3はビッグデータがあなたが見ること、読むこと、そして聞くことが本当に好きなものを明らかにする方法を

3はビッグデータがあなたが見ること、読むこと、そして聞くことが本当に好きなものを明らかにする方法を新しい娯楽データの生成 MinDof / shutterstock.com

「Bridget Jonesの日記」を見ている人は誰でも、彼女の新年の抱負の1つを知っています。「毎晩外出するのではなく、本を読んで、クラシック音楽を聴きましょう」

しかし現実は大きく異なります。 人々が余暇に実際にしていることは、彼らがしてくれると言うことと一致しないことがよくあります。

経済学者たちはこの現象を「双曲線的割引」と呼んでいます。ジムに行かないために払う2人のエコノミストは、人々が訪問ごとの支払い契約と月額料金の間の選択を提供されたとき、彼らが月々の料金を選択する可能性が高く、実際には訪問ごとにより多く支払うことになる。 それは彼らがうまくいくという彼らの動機を過大評価したからです。

双曲線割引は、クリエイティブ業界で事業を行う上での1つの課題です。 趣味は非常に主観的であり、映画をものすごいヒットにするような陰謀や物語の要素は、他の映画を重大で商業的な失敗にさせる可能性があります。

何十年もの間、広告主やマーケティング担当者は映画や本などのレジャー用品の消費量を予測するのに苦労していました。 タイミングを決めるのも同様に困難です。 どの週末にスタジオが新しい映画をリリースするべきですか? 出版社が本のハードコピーを発行するとき、どのようにして電子書籍版を発行するかを決定しますか。

今日、ビッグデータは人々がどのように娯楽を経験するかについての新しい可視性を提供します。 として 研究している研究者 人工知能とソーシャルメディアの影響で、人間の行動を予測するのに特に強力であると私には際立っている3つの力があります。

1 ロングテールの経済学

インターネットは、主流の成功よりも人気の低いエンターテイメント製品を配布することを可能にします。 ストリーミング番組は、プライムタイムテレビを介した配信に経済的に実現可能なものよりも多くの視聴者を獲得することができる。 この経済現象は ロングテール効果,

Netflixのようなストリーミングメディア会社は映画館でコンテンツを配信するために支払う必要がないので、彼らはニッチな視聴者に応えるより多くの番組を制作することができます。 Netflixは、個々の顧客の視聴習慣から得たデータを使って、「House of Cards」をバックアップすることにしました。 テレビネットワークによって拒否されました。 Netflixのデータによると、Fincher監督の映画やSpacey主演の映画のファンが多く、多くの顧客がオリジナルのBBCシリーズのDVDをレンタルしています。

2 人工知能の時代における社会的影響

ソーシャルメディアを使用すると、人々は自分が見ていることを友人と共有でき、それ以外の点では独立したエンターテインメント体験をよりソーシャルにすることができます。

TwitterやInstagramのようなソーシャルサイトからのデータをマイニングすることによって、企業は映画を観る人が与えられた映画、ショーや歌についてどう思うかをリアルタイムで追跡することができます。 映画スタジオは、貴重なデジタルデータを使用して、映画の上映方法や公開日を決定する方法を決定できます。 例えば、 その初演の前の月の間にグーグルは映画の予告編を検索します 興行収入だけでなくオスカー受賞者の主要な予測因子です。 映画スタジオは、映画の発売日と興行成績に関する過去のデータを、 検索トレンド 〜へ 新しい映画の理想的な発売日を予測する.

ソーシャルメディアデータをマイニングすることで、企業は危機に陥る前に否定的な感情を特定することもできます。 不幸な影響力のある顧客からのシングルツイート 世論を形成する、ウイルスに行くことができます。

私が行った研究では ワシントン大学のYong Tan氏とジョージア州立大学のCath Oh氏と 示した このような社会的影響が、どのYouTubeビデオがより人気になるかだけでなく、影響力のあるユーザーによって共有されるビデオがより広く見られるようになることをどのように決定するか。

1つの研究 映画の公開前にスタジオがソーシャルメディアの話題に注目すると、予測収入と実際の収入の差(予測誤差と呼ばれる)が31パーセント減少することがわかります。

3 消費分析

ビッグデータは、人々が実際に楽しんでいる本やショーの内容をより見やすくします。

数学者ヨルダンエレンバーグは、の使用を開拓しました ホーキング指数つまり、Kindle本の中で最もハイライトされている5つの節の平均ページ数を、その本の全長に占める割合として表したものです。 Hawkingの索引は人々が本をあきらめる時を示す。 250ページの本の平均的なKindleのハイライトが250ページに表示される場合、それは100パーセントのHawkingインデックスを与えるでしょう。

理論はスティーブンホーキングの「時間内の簡単な歴史」からその名を取っています。

Amazonのような会社がどの本を潜在的な読者に推薦するべきか、あるいはどのPrimeが見せるべきかを決めるとき、彼らは詳細なデジタル痕跡を見ます。 どのプロットポイントがオーディエンスを魅了し、どのプロットポイントがオーディエンスを魅了しなかったか。 これは、彼らが今後のリリースを促進したり、個々のユーザーにより良い推奨をするのに役立つかもしれません。

さらに、新しいタイプの人工知能は、人々をクリエイティブコンテンツと結び付ける要因を調査することができます。 例えば、Epagogixという会社はニューラルネットワークを使ったアプローチを開拓しました - 人工知能ツール それは非常に大量のデータのパターンを探します - エンターテインメント業界の専門家によって評価されたスクリーンセットのセットの上で。 コンピュータは映画の経済的な成功を予測することができます。 いくつかの報告によると、 そのような人工知能は予測することができます 実際のオープニンググラスの最大75パーセント。

これらの新しいビッグデータの洞察を考えると、エンターテインメント会社はまさにブリジットジョーンズがまさにブリジット彼女自身よりも彼女の余暇の時間の上で何をしたいと思うかについて知るかもしれません。会話

著者について

Anjana Susarla、情報システム准教授、 ミシガン州立大学

この記事はから再公開されます 会話 クリエイティブコモンズライセンスの下で 読む 原著.

関連書籍

{amazonWS:searchindex =本;キーワード=ビッグデータの脅威; maxresults = 3}

enafarZH-CNzh-TWtlfrdehiiditjamsptrues

InnerSelfをフォロー

グーグルプラスアイコンFacebookのアイコンさえずり、アイコンrss-icon

電子メールで最新情報を取得する

{emailcloak =オフ}

InnerSelfをフォロー

グーグルプラスアイコンFacebookのアイコンさえずり、アイコンrss-icon

電子メールで最新情報を取得する

{emailcloak =オフ}