已經厭倦在第四台上百個頻道間轉來轉去找想看的節目嗎？還是想一次看完整部連續劇？或是想接著上次看到一半的節目繼續往下看？
線上串流影音平台（Over-the-top，簡稱 OTT）能滿足前述所有需求，也徹底改變了人們的閱聽行為和消費方式，根據美國電影協會的數據，全球OTT用戶數在2018年首度超越有線電視用戶數。隨著各大線上影音平台如Netflix、Apple TV+、Disney+、Amazon Prime Video、LINE TV加入戰局，台灣既有的線上影音平台如CATCHPLAY、LiTV、myVideo、FriDay、Hami Video也面臨更激烈的市場競爭。
數位內容的消費力驚人，全球OTT市場的總市值可望在2027年來到1,843億美元（年複合成長率達20.4%）；台灣OTT業者的營收則將在2023年來到11億美元（年複合成長率為15.6%）。在串流媒體變身當紅炸子雞的時代，產業鏈上下游都想分食這塊大餅。迪士尼、HBO靠著內容優勢開始自建平台向下游延伸，反之Netflix、Amazon Video則是由完整的平台服務開始自建內容向上游延伸，從收購影視版權到自製原創內容，OTT業者的戰線延伸帶動了收視習慣更快速往影音平台遷移。
雖然訂閱服務（SaaS）是OTT業者維持營收的重要支柱，但就目前的市場環境和使用者願意付費的程度，要完全透過訂閱來支撐平台的營運仍有困難；因此，多數業者還是仰賴廣告創造營收。迪士尼日前收購的Hulu影音串流平台就推出有廣告（5.99美元）和無廣告（11.99美元）的月費版本供消費者選擇，只要看些廣告每月就能省下一半的月費，確實讓精打細算的消費者感到心動！
然而，當市場已存在超過400種訂閱制影音串流服務供應商，磨拳擦掌準備分搶全球11億觀眾的青睞時，如何增加新客，留住舊客，將目光變現，就成了OTT業者亟需克服的挑戰。平台之間的競爭不只在於訂閱用戶數，還取決於用戶使用平台的時長。而關鍵是甚麼呢？就是「使用者體驗」。
使用者體驗不是僅僅在使用者觀看影片當下的感受，而是結合了從使用者第一次接觸OTT業者的體驗，到一路看完影片後的體驗。其中包含了看到OTT業者的廣告體驗，接下來到OTT網站或是App的體驗，然後是觀影時的體驗，最後到觀影完後的體驗。如何帶給使用者美好的體驗，從而在百家爭鳴的OTT服務中脫穎而出已經成為顯學。
能夠有良好的用戶體驗在COVID-19防疫期間尤其重要，雖然疫情普遍讓OTT業者提升用戶成長速度，但這也是雙面刃，在市場競爭愈趨激烈的狀況下，OTT業者對於新的使用者無法提供足夠滿意的使用者體驗，反而會嚴重影響未來的成長，變成「新用戶成長多，但是離開去其他OTT的用戶更多」的窘境。
Netflix等國外OTT業者已經大量採用AI技術，針對每個不同的使用者提供量身訂做的個人化影片推薦，應用在使用者體驗的各個階段，包含個人化廣告，成功吸引更多新的用戶造訪；提供個人化網頁或是App內容，讓第一次造訪的用戶可以快速找到有興趣的影片，成功提升付費用戶數量；最後到看完影片後的個人化影片推薦，增加用戶平均月看片數，成功培養更多忠誠用戶。究竟國內外業者普遍採用的作法有哪些？台灣業者可以相互參照哪些作法？讓我們實際了解一下。
1. 獲取新用戶的階段
常見作法之一是根據每個使用者在網路上瀏覽的內容進行行為分析，找出用戶感興趣的主題，並對特定興趣主題的使用者推薦投其所好的影片廣告，有效增加消費者採取行動的機會。
2. 試用服務但尚未訂閱者
對於尚未訂閱的使用者，除了須留意用戶在網際網路上的閱讀內容，更重要的是結合OTT站內的瀏覽行為，動態生成專屬於該用戶的個人化首頁、觸發個性化推播訊息，來提升他對平台的好感度。未來，極致的個人化服務將會是站內與站外不斷的交互，才能更有效串聯推薦機制，培育潛在付費用戶。
3. 已訂閱服務者
針對已訂閱的用戶，最重要的事情是提升用戶忠誠度，提高平均每月看影片的次數，檢視的節點通常分為兩個階段。
第一階段：提升用戶看影片時的體驗
使用者介面在這個階段扮演非常重要的一環。舉凡能支援跨裝置連續播放、依照網路環境選擇畫質或是離線觀看、更精確的快轉／倒轉功能，都能為處於不同使用情境下的用戶帶來更好的個人化體驗，未來這類工具也將左右使用者的影音瀏覽習慣。
第二階段: 看完影片後的體驗
剛看完影片，意猶未盡時，如果能夠給出使用者也會有興趣的影片，就能大大提高看片次數，進而使他變成忠誠用戶。Netflix數據顯示，有80%的用戶觀看時數是靠推薦而來，其餘20%則仰賴搜尋，可見個人化體驗的好壞對平台的成效有決定性的影響。
而個人化推薦方式大致可分為下類兩類：內容推薦（Content-based filtering）與協同推薦（Collaborative filtering），機制如下：
-
內容推薦（Content-based filtering）
簡單的來說，就是依照用戶瀏覽過的影片，根據每個影片的屬性值，例如：發行影片的公司、導演、動作片還是文藝片，是不是情人節檔期，是不是和波灣戰爭等特定新聞議題有關聯等等標籤來描述影片的屬性，然後由AI模型去找到類似於這些屬性的其他影片推薦給這個用戶。 -
協同推薦（Collaborative filtering）
主要是依照用戶的屬性值，例如：性別、年齡、每月看影片數量、看過影片類別等等可以用來描述用戶的屬性，由AI模型找到類似於這些屬性的其他用戶，然後推薦其他相類似用戶也看了那些影片。
分析國內外OTT業者的作法，Netflix、Disney+採自建團隊開發推薦系統、台哥大旗下的MyVideo選擇跟台大合作大數據研究、LINE TV直接併購由台灣新創巧克科技成立的CHOCO TV強化資源實力、LiTV則仰賴TiVO（替你錄）成功經驗掌握用戶收視喜好、遠傳電信旗下的FriDay與數位電視盒兩大品牌OVO和BANDOTT合作提升個人化服務、CATCHPLAY將影片特徵建立標籤（導演、演員、影評），計畫日後與社群平台串聯後能發揮大數據推薦的綜效。
市場研究數據指出，有37%的受訪者認為精準的產品促銷或內容推薦，不僅有助於銷售成長，還能維持顧客忠誠度；另有超過33%的受訪者認為，個人化策略能有效增加顧客交易的頻率。
付費訂閱將成為市場的主流，唯有優質的個人化體驗才能維持串流影音平台的永續經營。在市場競爭愈趨白熱化的今日，OTT業者必須雙管齊下，一方面把握演算法推薦的成效，一方面善用行銷科技獲取更全觀的用戶洞察，才能提供更有溫度的服務，創造優質的顧客體驗。
責任編輯：陳建鈞
《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。
（觀點文章呈現多元意見，不代表《數位時代》的立場
