יצירת נתוני בידור חדשים. MinDof / shutterstock.com
כל מי שצפה ב"יומנה של ברידג'ט ג'ונס "יודע שאחת מההחלטות לראש השנה שלה היא" לא לצאת כל לילה אלא להישאר ולקרוא ספרים ולהאזין למוזיקה קלאסית. "
אולם המציאות שונה במהותה. מה שאנשים באמת עושים בשעות הפנאי שלהם לרוב לא תואם את מה שהם אומרים שיעשו.
כלכלנים כינו תופעה זו "היוון היפרבולי". במחקר מפורסם שכותרתו "משלמים לא ללכת לחדר הכושר", כמה כלכלנים גילו שכאשר הוצע לאנשים לבחור בין חוזה בתשלום לביקור ובין תשלום חודשי, סביר יותר שהם יבחרו בתשלום החודשי ובסופו של דבר שילמו יותר לביקור. הסיבה לכך היא שהם העריכו יתר על המידה את המוטיבציה שלהם להתאמן.
הנחה היפרבולית היא רק אתגר אחד לפעול בענף יצירתי. הטעמים סובייקטיביים ביותר, ואלמנטים העלילתיים והנרטיביים שהופכים סרט אחד ללהיט אדיר יכולים בקלות להפוך סרט אחר לכישלון קריטי ומסחרי.
במשך עשרות שנים נאבקו המפרסמים והמשווקים לחזות את צריכת מוצרי הפנאי כמו סרטים וספרים. לא פחות מאתגר להחליט על העיתוי. באיזה סוף שבוע אמור אולפן להוציא סרט חדש? כאשר מו"ל מוציא עותק קשיח של ספר, כיצד הם מחליטים מתי להוציא את גרסת הספר האלקטרוני?
כיום הנתונים הגדולים מציעים חשיפה חדשה לאופן בו אנשים חווים בידור. כ חוקר הלומד בהשפעת הבינה המלאכותית והמדיה החברתית, ישנם שלושה כוחות הבולטים בעיני כחזקים במיוחד בניבוי התנהגות אנושית.
1. כלכלת הזנב הארוך
האינטרנט מאפשר להפיץ מוצרי בידור פחות פופולריים מהצלחות המיינסטרים. תוכניות סטרימינג יכולות לרכוש קהל גדול יותר ממה שניתן כלכלית להפצה באמצעות טלוויזיה בפריים טיים. תופעה כלכלית זו מכונה אפקט זנב ארוך,
מכיוון שחברות מדיה סטרימינג כמו נטפליקס אינן צריכות לשלם כדי להפיץ תכנים בבתי הקולנוע, הן יכולות להפיק עוד מופעים הפונים לקהלי נישה. נטפליקס השתמשה בנתונים מהרגלי הצפייה של הלקוחות האישיים שלהם כדי להחליט לגבות את "בית הקלפים", אשר נדחה על ידי רשתות טלוויזיה. נתוני נטפליקס הראו שיש קהל מעריצים לסרטים שביים פינצ'ר ולסרטים בכיכובו של ספייסי, וכי מספר רב של לקוחות שכרו תקליטורי DVD מהסדרה המקורית של ה- BBC.
2. השפעה חברתית בעידן הבינה המלאכותית
ברשתות החברתיות אנשים יכולים לשתף את חבריהם במה שהם צופים, מה שהופך את חוויות הבידור העצמאיות אחרת להיות חברתיות יותר.
על ידי כריית נתונים מאתרים חברתיים כמו טוויטר ואינסטגרם, חברות יכולות לעקוב בזמן אמת אחר מה שסרטים חושבים על סרט, תוכנית או שיר נתון. אולפני סרטים יכולים להשתמש באוצר של נתונים דיגיטליים כדי להחליט כיצד לקדם מופעים ותאריכי יציאה לסרטים. למשל, נפח גוגל מחפש את הטריילר של הסרט במהלך החודש שלפני הבכורה שלו הוא מנבא מוביל של זוכי אוסקר כמו גם הכנסות קופות. אולפני סרטים יכולים לשלב נתונים היסטוריים אודות תאריכי יציאת סרטים וביצועים קופתיים עם מגמות חיפוש ל לחזות תאריכי יציאה אידיאליים לסרטים חדשים.
כריית נתוני מדיה חברתית מסייעת גם לחברות לזהות סנטימנט שלילי לפני שהן נכנסות למשבר. ציוץ יחיד של לקוח בעל השפעה אומללה יכול להיות ויראלי, מעצב את דעת הקהל.
במחקר שערכתי עם יונג טאן מאוניברסיטת וושינגטון וקת 'או מאוניברסיטת ג'ורג'יה, הראינו כיצד השפעה חברתית כזו קובעת לא רק אילו סרטוני YouTube הופכים פופולריים יותר, אלא גם שסרטונים המשותפים על ידי משתמשים בעלי השפעה זוכים לצפייה רחבה יותר.
מחקר אחד מראה שכאשר אולפנים שמים לב לזמזום ברשתות החברתיות לפני צאתו לאקרנים של הסרט, ההפרש בין ההכנסות החזויות להכנסות בפועל, המכונה שגיאת התחזית, הופחת ב -31 אחוז.
3. ניתוח צריכה
נתונים גדולים מספקים נראות טובה יותר לאילו ספרים ומופעים אנשים באמת מבלים את זמנם בהנאה.
המתמטיקאי ג'ורדן אלנברג היה חלוץ בשימוש ב מדד הוקינג, מדד למספר העמודים הממוצע של חמש הקטעים המודגשים ביותר בספר קינדל כחלק מהאורך הכולל של אותו ספר. מדד הוקינג מראה מתי אנשים מוותרים על ספר. אם הדגשת קינדל הממוצעת של 250 עמודים מופיעה בעמוד 250, זה יעניק לו מדד הוקינג של 100 אחוז.
התיאוריה שמה את שמה מתוך "היסטוריה קצרה בזמן" של סטיבן הוקינג. אמנם ספר זה עדיין מוכר מיליוני עותקים בשנה, אך לעתים רחוקות הוא נקרא, עם מדד הוקינג עגום של 6.6 אחוזים.
כאשר חברה כמו אמזון מחליטה על אילו ספרים להמליץ לקוראים פוטנציאליים או איזה פריי מציג להפיק, הם בוחנים עקבות דיגיטליות מפורטות של אילו נקודות עלילה העסיקו את הקהל ואילו לא. זה עשוי לעזור להם לקדם מהדורה קרובה או להמליץ טוב יותר על משתמשים בודדים.
יתרה מכך, סוגים חדשים של בינה מלאכותית יכולים לחקור מה גורם לאנשים לעסוק בתכנים יצירתיים. למשל, חברה בשם אפגוגיקס הייתה חלוצה בגישה המשתמשת ברשת עצבית - כלי בינה מלאכותית המחפש דפוסים בכמויות גדולות מאוד של נתונים - על מערכת תסריטים המדורגת על ידי מומחים בתעשיית הבידור. המחשב יכול אז לחזות את ההצלחה הכלכלית של סרט. על פי כמה דיווחים, בינה מלאכותית כזו יכולה לחזות עד 75 אחוז מהכנסות הפתיחה בפועל של סרטים.
בהתחשב בתובנות ביג דאטה חדשות כמו אלה, חברות בידור עשויות בקרוב לדעת מה בדיוק ברידג'ט ג'ונס תרצה לעשות עם שעות הפנאי שלה טוב יותר ממה שברידג'ט עצמה עושה.
על המחבר
אנג'אנה סוסארלה, פרופסור חברה למערכות מידע, אוניברסיטת מישיגן
מאמר זה פורסם מחדש מתוך שיחה תחת רישיון Creative Commons. קרא את ה מאמר מקורי.
ספרים קשורים
at InnerSelf Market ואמזון