تولید اطلاعات سرگرمی جدید MinDof / shutterstock.com
هر کسی که "خاطرات بریجیت جونز" را تماشا می کند، یکی از قطعنامه های سال نو خود را می داند "هر شب بیرون رفتن نیست، اما ماندن و خواندن کتاب ها و گوش دادن به موسیقی های کلاسیک".
واقعیت، با این حال، اساسا متفاوت است. آنچه که مردم در اوقات فراغت خود انجام می دهند، اغلب با آنچه که می گویند انجام نمی دهند مطابقت دارد.
اقتصاددانان این پدیده را "تخفیف هیپربولیک" نامیده اند. در یک مطالعه مشهور با عنوان "پرداختن به رفتن به ورزشگاه نیست، یک زن و شوهر از اقتصاددانان دریافتند که وقتی مردم انتخاب میان یک قرارداد پرداخت به ازای هر بازدید و یک هزینه ماهانه را ارائه می دادند، بیشتر احتمال داشت که هزینه ماهانه را انتخاب کنند و در واقع هزینه پرداخت هر بازدید بیشتر شد. این به این دلیل است که آنها انگیزه خود را برای کار کردن بیش از حد مورد ارزیابی قرار دادند.
تخفیف Hyperbolic تنها یک چالش در زمینه فعالیت در صنعت خلاق است. سلیقه ها بسیار ذهنی هستند و عناصری از طرح و روایت که یک فیلم را یک اثر فوق العاده ای می کند، می تواند به سادگی یکی دیگر از شکست های انتقادی و تجاری را ایجاد کند.
برای دهه ها، تبلیغ کنندگان و بازاریاب ها برای پیش بینی مصرف محصولات فراغتی مانند فیلم ها و کتاب ها تلاش می کردند. این نیز به چالش کشیدن زمان تصمیم گیری است. کدام یک از آخر هفته باید یک استودیو یک فیلم جدید را منتشر کند؟ هنگامی که یک ناشر یک کپی از یک کتاب را منتشر می کند، چگونه تصمیم می گیرند که نسخه الکترونیکی کتاب را منتشر کند؟
امروزه اطلاعات بزرگ، دیدگاه جدیدی را در مورد نحوه تجربه سرگرمی افراد ارائه می دهد. به عنوان یک محقق که مطالعات تاثیر هوش مصنوعی و رسانه های اجتماعی، سه نیرو وجود دارد که به طور خاص در پیش بینی رفتار انسان به من قدرت می دهد.
1 اقتصاد دم دم
اینترنت باعث می شود توزیع محصولات سرگرمی کمتر محبوب از موفقیت های اصلی جریان یابد. نشان می دهد جریان می تواند یک مخاطب بزرگتر از آنچه که از لحاظ اقتصادی برای توزیع از طریق تلویزیون نخستین بار امکان پذیر است، به دست آورد. این پدیده اقتصادی نامیده می شود اثر دم بلند,
از آنجا که جریان شرکت های رسانه ای مانند Netflix مجبور نیستند برای توزیع محتوا در سینما هزینه کنند، می توانند نشان های بیشتری را ارائه دهند که مخاطبان طاقچه را تهیه می کنند. Netflix داده ها را از عادت های مشاهده فردی مشتریان خود برای تصمیم گیری بر روی "خانه کارت" استفاده کرد توسط شبکه های تلویزیونی رد شد. داده های Netflix نشان داد که فینچر و فیلم هایی که در فیلم Spacey نقش داشتند، پایه فن بود و تعداد زیادی از مشتریان دی وی دی های اصلی سری بی بی سی را اجاره می کردند.
2 تأثیر اجتماعی در عصر هوش مصنوعی
با استفاده از رسانه های اجتماعی، مردم می توانند با دوستان خود تماشا کنند، در غیر اینصورت تجارب سرگرمی مستقل اجتماعی تر می شوند.
با استخراج داده ها از سایت های اجتماعی مانند توییتر و نمایش مشخصات عمومی، شرکت ها می توانند در زمان واقعی به دنبال چه فیلم سازان در مورد یک فیلم، نمایش یا آهنگ مورد نظر فکر کنند. استودیوهای فیلم می توانند از اطلاعات گنجینه ای از داده های دیجیتالی استفاده کنند تا تصمیم بگیرند که چگونه نمایش ها را تبلیغ کنند و تاریخ را برای فیلم ها منتشر کنند. به عنوان مثال، حجم گوگل یک تریلر فیلم را در طی ماه قبل از اولین نمایش آن منتشر می کند پیشگویی کننده پیشرو برنده های اسکار و همچنین درآمد صندوق های اداری است. استودیوهای فیلم می توانند اطلاعات تاریخی مربوط به تاریخ انتشار فیلم و عملکرد دفتر جعبه را با هم ترکیب کنند روند جستجو به پیش بینی تاریخ انتشار ایده آل برای فیلم های جدید.
داده های رسانه های اجتماعی معدن همچنین به شرکت ها کمک می کند تا احساسات منفی را قبل از اینکه مارپیچ ها را به یک بحران تبدیل کنند شناسایی کند. یک صدای جیر جیر از یک مشتری نفوذ ناراضی می تواند ویروس را بگیرد، افکار عمومی را شکل می دهد.
در یک مطالعه انجام دادم با یونگ تان از دانشگاه واشنگتن و کات اوه از دانشگاه ایالتی گرجستان، ما نشان دادیم چگونه چنین نفوذ اجتماعی نه تنها تعیین می کند که فیلم های یوتیوب محبوب تر شوند، بلکه همچنین ویدیوهایی که توسط کاربران با نفوذ به اشتراک گذاشته می شوند، حتی به طور گسترده تر مشاهده می شوند.
یک مطالعه نشان می دهد هنگامی که استودیوها قبل از انتشار فیلم، به رسانه های اجتماعی توجه می کنند، تفاوت بین درآمد پیش بینی شده و درآمد واقعی، که به عنوان خطای پیش بینی شناخته می شود، توسط 31 درصد کاهش می یابد.
3 تجزیه و تحلیل مصرف
داده های بزرگ بصری بهتر را به آنچه که کتاب ها می دهد و نشان می دهد مردم واقعا لذت بردن از وقت خود را نشان می دهد.
ریاضیدان اردن النبرگ پیشگام استفاده از شاخص هاوکینگ، اندازه متوسط عدد صفحه پنج عالمت برجسته شده در کتاب Kindle نسبت به طول کل کتاب آن است. شاخص هاوکینگ نشان می دهد زمانی که افراد در یک کتاب سقوط می کنند. اگر صفحه اصلی روشن شدن کانال 250 صفحه در صفحه 250 ظاهر شود، آن را به شاخص Hawking از 100 درصد می دهد.
این نظریه نام خود را از "تاریخچه مختصری در زمان" استفان هاوکینگ می نامد. در حالی که این کتاب هنوز میلیون ها نسخه در سال به فروش می رسد، آن را نیز به ندرت خوانده می شود، با شاخص غم انگیز Hawking از 6.6 درصد است.
هنگامی که یک شرکت مانند آمازون تصمیم می گیرد که کدام کتاب ها به خوانندگان بالقوه توصیه می شود یا چه نخست برای تولید نشان می دهد، آنها به دنبال اطلاعات دیجیتالی دقیق از که نقاط ضبط مخاطبان را پوشش می دهد و چه چیزی نمی کند. این ممکن است به آنها کمک کند تا یک نسخه پیشنهادی را ارتقاء دهند یا به توصیههای بهتر برای کاربران فردی کمک کنند.
علاوه بر این، نوع جدیدی از هوش مصنوعی می تواند در مورد آنچه که افراد با محتوای خلاقانه درگیر می کنند بررسی شود. به عنوان مثال، یک شرکت به نام Epagogix پیشگام روشی با استفاده از شبکه عصبی - ابزار هوش مصنوعی که برای الگوهای زیادی در مقادیر بسیار زیادی از داده ها به کار می رود - بر روی مجموعه ای از فیلم ها که توسط کارشناسان صنعت سرگرمی امتیاز داده می شود. پس از آن کامپیوتر می تواند موفقیت مالی یک فیلم را پیش بینی کند. بر اساس برخی گزارش ها چنین هوش مصنوعی می تواند پیش بینی کند تا 75 درصد از بازپرداخت های واقعی فیلم ها.
با در نظر گرفتن داده های جدید اطلاعاتی بزرگ مانند این، شرکت های سرگرمی ممکن است به زودی متوجه شوند دقیقا چه چیزی بریدگی جونز دوست دارد که اوقات فراغت خود را بهتر از خود بریجت انجام دهد.
درباره نویسنده
آنجانا سوزارلا، دانشیار سیستم های اطلاعاتی، دانشگاه ایالتی میشیگان
این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.
کتاب های مرتبط
at InnerSelf Market و آمازون
