Проблема keyword search: зритель не знает что ищет
Традиционный поиск на стриминговых платформах работает по принципу keyword matching: зритель вводит слово, система ищет совпадения в названиях и описаниях. Но есть проблема:
Фундаментальная проблема
Зритель часто не знает, что конкретно ищет. Он не помнит название, или хочет «что-то похожее», или ищет под настроение. Keyword search не помогает в таких случаях.
Типичные запросы, которые keyword search не понимает
Semantic & Intent-based AI Search
2026 год знаменует переход к semantic search — поиску по смыслу, а не по keywords. AI понимает интент (намерение) пользователя и семантику (смысл) контента.
❌ Keyword Search
Запрос: «грустный фильм»
Результат: фильмы со словом «грустный» в названии/описании
Пропущено: «Зелёная миля», «Хатико», «Список Шиндлера»...
✅ Semantic AI Search
Запрос: «грустный фильм»
AI понимает: sad, melancholic, tearjerker, emotional drama
Результат: все фильмы с «грустным» mood, независимо от слов
Как работает intent-based search
Natural Language Understanding
AI разбирает запрос на естественном языке, понимает синонимы, контекст, подразумеваемые требования.
Intent Classification
Определяет интент: «хочу посмеяться», «хочу поплакать», «хочу отвлечься», «хочу подумать».
Semantic Matching
Сопоставляет интент с metadata: mood tags, emotional descriptors, theme tags контента.
Contextual Ranking
Ранжирует результаты с учётом истории просмотров, времени суток, устройства.
Примеры внедрения в 2026
Несколько платформ уже внедряют AI-driven smart search:
AI-powered search для OTT платформ: понимает natural language queries, mood-based search.
Semantic discovery engine: intent classification + emotional matching.
Content descriptors для semantic search: mood, theme, tone metadata.
Требования к метаданным для AI search
AI search требует нового уровня метаданных. Базовые (genre, cast, director) недостаточны — нужны semantic descriptors:
Mood tags
Эмоциональные дескрипторы: uplifting, melancholic, tense, relaxing, thought-provoking.
Примеры: sad, happy, anxious, hopeful, nostalgic
Theme tags
О чём контент на глубинном уровне: redemption, loss, coming-of-age, justice.
Примеры: friendship, betrayal, love, survival
Tone descriptors
Как подаётся история: dark, light, satirical, earnest, cynical.
Примеры: serious, humorous, ironic, sincere
Viewing context
Для какой ситуации подходит: date night, family, solo, background.
Примеры: group watch, kids-safe, adult themes
Вызовы внедрения
Платформы сталкиваются с проблемами при внедрении semantic search:
Решение EPG Service
EPG Service предоставляет enriched metadata для semantic search:
Mood taxonomy
Стандартизированная классификация эмоций и настроений для всех программ.
Theme descriptors
Тематическая разметка: о чём контент на глубинном уровне.
Viewing context tags
Для какой ситуации подходит контент: семья, свидание, solo.
Similarity vectors
Связи между контентом: «похоже на», «понравится тем, кто смотрел».
Внедряете AI search?
EPG Service предоставляет semantic metadata для AI-powered discovery: mood tags, theme descriptors, viewing context.
Обсудить интеграцию