TripleLift Menciptakan Unit Iklan Baru untuk Penempatan Produk Waktu Nyata di TV Streaming Menggunakan ML di AWS

Saat konsumen beralih menuju TV streaming, pemasar membutuhkan cara baru untuk menjangkau pemirsa dengan iklan yang menarik dalam video. Konsumen juga menginginkan iklan yang lebih pendek dengan lebih sedikit interupsi sehingga menciptakan tantangan bagi penerbit dan pengiklan untuk menghasilkan unit iklan yang lebih efektif dan menarik. Perusahaan teknologi periklanan terprogram TripleLift memelopori solusi untuk menyisipkan iklan penempatan produk secara dinamis ke acara TV streaming dengan menggunakan kombinasi model yang dibuat khusus dan machine learning (ML) di Amazon Web Services (AWS). Solusi ini pertama-tama mengidentifikasi lokasi dan area permukaan dalam konten video dan TV premium menggunakan alur ML; solusi ini menggabungkan merek dan unit iklan yang tidak mengganggu ke dalam adegan tertentu; lalu menyisipkan adegan baru ke dalam streaming waktu nyata menggunakan penyisipan iklan di sisi server, semuanya tanpa mengganggu pengalaman menonton. Menggunakan solusi ini, TripleLift memungkinkan pengiklan untuk meningkatkan efektivitas dan daya ingat iklan, serta memberikan penerbit cara otomatis untuk memonetisasi over-the-top (OTT) dan TV terkoneksi.

Dengan kantor di seluruh dunia, TripleLift menciptakan dan menskalakan format iklan yang berpusat pada konsumen di desktop, seluler, dan video. Perusahaan ini memulai dengan iklan programatik native pada tahun 2012 dan telah berkembang menjadi iklan display, konten bermerek, video, dan TV di 13 format. Sekarang TripleLift menciptakan pengalaman iklan terintegrasi di OTT dan TV streaming.

Saat layanan TV streaming dan OTT menjadi hal yang lazim, konsumen tidak lagi menerima model lama, seperti iklan selama 8–15 menit per setengah jam tayangan TV. Penempatan produk dapat menjangkau lebih banyak konsumen saat mereka lebih terlibat. Namun, logistiknya sulit: integrasi merek tradisional untuk acara TV dan media adalah proses manual yang panjang dan mahal. “Merek harus menghubungi perusahaan media atau jaringan TV dan bekerja dengan tenaga penjualan iklan,” kata Michael Shields, general manager of connected TV business di TripleLift. “Kesepakatan ini memiliki waktu tunggu yang sangat lama, dan untuk pelaksanaannya, sebuah merek harus tetap terlibat mulai dari praproduksi hingga produksi, syuting, dan revisi pascaproduksi. Butuh banyak orang untuk berkoordinasi.”

Untuk mengatasi masalah ini, TripleLift mulai membuat solusi periklanan terprogram dan bertarget untuk lingkungan OTT dengan membangun AWS, yang telah digunakan selama satu dekade. “Solusi pascaproduksi perintis kami menjadikan merek dan produk dalam pascaproduksi menjadi acara TV,” jelas Shields. “Sekarang pemasar tidak harus memiliki produk fisik di set atau mematuhi jadwal produksi. Mereka dapat lebih menyesuaikan di mana produk mereka diintegrasikan ke dalam acara sehingga mereka dapat mengaitkan pengeluaran iklan mereka dengan pengeluaran integrasi mereka.” Dengan memonetisasi potensi waktu iklan yang sebelumnya tidak tersentuh, teknologi ini menciptakan sumber pendapatan baru untuk layanan streaming dan perusahaan produksi, yang sekarang dapat berbagi keuntungan dari acara yang sedang naik daun.

Salah satu partner utama TripleLift adalah merek makanan dan gaya hidup Tastemade, yang kini telah menerapkan pengalaman iklan TripleLift di lebih dari 200 episode pemrograman. “Analisis video berbasis deep learning milik TripleLift memberi kami solusi yang dapat diskalakan untuk menemukan ribuan momen untuk menyisipkan pengalaman iklan terintegrasi dalam pemrograman, yang melengkapi fungsi pemasaran sentuhan tinggi dengan kecerdasan buatan,” kata Jeff Imberman, head of sales and brand partnerships, Tastemade.

Dibutuhkan waktu 5–6 bulan bagi TripleLift untuk membangun infrastruktur untuk menganalisis video dalam skala besar, dan TripleLift dapat terus mengulangi proses tersebut menggunakan Amazon SageMaker, yang memungkinkan pengguna untuk mempersiapkan, membangun, melatih, dan melakukan deployment model ML berkualitas tinggi dengan cepat. Solusinya mencakup beberapa langkah. Pertama, TripleLift memperoleh hak dari pemrogram sehingga dapat menerapkan pengeditan pada acara mereka. Kemudian, TripleLift menggunakan penglihatan komputer untuk menganalisis video dan menentukan momen yang tepat untuk menyisipkan merek dan produk. TripleLift dapat mengidentifikasi objek, manusia, teks, adegan, dan bahkan aktivitas menggunakan Amazon Rekognition, yang mempermudah penerapan analisis gambar dan video melalui teknologi deep learning yang sudah terbukti dan sangat dapat diskalakan. Setelah tim kreatif TripleLift mengidentifikasi lokasi untuk menempatkan produk dan unit iklan, mereka melakukan pengomposisian menggunakan perangkat lunak pengeditan dan otomatisasi berbasis cloud yang berjalan di Amazon WorkSpaces, seperti Nuke, Autodesk Maya, dan Cinema 4D, untuk menyisipkan karya seni merek ke dalam setiap gambar. Solusi desktop sebagai layanan ini memudahkan penyediaan desktop Windows atau Linux hanya dalam beberapa menit dan menskalakan dengan cepat guna menyediakan ribuan desktop kepada pekerja di seluruh dunia.

Solusi TripleLift jauh lebih cepat dalam mengenali peluang iklan awal daripada manusia. “Solusi AWS dapat melakukan pekerjaan dalam waktu sekitar separuh waktu yang dibutuhkan manusia untuk melakukannya secara manual,” kata Luis Bracamontes, computer vision and ML engineer di TripleLift. “Sekarang tim kreatif kami memiliki lebih banyak waktu untuk melakukan pekerjaan kreatif, bukan hanya menonton video.” Manfaat lainnya adalah skalabilitas. “Karena kami menerima lebih banyak volume, solusi ini menghasilkan penyisipan yang lebih cepat. Jadi keduanya menghemat waktu dan skala untuk membantu kami mengelola volume konten yang tinggi,” kata Bracamontes. Teknologi yang ditenagai Amazon SageMaker makin mempersonalisasi konten iklan dengan menerapkan banyak iterasi dari setiap penempatan iklan. Versi konten yang dimodifikasi dikirimkan ke pengguna secara terprogram, dan pengguna yang berbeda melihat versi klip yang berbeda.

Setelah TripleLift mengomposisikan penempatan bermerek ke dalam gambar, TripleLift membantu penerbit menjual penempatan yang dipersonalisasi dan ditargetkan menggunakan pasar iklan waktu nyata. TripleLift dapat menayangkan setiap iklan penempatan produk bermerek dengan menyatukan gambar ke dalam umpan streaming melalui penyisipan iklan di sisi server, menggunakan AWS Elemental MediaTailor, yang memungkinkan penyedia video menyisipkan iklan yang ditargetkan secara individual ke dalam aliran video mereka tanpa mengorbankan kualitas layanan tingkat siaran. “Menggunakan kerangka kerja penyisipan iklan sisi server yang ada, seperti AWS Elemental MediaTailor, TripleLift dapat menyajikan pengalaman ini secara dinamis dan dengan akurasi tingkat bingkai untuk memberikan pengalaman berbeda kepada pengguna yang berbeda,” kata Shields.

Menayangkan iklan TV secara dinamis dengan penargetan dan pengukuran berbasis pemirsa merupakan perubahan mendasar dari metode periklanan TV sebelumnya. Dan karena TripleLift menggunakan infrastruktur iklan digital yang ada, TripleLift dapat menjalankan kemampuan pengukuran dan analitik yang diharapkan merek dari iklan digital di TV streaming dan video OTT, yang membantunya melacak dampak iklan pada kesukaan, penarikan, dan bahkan penjualan merek. “TripleLift dapat mengenali impresi berdasarkan data profil audiens yang dimilikinya,” kata Shields. “Solusinya dapat menyajikan pengalaman yang berbeda kepada pengguna yang berbeda, dan semuanya dapat dilacak, baik ke biro iklan maupun penerbit.”

Di AWS, TripleLift telah memelopori solusi periklanan yang memenuhi tren layanan TV streaming yang terus berkembang. Hal ini memberikan pengalaman iklan yang alami dan menarik bagi konsumen, iklan beperforma lebih baik untuk pengiklan, dan lebih banyak monetisasi untuk penerbit sehingga menciptakan pasar cair yang inovatif. Dan sekarang, TripleLift memiliki arsitektur referensi untuk alur ML-nya yang dapat terus ditingkatkan pada masa mendatang.

Secara khusus, perusahaan ingin menyempurnakan solusi barunya dengan meningkatkan akurasi model ML dan waktu pemrosesan konten. “Solusi kami pada dasarnya membuat pemrograman lebih menguntungkan pada masa depan di mana konsumen menuntut batas komersial yang lebih kecil,” kata Shields. “Kami telah menemukan solusi yang efektif dan sederhana untuk membantu sistem TV berkembang. Hal ini akan berdampak besar pada sejarah TV yang didukung merek.”

Pelajari selengkapnya di sesi AWS on Air Re:Invent 2020 TripleLift.