SlideShare una empresa de Scribd logo
1 de 16
JAJJ-JAJJ GYŰLIK AZ ADAT
BigData technikák és trendek a
TVs iparágban
9/30/2013
BEMUTATKOZÁS
9/30/2013
Dr. Petres Zoltán
Termékfejlesztési vezető, Gravity R&D
linkedin.com/in/petres
• Valós idejű big data analitikai és viselkedés alapú marketing
megoldások
• Nézőnként személyreszabott tartalmak ajánlása
• IPTV, kábel TV és OTT operátorok számára, platformtól függetlenül
• Havonta több mint 5 milliárd ajánlás
• Legismertebb ügyfelek: SaskTel (Kanada), CenturyLink
(USA), ivi.ru (Oroszország), Dailymotion (Franciaország)
• Számos iparági díj (Netflix, ICMA) és tudományos publikáció
BIG DATA
„technológiai innovációk segítségével (internet és mobil
számítástechnika), pénzügyi tranzakciók és fogyasztói
interakciók eredményeképpen, a cégek által generált
hatalmas információmennyiség” – Bughin et al.
CÉL
A vásárlók viselkedésének tanulmányozásával
megérthető, hogy mi is áll pontosan a termékek és
tartalmak választásának hátterében
„Az emberi mozgás nagymértékben,
93 százalékos pontossággal
előre látható!”
• adat
• algoritmus
• számítási kapacitás
Amit ma megtehetsz, megteszed holnap is –
Kiszámítható-e az emberi viselkedés dinamikája?
BIG DATA A TV-S IPARÁGBAN
Minden korábbinál jobb lehetőségek az adatgyűjtésre
• A TV többé már nem egyirányú médium
• Új technológiák (Smart TV-k, Set Top Box-ok)
• Új, interaktív szolgáltatások népszerűségének növekedése
KIHÍVÁSOK
Hatalmas mennyiségű, folyamatosan termelődő adat
Példaképpen
• A legtöbbünk napi 20-30 alkalommal vált csatornát
• 1 millió előfizető esetén ez napi 20-30 millió, évente 10-30 milliárd (!) új adat
Ekkora adatmennyiségből a
releváns adatokat kinyerni és a
helyes következtetéseket levonni
rendkívül erőforrásigényes, a
szolgáltatóknak nincs rá
kapacitásuk.
MIÉRT ÉRI MEG MÉGIS?
A Big Data segítségével a felhasználók
• Azonosíthatóak: nagy pontossággal következtethetünk
bizonyos társadalmi-szociális ismérvekre
• Megérthetőek: viselkedésükből következtethetünk a
jövőbeni viselkedésükre
MI MINDENRE KÉPES EGY JÓL ALKALMAZOTT
MEGOLDÁS?
Személyre
szabott, platformfü
ggetlen ajánlások
Összehangolhatóság
a TV-n keresztüli
kereskedelemmel
(T-Commerce)
Célzott
hirdetések
elősegítése
Előfizetői
lemorzsolódás
előrejelzése
Kapacitás-
menedzsment
támogatása
BIZALOM
VÁSÁRLÓI ELÉGEDETTSÉG
2012. aug 2012. sept 2012. oct 2012. nov 2012. dec 2013. jan
VODARPU
Increase of VOD ARPU
All users Reco users
ON-DEMAND VÁSÁRLÁSOK
KÜZDELEM A NÉZŐKÉRT
• Az OTT szolgáltatóknak épp olyan fontos a fő műsoridő, mint a TV-
csatornáknak
• A Smart TV-n keresztül a felhasználó a hagyományos csatornák mellett
az OTT tartalmakat is elérheti
• Viszont ez még nem általános: így például az IVI.ru a szokásos nézési
időpont előtt értesítést küld telefonra
• Ezen a módon célzottan hívja fel a fogyasztó figyelmét egy-egy
műsorra
FOGYASZTÁSI SZOKÁSOK VÁLTOZÁSA
• A mobil/tablet egyre hangsúlyosabb fogyasztási eszköz
• Intelligens precaching:
Míg a felhasználó eszköze wifire/töltőre csatlakozik, letölthető releváns
tartalom a készülékre, amit később (útközben) internet kapcsolat nélkül
is meg tud nézni
LEMORZSOLÓDÁS KEZELÉS
9/30/2013
KÖSZÖNÖM A FIGYELMET!
További információ:
• linkedin.com/in/petres
• gravityrd.com
• facebook.com/gravityrd

Más contenido relacionado

Similar a BigData trendek a TVs iparágban

Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél?
Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél? Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél?
Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél? Robert Pinter
 
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?Robert Pinter
 
Big data
Big dataBig data
Big dataSimmatt
 
A 2015. év trendjei a digitális korban
A 2015. év trendjei a digitális korbanA 2015. év trendjei a digitális korban
A 2015. év trendjei a digitális korbanCsaba KOLLAR (Dr. PhD.)
 
A mesterséges intelligencia társadalmi léptékű működése
A mesterséges intelligencia társadalmi léptékű működéseA mesterséges intelligencia társadalmi léptékű működése
A mesterséges intelligencia társadalmi léptékű működéseCsaba KOLLAR (Dr. PhD.)
 
A jövő ma - inspirációs előadás
A jövő ma - inspirációs előadásA jövő ma - inspirációs előadás
A jövő ma - inspirációs előadásRobert Pinter
 
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...FinTechZone
 
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...FinTechZone
 
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...Robert Pinter
 
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei tarsadalominformatika
 
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?Csaba KOLLAR (Dr. PhD.)
 
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...Digitális Pedagógiai Módszertani Központ
 
2 Revesz Robert Web 2.0 Es Az Ibm Web Sphere® Portal
2 Revesz Robert   Web 2.0 Es Az Ibm Web Sphere® Portal2 Revesz Robert   Web 2.0 Es Az Ibm Web Sphere® Portal
2 Revesz Robert Web 2.0 Es Az Ibm Web Sphere® PortalPOLYGON Informatikai Kft.
 
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintés
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintésBakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintés
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintésMKT Informatikai szakosztály
 
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...Csaba KOLLAR (Dr. PhD.)
 
Dobay Péter: Válság, ICT beruházás, ICT vezetés
Dobay Péter: Válság, ICT beruházás, ICT vezetésDobay Péter: Válság, ICT beruházás, ICT vezetés
Dobay Péter: Válság, ICT beruházás, ICT vezetésMKT Informatikai szakosztály
 
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idején
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idejénA technológia innovációs lehetőségei és megítélése - Kitekintés válság idején
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idejénMKT Informatikai szakosztály
 
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korban
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korbanDr. Kollár Csaba: Szervezeti információbiztonság a digitális korban
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korbanCsaba KOLLAR (Dr. PhD.)
 
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavasz
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavaszKürt Akadémia e-kereskedelmi trendspotting, 2022. tavasz
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavaszRobert Pinter
 

Similar a BigData trendek a TVs iparágban (20)

Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél?
Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél? Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél?
Munkát vagy munkahelyet vesz el a BI és az MI a cégeknél?
 
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?
Adatvezérelt (e)kereskedelem: csak beszélünk róla vagy csináljuk is?
 
Big data
Big dataBig data
Big data
 
A 2015. év trendjei a digitális korban
A 2015. év trendjei a digitális korbanA 2015. év trendjei a digitális korban
A 2015. év trendjei a digitális korban
 
A mesterséges intelligencia társadalmi léptékű működése
A mesterséges intelligencia társadalmi léptékű működéseA mesterséges intelligencia társadalmi léptékű működése
A mesterséges intelligencia társadalmi léptékű működése
 
A jövő ma - inspirációs előadás
A jövő ma - inspirációs előadásA jövő ma - inspirációs előadás
A jövő ma - inspirációs előadás
 
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente, Digitális Jólét Pr...
 
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...
Magyarország FinTech Stratégiája - dr. Gál András Levente (Digitális Jólét Pr...
 
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...
A mesterséges intelligencia fogalmától az értő felhasználáson át a bizalmi ké...
 
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
 
It3 4 5 1 1
It3 4 5 1 1It3 4 5 1 1
It3 4 5 1 1
 
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?
A(z okos) város ereje a kiművelt emberfők sokaságában rejlik?
 
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...
Both Vilmos: Milyen elvárásokat támaszt a digitális gazdaság az oktatási rend...
 
2 Revesz Robert Web 2.0 Es Az Ibm Web Sphere® Portal
2 Revesz Robert   Web 2.0 Es Az Ibm Web Sphere® Portal2 Revesz Robert   Web 2.0 Es Az Ibm Web Sphere® Portal
2 Revesz Robert Web 2.0 Es Az Ibm Web Sphere® Portal
 
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintés
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintésBakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintés
Bakonyi Péter - Az Internet jövője, nemzetközi és hazai kitekintés
 
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...
Kollár Csaba: A társadalmi kredit(ek) rendszere(i) - biztonság és szabadság a...
 
Dobay Péter: Válság, ICT beruházás, ICT vezetés
Dobay Péter: Válság, ICT beruházás, ICT vezetésDobay Péter: Válság, ICT beruházás, ICT vezetés
Dobay Péter: Válság, ICT beruházás, ICT vezetés
 
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idején
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idejénA technológia innovációs lehetőségei és megítélése - Kitekintés válság idején
A technológia innovációs lehetőségei és megítélése - Kitekintés válság idején
 
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korban
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korbanDr. Kollár Csaba: Szervezeti információbiztonság a digitális korban
Dr. Kollár Csaba: Szervezeti információbiztonság a digitális korban
 
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavasz
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavaszKürt Akadémia e-kereskedelmi trendspotting, 2022. tavasz
Kürt Akadémia e-kereskedelmi trendspotting, 2022. tavasz
 

BigData trendek a TVs iparágban

  • 1. JAJJ-JAJJ GYŰLIK AZ ADAT BigData technikák és trendek a TVs iparágban 9/30/2013
  • 2. BEMUTATKOZÁS 9/30/2013 Dr. Petres Zoltán Termékfejlesztési vezető, Gravity R&D linkedin.com/in/petres • Valós idejű big data analitikai és viselkedés alapú marketing megoldások • Nézőnként személyreszabott tartalmak ajánlása • IPTV, kábel TV és OTT operátorok számára, platformtól függetlenül • Havonta több mint 5 milliárd ajánlás • Legismertebb ügyfelek: SaskTel (Kanada), CenturyLink (USA), ivi.ru (Oroszország), Dailymotion (Franciaország) • Számos iparági díj (Netflix, ICMA) és tudományos publikáció
  • 3. BIG DATA „technológiai innovációk segítségével (internet és mobil számítástechnika), pénzügyi tranzakciók és fogyasztói interakciók eredményeképpen, a cégek által generált hatalmas információmennyiség” – Bughin et al.
  • 4. CÉL A vásárlók viselkedésének tanulmányozásával megérthető, hogy mi is áll pontosan a termékek és tartalmak választásának hátterében
  • 5. „Az emberi mozgás nagymértékben, 93 százalékos pontossággal előre látható!” • adat • algoritmus • számítási kapacitás Amit ma megtehetsz, megteszed holnap is – Kiszámítható-e az emberi viselkedés dinamikája?
  • 6. BIG DATA A TV-S IPARÁGBAN Minden korábbinál jobb lehetőségek az adatgyűjtésre • A TV többé már nem egyirányú médium • Új technológiák (Smart TV-k, Set Top Box-ok) • Új, interaktív szolgáltatások népszerűségének növekedése
  • 7. KIHÍVÁSOK Hatalmas mennyiségű, folyamatosan termelődő adat Példaképpen • A legtöbbünk napi 20-30 alkalommal vált csatornát • 1 millió előfizető esetén ez napi 20-30 millió, évente 10-30 milliárd (!) új adat Ekkora adatmennyiségből a releváns adatokat kinyerni és a helyes következtetéseket levonni rendkívül erőforrásigényes, a szolgáltatóknak nincs rá kapacitásuk.
  • 8. MIÉRT ÉRI MEG MÉGIS? A Big Data segítségével a felhasználók • Azonosíthatóak: nagy pontossággal következtethetünk bizonyos társadalmi-szociális ismérvekre • Megérthetőek: viselkedésükből következtethetünk a jövőbeni viselkedésükre
  • 9. MI MINDENRE KÉPES EGY JÓL ALKALMAZOTT MEGOLDÁS? Személyre szabott, platformfü ggetlen ajánlások Összehangolhatóság a TV-n keresztüli kereskedelemmel (T-Commerce) Célzott hirdetések elősegítése Előfizetői lemorzsolódás előrejelzése Kapacitás- menedzsment támogatása
  • 12. 2012. aug 2012. sept 2012. oct 2012. nov 2012. dec 2013. jan VODARPU Increase of VOD ARPU All users Reco users ON-DEMAND VÁSÁRLÁSOK
  • 13. KÜZDELEM A NÉZŐKÉRT • Az OTT szolgáltatóknak épp olyan fontos a fő műsoridő, mint a TV- csatornáknak • A Smart TV-n keresztül a felhasználó a hagyományos csatornák mellett az OTT tartalmakat is elérheti • Viszont ez még nem általános: így például az IVI.ru a szokásos nézési időpont előtt értesítést küld telefonra • Ezen a módon célzottan hívja fel a fogyasztó figyelmét egy-egy műsorra
  • 14. FOGYASZTÁSI SZOKÁSOK VÁLTOZÁSA • A mobil/tablet egyre hangsúlyosabb fogyasztási eszköz • Intelligens precaching: Míg a felhasználó eszköze wifire/töltőre csatlakozik, letölthető releváns tartalom a készülékre, amit később (útközben) internet kapcsolat nélkül is meg tud nézni
  • 16. KÖSZÖNÖM A FIGYELMET! További információ: • linkedin.com/in/petres • gravityrd.com • facebook.com/gravityrd

Notas del editor

  1. Az utóbbi időben népszerű varázsszó (ún. „buzzword”)Nehezen definiálható, más-más dolgokat érthetünk alattaJelentős szerepet fog játszani az iparágak többségében (pl. kereskedelem, szórakoztatóipar, vendéglátás, egészségügy, termelőipar, stb.)Felhasználásával számottevő versenyelőny érhető elElemzése erőforrásigényes és új technológiákat igényelhttp://www.bitport.hu/trendek/a-big-data-koeruel-meg-mindig-sok-zavar-van
  2. Az adatgyűjtés szükségszerűVersenyhátrány elkerüléseFelhasználói élmény és lojalitás növelése (megtartás)
  3. An interesting observation from a Gravity study shows that the more times a customer returns to the Live TV recos, the more likely they are to click through to a program. This can be interpreted as customers needing time to get used to the app and gain trust that the recommendations. After trust is gained, they continually return to R4U to find Live TV programming.
  4. Also analysis of Live TV recommendation data shows that when compare customers that use R4U to find Live TV shows with those that just do EPG Zapping, those that use R4U appear to be more engaged and satisfied with the programs they find.
  5. The following graph shows that when comparing VOD renters that use R4U with those that do not, those that use R4U, rent more VOD than the average VOD buyer. Knowing this, its SaskTel’s job to get more VOD renters using R4U.