Триколор ТВ «Спутниковый интернет»
 

Виталий Васильев, EPG Service: «Пока не вернется ценность телевидения в отрасли не будет денег»

23.08.2021 > 09:35
Виталий Васильев Виталий Васильев
Генеральный директор EPG Service
Система EPG (Electronic Program Guide, или электронный телегид, — прим. ред.) как каркас для построения телевизионного сервиса может сократить время поиска контента. Вместе с подключенной системой рекомендаций она позволит сделать просмотр телевидения активным и поможет пользователю осознать, за что он платит оператору. Об этом генеральный директор компании EPG Service Виталий Васильев рассказал заместителю главного редактора «Телеспутника» Михаилу Григорьеву.
Многие пользователи представляют себе EPG просто как программу передач, которая встроена в любой сервис платного ТВ. Но ведь это не совсем так. Поясните, что еще может современный сервис EPG.
Для начала нужно определиться, что такое EPG. У всех об этом разное представление. Я бы выделил три класса EPG. Первый — это когда пользователь запомнил кнопки на пульте, по нажатию вызывающие нужный ему телеканал. В этом случае он даже не использует функции EPG. Второй — классический телегид, или сетка, которая представлена у операторов DVB-вещания. Она имеет ограниченные функции, минимум текста, позволяет листать каналы и определять, что идет и что будет идти в эфире. Третий класс — более современный: как правило, его используют IPTV- и OTT-операторы. Он содержит все функции, включая иллюстрации к программам, систему навигации, подборки контента. С помощью такого EPG реализуются механизмы записи контента для услуги отложенного просмотра, которой сегодня активно пользуются зрители. Чем дальше мы развиваемся, тем больше функций появляется у сервиса EPG.
Согласно исследованию Ericsson ConsumerLab, россияне тратят на поиски ТВ-контента 36 минут в день. Способны ли сервисы EPG сократить это время?
Было бы интересно сравнить эту цифру со временем, затрачиваемым пользователем на поиск контента на YouTube. В этом случае мы бы смогли ответить на поставленный вопрос. А еще — сравнить функции поиска, которые есть у этой видеоплатформы, с теми, что есть у ТВ-платформ. Лично мне не нужно ничего искать на YouTube: я открываю ленту — и в ней уже есть интересующий меня контент.
Но ведь предложенный контент не всегда подходит под интересы пользователя.
Нужно провести объективное исследование. У всех разный опыт использования YouTube. Кому-то платформа правильно рекомендует контент, кому-то — нет.

Вернемся к современным платформам платного ТВ. Как правило, чем меньше у них функций, тем больше времени зритель тратит на поиск. И наоборот, чем больше функций и возможностей для навигации, тем меньше времени уходит на поиск. Это прямая зависимость.
Я не могу назвать YouTube или Netflix сервисами с невысоким набором функций. Тем не менее, часто приходится слышать от экспертов, что их системы рекомендаций далеки от идеальных.
Почему мы говорим об этих платформах? Потому что по факту большинство пользователей сидят именно там. И прирост абонентской базы происходит в первую очередь у них. Оператор платного ТВ не отказался бы от такого количества пользователей, что есть у того же YouTube.

Когда мы говорим о платформе, то подразумеваем не только систему рекомендаций, но и все механизмы, которые задействованы для удержания внимания пользователя. Система рекомендаций может работать правильно, может работать неправильно, кто-то вовсе ею не пользуется. Но факт остается фактом: все пользуются YouTube. И одна из причин заключается в том, что у него есть функции, которые позволяют легко найти нужный контент. Вспомним ту же поисковую строку, где есть релевантный поиск. Вы много знаете платформ, которые обладают такой же возможностью? Или платформ, имеющих мобильное приложение, с которого можно подключиться к телевизору и управлять воспроизведением?

Система рекомендаций важна и нужна, но она не единственное, что позволяет удерживать внимание зрителя. Это еще и размеченный контент, который можно искать, и подборки контента, и подписки, и фильтры контента. Если мы хотим, чтобы платное ТВ развивалось, все это богатство функций должно быть в нем.

Возвращаясь к предыдущему вопросу о сокращении времени поиска контента — да, сервисы EPG как каркас для построения телевизионного сервиса способны это сделать. Без данных и метаданных для EPG, без графического оформления контента востребованный пользователями сервис построить невозможно.
Расскажите, как работает ваша система рекомендаций.

У нее несколько компонентов. Первый — это коллаборативная система рекомендаций, которая группирует пользователей и определяет по группе, какой контент может быть ей интересен. Ее дополняет второй компонент — ассоциативный подход, когда определяется контент, похожий с тем, что нравится пользователю. Третий компонент — это настройка редакторских подборок по определенным принципам. Она позволяет сделать подборку, к примеру, российских комедий или документальных фильмов о тиграх. Это чисто редакторская работа, где нужно подбирать хайповые темы, основываясь на пользовательском опыте, находить соответствующие сегменты пользователей — и для них делать такие подборки контента.

Что должны уметь специалисты, которые делают редакторские подборки?
Это аналитики-продуктологи, которые изучают просмотр контента пользователями, выявляют группы людей с похожими потребностями и знают, что им можно рекомендовать. Это так называемый data-driven-подход (подход к управлению, основанный на данных, — прим. ред.).
Depositphotos_137028018_l-2015 (1).jpg
Есть ли возможность в вашей системе задавать различные параметры, такие как профили пользователей, рекомендации в зависимости от времени суток и прочее?
У нас есть механизм аналитики, который может определить зрителя по характеру просмотра контента. Одним телевизором могут пользоваться разные люди, каждый из которых потребляет свой контент. И система рекомендаций понимает это как разных пользователей, предлагая каждому из них наиболее релевантный контент. Хотя профиль пользователя при этом неизвестен, то есть система рекомендаций не знает, что, допустим, днем телевизор смотрит мама, а вечером — папа.
В чем принципиальное отличие для конечного пользователя платформы платного ТВ, включена или нет в услугу система рекомендаций?
Если рассматривать систему рекомендаций в комплексе, то пользователь не может видеть весь контент. Пользователь без опыта и знать не знает, какие программы идут на телевидении. Он привык включать определенные каналы. А если в эфире нет нужного ему контента, то он проводит свой досуг не с помощью ТВ. Система рекомендаций позволяет сделать просмотр телевидения активным, включиться в него, понять, за что пользователь платит оператору.
Неоднократно заявлялось, что экспертные рекомендации контента намного точнее тех, что предлагает искусственный интеллект. Можем ли мы оказаться в ситуации, когда ИИ догонит живых экспертов по части эффективности?
Я думаю, что да, но это будет уже совсем другое телевидение. Ждать осталось лет десять, наверное.
Почему через десять лет, а не раньше?
Искусственный интеллект уже способен рисовать картины. Но с использованием ИИ в телевизионной сфере, к сожалению, не все так гладко. Пока не вернется ценность телевидения, в этой отрасли не будет денег. А не будет денег — не будет и технологий. Чтобы это появилось, нужно привлечь пользователя, сделать ценный для него продукт.

Еще девять лет назад EPG Service придумал использовать метаданные. Еще пять лет назад мы предлагали операторам продукты, которые они начали внедрять только сейчас. Другими словами, только сейчас рынок пришел к пониманию, что этим нужно заниматься, а иначе телевидение будет никому не нужно.
Что мешало понять это раньше?
Пять лет назад я на CSTB бегал от стенда к стенду и предлагал операторам технологию применения широких метаданных, которые позволяют построить систему рекомендаций и делать подборки контента для пользователей, используя фильтры. Операторы реагировали с интересом, но отвечали, что им нужно готовое решение. Разработчики в свою очередь говорили, что им это тоже интересно, но спроса среди операторов нет. Получался замкнутый круг.

Отсутствие сообщества, объединяющего разработчиков решений и операторов платного ТВ, — одна из проблем отрасли. Другая проблема заключается в том, что платное ТВ — очень инертная сфера.

Для активного внедрения искусственного интеллекта на телевидении уже все готово, не хватает только денег. Но если операторы консолидируются, то все получится.

Depositphotos_22087649_l-2015 (1).jpg

Какую систему рекомендаций вы считаете оптимальной — такую, в основу которой положены только редакторские подборки, или ту, что сочетает их с искусственным интеллектом?

На этот вопрос ответил Netflix. Сначала они разработали систему рекомендаций на основе искусственного интеллекта, а сейчас наняли редакторов, которые размечают контент метаданными и делают редакторские подборки. Потому что в Netflix поняли: каким бы умным ни был ИИ — он не превзойдет человека. При этом саму систему рекомендаций на основе искусственного интеллекта они не сбрасывают со счетов и продолжают активно развивать. Одна методика дополняет другую. Я думаю, что в итоге получится симбиоз усилий машины и человека.

Одна из ваших услуг — маппинг линейного ТВ и библиотек видео по запросу (Video on Demand, VoD, — прим. ред.). Что это дает и как связано с работой системы рекомендаций?

Как правило, у операторов платного ТВ есть библиотека видео по запросу и линейное телевидение с EPG. Контент в них может быть похожим и даже может пересекаться. Функция маппинга — это данные, которые позволяют понять, что контент на линейном ТВ — это то же самое, что и контент в библиотеке VoD. Допустим, пользователь посмотрел первую и вторую серии ТВ-шоу и захотел увидеть третью. На телевидении она будет транслироваться через неделю, а оператор готов предложить купить сериал целиком в библиотеке VoD. Бывает и обратная ситуация: на телевидении сериал появляется раньше, чем в библиотеке VoD.

Маппинг — это работающая в обе стороны система рекомендаций. Основываясь на опыте просмотра конкретного пользователя в библиотеке VoD, она позволяет понять, что ему можно порекомендовать из линейного контента, и наоборот. Если метаданные в библиотеке VoD и линейном ТВ будут различны, то мы не сможем этого сделать, поскольку для нас это будут разные, не связанные между собой системы. Маппинг помогает соединить контент видео по запросу и линейного ТВ и на основе этого — построить единую систему рекомендаций, установить фильтры и подборки, а в итоге — повысить маржинальность и эффективность бизнеса оператора.

Что еще помогает вам развивать систему рекомендаций?

Тенденция такова, что пользователь не хочет бежать к телевизору чтобы не пропустить программу или сериал. Наоборот, он хочет, чтобы телевидение подстраивалось под его время и интересы. Для этого появилась технология catch up (с помощью интернета позволяет смотреть ТВ-передачи после их выхода в эфир, — прим. ред.). Но с просмотром контента в записи есть проблема — неточное позиционирование начала передачи. Оно происходит на основе системы EPG, предоставляемой телеканалами, а там точность составляет плюс-минус пять минут. Кроме того, бывают сдвиги и замены программ, о которых каналы не сообщают заранее. В результате когда пользователь хочет посмотреть нужный ему контент, то натыкается не на то, что ему нужно. Для решения этой проблемы мы используем в системе EPG точное позиционирование: для каждого эфирного события в архиве дается время с точностью плюс-минус три секунды. Этого достаточно для комфортного просмотра ТВ-программ.

Есть еще один момент. Если строить систему рекомендаций на основе сырых данных от телеканала, без точной разметки, то она будет рекомендовать зрителю контент на основе просмотра программы, которую он и не намеревался смотреть. Корректное позиционирование помогает сократить такие ошибки и увеличить точность системы рекомендаций.

EPG Service является ИТ-компанией: у вас трудятся программисты, разработчики. В каких направлениях вы испытываете нехватку специалистов больше всего?
В первую очередь нам не хватает айтишников. С началом пандемии рынок сильно изменился и всех айтишников разобрали. С другой стороны, цены на услуги ИТ-специалистов выросли раза в два. Если раньше для нас удаленка была бизнес-стратегией и мы предлагали программистам возможность работы вне офиса, то сейчас это стало нормой для всех, включая крупные компании. К примеру, если прежде программиста, пишущего на языке Python, можно было найти, условно, за 150 тыс. рублей, то сегодня — минимум за 250 тыс. рублей.
Какой бы вы хотели видеть свою систему рекомендаций в перспективе? Что она должна уметь?

Она должна становиться эффективнее с точки зрения принятых на рынке метрик. Конечно, стопроцентной эффективности не добиться ни с помощью искусственного интеллекта, ни с помощью редакторских подборок, но если получится сделать лучше, чем на YouTube, то можно считать, что задача решена. В этом случае телевидение обретет новую жизнь.


Рубрика: Персоны
Все Интервью
Триколор ТВ

Уважаемый Читатель!

Мы используем рекламную модель монетизации, чтобы доступ к нашему ресурсу оставался для Вас бесплатным.

Вы видите это окно, поскольку Ваш браузер использует блокировщик рекламных баннеров.

Пожалуйста, внесите сайт telesputnik.ru в список исключений. Это позволит нам и дальше создавать интересный и важный контент.

Благодарим за понимание и поддержку проекта!
С уважением, команда «Телеспутника».

Нажмите «Подписаться» чтобы читать «Телеспутник» в Вконтакте

x

Нажмите «Подписаться» чтобы читать «Телеспутник» в Одноклассниках

x

Нажмите «Подписаться» чтобы смотреть «Телеспутник» в Youtube

x