Бхаскар Ситхоли — старший вице-президент по креативным услугам и Адриш Бера — старший вице-президент по искусственному интеллекту, машинному обучению и аналитике

Потребление видео на OTT-платформах быстро набирает обороты за последние пару лет, достигнув значительного пика за последние несколько месяцев — благодаря тому, что аудитория была заблокирована из-за пандемии COVID19. С таким количеством платформ и таким большим количеством контента, доступного сегодня для потребления, OTT-игрокам не хватает времени, чтобы создать шумиху и дифференциацию своих шоу в различных СМИ.

Поскольку рекламные ролики оказывают большое влияние на потребление контента и, следовательно, на монетизируемые показы, создатели контента тратят значительное количество времени и ресурсов на создание рекламных роликов и управление рекламными операциями.

Основой OTT-распространения является персонализация. Зрители смотрят программу на своих личных устройствах, выбирают запойный просмотр сериала или переходят на другую программу и платформу по своему желанию и фантазии. Чтобы привлечь их внимание, нужно что-то близкое их сердцу, более личное, а не обычный набор промо.

Скажем, в фильме есть элементы боевика и романтики. Продюсеры должны делать рекламные ролики для каждого вкуса (боевика и романтики) и показывать пользователю на основе его естественной близости к жанру, которую можно предсказать по его историческим моделям просмотра.

В результате промо-команда получает запросы на создание огромного количества разных промо для одного и того же контента, чтобы удовлетворить потребителей с разными вкусами и личностями. Поскольку у бизнеса всегда не хватает времени и ресурсов, а такие запросы поступают с очень жестким временем выполнения (TAT), перед креативными и операционными командами продвижения стоит огромная задача удовлетворить такой спрос.

Создание промо для общего развлекательного контента (GEC)

Создание промо к фильмам и сериалам — во многом творческая задача. Обычно существует 3 подхода к созданию промо: 1) Сценарий — съемка — производство 2) Редактирование и подготовка промо из доступного контента основного шоу 3) Комбинация № 1 и № 2 — снимать свежий контент, а также использовать доступный контент.

Для № 2 и № 3 значительное время тратится на выбор нужных фрагментов контента из фильма или эпизода, которые оживляют промо-сценарий. Для заданного краткого/грубого сценария продюсеры и редакторы рекламных роликов просматривают контент несколько раз в поисках интересных фрагментов. Как только выбранные клипы помещаются в корзину редактирования редактора, они обрезают их, чтобы создать черновой монтаж, который станет частью финального промо. Основываясь на творческой грамматике, клипы упорядочены определенным образом, чтобы подчеркнуть драматизм и привлечь внимание зрителей. Далее в промо добавляется подходящая фоновая музыка — либо из базового контента, либо из фонотеки. Наконец, для завершения промо используются графика, спецэффекты и элементы наложения текста.

Если вам приходится повторять процесс десятки или более раз для одного фрагмента транслируемого контента, это огромный объем работы для продюсера/редактора.

Здесь на помощь могут прийти искусственный интеллект (ИИ) и машинное обучение (МО). Ближайшая цель решения AI/ML — устранить тяжелую ручную работу, освободить сотрудников, чтобы они могли сосредоточиться на более творческих занятиях, а также добиться беспрецедентного масштаба и скорости.

Первым и главным шагом является облегчение обнаружения и поиска контента для создания промо. Для обнаружения контента и извлечения метаданных в виде ключевых слов, расшифровок, звуков и тегов можно использовать комбинацию сторонних и собственных механизмов искусственного интеллекта. Затем эти необработанные метаданные синтезируются и снова обрабатываются другим механизмом искусственного интеллекта, чтобы сделать данные точными и контекстуальными. Окончательно собранные метаданные ИИ затем индексируются для поиска с поддержкой ИИ.

Эта возможность интеллектуального поиска позволяет редактору искать сцены, которые он ищет, используя естественный язык. Поиск на естественном языке является ключевым, поскольку пользователи нового поколения привыкли к таким функциям поиска Google. Например, для фильма «Казино Рояль» редактор может просто выполнить поиск по запросу «Бонд выходит из моря с обнаженной грудью».

Механизм искусственного интеллекта также может генерировать интеллектуальную компиляцию клипов, аккуратно расположенных по тематическим кластерам, которые часто используются при создании рекламных роликов, например. экшн/драки, романтика, эпизоды на пляже, автомобильные погони и т. д. Эти готовые компиляции позволяют редакторам просто выбрать соответствующий клип без необходимости его явного поиска.

Рабочий процесс продвижения с помощью ИИ может выглядеть следующим образом:

Этот новый рабочий процесс может значительно повысить эффективность процесса создания промо. В наших испытаниях время, затрачиваемое на сам поиск роликов, сократилось на 60–80%. В 8 из 10 случаев механизм ИИ мог генерировать результаты для всех строк поиска (с нюансами, на естественном языке).

Что дальше:

Целью следующих этапов разработки ИИ является дальнейшая автоматизация процесса создания промо. Ожидается, что постепенно движок ИИ будет сопоставлять клипы с заданным промо-сценарием.

Создание промо — это не просто определение «волшебных» клипов. Создатели промо также следуют определенной творческой грамматике, чтобы конечный продукт был впечатляющим. Например, чтобы сделать историю убедительной, редактору необходимо создавать и снимать напряжение через определенные промежутки времени. Потенциально алгоритмы ИИ, основанные на опыте аналогичных проектов, могут использоваться для применения выбранной «промо-грамматики» (конкретные действия редактирования и т. д.). В конце концов, ИИ может дополнительно автоматизировать процесс, применяя правильную раскадровку, оценку фона, обеспечивая выравнивание звука и переходы в контенте и даже выполняя цветокоррекцию. Любое ручное вмешательство, необходимое впоследствии поверх созданных машиной рекламных роликов, фиксируется системой и используется для непрерывного машинного обучения в будущем.