Publicidad

Desafío de ingeniería: análisis de los impactos de la publicidad en streaming con Playhead Time

Por Megan Dobranski

junio 15, 2021

Hoy en día, el retorno de la inversión en publicidad de transmisión a menudo no se comprende completamente. Tome la colocación de productos, por ejemplo. ¿Cuántos espectadores, en qué tipos de dispositivos, con qué combinación de datos demográficos, en qué geografías, vieron su marca destacada en la historia del último éxito de taquilla de transmisión? ¿Y qué acciones tomaron las personas después de ver la ubicación de su producto en la corriente?

Aprender las respuestas a estas preguntas (y algunas otras que exploraremos) es realmente una hazaña de ingeniería que requiere capturar el tiempo de reproducción (PHT) preciso de un video de muchos reproductores a escala global y vincular esos datos con la identidad.

PHT es el puntero que representa el momento exacto en el lapso de reproducción de un video que el usuario está viendo actualmente. Representamos eso usando el tiempo en milisegundos desde el comienzo del contenido del video.

Complejidad de datos  

Si bien PHT puede parecer sencillo, se puede informar de manera diferente en diferentes dispositivos, reproductores y plataformas. Los reproductores también informan eventos de video únicos, como inicio de video, búsqueda, almacenamiento en búfer, inicio de anuncio, finalización de anuncio y finalización de video, así como diferentes tipos de video informados como en vivo, a pedido y DVR.

El comportamiento del usuario complica aún más la recopilación de datos. Los espectadores pueden ver anuncios pre-roll, mid-roll o post-roll, todos los cuales deben informarse de manera diferente. En los reproductores que no permiten que los espectadores se salten los anuncios, cuando un espectador intenta saltarse un anuncio, el PHT puede verse afectado. Buscar o rebobinar contenido, un anuncio y varios anuncios, así como la pausa debido a la acción de un usuario o el almacenamiento en búfer son comportamientos aún más posibles y, lo adivinó, deben recopilarse e informarse por separado.

Debido a que Conviva Stream Sensor es la constante, implementada en muchos tipos diferentes de reproductores de video, capturamos, limpiamos y estandarizamos estos datos de una manera más consistente y precisa. Los datos PHT se recopilan del reproductor a través de mensajes de latidos cardíacos periódicos con precisión de milisegundos cuando ocurren eventos de video importantes.

Análisis y verificación de datos a escala 

Echemos un vistazo a cómo analizar PHT. 

Usamos la pila de tecnología Databricks para analizar, desinfectar, almacenar y procesar PHT de miles de millones de dispositivos de transmisión que tienen Conviva Stream Senso desplegado. 

Graphic Flow Chart of Conviva Data Analyzation And Verification At Scale

 Con esta pila, podemos: 

  • Analice la cobertura de Playhead Time y la precisión de los datos para todos los reproductores y todos los editores.  
  • Analice la diversidad del comportamiento de los usuarios que coincida con el Playhead Time 
  • Comprender el desfase de tiempo del cabezal de reproducción causado por la reproducción de anuncios  
  • Implementar algoritmos de ajuste de PHT 
  • Verificar los datos PHT ajustados 

En este ejemplo del mundo real, hay un anuncio pre-roll de 30 segundos y un anuncio mid-roll de dos minutos. El usuario intentó buscar más allá del anuncio mid-roll, pero no pudo, por lo que el PHT volvió al lugar donde comenzaba el anuncio. Después del anuncio, el jugador saltó a la parte del video que el usuario quería ver. Esto significa que el PHT que se informa no es totalmente preciso y debe ajustarse; debemos ejecutar un algoritmo de ajuste para determinar el verdadero PHT.

Graphic Demonstrating Play Head Time (PHT) And Need For Algorithm Adjustments

Pero, ¿cómo validamos el PHT ajustado y, lo que es más importante, cómo sabemos cuándo el comportamiento del jugador y el procesamiento de back-end no están sincronizados?en datos PHT ajustados incorrectos? Para cada pieza de contenido, calculamos la compensación entre la longitud del contenido, que puede ser proporcionada por un editor o inferida por el tiempo de reproducción, y el PHT máximo, luego trazamos la distribución de todo el contenido.

La desviación estándar de la distribución PHT ajustada es más pequeña que la PHT original, lo que demuestra que el algoritmo de ajuste PHT es preciso.

PHT original 

Original Graph of Play Head Time (PHT) Data 

PHT ajustado 

Graph of Adjusted Play Head Time (PHT) Data

Este es el canal de procesamiento y aplicación de Conviva PHT. Nuestro Stream Sensor recopila datos PHT y envía periódicamente los paquetes de latidos a Conviva Gateway. Nuestro backend construirá los paquetes de latidos sin procesar en datos de sesión de video y luego calculará el PHT ajustado. Después de algunos trabajos de extracción, transformación y carga (ETL), los datos PHT ajustados se almacenarán en bases de datos distribuidas y se visualizarán en las aplicaciones.

Graphic Flow Chart of Conviva Data Analyzation And Verification At Scale After The Data Adjustments

Enriquecimiento de datos  

PHT es útil para entender por sí mismo, pero para aprender realmente cómo PHT afecta la publicidad, necesitamos enriquecer los datos. Nuestro Stream Sensor recopila contenido de video granular y metadatos del dispositivo que se pueden usar para agregar más contexto a la experiencia del espectador, incluidos el género y la categoría del contenido, así como el tipo de dispositivo y el sistema operativo. Al incorporar los registros del servidor de anuncios, podemos agregar contexto adicional con todo, desde el nombre del anunciante hasta la creatividad real que se ve. Cuando se agrega con metadatos demográficos de terceros, podemos ver una imagen completa del tipo de persona que vio el contenido y los anuncios. Luego podemos visualizar estos datos para comprender todo el viaje del espectador.

Graphic Showing Visual Representation of Viewer Journey From Conviva Data

En nuestro ejemplo de colocación de productos, puede observar la participación del espectador en el contenido (¿los espectadores omitieron o volvieron a mirar algún contenido con su producto?) y el impacto en el rendimiento del anuncio (¿los espectadores abandonaron el contenido porque un anuncio tardó demasiado en cargarse?).

La colocación de productos no es el único caso de uso para este tipo de análisis.

El análisis de participación del contenido del espectador registra cómo los espectadores interactúan con los videos de los editores al identificar partes de un video que vuelven a ver, pausan y saltan para rastrear en qué punto del video la mayoría de los espectadores abandonan. En este ejemplo, puedes ver que una película tiene dos escenas muy icónicas. Estas dos escenas corresponden a dos picos de esta curva en los minutos 40 y 57, pero también podemos ver qué partes de la película les gustó menos a los espectadores o las pasaron por alto. Este tipo de análisis ayuda a los equipos de contenido a comprender las secciones "buenas" y "malas" percibidas de su contenido y los equipos de operaciones técnicas determinan si puede haber problemas de calidad de experiencia (QoE) dentro del contenido.

Example Graph of a Viewer Content Experience Analysis From Conviva

Otro caso de uso es ver cómo la ubicación del anuncio que no coincide con el contenido hace que los espectadores abandonen el anuncio o el contenido, lo que significa que la lealtad a la marca del editor se ve afectada y los anunciantes pierden dinero.

Los análisis a nivel de PHT ayudan a detectar estos impactos y conocer el impacto que tienen los anuncios en la participación del contenido permite a los editores y anunciantes profundizar en problemas específicos de los anuncios para identificar creatividades rotas y optimizar las aplicaciones del reproductor para maximizar el rendimiento general, la participación y el rendimiento de la campaña.

Image Showing a Frame By Frame Analysis Of A Video Compared to Viewer Drop RatesEl análisis PHT es solo una forma en que los editores y anunciantes pueden comprender el valor de su contenido y anuncios. Más información sobre la medición en tiempo real de Conviva de la QoE y la participación en el contenido y los anuncios en cada transmisión, cada pantalla, cada segundo.