Data analysis integration to interactive streaming platform: Churn mitigation as a case study

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis

Authors

Date

2022-05-16

Department

Major/Subject

Computer Science

Mcode

SCI3042

Degree programme

Master’s Programme in Computer, Communication and Information Sciences

Language

en

Pages

75+31

Series

Abstract

Modern interactive platforms are usually data-intensive. It is widely accepted that data generated by the platform users contain valuable information for improvement of the platform services and business opportunities. Data-driven methods can be applied to refine large amounts of collected data into information. This information provides an understanding of the platform events, making it possible to act accordingly. For a subscription-based business that offers interactive streaming experiences, these data-driven approaches are particularly important for helping with automated marketing actions and user retention. Goal of the thesis is to increase understanding and ability to act on customer subscription churn. There are many steps to obtain and integrate the knowledge from raw data, which is often noisy and hard to understand. Infrastructure development is widely needed to support and automate these steps. The work in this thesis proposes a solution to this problem space by establishing a data analysis integration with the interactive platform, helping to collect information and take smart automated actions. The presented integration consists of collecting raw data from the platform data sources, storing it in data lakes, performing analysis, saving results to information pools and preparing the information to desired usages, e.g. to feed back to the platform or into external services for visualization or reporting purposes. The results show that the proposed integration provides clear benefits. One identified benefit is the isolation of the data analysis solution from the internal structure of the interactive platform. This makes the analysis independent from the platform modifications. Going further, the integration enables faster analysis and real-time integrations like instantly reacting personalized recommendations becoming possible. In addition, the A/B-testing possibilities increase with different versions of the integration services and the provided integrations becoming testable. Thus, the results indicate that the proposed integration makes implementation of modern data-driven integrations possible. One future possibility enabled by this work is deep integration of the personalized recommendations in the service contents, specifically enabling a fully personalized home page experience. All of this helps to understand and mitigate the churn.

Modernit interaktiiviset alustat ovat yleensä dataintensiivisiä. On yleisesti hyväksyttyä, että alustan käyttäjien generoima data sisältää arvokasta tietoa. Tätä tietoa voidaan hyödyntää alustan palveluiden sekä liiketoimintamahdollisuuksien parantamiseksi. Data-ohjattuja menetelmiä voidaan soveltaa suurten datamäärien tiedoksi jalostamiseen. Tämä jalostettu tieto tarjoaa ymmärrystä alustan tapahtumista mahdollistaen tietoon pohjautuvien toimintojen toteuttamisen. Tilaukseen perustuvassa interaktiivisia striimauskokemuksia tarjoavassa liiketoiminnassa dataohjatut menetelmät ovat erityisen tärkeitä markkinoinnin automatisoinnin sekä käyttäjien säilyttämisen kannalta. Työn tavoitteena on lisätä asiakkaiden tilauspoistumaan liittyvää ymmärrystä sekä kykyä toimia sen pohjalta. Tiedon kerääminen ja yhdistely raakamuotoisesta, kohinaisesta sekä hankalasti ymmärrettävästä datasta vaatii useita vaiheita. Näiden vaiheiden mahdollistaminen sekä automatisointi vaatii laaja-alaista infrastruktuurin kehittämistä. Tässä tutkielmassa tehty työ ehdottaa ratkaisuna data-analyysi integraatiota interaktiivisen alustan kanssa, auttaen tiedon keräämistä sekä älykkäiden automatisoitujen toimenpiteiden tekemistä. Esitelty integraatio muodostuu datan keräämisestä alustalla olevista datalähteistä, tallennuksesta datajärviin, analysoimisesta, tulosten tallentamisesta tietoaltaisiin ja tiedon valmistelemisesta haluttuihin käyttökohteisiin, esimerkiksi takaisinkytkentänä alustalle tai ulkoisiin palveluihin visualisointi- tai raportointitarkoituksiin. Tulokset osoittavat, että ehdotettu integraatio tarjoaa selkeitä hyötyjä. Yksi havaittu hyöty on data analyysiratkaisun eristäminen alustasta, tehden analyysistä alustan muutoksista riippumattoman. Integraatio mahdollistaa myös nopeamman analysoinnin sekä reaaliaikaisten integraatioiden kuten dynaamisten personalisoitujen suositusten tekemisen. Lisäksi integraatio lisää A/B testattavuutta, kun integraatiopalveluiden eri versiot ja integraatiot tulevat A/B testattaviksi. Näistä hyödyistä nähdään, että ehdotettu integraatio mahdollistaa nykyaikaisten dataohjattujen integraatioiden toteuttamisen. Yksi työn tarjoama tulevaisuuden mahdollisuus on personoitujen suositusten syväintegrointi, jonka yksi kehityskohta on täysin henkilökohtainen kotisivu-kokemus. Kaikki tämä auttaa ymmärtämään ja vähentämään tilauspoistumaa.

Description

Supervisor

Malmi, Lauri

Thesis advisor

Gong, Jinnan

Keywords

data analysis, data integration, interactive platform, subscription churn mitigation, content recommendations, A/B testing

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202205223311

Collections

[dipl] Perustieteiden korkeakoulu / SCI