加速し、データサイエンティスト、エンジニア、アナリストの連携の妨げとなるデータのサイロ化や共有不可能なデータツールの問題を解決する。
需要にあわせた
スケーリング
動画や画像などの構造化・非構造化データを顧客ニーズにあわせて瞬時に分析。ピーク需要の予測を基にしたプロビジョニングを不要にすることで、コストが低減する。
ユースケース
契約を増やし、解約を防ぎ、コンテンツに関して先見性のある意思決定をするためには、
視聴者・コンテンツ・顧客ニーズをより深く分析し、理解することが鍵となります。
メディア企業は、Databricks を利用してその重要な課題に挑戦しています。
Audience analytics
視聴者とのより深い関係の構築
サービスの質
顧客の生涯価値
次善のアクション／提案
サービスの質
顧客の生涯価値
次善のアクション／提案
広告の最適化
マーケティング・広告戦略の最適化
パーソナライズ化
インベントリの価格設定
オーディエンスのセグメンテーション
広告パフォーマンス
パーソナライズ化
インベントリの価格設定
オーディエンスのセグメンテーション
広告パフォーマンス
コンテンツのライフサイクル
コンテンツの価値を理解し、視聴者の規模と購買意欲をデータから正確に予測し、活用
計画
価格設定
オーディエンスのサイジング／将来性
計画
価格設定
オーディエンスのサイジング／将来性