AI didn’t kill the radiostar
Hvordan kan AI anvendes i radiobransjen?
Radio er ikke det første man forbinder med kunstig intelligens (AI), men det er flere bruksområder enn man tror. PwC ledet en workshop med fokus på radio og AI med en allmennkringkaster som kunde. Sammen oppdaget vi en rekke bruksområder som kan gi verdi på kort og lang sikt.
I et pågående kundeprosjekt med en allmennkringkaster, inviterte vi til en workshop for å utforske mulighetene for bruk av AI i radio. Målet var å brainstorme ulike idéer som kunden kunne ta med seg videre i potensielle prosjekter. Deltakerne i workshopen kom både fra kunden, PwC, og eksterne aktører, med en blanding av erfaring fra tjenestedesign, produktutvikling, AI og mediebransjen for å sikre en bred tilnærming.
Hvilket mulighetsrom er det som allerede eksisterer?
For å forsikre oss at deltakerne var inneforstått med hva AI er, startet vi med en teknisk presentasjon. Denne gikk innom underkategoriene innenfor AI som maskinlæring, dype nevrale nettverk, og generativ AI. Fokuset var på å forbinde disse med radio-universet og skape en felles forståelse i rommet.
Spotify er et godt eksempel på en pionér innenfor koblingen mellom radio og AI. Med 574 millioner brukere (per dags dato) er strømmetjenesten den største i verden. Denne massive brukerbasen gir Spotify en enorm mengde data som de kan benytte når de utvikler AI-tjenester for kundene sine.
Tjenestene Spotify tilbyr blir ofte forbundet med personlig tilpasning. Etter at vi diskuterte tjenester som personaliserte spillelister og oversettelse av podcaster, kom det fram at en av workshop-deltakerne hadde skrevet en masteroppgave om hvordan Spotify lykkes så bra med personlig tilpasning. Hun forklarte blant annet at når Spotify gir personlig tilpassede spillelister, baserer de seg på noe som heter Superbrukere, brukere som har spillelister med veldig mange følgere.
I stedet for å se at noen hører mye på rock og deretter anbefale liknende rock-sanger, ser Spotify på hvilke Superbrukere som har liknende lyttemønster som den “vanlige” brukeren. Den personlige tilpassede listen blir dermed en kombinasjon av sanger fra Superbrukere sine lister. På denne måten bruker Spotify aktivt data fra noen brukere for å generere personlige tilpasninger for andre brukere.
Poenget med analogien om Spotify er at det er ulike måter å utnytte data på. Den mest åpenbare metoden gir ikke nødvendigvis det beste resultatet. Spotifys tilnærming til personlig tilpasning er bare én måte å gjøre det på, men det finnes uendelig mye data og potensielle suksessoppskrifter innenfor skjæringspunktet mellom radio og AI som ikke har blitt oppdaget enda.
Genereringen av nye initiativer
For å stimulere kreativ tenkning benyttet vi en teknikk fra design verdenen kalt Crazy 8. I korte trekk går dette ut på å skrive 8 ulike idéer i løpet av 8 minutter. Dette gir lite rom for å overtenke idéer, slik at deltakerne heller skriver det første som kommer til tankene. Målet er å generere et bredt spekter av ideer, fra det absurde til det potensielt geniale.
Deltakerne ble delt inn i tre tverrfaglige fokusgrupper. Etter at de hadde gjennomgått idémyldringen hver for seg, presenterte hver gruppe sine ideer for resten av deltakerne. Deretter fikk alle et begrenset antall stemmer som de kunne bruke på de idéene de likte best. Dette resulterte i tre idéer som ble jobbet videre med i fokusgruppene.
Hver fokusgruppe jobbet med en av de topp tre idéene, og fikk deretter tid til å pitche gjennomførelsen av initiativet for resten av workshop-deltakerne. I pitchen måtte de også inkludere hvilken verdi initiativet ville tilføre allmennkringkasting og/eller lytterne, og hvordan det ville bidra til selskapets overordnede strategi.
Initiativene deltakerne syntes var mest interessante var:
- Generere Metadata : “Metadata Heaven” kan utnytte AI til å generere metadata for sanger, uten eksisterende informasjon. Dette kan redusere manuelt arbeid og frigjøre ressurser i kundens musikkavdeling, og la teamet fokusere på andre oppgaver som bedre utnytter deres ekspertise og fokus. “Metadata Heaven” støtter kundens ambisjoner ved å sikre rask tilgang til variert musikk, forbedre planlegging, bistå i musikkvalg, gi pålitelig statistikk og hjelp med prioriteringer.
- Analysere og anbefale: “Analysere og anbefale” fokuserer på å generere innsikt fra intern bruk og preferanser. Dette gir datadrevne beslutninger for musikkvalg og planlegging, og muliggjør smartere ressursbruk internt. Idéen kan også forbedre lytteropplevelsen ved å tilby personaliserte spillelister som skaper en mer treffende musikkopplevelse i samsvar med lytternes modus. Her kan anbefalinger tilpasse seg folks aktiviteter, for eksempel å forstå om de lytter mens de sitter på bussen.
- Gruppering av musikk: “Gruppering av Sanger” fokuserer på å bruke AI for å gruppere sanger på nye måter som gir muligheten til å skape varierte spillelister som resonnerer med lytterne. Ved å analysere elementer som tekst, instrument, stemme og rytme, kan “Gruppering av musikk” være et verdifullt verktøy for å ta bedre beslutninger knyttet til musikkvalg. Dette kan også bidra til mer jevn bruk av kjønn i både låtskrivere og artister, samt tilpasse musikk til spesifikke situasjoner.
Spennet mellom AI og Radio ga overraskende mye mersmak og skapte begeistring hos kunden. Etter workshopen var deltakerne enige om at AI virkelig hadde et stort potensial innen radio. Kunden opplevde workshopen som engasjerende og sa “Dette er noe vi må følge opp med en gjennomføringsworkshop.” Det mest interessante var kanskje å se alle de ulike mulighetene folk kom frem til når de først fikk tid til å sette seg ned og å drodle — og det blir spennende å se hvordan AI kan transformere radio på måter vi kanskje ikke engang har forestilt oss enda.
Les også:
