iHeartMedia betreibt Hunderte von Radiosendern, und jeder braucht eine Playlist, die kommerziell stark ist und dennoch neue Musik rotiert, bevor die Hörer eines Hits überdrüssig werden.
Das Team baute Modelle, die die aktuelle und künftige Popularität von Songs – eine Lebenszykluskurve – aus Song- und Künstlerdaten sowie Hörerdaten vorhersagen, und setzte dann eine mathematische Optimierungs-Engine ein, um regelkonforme 24/7-Playlists zu erstellen, die Stärke und Vielfalt ausbalancieren.
Die Engine nahm das Rätselraten darüber ab, welche Songs aufgenommen, in die Power-Rotation gehoben und ausgemustert werden sollen, und verringerte so Zeit und Arbeitsaufwand, die nötig sind, um viele Sender gleichzeitig zu programmieren.
Hit-Stärke mit Songvielfalt ausbalancieren
Eine Playlist, die nur bewährte Hits spielt, brennt diese schnell aus
Die Vorhersage der Lebenszykluskurve zeigt, welche Songs im Aufstieg sind
Die Optimierung wendet dieselben Planungsregeln auf jeden Sender an
Die Automatisierung von Erfassungs- und Rotationsentscheidungen senkt die Programmierkosten
Wenn ein Produkt einen Lebenszyklus hat, sollte man es sowohl nach dem vorhergesagten Alter als auch nach der aktuellen Popularität kuratieren; die gleichzeitige Optimierung von Stärke und Vielfalt bewahrt das heutige Publikum, ohne das morgige zu verausgaben.
Die Playlist-Optimierung von iHeartMedia wurde als Finalist für den INFORMS Daniel H. Wagner Prize 2024 nominiert. Die Modelle und die Engine werden eingesetzt, um Sender in vielen Märkten von einer einzigen Plattform aus zu programmieren.
DEN BELEGEN FOLGEN
Die Quellen
- iHeart Media Aviana Global · avianaglobal.com
- Introduction: 2024 Daniel H. Wagner Prize for Excellence in the Practice of Advanced Analytics and Operations Research INFORMS Journal on Applied Analytics · ideas.repec.org