العروض والأفلام والوباء: كيف حولت البيانات الضخمة صناعة الترفيه
نشرت: 2020-06-04في الوقت الحالي ، بينما تقرأ هذا المقال ، يجلس المليارات من الأشخاص في المنزل دون الوصول إلى قاعات السينما أو المطاعم ، ولا يوجد سوى الإنترنت كمصدر للترفيه. أحدث هذا التحول المفاجئ تأثيرًا هائلاً على جميع أنواع الأعمال بما في ذلك صناعة الترفيه. مع توقف صناعة الأفلام بشكل صارخ ، لكن طلب المستهلك ظل حاضرًا دائمًا ، شهدت خدمات الوسائط الفائقة (OTT) ارتفاعًا مفاجئًا في الطلب لم يكن متوقعًا من قبل أي من اللاعبين.
بينما من الواضح أن الأسابيع القليلة الماضية قد استفادت من جميع OTTs ، إلا أنها أثارت أيضًا أسئلة مثل هل ستستمر OTTs في التمتع بنفس النمو مع تخفيف الإغلاق في جميع أنحاء العالم؟
في الوقت الحالي ، شهدت الشركات العملاقة مثل Netflix ارتفاعًا طفيفًا في عدد مشتركيها وارتفعت أسهمهم بنسبة 35٪ في الربع الأول من عام 2020 . لقد رأينا أيضًا تزايدًا في الشعبية في المحتوى المحلي ( تتبادر إلى الذهن بعض الأخبار الجيدة لجون كراسنسكي ) ، خلال هذه الأوقات المضطربة. أنهت Quibi ، وهي منصة محتوى صغيرة الحجم ، آخر جولة تمويل لها في مارس 2020. وقد عرضت حلقات مدتها 10 دقائق مع العديد من النجوم والألقاب الكبيرة.
ومع ذلك ، مع ارتفاع عدد لاعبي OTT إلى هذه الفرصة الذهبية غير المتوقعة ، أصبح العملاء في حيرة من أمرهم للاختيار أكثر من أي وقت مضى. قد تحدد جودة الخبرة التي يقدمها لاعبو OTT خلال هذه المرحلة مستقبلهم أيضًا بمجرد إنهاء عمليات الإغلاق تمامًا. في مثل هذا السيناريو ، نعلم ما الذي يمكنهم استخدامه للحفاظ على هذا النجاح: البيانات الضخمة.
جدول المحتويات
البيانات الضخمة: البطل المجهول
على عكس نظرائهم في السينما والتلفزيون ، يتمتع مشاهدو OTT بخيار مشاهدة أي شيء في أي وقت. في حالة أجهزة التلفزيون ، فأنت تعتمد على الجدول الزمني للقناة ، ولكن مع منصة OTT ، فهي محتوى حسب الطلب. وبالتالي ، فإن عدم وجود جدول زمني ثابت يضع ملكية اختيار البرنامج على عاتق المستهلك.
في بحر من الخيارات ، كيف يقدم لاعب OTT خيارات يكون لدى المشاهد على الأرجح أعلى ميل للمشاهدة ، حتى لو كان ذلك يعني أن يقترح على المشاهد مشاهدة الأصدقاء للمرة التاسعة على أي من الإصدارات الجديدة نظرًا لأنه من المرجح أن يشاهدها الذي - التي! ومع ذلك ، مع عدم وجود محتوى جديد متاح على التلفزيون يحظر الأخبار اليومية ، فإن OTTs لديها فرصة لجذب مشتركين جدد للمشاركة في المحتوى المختار بعناية.
هذا هو المكان الذي تظهر فيه البيانات الضخمة في الصورة (يقصد التورية).
إلى حد كبير ، تحل البيانات الضخمة مشكلة "العثور على ما قد يعجب المستخدم" لـ OTTs من خلال أنظمة التوصية الخاصة بها. لفهم هذا ، يجب أن نلقي نظرة فاحصة على منصة OTT الأكثر شهرة ، Netflix. إن سعيهم الدؤوب لإتقان تجربة العملاء ليس حقيقة غير معروفة.
نمت Netflix بسرعة لتصبح أكبر منصة OTT في العالم من خلال استباق طلبات العملاء وتقديم تجربة سلسة في كل نقطة اتصال. كان الأمر كما لو كان بإمكانهم قراءة آراء عملائهم ومعرفة ما يريد عملاؤهم مشاهدته في كل مرة يأتون فيها على Netflix. إنها حقيقة أقل شهرة وهي أن Netflix تدين بجزء كبير من نجاحها للبيانات الضخمة.
لقد بدأوا بتوصيات الأفلام المخصصة ، ولكن بعد أن تحولوا إلى البث ، بدأوا في استخدام أنظمة التوصية المستندة إلى البيانات.
تبسيط دور البيانات الضخمة
قد تكون على دراية بالفعل بمدى تقدم نظام الاقتراحات الخاص بـ Netflix. يستخدم خوارزميات متعددة لحل القضايا المعقدة. إحدى هذه الخوارزميات هي خوارزمية PVR ، حيث يرمز PVR إلى تصنيف الفيديو المخصص. يقوم بتصفية العناوين وفقًا لمعايير محددة (الأنواع ، الفاعلون ، إلخ) مع مراعاة منتجات التصفية المستندة إلى المستخدم. تدمج Netflix أيضًا شبكات RNN لتنبؤاتها الحساسة للوقت.
لا ينظر مقترح "متابعة المشاهدة" فقط إلى المحتوى الذي لم ينته المستخدم من مشاهدته (فيلم غير مكتمل ، حلقات لم تتم مشاهدتها من سلسلة) ، بل تأخذ الخوارزمية أيضًا في الاعتبار نقطة التخلي ، والجهاز المستخدم لمشاهدة العناوين الفردية ، وسياق آخر - الإشارات المستندة إلى تحسين توصياتها. تعد الشبكات العصبية المتكررة ممتازة لبيانات التسلسل السياقي ، لذلك لا ينبغي أن يكون مفاجئًا أن Netflix يستخدمها في التوصية الخاصة بهم.
خلال COVID-19 ، أثبت حجم مكتبة Netflix الكبير وخوارزمياتها المختلفة أنها ميزتها التنافسية الرئيسية. استخدمت Netflix إحدى خوارزمياتها ، Trending Now Ranker للتوصية بالعروض والأفلام لجمهورها. تركز هذه الخوارزمية على الاتجاهات قصيرة المدى التي تؤدي إلى زيادة شعبية العناوين الفردية.
على سبيل المثال ، أطلقت شركة OTT العملاقة التي حصلت على أكثر من 15.8 مليون مشترك جديد في الربع الأول من عام 2020 ، عرضًا جديدًا في بداية الإغلاق في فبراير 2020 بعنوان `` Pandemic '' ، وهو فيلم وثائقي يشكك في استعداد الرجل لمواجهة حركة سريعة الحركة فيروس كورونا الشبيه بالفيروس. سيكون فكرنا الأول - كيف يتم ذلك بالنسبة للتوقيت؟
ومع ذلك ، فهي ليست مسألة توقيت. كانت هذه سلسلة موضوعية أطلقها لاعب OTT عمدًا للاستفادة من فضول الناس المتزايد حول الفيروس.
تستخدم Netflix أيضًا أنظمة تصفية مختلطة لتوفير تخصيص محسّن لمستخدميها. تساعد التصفية التعاونية في تحديد العناوين الأكثر شيوعًا بينما تسمح التصفية القائمة على المستخدم بالتعرف على العناوين التي يفضلها مستخدم معين أكثر من غيرها. يقومون أيضًا بتغيير صورة عناوينها وفقًا لتفضيلات المستخدم. يقومون بإجراء اختبارات A / B لمعرفة الصورة المصغرة التي ستقنع المستخدم بالنقر فوقها. أمثلة على تطبيقات البيانات الضخمة عبر الصناعات
المنصات الأخرى ليست بعيدة عن الركب
بينما كانت Netflix تتمتع بطعم النجاح الحلو ، كان منافسوها أيضًا أكثر انشغالًا من المعتاد. تستخدم OTTs مثل Disney + و Amazon Prime Video و Hotstar والكثير من المنصات الأخرى التي تتنافس على قاعدة عملاء مماثلة البيانات الضخمة لمكافحة المنافسة.
أما أمازون ، التي تعتبر الشركة الرائدة في تجربة العملاء ، فقد كانت أيضًا رائدة في أنظمة التوصية منذ ظهورها. يستخدمون خوارزميات تنويع الموضوعات لتحسين توصياتهم. من خلال التصفية التعاونية ومصفوفات عنصر إلى عنصر ، يمكنهم الحفاظ على قابلية التنفيذ الخاصة بهم لمستخدمين مختلفين. يستخدمون أيضًا طرق التصفية المستندة إلى المحتوى للتنبؤ بسلوك المستخدم ، حيث لن يكون تأثير المستخدمين الآخرين مؤثرًا للغاية.
في أيام بدء Amazon Prime Video ، ركزوا فقط على استخدام التصفية التعاونية ، والتي ثبت أنها ضارة لأن الناس لم يحصلوا على توصيات مخصصة. عندما حددت أمازون هذه المشكلة ، بدأوا في استخدام المزيد من الأساليب التي تركز على المستخدم ، مما أدى إلى زيادة ضعف مشاركة المستخدم. تعد Disney + و Apple TV + جديدتين نسبيًا في السوق ، وسيكون من المثير للاهتمام أن نرى كيف يعزز الموصون بهم تجربة المشاهدة.
لا تعد OTTs الأنظمة الأساسية الوحيدة التي تستخدم البيانات الضخمة لتخصيص التوصيات. تقوم منصات دفق الموسيقى مثل Spotify بتحليل الموسيقى التي يستمع إليها المستخدم لتحسين توصياته. وبالمثل ، تأخذ Pandora تعليقات المستخدمين صراحة (من خلال تقييمات المستخدمين) وتقوم بإنشاء توصيات موسيقية جديدة من خلال تلك البيانات.
اقرأ: دور البيانات الضخمة في مساعدة فيروس كورونا - منذ البداية
أين نذهب من هنا؟ سؤال في أذهان الجميع
أجبر الوباء الحالي الناس على البقاء في منازلهم ، مما أدى إلى زيادة نسبة مشاهدة منصات OTT. بالتأكيد ، تشهد OTTs ارتفاعًا في شعبيتها ، لكن هل سيستمر هذا الاتجاه؟ هل ستغير نظرة الناس إلى الترفيه؟ هل سيعلن الوباء نهاية عصر التلفاز؟ أعلنت Netflix رسميًا أنها تستعد لانخفاض عدد العملاء مع رفع عمليات الإغلاق ودخول الناس إلى العالم الخارجي مرة أخرى.
اللاعب ليس وحده. مع مرور COVID-19 وانتقال العالم إلى الوضع الطبيعي الجديد ، قد تحدد الخطوات التي اتخذتها OTTs أثناء الإغلاق مستقبلهم. قد يستمر لاعبو OTT الذين يستهلكون البيانات الضخمة حقًا وبالتالي يعيدون التفكير في استراتيجية المحتوى وتجربة العملاء الخاصة بهم في الاستمتاع بالنجاح الذي يشهدونه حاليًا.
إذا كنت مهتمًا بمعرفة المزيد عن البيانات الضخمة ، فراجع دبلومة PG في تخصص تطوير البرمجيات في برنامج البيانات الضخمة المصمم للمهنيين العاملين ويوفر أكثر من 7 دراسات حالة ومشاريع ، ويغطي 14 لغة وأدوات برمجة ، وتدريب عملي عملي ورش العمل ، أكثر من 400 ساعة من التعلم الصارم والمساعدة في التوظيف مع الشركات الكبرى.
تحقق من دورات هندسة البرمجيات لدينا في upGrad.
