Shows, Filme und eine Pandemie: Wie Big Data die Unterhaltungsindustrie verändert hat
Veröffentlicht: 2020-06-04Gerade jetzt, während Sie diesen Artikel lesen, sitzen Milliarden von Menschen zu Hause und haben keinen Zugang zu Kinosälen oder Restaurants und nur das Internet als Unterhaltungsquelle. Dieser plötzliche Wandel hat massive Auswirkungen auf alle Arten von Unternehmen, einschließlich der Unterhaltungsindustrie. Als das Filmemachen zum Erliegen kam, die Verbrauchernachfrage jedoch allgegenwärtig blieb, erlebten Over-the-Top (OTT) -Mediendienste einen plötzlichen Anstieg der Nachfrage, der von keinem der Akteure vorhergesehen wurde.
Während die letzten Wochen offensichtlich allen OTTs zugute gekommen sind, haben sie auch Fragen aufgeworfen, wie werden die OTTs weiterhin das gleiche Wachstum verzeichnen, wenn die Lockdowns auf der ganzen Welt nachlassen?
Derzeit haben Giganten wie Netflix einen Anstieg ihrer Abonnentenzahlen erlebt und ihre Aktien sind im ersten Quartal 2020 um 35 % gestiegen . In diesen unsicheren Zeiten sahen wir auch eine steigende Popularität von selbst erstellten Inhalten (John Krasinskis Some Good News fällt mir ein). Quibi , eine Plattform für mundgerechte Inhalte, hat ihre letzte Finanzierungsrunde im März 2020 abgeschlossen. Sie hat 10-minütige Episoden mit vielen großen Stars und Titeln gezeigt.
Da jedoch eine Vielzahl von OTT-Akteuren diese unerwartete einmalige Gelegenheit nutzen, haben die Kunden mehr denn je die Qual der Wahl. Die Qualität der Erfahrung, die OTT-Spieler in dieser Phase bieten, kann auch ihre Zukunft bestimmen, wenn die Lockdowns vollständig auslaufen. In einem solchen Szenario wissen wir, was sie nutzen können, um diesen Erfolg zu verlängern: Big Data.
Inhaltsverzeichnis
Big Data: Der unbesungene Held
Im Gegensatz zu ihren Kollegen, Kino und Fernsehen, haben OTT-Zuschauer die Möglichkeit, sich jederzeit alles anzusehen. Bei Fernsehern sind Sie vom Programm des Senders abhängig, aber bei einer OTT-Plattform ist es Content-on-Demand. Das Fehlen eines festen Zeitplans überträgt somit die Verantwortung für die Programmauswahl auf den Verbraucher.
Wie liefert ein OTT-Spieler in einem Meer von Auswahlmöglichkeiten Optionen, die ein Zuschauer wahrscheinlich am ehesten ansehen möchte, selbst wenn dies bedeutet, dass er dem Zuschauer vorschlägt, FRIENDS zum n-ten Mal gegenüber einer der Neuerscheinungen anzusehen, da er höchstwahrscheinlich zusieht das! Da jedoch abgesehen von den täglichen Nachrichten keine neuen Inhalte im Fernsehen verfügbar sind, haben OTTs die Möglichkeit, neue Abonnenten zu gewinnen, um ihre sorgfältig ausgewählten Inhalte zu genießen.
Hier kommt Big Data ins Spiel (Wortspiel beabsichtigt).
Big Data löst das Problem „Finden, was dem Benutzer gefallen könnte“ für OTTs weitgehend durch seine Empfehlungssysteme. Um dies zu verstehen, sollten wir uns die bekannteste OTT-Plattform, Netflix, genauer ansehen. Ihr unermüdliches Streben nach Perfektionierung des Kundenerlebnisses ist keine unbekannte Tatsache.
Netflix stieg schnell zur größten OTT-Plattform der Welt auf, indem es Kundenanforderungen vorwegnahm und an jedem Berührungspunkt ein nahtloses Erlebnis bot. Es war fast so, als könnten sie die Gedanken ihrer Kunden lesen und wüssten, was ihre Kunden jedes Mal sehen wollten, wenn sie auf Netflix kamen. Weniger bekannt ist, dass Netflix einen großen Teil seines Erfolgs Big Data verdankt.
Sie begannen mit personalisierten Filmempfehlungen, aber nachdem sie auf Streaming umgestellt hatten, begannen sie, datenbasierte Empfehlungssysteme zu verwenden.
Entmystifizierung der Rolle von Big Data
Möglicherweise wissen Sie bereits, wie fortschrittlich das Empfehlungssystem von Netflix ist. Es verwendet mehrere Algorithmen, um komplexe Probleme zu lösen. Ein solcher Algorithmus ist der PVR-Algorithmus, wobei PVR für Personalized Video Ranking steht. Es filtert die Titel nach bestimmten Kriterien (Genres, Schauspieler etc.) unter Berücksichtigung der Produkte der nutzerbasierten Filterung. Netflix integriert auch RNNs für ihre zeitkritischen Vorhersagen.
Der Recommender „Weiter ansehen“ betrachtet nicht nur die Inhalte, die der Benutzer noch nicht zu Ende angesehen hat (unvollständiger Film, nicht angesehene Folgen einer Serie), der Algorithmus berücksichtigt auch den Punkt des Abbruchs, das zum Ansehen einzelner Titel verwendete Gerät und anderen Kontext -basierte Signale, um seine Empfehlungen zu optimieren. Wiederkehrende neuronale Netze eignen sich hervorragend für kontextbezogene Sequenzdaten, daher sollte es nicht überraschen, dass Netflix sie in ihrem Recommender verwendet.
Während COVID-19 erwiesen sich die große Bibliotheksgröße von Netflix und seine verschiedenen Algorithmen als entscheidender Wettbewerbsvorteil. Netflix verwendete einen seiner Algorithmen, Trending Now Ranker, um seinem Publikum Shows und Filme zu empfehlen. Dieser Algorithmus konzentriert sich auf kurzfristige Trends, die zu einem Anstieg der Popularität einzelner Titel führen.
Beispielsweise startete der OTT-Riese, der im ersten Quartal 2020 über 15,8 Millionen neue Abonnenten gewann , zu Beginn des Lockdowns im Februar 2020 eine neue Show mit dem Titel „Pandemie“, eine Dokumentation, die die Bereitschaft des Menschen hinterfragt, sich einer schnelllebigen Zeit zu stellen virusähnliches Coronavirus. Unser erster Gedanke wäre – Wie ist das mit dem Timing?
Es ist jedoch keine Frage des Zeitpunkts. Dies war eine aktuelle Serie, die vom OTT-Player absichtlich ins Leben gerufen wurde, um von der zunehmenden Neugier der Menschen auf das Virus zu profitieren.
Netflix verwendet auch hybride Filtersysteme, um seinen Benutzern eine verbesserte Personalisierung zu bieten. Kollaboratives Filtern hilft ihm, die beliebtesten Titel zu identifizieren, während benutzerbasiertes Filtern es ermöglicht, die Titel zu erkennen, die einem bestimmten Benutzer am besten gefallen. Sie ändern auch das Bild seiner Titel gemäß den Vorlieben des Benutzers. Sie führen A/B-Tests durch, um festzustellen, welches Vorschaubild den Benutzer davon überzeugen würde, darauf zu klicken. Beispiele für Big-Data-Anwendungen in verschiedenen Branchen
Die anderen Plattformen sind nicht weit dahinter
Während Netflix den süßen Geschmack des Erfolgs genießt, waren auch seine Konkurrenten beschäftigter als gewöhnlich. OTTs wie Disney+, Amazon Prime Video, Hotstar und viele andere Plattformen, die um einen ähnlichen Kundenstamm konkurrieren, nutzen kontinuierlich Big Data, um die Konkurrenz zu bekämpfen.
Amazon, das als führend im Bereich Kundenerlebnis gilt, ist seit seiner Einführung auch führend bei Empfehlungssystemen. Sie verwenden Themendiversifizierungsalgorithmen, um ihre Empfehlungen zu verbessern. Durch kollaboratives Filtern und Element-zu-Element-Matrizen können sie ihre Implementierung für verschiedene Benutzer skalierbar halten. Sie verwenden auch inhaltsbasierte Filtermethoden, um das Benutzerverhalten vorherzusagen, wenn der Einfluss anderer Benutzer nicht zu einflussreich wäre.
In den Anfangstagen von Amazon Prime Video konzentrierten sie sich ausschließlich auf die Verwendung von kollaborativem Filtern, was sich als nachteilig herausstellte, da die Leute keine personalisierten Empfehlungen erhielten. Als Amazon dieses Problem erkannte, begannen sie, benutzerorientiertere Methoden zu verwenden, was zu einer 2-fachen Steigerung des Benutzerengagements führte. Disney+ und Apple TV+ sind relativ neu auf dem Markt, und es wird interessant sein zu sehen, wie ihre Empfehler das Seherlebnis verbessern.
OTTs sind nicht die einzigen Plattformen, die Big Data verwenden, um Empfehlungen zu personalisieren. Musik-Streaming-Plattformen wie Spotify analysieren die Musik, die ein Benutzer hört, um seine Empfehlungen zu verbessern. In ähnlicher Weise nimmt Pandora explizit Benutzerfeedback (durch Benutzerbewertungen) entgegen und generiert anhand dieser Daten neue Musikempfehlungen.
Lesen Sie: Rolle von Big Data in der COVID-19-Hilfe – von Anfang an
Was machen wir jetzt? Eine Frage, die alle beschäftigt
Die aktuelle Pandemie zwang die Menschen, zu Hause zu bleiben, was zu einem Anstieg der Zuschauerzahlen von OTT-Plattformen führte. Sicherlich erleben OTTs einen Anstieg ihrer Popularität, aber wird sich dieser Trend fortsetzen? Wird es ändern, wie Menschen Unterhaltung wahrnehmen? Bedeutet die Pandemie das Ende des Fernsehzeitalters? Netflix hat offiziell angekündigt, dass es sich auf einen Kundenrückgang einstellt, da die Sperren aufgehoben werden und die Menschen wieder in die Außenwelt treten.
Der Spieler ist nicht allein. Während COVID-19 vorbei ist und die Welt zur neuen Normalität übergeht, können die Schritte, die OTTs während des Lockdowns unternehmen, ihre Zukunft bestimmen. OTT-Player, die Big Data wirklich melken und ihre Content-Strategie und Kundenerfahrung entsprechend überdenken, können weiterhin den Erfolg genießen, den sie derzeit erleben.
Wenn Sie mehr über Big Data erfahren möchten, schauen Sie sich unser PG Diploma in Software Development Specialization in Big Data-Programm an, das für Berufstätige konzipiert ist und mehr als 7 Fallstudien und Projekte bietet, 14 Programmiersprachen und Tools abdeckt und praktische praktische Übungen enthält Workshops, mehr als 400 Stunden gründliches Lernen und Unterstützung bei der Stellenvermittlung bei Top-Unternehmen.
Informieren Sie sich über unsere Softwareentwicklungskurse bei upGrad.
