Inclusion Analytics 개요
미국 인구가 점점 더 다양해지고 시청자들이 보다 포용적인 콘텐츠를 찾게 되면서 엔터테인먼트 업계도 다양성, 형평성, 포용성에 초점을 맞추고 있습니다. 다양한 콘텐츠와 시청자에 대한 능동형 정보는 포용적인 콘텐츠에 투자하고 대표성을 높이는 데 매우 중요합니다. Gracenote Inclusion Analytics는 전면에 나오는 인재와 화면에 나오지 않는 인재의 대표성을 조명하고 Nielsen 시청률 측정 데이터를 통해 오늘날 시청자의 참여를 유도하는 포용적인 콘텐츠 전략에 관한 결정을 내리는 데 도움을 줍니다.
적용 범위
Gracenote는 미주, 아시아 태평양, 유럽, 중동 및 아프리카 전역에서 글로벌 및 로컬 콘텐츠 솔루션을 제공합니다.
국가
0+
언어
0+
Inclusion Analytics의 혜택
프로그램 대표성과 시청자 다양성 비교
다양한 ID 그룹에 걸쳐 온/오프 스크린 인재와 시청자에 대한 지표에 액세스할 수 있습니다.
다양한 시청자의 공감을 이끌어내는 콘텐츠 유형 파악하기
프로그램에서 재능 있는 인재가 어떻게 시청자 시청률을 높여 캐스팅과 콘텐츠 포트폴리오에 영향을 미치는지 알아보세요.
비디오 가이드 및 추천에서 다양한 프로그램 강조
검색 경험에서 다양한 출연진이 등장하는 콘텐츠를 강조하고, 주요 아이덴티티 그룹이 등장하는 시즌별 추천 콘텐츠를 큐레이션하세요.
포용적 콘텐츠 투자에 대한 정보 제공
광고 기회를 타겟팅한 다양한 프로그램을 파악하세요.
Inclusion Analytics 기능
- 성별, 인종, 민족, 성소수자 정체성, 장애 등 60개가 넘는 정체성 그룹에 대한 포용성 지표
- 업계 최고인 Nielsen 시청자 데이터와 Gracenote 콘텐츠 메타데이터의 결합을 기반으로 구축되었습니다.
- 포용성 광고 지출 보고서는 포용성 그룹의 광고 지출을 상위 1,000개 브랜드에서 차지하는 비율과 비교합니다.
- 미국 프로그램 전반에 걸친 커버리지
지표에는 다음이 포함됩니다.
- 출연자 점유율은 프로그램 스토리에서 출연자의 대표성을 측정합니다.
- 화면의 점유율은 프로그램에서 ID 그룹의 가시성을 정량화합니다.
- 포용성 기회 지수는 화면상의 표현과 사회적 규범을 비교합니다.
- 시청자 점유율은 화면상의 표현과 시청률을 비교합니다.
- 비하인드 스토리 제작에는 프로듀서, 작가, 감독 등이 참여합니다.
- 프로그램, 네트워크, 장르 및 플랫폼 수준에서 데이터 집계가 가능합니다.
관련 제품
콘텐츠 분석
업계 최고의 콘텐츠 메타데이터를 사용하면 TV 프로그램과 영화 전반에서 콘텐츠 성공의 동력을 더 잘 파악함으로써 정보에 입각한 개발 및 라이선스 결정을 내릴 수 있습니다.
Video Data
영화, TV 프로그램 및 스포츠 프로그램에 대한 데이터, 이미지 및 콘텐츠 ID의 최종 컬렉션으로 콘텐츠 카탈로그를 시각적으로 제시하여 시청자의 참여를 유도하세요.
Gracenote와 포용성 전략에 대해 논의하세요.
콘텐츠의 다양성 표현을 늘리거나 포용적인 프로그램을 선보이고 싶다면 Gracenote가 도와드립니다.
사용 후기
고객의 의견
It’s been a really positive experience. Gracenote was really dedicated with a real eye for the details. Not just following along, but also challenging us and bringing in new thinking.
Bei Li
Senior Manager CMS & Metadata Product Development
This relationship means that we can be even more effective for our delivery partners and in turn improve the navigation, search, and discoverability of our amazing originals, exclusives, blockbusters, and classic TV series across the OTT landscape.
Philippe Guelton
President인사이트
왜 실세계 데이터가 반영되지 않은 대규모 언어 모델로는 콘텐츠 탐색 문제를 해결할 수 없는가
LLM은 콘텐츠 검색과 관련해 점점 커져가는 불만을 해소할 수 있는 잠재력을 지니고 있지만, 제대로 된 결과를 내놓지 못한다면 소용이 없다.
