De leidinggevenden in je bedrijf beginnen te praten over de noodzaak om betere klantervaringen te bieden door middel van gepersonaliseerde content. Iemand heeft het dan over het “orkestreren” van gegevens. Maar wat betekent dit allemaal en hoe kunnen we de flow van content in de praktijk soepel laten verlopen? Zoek niet verder - enterprise metadata en taxonomie zijn de geheime wapens die je nodig hebt!
Voordat we in het ‘hoe’ duiken, beginnen we met de basis:
Metadata zijn gegevens die andere gegevens beschrijven en context geven. Het helpt om digitale assets efficiënter te organiseren, te categoriseren en te lokaliseren door informatie te verschaffen over de inhoud, de indeling en het doel.
Taxonomie verwijst naar de classificatie en organisatie van digitale assets in gestructureerde, hiërarchische categorieën. Deze digital asset management taxonomie legt relaties tussen de assets, waardoor het gemakkelijker wordt om ze terug te vinden en te beheren.
Samen vormen metadata en taxonomie een krachtig systeem dat de doorzoekbaarheid van je content en vindbaarheid van je digitale assets verbetert en personalisatie stimuleert. Meer weten? Bekijk dan zeker dit artikel over de basisprincipes van metadata taxonomie.
Jouw bedrijf kan fantastische voordelen behalen door goed gestructureerde enterprise metadata en taxonomie te implementeren. Maar waar begin je? Hier zijn vijf dingen die ik mijn klanten aanraad te overwegen als we beginnen met het herstructureren van de metadata en taxonomie van hun bedrijf.
STAP 1
Bij voorkeur begin je bij het ontwerpen van een metadata- en taxonomiestructuur bij je digitale archiefkast - je DAM-systeem. Ik raad mijn klanten aan om hun huidige manier van het organiseren van digitale assets en de mappenstructuren die hun teams al gebruiken te beoordelen. Begin met het doorspitten van de gedeelde schijven van je marketingteam en andere creatieve teams, of deze nu op SharePoint, Box of Google Drive staan. Wat zijn de namen van de mappen? Hoe organiseren gebruikers mappen? Hoe benoemen teams hun bestanden? Zijn er gemeenschappelijke thema's of termen die het voor teams makkelijker maken om samen te werken en door de mappenstructuur te zoeken?
Als je alle bestanden met de naam IMG_1234.jpg en de mappen met de namen Draft, Final, Mary's bestanden, Party foto's, of Old Docs hebt doorgespit, kun je gemeenschappelijke patronen en terminologie ontdekken die je kunt gebruiken om je metadata taxonomie op te bouwen. Denk bij het opbouwen van de metadata- en taxonomiestructuur aan alle rare namen die mensen in de loop der jaren aan bestanden en mappen hebben gegeven. Bedenk nu hoe je deze namen en categorieën kunt standaardiseren, zodat iedereen naar die campagnebestanden kan zoeken zonder 7 niveaus diep in een archiveringsstructuur te hoeven graven.
Uiteindelijk willen we af van een grote lijst van trefwoorden die zonder context worden toegepast, maar willen we juist toe naar een contextuele metadatastructuur. Trefwoorden kunnen je zoekresultaten vertroebelen en het moeilijk maken voor gebruikers om de zoekresultaten te verfijnen. Als je bijvoorbeeld zoekt naar een afbeelding van een bestuurslid met de naam Mr. Rose tijdens een specifieke vergadering, welke structuur is dan gemakkelijker te gebruiken?
Woordenlijst:
| Keywords |
| Raad van bestuur vergadering, Raad van bestuur vergadering, vergaderingen, voorzitter, voorzitter, raad, BOD, NYC, NY, New York City, Manhattan, George, Rose, Mr., Juni, 2023, bedrijf |
Gestructureerde metadata:
| Onderwerp | Corporate |
| Beschrijving | De heer George Rose, voorzitter van de raad van bestuur, presenteert een update tijdens de vergadering van de raad van bestuur op het hoofdkantoor van het bedrijf |
| Locatie | New York City |
| Datum | 10 juni 2023 |
| Event | Bestuursvergadering |
| Copyright | © Acme |
Bovendien kun je het gebruik van geordende woordenlijsten overwegen, zoals vooraf gedefinieerde lijsten, hiërarchieën en andere taxonomiegroepen, om menselijke fouten, spelfouten, acroniemen, jargon en snelkoppelingen die mensen gebruiken bij het invoeren van vrije tekst te verminderen. Het gebruik van een gedefinieerde taxonomie helpt om consistentie en nauwkeurigheid door je hele systeem te behouden.
In het bovenstaande voorbeeld van de trefwoordenlijst zie je dat de locatie op meerdere manieren is ingevoerd (NYC, NY, New York City, Manhattan, etc.). Dit is niet alleen verwarrend voor gebruikers die een bestand zoeken, maar ook vervelend voor degenen die metadata invoeren. Als alternatief, in het gestructureerde metadata voorbeeld hierboven, zouden je opties voor locatie gebaseerd zijn op een dropdown lijst of een geordende lijst van locaties om uit te kiezen. Op dezelfde manier zou de eindgebruiker dezelfde geordende woordenlijst zien als zoekfilter:
Dus, laten we afscheid nemen van trefwoorden, vrije tekst en inconsistente metadata!
STAP 2
Houden we er niet allemaal van als we online een registratieformulier invullen en je je realiseert dat er een aantal shortcuts zijn die je kunt nemen en dat je niet elk veld hoeft in te vullen? We zijn nu gewend aan het invullen van online formulieren waar naast sommige velden een kleine rode * staat, die aangeeft dat het formulier alleen wordt opgeslagen als we deze verplichte velden invullen. Dit geeft aan dat de andere velden optioneel zijn, die we kunnen overslaan om tijd en moeite te besparen.
Op dezelfde manier is het in je DAM-software belangrijk om verplichte velden, optionele velden en zelfs afhankelijke velden in te stellen. Verplichte velden zorgen ervoor dat elk digitaal asset een minimum aan metadata heeft. Dit vergemakkelijkt het zoeken, terugvinden en gebruiken van relevante assets. Maar nog belangrijker is dat verplichte metadatavelden uploaders kunnen helpen bij het invoeren van de meest relevante metadata, terwijl aanvullende optionele velden gebruikt kunnen worden om context toe te voegen waar dat van toepassing is.
Als het ontwerp goed is, kan het aantal verplichte velden worden beperkt of geautomatiseerd om de handmatige invoer van metadata nog verder te beperken.
STAP 3
Een 'dynamisch afhankelijke metadatastructuur' of 'op maat gemaakt metadataschema' biedt flexibiliteit in je metadatamodel. Als een uploader bijvoorbeeld aangeeft dat een bepaald asset een campagnebestand is, worden extra metadatavelden weergegeven om de gebruiker te vragen de Campagnenaam, het Campagnetype en de Begin- en Einddatum van de Campagne in te voeren.
Dynamisch afhankelijke metadatastructuren gebruiken om efficiëntie en nauwkeurigheid te garanderen. Dit bespaart niet alleen tijd, maar vergroot ook de geldigheid van de ingevoerde metagegevens.
Een dynamische metadatastructuur kan veranderen en zich aanpassen op basis van de inhoud en vereist denkwerk, gebruikerstests en technische configuratie om het goed te krijgen.
STAP 4
Relationele metadata (of gelinkte bestanden) beschrijft verbanden tussen assets, wat een meer dynamische en boeiende gebruikerservaring mogelijk maakt. Gerelateerde assets kunnen het ook makkelijker maken voor gebruikers om de asset te vinden die ze zoeken.
Een voorbeeld: je hebt een brochure gemaakt voor een campagne en een ontwerper wil een afbeelding die in de brochure is gebruikt, opnieuw gebruiken. Door goed digital asset management uit te voeren en assets aan elkaar te relateren in je DAM-systeem, kan content makkelijk gevonden en hergebruikt worden, wat tijd en extra kosten bespaart. In dit voorbeeld kan de ontwerper beginnen met het zoeken van de printklare PDF van de brochure in het DAM-systeem. Dit bestand wordt vervolgens gekoppeld aan alle gerelateerde bestanden, waaronder afbeeldingen, pictogrammen en grafische elementen die in de brochure zijn gebruikt, maar ook aan andere versies of varianten van dezelfde campagne en de bewerkbare artworkbestanden (zoals InDesign-bestanden).
Relationele metadata maakt het mogelijk voor gebruikers om op een niet-lineaire manier te zoeken en vinden op basis van gelijksoortige of relevante assets.
STAP 5
Extractie en classificatie van metadata met behulp van AI kan handmatige inspanningen en menselijke fouten bij het maken en toepassen van metadata aanzienlijk verminderen. Bovendien kan AI zelfs voorkeuren voor content voorspellen, wat de weg vrijmaakt voor een gepersonaliseerde ervaring voor je gebruikers.
Het gebruik van kunstmatige intelligentie voor metadata- en taxonomietoepassingen biedt tal van voordelen, waaronder verhoogde efficiëntie, nauwkeurigheid en schaalbaarheid.
Op basisniveau kan AI in DAM automatisch metadata herkennen en toepassen die gerelateerd zijn aan onderwerp, locatie en oriëntatiepunten, gezichtsherkenning en meer. Woodwing integreert met AI-tools zoals Clarifai, Amazon Image Rekognition en Google Vision, die de basistoepassing van metadata kunnen ondersteunen.
De toekomstige waarde van AI is opwindend om voor te stellen, en je hebt zeker de nodige fantasie nodig om je er een voorstelling van te kunnen maken. Stel je eens een geautomatiseerde classificatie voor met behulp van een machine learning-model dat jouw merk kent. Stel je de kracht voor van een aanbevelingsmechanisme dat content en producten kan suggereren op basis van de zoekvoorkeuren en het gebruikersprofiel van DAM-gebruikers. Met voorspellende content kun je profiteren van inzichten waarmee je jouw content kunt afstemmen op de juiste klant, terwijl trenddetectie je in een mum van tijd laat weten welke content hot is en welke niet.
Het volstaat te zeggen dat een goed gestructureerde metadata en taxonomie, versterkt door AI, zich vertaalt in eindeloze mogelijkheden!
Nu je de blauwdruk hebt voor het bouwen van een ideale metadata- en taxonomiestructuur, is het tijd om actie te ondernemen!
Als je op zoek bent naar een professionele en efficiënte dienst om de metadata taxonomie van je bedrijf voor digital asset management te herstructureren, aarzel dan niet om contact op te nemen. Laten we samenwerken om je bedrijfsprestaties te verbeteren en het volledige potentieel te benutten.