Digital Life
Open Innovation Campus
Digital Life
Recursos facilitados
Para el desarrollo del desafío planteado, se proporcionará el acceso a productos.
¿Te interesa?
Si eres profesor o estudiante universitario y tienes interés en participar en el programa TUTORÍA, registra tus datos para que podamos iniciar el programa.
Investigación, análisis y desarrollo del estudio que facilite la recomendación personal, de consumo y actividad de los diferentes perfiles/usuarios.
Desafío planteado a estudiantes con perfil técnico y con interés por la analítica de datos, la experiencia de usuario y el diseño.
La oferta es tan variada que los usuarios en ocasiones tienen cierta complejidad a la hora de tomar una decisión -paradoja de elección- o invierten demasiado tiempo en el proceso de selección -fatiga de decisión-, generando cierta insatisfacción en la experiencia del usuario e incluso valorar el abandono del servicio.
Cada vez es más relevante, el analisis y mejora de las propuestas con un mejor modelo de recomendación posible, que maximice la exposición de contenido relevante para el usuario, minimizando con ello el tiempo de decisión y número de "clicks" para que el usuario comience a disfrutar de su tiempo de entretenimiento.
Actualmente estos servicios pueden aglutinar más de 200 canales lineales, cuya programación puede consumirse en directo o en diferido, más de 10.000 contenidos bajo demanda, integrar catálogos gigantescos del orden de miles de contenidos de servicios de terceros como Netflix, Disney+, Amazon Prime Video, YouTube, YouTube Kids, Twitch, HBO Max, Star+, Facebook Watch y muchos más, así como catálogos de juegos, servicios de música o de libros.
La oferta de contenido por lo tanto puede no acabarse nunca, pero el tiempo que disponemos para el disfrute sí. Es por ello que se antoja crucial ofrecer al usuario siempre, cuando entra al servicio, la opción u opciones que aseguren la rápida decisión de lo que se quiere ver, jugar u oír, y con ello empezar lo antes posible el disfrute del entretenimiento.
Como dato, un usuario adulto de EEUU estaba tardando una media de 7 minutos al día en decidir que ver (datos de 2019).
La proliferación de servicios y contenidos nos lleva a pensar que este tiempo pueda estar aumentando.
Los productos de entretenimiento Vivo Play (Brasil), Movistar Play (HISPAM) o O2TV (Alemania) están focalizados en el consumo de la TV (canales lineales, tanto en directo como en diferido) y en la agregación de servicios de entretenimiento de terceros (ej. Netflix, YouTube o Twitch entre otros), abriendo las puertas a nuevas formas de entretenimiento como pueden ser los juegos, la música o los libros.
Estos productos están actualmente disponibles en pantalla grande (STB, SmartTVs), en web, móviles y tablets.
Los mecanismos de recomendación (que pueden tener un origen social, editorial, algorítmico o una mezcla de los anteriores) los podemos diferenciar en dos grandes tipos:
Fuera de la sesión de consumo: aquí se incluye desde la conversación que tienes con tus amigos en la que recomiendan la última serie de Netflix y que te apuntas en una nota, hasta las notificaciones que recibes de los servicios de entretenimiento.Dentro de la sesión de consumo: aquí incluimos las búsquedas, recomendaciones y navegaciones que el usuario realiza cuando se enfrenta directamente a la pregunta de "Qué quiero ver ahora". El usuario abre el servicio, y espera poder decidir qué ver sin necesidad de navegar por el servicio, por lo que el aprovechamiento del espacio de pantalla para acertar con la recomendación es primordial.
El producto incorpora actualmente mecanismos de recomendación fuera de sesión y recomendaciones dentro de sesión, además, soporta la generación de perfiles, lo que permite afinar más las recomendaciones personales, que se basan en los perfiles de consumo y actividad de los perfiles/usuarios).
El objetivo del desafío es minimizar el tiempo que los usuarios invierten en decidir qué ver, es decir, acertar con las recomendaciones sugeridas.
El desafío busca encontrar soluciones a ambos tipos de recomendaciones aunque se puede optar por uno de ellos, ya que comportan problemáticas y se derivan soluciones probablemente no coincidentes.
Soluciones que cubran las siguientes dimensiones: