my image

„Das Könnte Dich Interessieren“


20.05.2024

Dieser Anwendungsfall bietet Nutzer:innen Inhalte an, die ihren Interessen in der ZDFmediathek entsprechen. Der Algorithmus wird hauptsächlich auf eine Steigerung des Sehvolumens und eine möglichst hohe Verschiedenheit der Inhalte (Diversity) optimiert.

Die technische Implementierung ist unter DKDI: Model Card beschrieben.

Relevanz für die ZDFmediathek

Die nachfolgende Abbildung zeigt die Anteile von gesehenen Minuten des Anwendungsfalls „Das Könnte Dich Interessieren (DKDI)“ am gesamten Sehvolumen der ZDFmediathek für automatisch empfohlene Inhalte der letzten 30 Tage.

Leistungsmetriken

Relevante Leistungsmetrik für den Anwendungsfall „Das Könnte Dich Interessieren“ ist das Sehvolumen. Nachfolgend ist das Sehvolumen im zeitlichen Verlauf dargestellt. Zusätzlich wird der relative Anteil der von Nutzer:innen getätigten Klicks auf empfohlene Inhalte im Bezug auf alle algorithmischen Empfehlungen gezeigt.

Tipp: Für Detailansicht betreffenden Bereich markieren. Doppelklick auf leere Stelle wechselt zwischen Detail- und Gesamtansicht.


Das Sehvolumen für DKDI hat einen gewichtigen Anteil am gesamten Sehvolumen, welches durch Empfehlungen generiert wurde, was unter anderem auch an der prominenten Positionierung dieses Empfehlungsbandes liegt. Die Fluktuationen in der Abbildung zum Sehvolumen sind bedingt durch temporale Effekte. Bei getätigten Klicks ist der Sachverhalt sehr ähnlich zur Diskussion für das Sehvolumen. Eine langfristige Tendenz ist im betrachteten Zeitraum nicht zu erkennen.

Public Value Metriken

Die Public Value Metriken Coverage, Novelty, Popularity, Diversity und Serendipity sind hier für „Das Könnte Dich Interessieren“ im zeitlichen Verlauf über einen Monat dargestellt. Da wir mit diesem Anwendungsfall eine große Vielfalt der Empfehlungen bezwecken (siehe Model Card), ist die relevanteste Metrik für diesen Anwendungsfall Diversity. Für die Coverage zu „Next-Video“ werden nur Empfehlungen durch „Reguläres Next-Video“ berücksichtigt, während Empfehlungen durch „Next-Episode“ nicht mit einfließen. Zu „Auch Interessant“ werden im Moment, sofern nicht anders angegeben, nur Empfehlungen durch „Auch Interessant: Streaming-Netzwerk Dokumentation“, nicht jedoch durch „Weitere Folgen“ oder der Bereich Kultur gezeigt.


Das Band „Das Könnte Dich Interessieren“ soll den Nutzer:innen Inhalte anhand ihrer Interessen empfehlen, was sich bei der Auswertung der Public-Value-Metriken zeigt: Der Algorithmus empfiehlt vorwiegend anhand der Nutzungshistorie und soll eine möglichst große Anzahl unterschiedlicher Inhalte ausspielen, weshalb die Metrik Diversity hier eine besondere Beachtung verdient.

  • Die Coverage ist im Vergleich zu anderen Anwendungsfällen (vgl. „Weil Du“) durchschnittlich hoch.
  • Es werden vor allem populäre Inhalte empfohlen, was man anhand der zueinander reziproken Metriken Novelty und Popularity gut sieht: die Novelty ist durchschnittlich und die Popularity sehr hoch. Um auch weniger populären Inhalten eine Chance zu geben empfohlen zu werden, wird hier zum Teil ein Popularity Debiasing verwendet und soll in Zukunft ein Hauptbestandteil von diesem Empfehlungsalgorithmus werden. Eine Diskussion dazu findet man im Blog-Eintrag vom 3. März 2023.
  • Die Diversity ist im Vergleich zu anderen Anwendungsfällen sehr hoch, was gleichbedeutend damit ist, dass Inhalte aus vielen unterschiedliche Rubriken in den Empfehlungen ausgespielt werden. Eine hohe Diversity ist eine Hauptmotivation für diesen Anwendungsfall.
  • Die Serendipity, welche relevante und für Nutzer:innen (nach Rubriken) neue Inhalte bemisst, ist durchschnittlich.

Alle Details zum Anwendungsfall sind unter DKDI: Model Card zusammengefasst.

Weitere Analysen zu verschiedenen Anwendungsfällen findest du im Blog.