Espectáculos, películas y una pandemia: cómo Big Data transformó la industria del entretenimiento
Publicado: 2020-06-04En este momento, mientras lees este artículo, miles de millones de personas están sentadas en casa sin acceso a salas de cine o restaurantes, y solo tienen Internet como fuente de entretenimiento. Este cambio repentino ha creado un impacto masivo en todo tipo de negocios, incluida la industria del entretenimiento. A medida que la producción cinematográfica se detuvo bruscamente, pero la demanda de los consumidores permaneció siempre presente, los servicios de medios over-the-top (OTT) presenciaron un aumento repentino de la demanda que ninguno de los actores había previsto.
Si bien las últimas semanas obviamente han beneficiado a todos los OTT, también dieron lugar a preguntas como: ¿continuarán los OTT disfrutando del mismo crecimiento a medida que se alivian los bloqueos en todo el mundo?
Actualmente, gigantes como Netflix han sido testigos de un aumento en el número de suscriptores y sus acciones subieron un 35 % en el primer trimestre de 2020 . También vimos una creciente popularidad en el contenido de cosecha propia (me viene a la mente Some Good News de John Krasinski ), durante estos tiempos inciertos. Quibi , una plataforma de contenido del tamaño de un bocado, finalizó su última ronda de financiación en marzo de 2020. Ha mostrado episodios de 10 minutos con muchas estrellas y títulos importantes.
Sin embargo, con una plétora de jugadores OTT que aprovechan esta oportunidad de oro inesperada, los clientes tienen más opciones que nunca para elegir. La calidad de la experiencia que brindan los jugadores OTT durante esta fase también puede definir su futuro una vez que los bloqueos se eliminen por completo. En tal escenario, sabemos lo que pueden usar para mantener este éxito prolongado: Big Data.
Tabla de contenido
Big Data: el héroe anónimo
A diferencia de sus contrapartes, el cine y la televisión, los espectadores OTT tienen la opción de ver cualquier cosa en cualquier momento. En el caso de las televisiones dependes del horario del canal, pero con una plataforma OTT es contenido bajo demanda. La falta de un horario fijo por lo tanto pone la propiedad de la selección de programas en el consumidor.
En un mar de opciones, ¿cómo ofrece un jugador OTT opciones que un espectador probablemente tenga la mayor propensión a ver, incluso si eso significa sugerirle al espectador que vea FRIENDS por enésima vez sobre cualquiera de los nuevos lanzamientos, ya que es más probable que vea ¡que! Sin embargo, sin contenido nuevo disponible en la televisión, salvo las noticias diarias, los OTT tienen la oportunidad de atraer a nuevos suscriptores para que disfruten de su contenido cuidadosamente seleccionado.
Aquí es donde los grandes datos entran en escena (juego de palabras).
En gran medida, el big data resuelve el problema de 'encontrar lo que le puede gustar al usuario' de los OTT a través de sus sistemas de recomendación. Para entender esto, deberíamos echar un vistazo más de cerca a la plataforma OTT más destacada que existe, Netflix. Su incansable búsqueda para perfeccionar la experiencia de sus clientes no es un hecho desconocido.
Netflix ascendió rápidamente hasta convertirse en la plataforma OTT más grande del mundo al adelantarse a las demandas de los clientes y ofrecer una experiencia perfecta en cada punto de contacto. Era casi como si pudieran leer la mente de sus clientes y supieran lo que sus clientes querían ver cada vez que entraban a Netflix. Es un hecho menos conocido que Netflix debe una gran parte de su éxito a los grandes datos.
Comenzaron con recomendaciones de películas personalizadas, pero después de cambiar a la transmisión, comenzaron a usar sistemas de recomendación basados en datos.
Desmitificando el papel de los grandes datos
Es posible que ya sepa cuán avanzado es el sistema de recomendación de Netflix. Utiliza múltiples algoritmos para resolver problemas complejos. Uno de esos algoritmos es el algoritmo PVR, donde PVR significa Clasificación de video personalizada. Filtra los títulos según criterios específicos (Géneros, Actores, etc.) considerando los productos del filtrado basado en usuarios. Netflix también incorpora RNN para sus predicciones sensibles al tiempo.
El recomendador 'seguir viendo' no solo mira el contenido que el usuario no ha terminado de ver (película incompleta, episodios no vistos de una serie), el algoritmo también considera el punto de abandono, el dispositivo utilizado para ver títulos individuales y otro contexto. -basado en señales para optimizar sus recomendaciones. Las redes neuronales recurrentes son excelentes para los datos de secuencias contextuales, por lo que no debería sorprender que Netflix las emplee en su recomendador.
Durante COVID-19, el gran tamaño de la biblioteca de Netflix y sus diversos algoritmos demostraron ser su principal ventaja competitiva. Netflix usó uno de sus algoritmos, Trending Now Ranker, para recomendar programas y películas a su audiencia. Este algoritmo se centra en las tendencias a corto plazo que provocan un aumento en la popularidad de los títulos individuales.
Por ejemplo, el gigante OTT, que obtuvo más de 15,8 millones de suscriptores nuevos en el primer trimestre de 2020 , lanzó un nuevo programa al comienzo del confinamiento en febrero de 2020 llamado 'Pandemia', que es un documental que cuestiona la preparación del hombre para enfrentar un cambio rápido. Coronavirus similar a un virus. Nuestro primer pensamiento sería: ¿Cómo es eso de la sincronización?
Sin embargo, no es una cuestión de tiempo. Esta fue una serie de actualidad lanzada deliberadamente por el jugador OTT para capitalizar la creciente curiosidad de las personas en torno al virus.
Netflix también utiliza sistemas de filtrado híbrido para brindar una mejor personalización a sus usuarios. El filtrado colaborativo lo ayuda a identificar los títulos más populares, mientras que el filtrado basado en el usuario le permite reconocer los títulos que más le gustarían a un usuario específico. También cambian la imagen de sus títulos según las preferencias de sus usuarios. Realizan pruebas A/B para darse cuenta de qué miniatura convencería al usuario de hacer clic en ella. Ejemplos de aplicaciones de Big Data en todas las industrias
Las demás plataformas no se quedan atrás
Si bien Netflix ha estado disfrutando del dulce sabor del éxito, sus competidores también se han mantenido más ocupados de lo habitual. Los OTT como Disney+, Amazon Prime Video, Hotstar y muchas otras plataformas que compiten por una base de clientes similar han estado utilizando continuamente big data para combatir a la competencia.
Amazon, que se considera líder en experiencia del cliente, también ha sido líder en sistemas de recomendación desde su aparición. Utilizan algoritmos de diversificación de temas para mejorar sus recomendaciones. A través del filtrado colaborativo y las matrices de elemento a elemento, pueden mantener su implementación escalable para diferentes usuarios. También utilizan métodos de filtrado basados en contenido para predecir el comportamiento de los usuarios, donde el impacto de otros usuarios no sería demasiado influyente.
En los primeros días de Amazon Prime Video, se centraron únicamente en el uso de filtrado colaborativo, lo que resultó perjudicial porque las personas no recibían recomendaciones personalizadas. Cuando Amazon identificó este problema, comenzó a usar métodos más centrados en el usuario, lo que llevó a un aumento del doble en la participación del usuario. Disney+ y Apple TV+ son relativamente nuevos en el mercado y será interesante ver cómo sus recomendadores mejoran la experiencia de visualización.
Los OTT no son las únicas plataformas que utilizan big data para personalizar las recomendaciones. Las plataformas de streaming de música como Spotify analizan la música que escucha un usuario para mejorar sus recomendaciones. De manera similar, Pandora toma los comentarios de los usuarios de manera explícita (a través de las calificaciones de los usuarios) y genera nuevas recomendaciones de música a través de esos datos.
Leer: Papel de Big Data en la ayuda de COVID-19: desde el principio
¿A dónde vamos desde aquí? Una pregunta en la mente de todos
La pandemia actual obligó a las personas a quedarse en casa, lo que provocó un aumento en la audiencia de las plataformas OTT. Seguramente, los OTT están experimentando un aumento en su popularidad, pero ¿continuará esta tendencia? ¿Cambiará la forma en que la gente percibe el entretenimiento? ¿Marcará la pandemia el final de la era de la televisión? Netflix ha anunciado oficialmente que se está preparando para una caída en el número de clientes a medida que se levantan los bloqueos y las personas vuelven al mundo exterior.
El jugador no está solo. A medida que pasa el COVID-19 y el mundo avanza hacia la nueva normalidad, los pasos que tomen los OTT durante el confinamiento pueden definir su futuro. Los jugadores de OTT que realmente extraen big data y, en consecuencia, reconsideran su estrategia de contenido y la experiencia del cliente pueden continuar disfrutando del éxito que están presenciando actualmente.
Si está interesado en saber más sobre Big Data, consulte nuestro programa PG Diploma in Software Development Specialization in Big Data, que está diseñado para profesionales que trabajan y proporciona más de 7 estudios de casos y proyectos, cubre 14 lenguajes y herramientas de programación, prácticas talleres, más de 400 horas de aprendizaje riguroso y asistencia para la colocación laboral con las mejores empresas.
Consulta nuestros Cursos de Ingeniería de Software en upGrad.
