Discovery Plus 如何向國際觀眾推銷複雜的流媒體選項

沒有什麼比複雜的流媒體電視頻道網絡更適合 CDP 了，尤其是當它為不同地區、不同興趣和說不同語言的用戶提供不同類型的內容時。 總體而言，這是一個將產生大量數據的受眾，但這些數據需要無數不同的響應。

這就是 Fredrik Salzedo 所面臨的挑戰，他最近被任命為 Discovery Plus 的 Martech/CRM 全球總監（他以前是 EMEA 部門的保留/CRM 總監。

歐洲的 Discovery Plus

歐洲的存在始於一系列名為挪威電視節目的北歐頻道。 該網絡更名為 Dplay。 今年 1 月，歐洲業務更名為 Discovery Plus； 然後 Discovery Plus 在美國推出，在全球建立了一個流媒體服務名稱。

Discovery 頻道本身和動物星球、TLC 和 Food Network 等兄弟頻道在美國都很熟悉。在歐洲，Discovery Plus 的節目範圍要廣泛得多。

“美國和歐洲的最大區別在於，在美國，你有舊的 Discovery Networks Inc. 頻道，比如 Discovery，比如 Animal Planet。 在歐洲，我們有來自美國的內容，但最重要的是，Discovery 在歐洲的發展是通過收購許多不同的公司來實現的。” 特別是在北歐，但在歐洲其他地區，Discovery Plus 具有非常強大的本地內容。 體育也很重要——例如在瑞典，他們擁有頂級足球聯賽的權利，他們還擁有奧運會的泛歐權利。

Discovery Plus 利用 CDP 和營銷自動化平台 Blueshift 的實例來管理和營銷他們極其多樣化的受眾。 “當你做你的活動或編排時，你必須很聰明，因為你有一群西班牙用戶——他們不需要收到關於一些芬蘭節目的推薦，”薩爾澤多說。

雖然 Blueshift 是一個 CDP，但 Discovery Plus 已經安裝了另一個 CDP，即 mParticle，它現在與 Blueshift 一起運行。 mParticle 通過 Discovery Plus 渠道攝取事件數據並將其發送到 Blueshift。

希望控制您的數據？ 在最新版本的MarTech 情報報告中了解客戶數據平台的趨勢和功能。

點擊這裡下載！

向“智能中心”CDP 的轉變

為了了解 Discovery Plus 堆棧的這一部分是如何構建的，我們採訪了 Blueshift 聯合創始人兼首席執行官 Vijay Chittoor。 “他們確實使用 mParticle，”他說，“但作為他們的事件數據基礎設施。 例如，很多公司都使用 Google Tag Manager 或 Tealium 來收集數據（Tealium 還提供單獨的 CDP 產品）。 隨著該領域的發展，Segment 和 mParticle 等公司開始出現，它們的定位不是標籤管理器，而是用於數據收集和數據路由的 API。”

Chittoor 說，CDP 的基礎是形象統一、受眾建立和激活。 “這些是核心功能。 我們為 Discovery Plus 所做的一切。” 對編排和個性化的強調導致 Chittoor 將 Blueshift 產品稱為“智能中心”CDP，這個術語起源於 Gartner； 他區分了該領域的數據集成平台，通常由技術酒吧購買，以及以營銷人員為中心和以執行為中心的平台。 “客戶數據平台開始充當您的營銷中心，”他說。

他說，Discovery Plus 在 CDP 和營銷雲的“交叉點”使用 Blueshift。 傳統的營銷雲是從獲得的解決方案構建的，這些解決方案非常關注單個渠道。 “今天，營銷人員需要的是營銷決策核心的概念，這就是‘智能中心’的概念正在出現的地方。”

“我們正在捕獲的數據類型來自多個來源。 其中一些是關於網站瀏覽的標籤管理數據，但還有很多更豐富的數據，包括訂閱交易、家庭生活——這個客戶是一個擁有三到四個不同個人資料的群體的一部分。 所有這些分組功能都發生在 Blueshift 中。 與一個對象相關聯的訂閱升級和降級正在 Blueshift 中進行。 偏好管理正在 Blueshift 中進行； 在 Blueshift 中，存儲了不同設備的多個標識符。 有人觀看了這一特定劇集，如果他們看完了，如果有新劇集即將播出——所有這些數據都在 Blueshift 中匯集在一起。 他們在任何其他系統中都沒有此配置文件。”

這就是 Discovery Plus 的設置方式，但 Chittoor 指出，Discovery Networks 的各個部分的堆棧結構不同。 在某些情況下，數據收集本身是通過 Blueshift 進行的，而不是通過 mParticle 等其他解決方案。

Discovery Plus 如何處理保留和獲取

那是堆棧，但 Salzedo 用它做什麼？ “當然，第一要務是參與。 我們的目標是增加在平台上花費的時間——消費是主要的 KPI。 這主要是關於保留，因為您擁有的節目越多，觀看的次數越多，您就越有可能留在我們身邊。 數學很簡單； 如果你什麼都不看，你為什麼還要付錢？ Netflix 的優勢在於，即使沒有節目 [可觀看]，用戶也不會流失，因為它是 Netflix，並且在某些時候會出現一些新節目。 Discovery Plus 還沒有真正實現。”

更複雜的是，歐洲有不同類型的用戶：SVOD 用戶（訂閱視頻點播），還有 AVOD 用戶（基於廣告的視頻點播）。 後者只能訪問 Discovery Plus 庫的一部分，但他們會通過廣告查看。 例如，體育主要在 SVOD 付費牆之後。 “這裡有收購部分，因為當然，AVOD 正在為產品打開大門； 當您創建 AVOD 帳戶時，我們的目標是讓您成為 SVOD。”

一旦獲得用戶，目標就是讓他們超越他們最初觀看的節目，並將他們“吸引”到其他節目。 “這就是 Blueshift 真正發揮作用的地方，也是我們最終選擇 Blueshift 的原因，因為他們的推薦引擎功能。 我們使用 Blueshift 中的這些功能根據我們擁有的用戶數據以及他們正在觀看的內容創建推薦。 我們會為您提供推薦，並在您狂歡第一場演出時向您展示這些內容。”

他在 HBO 看到了這種策略。 面對《權力的遊戲》結束時可能出現的大規模流失，HBO 開始向同一群觀眾宣傳《切爾諾貝利》。 當然，當《切爾諾貝利》結束時，同樣的挑戰也出現了：“但至少它最大限度地延長了用戶的生命週期。 這正是我們試圖通過 Blueshift 實現的目標。”

自動推薦改善用戶體驗

對於這一龐大、高度差異化的受眾，建議需要自動化。 “我們正在將我們所說的內容元數據——節目描述、節目長度，它可以是任何東西——提取到 Blueshift 擁有的目錄功能中，我們將其與觀眾正在觀看的內容進行映射，並創建關於哪些內容的建議顯示您最有可能喜歡的內容。 它是在一對一的水平上完成的。”

所有在 Blueshift 的一個實例中，這意味著有必要識別用戶的位置和語言，例如。

目前，這些建議不僅分佈在流本身中，還分佈在電子郵件、推送和應用內通知中，並且計劃啟動桌面彈出窗口以接觸那些不同意電子郵件或其他通知的用戶歐洲法律要求。

自 2019 年以來，Discovery Plus 一直在使用 Blueshift，鑑於他們之前擁有的非常有限的技術能力，Salzedo 反映，他們現在已經看到了很多成功，這不足為奇。 例如，他們在 Blueshift 中的預測模型取得了成功，該模型根據觀看行為告訴他們用戶可能支持哪個足球隊，並在球隊進行現場比賽時觸發推送通知。 推送通知還用於自動讓用戶知道他們正在觀看的節目的新劇集可用。

“這不僅僅是銷售訂閱，”Salzedo 說。 “這與用戶體驗和參與度有關。”