Data Besar dan Analisis – Pengganggu Media dan Hiburan

Netflix dapat memprediksi dan menyarankan apa yang harus Anda tonton selanjutnya. Jika Anda telah mencari tas secara online, bersiaplah untuk banyak iklan terkait tas di Facebook. Membeli tiket ke Maladewa di Cleartrip? Anda pasti dapat melihat informasi tentang tujuan ini selama pengalaman online Anda selama beberapa hari ke depan. Ini hanyalah beberapa contoh di mana data dan analisis bersinggungan dengan media dan hiburan. Di setiap industri, aplikasi big data mengubah masa kini dan masa depan.

Dalam dekade terakhir, industri media dan hiburan telah membuat kemajuan besar dalam cara konten dibuat, dipasarkan, dan didistribusikan. Mari selami tren, tantangan, dan peluang yang berbeda dalam menggunakan data dan analisis di industri ini.

pengantar

Konsumen yang paham Internet saat ini mencari dan mengakses konten di mana saja, kapan saja – di desktop, ponsel, tablet, dan TV. Akibatnya, merek, penerbit, penyiar, saluran berita, dan bahkan perusahaan game berada di bawah tekanan ekstrem untuk menjalankan produksi digital baru, periklanan multi-saluran, dan strategi distribusi untuk menjangkau pelanggan yang tepat pada waktu yang tepat.

Mereka perlu memiliki pemahaman rinci tentang preferensi konsumsi media konsumen dan perilaku terkait untuk menemukan cara membedakan diri mereka dari kekacauan. Ada juga perubahan dalam lanskap media, dengan pergeseran besar-besaran ke konten digital dari analog, menawarkan peluang untuk memonetisasi konten dan mengidentifikasi produk dan layanan baru. Ini adalah waktu terbaik bagi perusahaan media dan hiburan untuk memanfaatkan aset data besar mereka untuk keterlibatan pelanggan yang lebih akurat dan menguntungkan daripada sebelumnya.

Tren

Pengumpulan dan analisis data bukanlah hal baru bagi industri media dan hiburan. Ada saat ketika perusahaan-perusahaan ini harus membaca ulasan, mewawancarai pelanggan, melakukan diskusi kelompok terfokus, dan mengikuti serta menganalisis peringkat TV dan grafik untuk mendapatkan data dan wawasan pelanggan. Proses ini menjadi jauh lebih sederhana dengan bantuan data besar dan alat analisis. Saat ini, perusahaan dapat melacak klik, tampilan, keterlibatan, dan pembagian di semua perangkat dan jenis media untuk menyesuaikan konten, penetapan harga, pemasaran, dan strategi distribusi.

Beberapa cara penggunaan data oleh perusahaan media dan hiburan di seluruh dunia adalah sebagai berikut:

1. Memprediksi apa yang diinginkan pelanggan

Pengumpulan dan analisis data yang berkelanjutan memungkinkan perusahaan untuk memprediksi minat audiens berdasarkan riwayat penayangan, peringkat, pencarian, ulasan, lokasi, data perangkat, aliran klik, file log, dan sentimen media sosial. Dengan memanfaatkan data ini bersama dengan analisis sentimen pelanggan, perusahaan dapat membuat dan mendistribusikan konten yang tepat kepada audiens yang tepat.

Pemrosesan bahasa alami (NLP) menjamin analisis sentimen pelanggan yang akurat dengan bantuan algoritme yang mengukur manifestasi bahasa positif dan negatif. Algoritme mampu mengklasifikasikan posting, pesan, dan fragmen percakapan berdasarkan sentimen dan mendefinisikan emosi, dan perusahaan dapat memanfaatkan data ini untuk mengubah atau membuat konten yang sesuai.

Dalam kasus Netflix, perusahaan memanfaatkan data dari 167 juta pelanggannya dan menggunakan model analitik data untuk menganalisis perilaku pelanggan dan pola pembelian. Kemudian menggunakan informasi itu untuk merekomendasikan film dan acara TV berdasarkan preferensi pelanggan mereka. Baca selengkapnya untuk mempelajari lebih lanjut tentang aplikasi Ilmu Data dan ML di Netflix.

2. Penjadwalan dan pengoptimalan

Perusahaan media dan hiburan dapat menggunakan data besar untuk memahami kapan pelanggan kemungkinan besar akan melihat konten dan perangkat apa yang akan mereka gunakan untuk melihatnya. Dengan skalabilitas data besar, informasi dapat diakses pada kode PIN dan tingkat perangkat untuk distribusi lokal. Ini tidak hanya digunakan dalam konteks media sosial tetapi juga dalam konten pemrograman di layanan media streaming, platform TV dan game.

3. Akuisisi dan churn pelanggan

Pola berlangganan dan berlangganan adalah salah satu kumpulan data yang paling banyak dipelajari untuk perusahaan media dan hiburan. Dengan ini, mereka dapat mengembangkan strategi promosi dan produk terbaik untuk menarik dan mempertahankan pelanggan. Catatan detail panggilan, email, dan sentimen media sosial adalah tiga saluran utama yang mengungkapkan minat pelanggan dan mengapa mungkin ada masalah retensi, jika ada.

Spotify, layanan musik on-demand terbesar di dunia dengan lebih dari 150 juta pengguna aktif menjelajahi lebih dari 600 gigabyte data untuk menyempurnakan algoritme dan belajar meningkatkan pengalaman pelanggan dan mengekstrapolasi wawasan.

Spotify juga merayapi web secara konstan untuk mencari posting blog dan konten lain tentang musik untuk memahami apa yang dikatakan orang tentang artis dan lagu tertentu. Dengan melakukan ini, perusahaan dapat menciptakan nilai bagi pelanggan dan membuat konten yang dipersonalisasi di bagian 'Daftar Putar yang Direkomendasikan', 'Temukan', dan 'Wawasan' di platform. Secara alami, ini berdampak langsung pada akuisisi pelanggan dan memperlambat churn.

4. Penargetan iklan

Sangat penting bagi setiap industri untuk menjangkau konsumen dalam konteks yang tepat, pada waktu yang tepat, dan pada platform yang tepat. Akses dan konsumsi konten di Internet telah membuat media digital menjadi kompleks dan selalu berubah. Analisis data pola konsumsi bila digunakan dengan data demografi tradisional dapat menawarkan wawasan untuk iklan yang dipersonalisasi.

Aplikasi data besar terus meningkatkan penargetan iklan meskipun perilaku konsumsi konten kompleks dengan segmentasi mikro pelanggan. Misalnya, karena konsumen mengakses konten di beberapa perangkat, wawasan data besar dapat membantu dalam memahami kapan konsumen menggunakan layar kedua sehingga kampanye dapat dioptimalkan di seluruh perangkat. Ini dapat membantu perusahaan media dan hiburan meningkatkan tingkat konversi digital.

5. Monetisasi konten

Data besar juga dapat membantu perusahaan media dan hiburan menghasilkan sumber pendapatan tambahan. Misalnya, wawasan ini dapat menyarankan cara baru untuk mendorong perilaku konsumen dengan menawarkan diskon dan langganan yang lebih lama. Data besar juga dapat membantu perusahaan dalam mengidentifikasi peluang untuk produk atau layanan baru.

Pada tahun 2018, Disney menandatangani kesepakatan dengan Reliance Jio Infocomm untuk mengizinkan aplikasi digital JioCinema dan Jio, untuk menawarkan kontennya di platformnya. JioCinema menyelenggarakan bagian khusus bermerek Disney di beranda dengan konten yang mencakup film, animasi, dan serial. Bagi Disney, ini adalah cara yang bagus untuk memperluas aliran pendapatan. Baca lebih lanjut tentang aplikasi big data dalam budaya pop.

Perusahaan media dan hiburan menggunakan beberapa alat berikut untuk merampingkan data dan memperoleh wawasan yang valid:

• hadoop

Hadoop adalah kerangka kerja sumber terbuka yang memungkinkan pemrosesan terdistribusi yang andal dari sejumlah besar data di seluruh kelompok komputer. Faktanya, struktur data Netflix mencakup Hadoop, Hive, dan Pig dengan intelijen bisnis tradisional lainnya juga

• Qubole

Qubole adalah platform data cloud-native yang mengembangkan model pembelajaran mesin yang berfokus pada aktivasi data. Itu dapat memproses semua jenis kumpulan data untuk mengekstrak wawasan dan membangun aplikasi berbasis kecerdasan buatan.

• HPCC

Ini adalah alat sumber terbuka yang menyediakan platform dan arsitektur tunggal untuk pemrosesan data.

• Apache Cassandra

Cassandra adalah sistem manajemen basis data terdistribusi NoSQL gratis, open source, yang dapat menangani volume tinggi data tidak terstruktur di seluruh server komoditas.

• MongoDB

Alat manajemen basis data ini adalah basis data dokumen lintas platform yang menyediakan fasilitas untuk kueri dan pengindeksan.

Beberapa alat dan perangkat lunak data besar lainnya yang digunakan oleh perusahaan adalah Apache Storm, Couch DB, Statwing, Flink, Pentaho, Hive, Rapidminer, Cloudera, Openrefine, DataCleaner, Neo4j, Apache SAMOA, Teradata, dan Tableau.

Tantangan

Teknologi dan alat baru muncul setiap bulan untuk membantu perusahaan media dan hiburan mempercepat perjalanan berbasis data mereka. Hal ini tentu menimbulkan beberapa tantangan bagi pemasar. Beberapa masalah ini tercantum di bawah ini:

1. Perubahan pola pikir

Sementara pembuat konten dan pemasar telah membuat kemajuan besar dalam menggunakan wawasan data, mereka masih melihat perjalanan pelanggan dalam silo kesadaran, branding, akuisisi, retensi dan loyalitas. Melihat bidang-bidang ini sebagai tahapan yang terpisah dan berbeda daripada sebagai rangkaian yang mulus mengarah pada masalah yang terkait dengan pengeluaran anggaran. Struktur organisasi sedemikian rupa sehingga setiap tim dapat diberikan kiriman dan anggaran sesuai dengan pola pikir lama, tetapi kebutuhan waktunya mungkin berbeda.

2. Penetrasi Internet berkecepatan tinggi yang rendah

Meskipun 4,54 miliar orang (59% dari populasi global) menggunakan Internet secara aktif pada Januari 2020, Internet berkecepatan tinggi masih menjadi tantangan di banyak negara. Cina, India, dan Amerika Serikat adalah negara teratas dalam hal pengguna internet, tetapi konektivitas 4G tetap terputus, terutama di India. Ini dapat membuang anggaran dan pemrograman dengan selisih yang lebar.

3. Kurangnya konsolidasi

Beberapa perusahaan masih memperlakukan saluran distribusi dan pemasaran tampilan, video, seluler, sosial, dan asli secara terpisah. Setiap saluran dilacak menggunakan indikator kinerja utama (KPI) yang terpisah. Dengan poin peringkat target (TRP) dan rasio klik-tayang (RKT) yang mendominasi metrik keberhasilan, bisnis media tidak dapat langsung memahami efek konten pada hasil bisnis.

Masih ada waktu bagi era digital untuk benar-benar hadir di seluruh belahan dunia. Apa yang mungkin benar dalam hal pola konsumsi untuk India mungkin tidak relevan untuk Amerika Serikat.

4. Urgensi untuk metrik yang berorientasi pada hasil

Dalam pengejaran untuk mencapai hasil yang cepat, sebagian besar perusahaan media mulai mengatur diri mereka sendiri untuk menjadi omni-channel dengan desain. Karena sering kali hanya satu orang yang melihat semua layar (TV, ponsel, dan tablet), perusahaan perlu menyesuaikan KPI mereka. Ada juga waktu tunggu yang signifikan untuk mengambil banyak data dan wawasan untuk akurasi dan tren. Dalam ketergesaan untuk mendominasi pikiran pelanggan, perusahaan mungkin kehilangan wawasan yang lebih bertahan lama yang memiliki hasil jangka panjang.

5. Masalah privasi data

Dalam beberapa tahun terakhir, banyak perusahaan telah dituduh melanggar data dan membocorkan informasi pribadi. Adobe, Dubsmash, LinkedIn dan Facebook adalah beberapa perusahaan yang baru-baru ini berada di bawah pemindai. Akibatnya, konsumen menjadi lebih sensitif terhadap data mereka dan khawatir tentang bagaimana data itu akan digunakan.

Di seluruh dunia, pembuat kebijakan telah mengatasi masalah ini dan telah menerapkan peraturan untuk industri yang menangani data pribadi. Tantangan seperti itu dapat menimbulkan masalah ketika harus mengumpulkan data pengguna yang cukup, yang tanpanya analisis yang akurat tidak dapat dilakukan.

Peluang

Terlepas dari tantangan yang dihadapi oleh industri media dan hiburan dalam menggunakan data besar, beberapa peluang telah muncul selama bertahun-tahun. Sebagian besar peluang ini tertanam dalam infrastruktur cloud dan kecerdasan buatan. Warisan perusahaan dan infrastrukturnya dapat membatasi skalanya dengan cepat sebagai respons terhadap kecepatan data dan analisis yang sangat tinggi. Hal ini membuat penggunaan teknologi cloud menjadi tak terelakkan.

Teknologi cloud dapat membantu organisasi besar dalam menangani ukuran data yang besar dan tantangan komputasi yang masif. Gagal beradaptasi dengan persyaratan infrastruktur dunia baru yang didorong oleh data dengan cukup cepat dapat merugikan perusahaan media dan hiburan dalam jumlah tertentu. Kecerdasan buatan (AI) adalah satu-satunya cara yang dapat diandalkan untuk menganalisis volume data yang besar dan membuat prediksi untuk perilaku konsumen yang akurat.

AI memungkinkan perusahaan memperoleh wawasan bernuansa untuk segmen dan persona konsumen tertentu daripada hanya berfokus pada tayangan dan RKT (rasio klik tayang). Analitik tingkat lanjut dapat digunakan untuk mendorong personalisasi yang sebenarnya.

Berinvestasi dalam teknologi data yang modern dan terkini serta pembenahan proses bisnis untuk mencerminkan tujuan berbasis data sangat penting bagi industri media dan hiburan. Inilah saatnya bagi perusahaan untuk mengambil pendekatan programmatic-first untuk belanja media dan konten pemrograman.

Jika Anda tertarik untuk mengetahui lebih banyak tentang Big Data, lihat Diploma PG kami dalam Spesialisasi Pengembangan Perangkat Lunak dalam program Big Data yang dirancang untuk para profesional yang bekerja dan menyediakan 7+ studi kasus & proyek, mencakup 14 bahasa & alat pemrograman, praktik langsung lokakarya, lebih dari 400 jam pembelajaran yang ketat & bantuan penempatan kerja dengan perusahaan-perusahaan top.

Pelajari Kursus Pengembangan Perangkat Lunak online dari Universitas top dunia. Dapatkan Program PG Eksekutif, Program Sertifikat Lanjutan, atau Program Magister untuk mempercepat karier Anda.