Was passiert, wenn Sie beim Videomarketing für Ticketagenturen Daten zur Kreativität hinzufügen?

Das Team von Playable Video hat kürzlich 100 Videos der Ticketagenturen Ticketmaster, AMC, Fandango, StubHub und LiveNation analysiert, die auf Facebook und Youtube öffentlich zugänglich waren.

Was wir fanden, war ziemlich erstaunlich. Da ist ein massive 362-fache Variation bei Engagement und ROI, gemessen an %-Anteilen zwischen den schlechtesten Videos und den besten Videos.

Diese Grafik unten zeigt die Anteile als Prozentsatz der Aufrufe für alle verschiedenen Videos, dargestellt durch einen anderen Balken. Die Grundlinie ist der Durchschnitt. Wenn der Balken über der Linie liegt, schnitt das Video besser als der Durchschnitt ab, wenn er unter der Linie liegt, schnitt das Video schlechter als der Durchschnitt ab.

Diese Variation existiert, weil Videobearbeitung traditionell ein kreativer, subjektiver Prozess ist, der anfällig für persönliche Voreingenommenheit und Vermutungen ist. Wir sind der festen Überzeugung, dass Sie deutlich vorhersehbarere und bessere Ergebnisse erzielen können, wenn Sie diesem Prozess Data Science hinzufügen.

Entdecken Sie, wie wir Vermutungen durch Data Science ersetzen, um Social Video Marketing effektiver zu machen >>

Der Unterschied von 36.200% zwischen dem schlechtesten und dem besten Video wird höchstwahrscheinlich durch eine Vielzahl von Faktoren verursacht, einschließlich des tatsächlichen Films, seiner Marke, seines Namens, seiner Werbung usw. Aber er wird auch durch das tatsächliche Make-up des Videos verursacht, einschließlich Farbe, Stil, Elemente, Geschwindigkeit, Reihenfolge usw.

Um diese Faktoren zu verstehen, verwenden wir Computer Vision, um jedes Pixel jedes Frames zu beobachten, um genau zu verstehen, was vor sich geht.

Das Video unten zeigt die Computer Vision beim Anschauen des Videos (ja, wie Meta ist das, ein Video von einem Computer, der ein Video anschaut…) 

Details, wie wir dies tun, sind Hier.

Diese Analyse zeigt uns, welche Merkmale eher in Videos zu finden sind, die zu einem höheren Engagement führen.

Basierend auf der Computer-Vision-Analyse der 100 Ticketing-Agentur-Videos haben wir die Eigenschaften der Videos aufgelistet, die am meisten zu einem hohen Share-to-View-Verhältnis auf Facebook beitragen.

Erstellen eines Vorhersagemodells aus historischen Trainingsdaten

Was können Sie also mit diesen Daten anfangen? Nun, Sie können viel aus Ihren vorherigen Videos und Kampagnen lernen.

Playable verwendet diese Daten, um verschiedene Modelle dafür zu entwickeln, welche Elemente zu welchen Ergebnissen beitragen.

Dies sind die verschiedenen Ergebnisse, auf die Sie sich konzentrieren könnten:

  • Ansichten – wie viele Leute das Video sehen (obwohl sich offensichtlich bezahlte Videos darauf auswirken)
  • Zeit ansehen – wie lange sich die Leute die Videos ansehen
  • Kommentare – wie viele Leute Kommentare gepostet haben
  • Anteile – wie viele Leute es an andere weitergeben
  • Engagement – wie viele Leute damit interagieren
  • Der Umsatz – wie viele Personen zu einem Verkauf konvertieren – dieser erfordert 1st-Party-Daten
Sobald das Modell entwickelt wurde, können Sie neue Versionen Ihrer alten Videos erstellen und sie erneut veröffentlichen, um ihre Nutzung bis zum Datum zu verlängern und den maximalen Wert aus Ihrer Investition in den Inhalt zu ziehen. Natürlich spielen hier Timing und Belichtung eine Rolle, aber die Daten deuten darauf hin, dass Sie ein besseres relatives Ergebnis sehen sollten.

Entdecken Sie, wie Playable KI nutzt, um die Effektivität des Social Media-Videomarketings zu steigern >>

Senden Sie sich dieses Video-E-Mail-Beispiel...

 

Sie haben sich erfolgreich abonniert!