Émissions, films et pandémie : comment le Big Data a transformé l'industrie du divertissement
Publié: 2020-06-04À l'heure actuelle, alors que vous lisez cet article, des milliards de personnes sont assises à la maison sans accès aux salles de cinéma ou aux restaurants, et uniquement à Internet pour leur source de divertissement. Ce changement soudain a créé un impact massif sur toutes sortes d'entreprises, y compris l'industrie du divertissement. Alors que le cinéma s'arrêtait brusquement mais que la demande des consommateurs restait omniprésente, les services de médias par contournement (OTT) ont connu une augmentation soudaine de la demande qui n'était prévue par aucun des acteurs.
Bien que les dernières semaines aient évidemment profité à tous les OTT, elles ont également soulevé des questions telles que les OTT continueront-ils de bénéficier de la même croissance alors que les verrouillages se relâchent à travers le monde ?
Actuellement, des géants comme Netflix ont connu une augmentation de leur nombre d'abonnés et leurs actions ont augmenté de 35 % au premier trimestre 2020 . Nous avons également constaté une popularité croissante du contenu local (on pense à Some Good News de John Krasinski ), en ces temps incertains. Quibi , une plate-forme de contenu de petite taille, a terminé sa dernière ronde de financement en mars 2020. Elle a diffusé des épisodes de 10 minutes avec de nombreuses grandes stars et titres.
Cependant, avec une pléthore d'acteurs OTT qui profitent de cette opportunité en or imprévue, les clients ont plus que jamais l'embarras du choix. La qualité de l'expérience que les joueurs OTT offrent au cours de cette phase peut également définir leur avenir une fois les verrouillages complètement éliminés. Dans un tel scénario, nous savons ce qu'ils peuvent utiliser pour maintenir ce succès prolongé : le Big Data.
Table des matières
Big Data : le héros méconnu
Contrairement à leurs homologues du cinéma et de la télévision, les téléspectateurs OTT ont la possibilité de regarder n'importe quoi à tout moment. Dans le cas des télévisions, vous dépendez de la programmation de la chaîne, mais avec une plateforme OTT, c'est du contenu à la demande. L'absence d'horaire fixe place donc la propriété de la sélection des programmes sur le consommateur.
Dans une mer de choix, comment un lecteur OTT offre-t-il des options qu'un téléspectateur a de manière probabiliste la plus forte propension à regarder, même si cela signifie suggérer au téléspectateur de regarder FRIENDS pour la nième fois sur l'une des nouvelles versions puisqu'il est le plus susceptible de regarder ce! Cependant, en l'absence de nouveau contenu disponible à la télévision à l'exception des informations quotidiennes, les OTT ont la possibilité d'attirer de nouveaux abonnés pour se gaver de leur contenu soigneusement sélectionné.
C'est là que le big data entre en jeu (jeu de mots).
Dans une large mesure, le big data résout le problème de « trouver ce que l'utilisateur pourrait aimer » pour les OTT grâce à ses systèmes de recommandation. Pour comprendre cela, nous devrions examiner de plus près la plate-forme OTT la plus importante, Netflix. Leur quête incessante pour perfectionner leur expérience client n'est pas un fait inconnu.
Netflix est rapidement devenu la plus grande plate-forme OTT au monde en anticipant les demandes des clients et en offrant une expérience transparente à chaque point de contact. C'était presque comme s'ils pouvaient lire dans les pensées de leurs clients et savaient ce que leurs clients voulaient regarder à chaque fois qu'ils venaient sur Netflix. C'est un fait moins connu que Netflix doit une grande partie de son succès au big data.
Ils ont commencé avec des recommandations de films personnalisées, mais après être passés au streaming, ils ont commencé à utiliser des systèmes de recommandation basés sur des données.
Démystifier le rôle du big data
Vous savez peut-être déjà à quel point le système de recommandation de Netflix est avancé. Il utilise plusieurs algorithmes pour résoudre des problèmes complexes. L'un de ces algorithmes est l'algorithme PVR, où PVR signifie Classement vidéo personnalisé. Il filtre les titres selon des critères spécifiques (Genres, Acteurs, etc.) tout en considérant les produits du filtrage basé sur l'utilisateur. Netflix intègre également des RNN pour leurs prédictions sensibles au facteur temps.
L'outil de recommandation "continuer à regarder" ne regarde pas seulement le contenu que l'utilisateur n'a pas fini de regarder (film incomplet, épisodes non regardés d'une série), l'algorithme prend également en compte le point d'abandon, l'appareil utilisé pour regarder les titres individuels et d'autres contextes. à base de signaux pour optimiser ses recommandations. Les réseaux de neurones récurrents sont excellents pour les données de séquence contextuelles, il ne faut donc pas s'étonner que Netflix les emploie dans son système de recommandation.
Pendant le COVID-19, la grande taille de la bibliothèque de Netflix et ses divers algorithmes se sont révélés être son principal avantage concurrentiel. Netflix a utilisé l'un de ses algorithmes, Trending Now Ranker, pour recommander des émissions et des films à son public. Cet algorithme se concentre sur les tendances à court terme qui provoquent une augmentation de la popularité des titres individuels.
Par exemple, le géant OTT, qui a attiré plus de 15,8 millions de nouveaux abonnés au premier trimestre 2020 , a lancé une nouvelle émission au début du verrouillage en février 2020 intitulée "Pandemic", qui est un documentaire qui remet en question la préparation de l'homme à faire face à une évolution rapide. Coronavirus de type viral. Notre première pensée serait - Comment est-ce pour le timing?
Cependant, ce n'est pas une question de timing. Il s'agissait d'une série d'actualité lancée à dessein par le joueur OTT pour capitaliser sur la curiosité croissante des gens autour du virus.
Netflix utilise également des systèmes de filtrage hybrides pour offrir une personnalisation améliorée à ses utilisateurs. Le filtrage collaboratif l'aide à identifier les titres les plus populaires tandis que le filtrage basé sur l'utilisateur lui permet de reconnaître les titres qu'un utilisateur spécifique aimerait le plus. Ils modifient également l'image de ses titres en fonction des préférences de son utilisateur. Ils effectuent des tests A/B pour déterminer quelle vignette convaincrait l'utilisateur de cliquer dessus. Exemples d'applications Big Data dans tous les secteurs
Les autres plateformes ne sont pas en reste
Alors que Netflix savoure le goût sucré du succès, ses concurrents sont également plus occupés que d'habitude. Les OTT comme Disney +, Amazon Prime Video, Hotstar et de nombreuses autres plates-formes qui se disputent une clientèle similaire utilisent en permanence le Big Data pour lutter contre la concurrence.
Amazon, qui est considéré comme le leader de l'expérience client, est également un leader des systèmes de recommandation depuis son avènement. Ils utilisent des algorithmes de diversification thématique pour enrichir leurs recommandations. Grâce au filtrage collaboratif et aux matrices article par article, ils peuvent maintenir leur mise en œuvre évolutive pour différents utilisateurs. Ils utilisent également des méthodes de filtrage basées sur le contenu pour prédire le comportement des utilisateurs, où l'impact des autres utilisateurs ne serait pas trop influent.
Au début d'Amazon Prime Video, ils se concentraient uniquement sur l'utilisation du filtrage collaboratif, ce qui s'est avéré préjudiciable car les gens ne recevaient pas de recommandations personnalisées. Lorsqu'Amazon a identifié ce problème, ils ont commencé à utiliser des méthodes plus axées sur l'utilisateur, ce qui a entraîné une augmentation de 2 fois de l'engagement des utilisateurs. Disney + et Apple TV + sont relativement nouveaux sur le marché, et il sera intéressant de voir comment leurs recommandateurs améliorent l'expérience de visionnage.
Les OTT ne sont pas les seules plateformes à utiliser le Big Data pour personnaliser les recommandations. Les plateformes de streaming musical comme Spotify analysent la musique qu'un utilisateur écoute pour améliorer ses recommandations. De même, Pandora prend explicitement les commentaires des utilisateurs (via les évaluations des utilisateurs) et génère de nouvelles recommandations musicales grâce à ces données.
Lire : Rôle du Big Data dans l'aide COVID-19 - Depuis le tout début
Où allons-nous à partir d'ici? Une question dans l'esprit de tout le monde
La pandémie actuelle a contraint les gens à rester chez eux, ce qui a entraîné une augmentation de l'audience des plateformes OTT. Certes, les OTT connaissent une augmentation de leur popularité, mais cette tendance va-t-elle se poursuivre ? Cela changera-t-il la façon dont les gens perçoivent le divertissement ? La pandémie marquera-t-elle la fin de l'ère de la télévision ? Netflix a officiellement annoncé qu'il se prépare à une baisse du nombre de clients alors que les blocages sont levés et que les gens entrent à nouveau dans le monde extérieur.
Le joueur n'est pas seul. Alors que COVID-19 passe et que le monde passe à la nouvelle normalité, les mesures prises par les OTT pendant le verrouillage peuvent définir leur avenir. Les acteurs OTT qui exploitent véritablement le big data et repensent en conséquence leur stratégie de contenu et l'expérience client peuvent continuer à connaître le succès qu'ils connaissent actuellement.
Si vous souhaitez en savoir plus sur le Big Data, consultez notre programme PG Diploma in Software Development Specialization in Big Data qui est conçu pour les professionnels en activité et fournit plus de 7 études de cas et projets, couvre 14 langages et outils de programmation, pratique pratique ateliers, plus de 400 heures d'apprentissage rigoureux et d'aide au placement dans les meilleures entreprises.
Consultez nos cours de génie logiciel sur upGrad.
