04 februari 2021

(Hyper)personalisatie: wat, hoe en waarom?

10u00 - 12u00

Meer en meer verwachten mediaconsumenten een aanbod van op maat gemaakte of geselecteerde content.

De technologie laat toe om steeds specifieker nieuws- en mediacontent te linken aan de meest relevante gebruikers, maar wat zal de technologie bieden qua mogelijkheden in de nabije toekomst?

Op deze Smart Media Meetup bekijken we wat hyperpersonalisatie precies inhoudt, hoe je door middel van het optimale gebruik van technologische tools je content afstemt op gebruikers en wat deze gebruikers precies van mediamerken verwachten. Daarnaast krijg je inzicht in de mogelijkheden die deze technologie in de nabije toekomst kan ontgrendelen.

 

10u00 – 10u15: Intro: Business modellen en personalisering

Olivier Braet (imec-SMIT-VUB)

Een overzicht van de verschillende soorten personalisering en de hieraan gelinkte business modellen op basis van internationale voorbeelden zoals Netflix, YouTube, Microsoft en andere media of e-commerce ondernemingen

10u15 – 10u35: imec-SMIT-VUB: De trade-off tussen persoonsdata delen en personalisatie

Natasja Van Buggenhout, PhD researcher (imec-SMIT-VUB)

Ine Van Zeeland, PhD researcher (imec-SMIT-VUB)

Prof. Dr. Wendy Van den Broeck (imec-SMIT-VUB)

Onderzoekers van imec-SMIT-VUB presenteren de tien belangrijkste conclusies van de studie naar de waarde van persoonsdata delen met mediaorganisaties is Vlaanderen

10u40 – 11u00: imec-itec-KULeuven: Algoritmes voor personalisatie

Alireza Gharahighehi, PhD researcher (imec-itec-KULeuven)

dr. Konstantinos Pliakos, postdoctoral researcher (imec-itec-KULeuven)

prof. dr. Celine Vens (imec-itec-KULeuven)

Gebruikers van digitale services interageren constant met online platformen.

Door deze interacties wordt een enorme hoeveelheid informatie verzameld over de gebruikerservaring en -voorkeuren. Dit kan op zijn beurt gebruikt worden om services te personaliseren en user experiences te verbeteren.

Tijdens deze presentatie wordt meer duiding gegeven omtrent de personalization algorithms die ontworpen zijn voor het NewsButler project.

11u05 – 11u35: Roularta: NewsButler

Erwin Danis (Roularta)

Mensen die online het nieuws lezen, krijgen daarbij gepersonaliseerde aanbevelingen, op basis van algoritmes die hun voorkeuren voorspellen. Die voorspellingen zorgen echter vaak voor een eindeloze lus van gelijkaardige nieuwsartikels. Om dit te vermijden, ontwikkelde het NewsButler-project een slimme contentstroom en een redactionele optimalisatiemachine.

11u40 – 12u00: ML6: Deep learning voor aanbevelingen en personalisatie in media

Jan Van Looy (ML6)

Frederic Stallaert – (ML6)

Traditionele systemen om aanbevelingen te genereren werken op basis van inhoud of gedrag van medegebruikers.

Simpel gezegd gaan die algoritmes inhoud suggereren die lijkt op wat je eerder al hebt geconsumeerd of inhoud die anderen met vergelijkbaar gedrag als jij al hebben geconsumeerd.

Recente ‘deep learning’-gebaseerde benaderingen integreren beide technieken en gaan nog een stukje verder. Ze laten bovendien toe om naast tekstuele informatie ook andere mediavormen zoals afbeeldingen, audio en video direct te integreren zodat ook aanbevelingen op basis van ‘sound’ of visuele stijl kunnen worden gedaan.

In deze presentatie wordt dieper ingegaan op de voordelen van deze benadering en hoe die optimaal kan worden ingezet in een geïntegreerde hedendaagse media- en marketingstrategie.