3 Büyük Verilerin İzlemekten, Okumaktan ve Dinlemekten Gerçekten Ne Sevdiğini Anlatan

3 Büyük Verilerin İzlemekten, Okumaktan ve Dinlemekten Gerçekten Ne Sevdiğini AnlatanYeni eğlence verileri üretiliyor. MinDof / shutterstock.com

“Bridget Jones Günlüğü” nü izleyen herkes, Yeni Yıl kararlarından birinin “Her gece dışarı çıkmamak, içeride kalmak, kitap okumak ve klasik müzik dinlemek” olduğunu bilir.

Bununla birlikte, gerçek, esasen farklıdır. İnsanların boş zamanlarında gerçekte yaptıkları genellikle yapacaklarını söyledikleri ile uyuşmuyor.

Ekonomistler bu olguyu “hiperbolik iskonto” olarak adlandırdılar. “Ünlü bir çalışmada“Spor Salonuna Gitmemeyi ÖdemekBirkaç ekonomist, insanlara ziyaret başına ödeme sözleşmesi ve aylık ücret arasında seçim teklif edildiğinde, aylık ücreti seçme olasılığının daha yüksek olduğunu ve gerçekten ziyaret başına daha fazla ödeme yaptıklarını buldu. Bunun nedeni, çalışma motivasyonlarını fazla abartmalarıdır.

Hiperbolik indirim, yaratıcı bir sektörde faaliyet göstermenin sadece bir zorluğudur. Tatlar oldukça özneldir ve bir filmi çok büyük bir hit yapan arsa ve anlatı unsurları bir başkasını kolayca kritik ve ticari bir başarısızlık haline getirebilir.

On yıllar boyunca, reklamverenler ve pazarlamacılar, filmler ve kitaplar gibi eğlence ürünlerinin tüketimini tahmin etmekte zorlandılar. Zamanlamaya karar vermek eşit derecede zordur. Bir stüdyo hangi hafta sonu yeni bir film yayınlamalı? Bir yayıncı kitabın basılı bir kopyasını çıkardığında, e-kitap sürümünü ne zaman çıkaracağına nasıl karar verir?

Günümüzde, büyük veriler insanların eğlenceyi nasıl deneyimlediğine dair yeni bir görünürlük sunmaktadır. Olarak çalışan araştırmacı Yapay zekanın ve sosyal medyanın etkisi, insan davranışını öngörmede özellikle güçlü olduğumu gösteren üç güç var.

1. Uzun kuyruk ekonomisi

İnternet, genel başarılardan daha az popüler olan eğlence ürünlerinin dağıtımını mümkün kılmaktadır. Akış şovları, birinci sınıf televizyon aracılığıyla dağıtım için ekonomik olarak uygun olandan daha büyük bir izleyici kitlesi elde edebilir. Bu ekonomik fenomen olarak adlandırılır uzun kuyruk efekti,


InnerSelf'ten En Son Haberleri Alın


Netflix gibi yayın yapan medya şirketleri, sinema salonlarında içerik dağıtmak için ödeme yapmak zorunda olmadıklarından, niş izleyicilere hitap eden daha fazla gösteri üretebilirler. Netflix, bireysel müşterilerin görüntüleme alışkanlıklarından gelen verileri kullanarak “House of Cards” ı desteklemeye karar verdi. televizyon ağları tarafından reddedildi. Netflix verileri, Fincher'in yönettiği filmler ve Spacey'nin başrol oynadığı filmler için bir hayran kitlesi olduğunu ve çok sayıda müşterinin orijinal BBC serisinin DVD'lerini kiraladığını gösterdi.

2. Yapay zeka çağında sosyal etki

Sosyal medya ile insanlar izledikleri şeyleri arkadaşlarıyla paylaşabilir, aksi takdirde bağımsız eğlence deneyimleri daha sosyal hale gelir.

Şirketler Twitter ve Instagram gibi sosyal sitelerden gelen verileri kullanarak, film izleyicilerinin belirli bir film, şov veya şarkı hakkında ne düşündüğünü gerçek zamanlı olarak izleyebilir. Film stüdyoları, filmler için gösterileri tanıtmak ve yayınlamak için nasıl karar vereceğine karar vermek için bir dijital veri hazinesi kullanabilir. Örneğin, ses Google, bir filmin fragmanını prömiyerinden önceki ay boyunca arar Oscar kazananlarının ve gişe gelirinin önde gelen tahmincisidir. Film stüdyoları, film çıkış tarihleri ​​ve gişe performansı ile ilgili tarihsel verileri bir araya getirebilir arama eğilimleri için Yeni filmler için ideal çıkış tarihlerini tahmin et.

Madencilik sosyal medya verileri ayrıca şirketlerin krize girmeden önce olumsuz duyguları tanımlamalarına yardımcı oluyor. Mutsuz, etkili bir müşteriden tek bir tweet kamuoyu şekillendirme, viral gidebilir.

Yaptığım bir çalışmada Washington Üniversitesi'nden Yong Tan ve Georgia State Üniversitesi'nden Cath Oh ile, Gösterdik Böyle bir sosyal etkinin sadece hangi YouTube videolarının daha popüler hale geldiğini değil, aynı zamanda etkili kullanıcılar tarafından paylaşılan videoların daha da yaygın biçimde görüntülendiğini nasıl belirlediği.

Bir çalışma Stüdyolar, bir film yayınlanmadan önce sosyal medya akışına dikkat ettiğinde, tahmini gelir ile tahmini gelir olarak bilinen gerçek gelir arasındaki farkın 31 oranında azaldığını göstermektedir.

3. Tüketim analitiği

Büyük veri, kitapların ve insanların aslında zamanlarını zevkle geçirerek geçirdiklerini gösteren daha iyi görünürlük sağlar.

Matematikçi Jordan Ellenberg’in kullanımına öncülük etti. Hawking indeksibir Kindle kitabında, bu kitabın toplam uzunluğunun bir oranı olarak en çok vurgulanan beş pasajın ortalama sayfa sayısının bir ölçüsüdür. Hawking dizini, insanların bir kitaptan ne zaman vazgeçtiğini gösterir. Eğer bir 250 sayfasının ortalama Kindle vurgusu, 250 sayfasında göründüğünde, bu yüzde 100'in Hawking endeksini verir.

Teori, adını Stephen Hawking'in “Zamanın Kısa Tarihçesi” nden alıyor. Bu kitap, yılda hala milyonlarca kopya satıyor olsa da, nadiren 6.6 yüzde endeksi gösteren Hawking endeksiyle nadiren okunuyor.

Amazon gibi bir şirket, hangi kitapların potansiyel okuyuculara önerileceğine veya Prime'ın ürettiğini gösterdiğine karar verdiğinde, Hangi komplo hangi kitlenin dikkatini çekiyordu?. Bu, gelecek sürümlerin tanıtımını yapmalarına veya bireysel kullanıcılara daha iyi önerilerde bulunmalarına yardımcı olabilir.

Dahası, yeni yapay zeka türleri, insanların yaratıcı içerikle ilgilenmelerini sağlayan şeyleri araştırabilir. Örneğin, Epagogix adlı bir şirket, sinir ağı kullanarak bir yaklaşımın öncülüğünü yaptı. yapay bir zeka aracı Bu, çok büyük miktarda veride kalıp arar - eğlence endüstrisindeki uzmanların derecelendirdiği bir dizi senaryoda. Bilgisayar daha sonra bir filmin finansal başarısını tahmin edebilir. Bazı raporlara göre, böyle yapay zeka tahmin edebilir Filmlerin gerçek açılış brütlerinin yüzde 75'ine kadar.

Bunun gibi yeni büyük veriler göz önüne alındığında, eğlence şirketleri yakında Bridget Jones'un boş zamanlarında tam olarak ne yapmak istediğini Bridget'in kendisinden daha iyi biliyor olabilir.Konuşma

Yazar hakkında

Anjana Susarla, Bilgi Sistemleri Doçenti, Michigan State University

Bu makale şu adresten yeniden yayınlandı: Konuşma Creative Commons lisansı altında. Okumak Orijinal makale.

İlgili Kitaplar

{amazonWS: searchindex = Kitaplar; anahtar kelimeler = büyük veri tehditleri; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

InnerSelf'i takip et

facebook-icontwitter-ikonrss-ikon

E-posta ile son alın

{Emailcloak = off}