Linear TV Metadata Sendeplan-Metadaten für jeden Sender, den Sie führen

Lineares Fernsehen hat zwei getrennte Ebenen, und Linear TV Metadata bildet beide ab, das macht es genau dort präzise, wo ein flacher Feed versagt.

• Das Event: ein Punkt in Zeit und Raum: ein bestimmter Sender, zu einem bestimmten Zeitpunkt, für eine bestimmte Dauer. „TV7, 20:20 Uhr, 95 Minuten.“ Das Event ist der Slot.
• Der Inhalt: das, was den Slot tatsächlich füllt: der Film, die Episode, das Spiel oder die Sendung, mit Titel, Personen, Beschreibung, Bildern und Einstufung.

Beide sind verknüpft, aber getrennt. Derselbe Inhalt, etwa ein bestimmter Film, kann als viele verschiedene Events ausgestrahlt werden: auf unterschiedlichen Sendern, in unterschiedlichen Ländern, an unterschiedlichen Tagen. Da der Inhalt einmal beschrieben und für jedes Event, in dem er erscheint, wiederverwendet wird, bleibt der Guide konsistent: Derselbe Film trägt überall und zu jeder Zeit dieselbe Inhaltsangabe, Besetzung und dasselbe Bildmaterial, während jedes Event sein eigenes exaktes Timing, seinen eigenen Sender und seine eigenen Rechte behält.

Unter jedem Datensatz liegt eine Kennung, die sich nicht ändert. Das ist das Bindegewebe des gesamten Produkts, und es ist das, was Linear TV Metadata von einem Feed unterscheidet, den Sie ständig neu abgleichen müssen.

• Content-ID: Jeder Film, jede Serie, Staffel und Episode hat eine permanente ID. Erscheint derselbe Titel auf einem anderen Sender, einer anderen Plattform oder in einem anderen Markt, ist es dieselbe ID, kein neuer, unverbundener Datensatz zum Abgleichen.
• Personen-ID: Jeder Darsteller, jeder Regisseur und jeder Moderator hat eine ID, sodass „dieselbe Person“ über jeden Titel hinweg eindeutig ist, unabhängig davon, wie ihr Name in einem bestimmten Markt geschrieben wird.
• Franchise-/Marken-IDs: Verwandte Titel werden unter einer Identität gruppiert, sodass ein Universum oder Franchise über seine Filme, Serien und Ableger hinweg zusammenhält.
• Sport-Entitäts-IDs: Disziplinen, Turniere, Teams und Spieler tragen jeweils ihre eigene ID, wo Sport im Programm steht.

Weil die Identität permanent und gemeinsam genutzt ist, gleichen Ihre Systeme einmal ab und bleiben abgeglichen. Updates, Anreicherungen und Korrekturen verbreiten sich automatisch an jede Stelle, an der derselbe Inhalt erscheint.

Linear TV Metadata ist um eine Trennung herum aufgebaut, die die meisten Feeds nicht vornehmen: sprachunabhängige Fakten gegenüber sprachabhängigem Text. Kernfakten werden einmal gespeichert; nutzerseitiger Text existiert in einer vollwertigen Version für jeden Markt.

Deshalb stimmt der Guide in jedem Markt gleichzeitig. Kevin – Allein zu Haus ist eine Content-ID: „Home Alone“ als Originaltitel, „Kevin – Allein zu Haus“ in Deutschland, „Kevin sam w domu“ in Polen und „Maman, j'ai raté l'avion !“ in Frankreich, alle aus demselben Datensatz, mit demselben Jahr, derselben Regie und Besetzung. Eine einzelne Personen-ID wird in englischsprachigen Märkten als „Nicole Kidman“ und im Tschechischen als „Nicole Kidmanová“ dargestellt, oder in der Originalschrift (章子怡), wo das Publikum das erwartet. Auf Ihrer Seite muss nichts übersetzt werden, und keine zwei Märkte können auseinanderlaufen, weil die dahinterliegenden Fakten geteilt werden.

Linear TV Metadata verbindet sich mit mehr als nur dem Programm selbst. Titel und Personen verknüpfen sich mit Festival & Awards Metadata, Festivals und Auszeichnungen mit Kategorien, Nominierten und Gewinnern, sodass ein Film im heutigen Programm etwa als Cannes-Gewinner erscheinen kann und das Profil eines Schauspielers zeigen kann, was er gewonnen hat. Dieselben permanenten Kennungen machen diese Verknüpfungen automatisch, statt dass Sie sie selbst zusammenstellen müssen.

Thematische Tags und Stimmungs-Tags beschreiben nicht nur einen Titel; sie kombinieren sich zu fertigen Browsing-Kollektionen wie „Retro-Actionkomödien der 80er“ oder „Wohlfühl-Filme fürs Wochenende“, automatisch generiert aus Tag-Kombinationen statt von Hand kuratiert. Sie erhalten eine Browsing-Leiste, die Ihr Redaktionsteam nicht selbst zusammenstellen musste, aufbauend auf denselben Tagging-Daten, die bereits für Suche und Empfehlungen genutzt werden.