Acara, Film, dan Pandemi: Bagaimana Big Data Mengubah Industri Hiburan

Saat ini, saat Anda membaca artikel ini, miliaran orang duduk di rumah tanpa akses ke gedung bioskop atau restoran, dan hanya internet sebagai sumber hiburan mereka. Pergeseran mendadak ini telah menciptakan dampak besar pada semua jenis bisnis termasuk industri hiburan. Ketika pembuatan film terhenti, tetapi permintaan konsumen tetap ada, layanan media over-the-top (OTT) menyaksikan lonjakan permintaan yang tiba-tiba yang tidak diperkirakan oleh pemain mana pun.

Sementara beberapa minggu terakhir jelas menguntungkan semua OTT, tetapi itu juga menimbulkan pertanyaan seperti apakah OTT akan terus menikmati pertumbuhan yang sama dengan pelonggaran penguncian di seluruh dunia?

Saat ini, raksasa seperti Netflix telah menyaksikan peningkatan jumlah pelanggan mereka dan saham mereka naik 35% pada kuartal pertama tahun 2020 . Kami juga melihat popularitas yang meningkat di konten buatan sendiri ( Berita Baik karya John Krasinski muncul di benak), selama masa-masa yang tidak pasti ini. Quibi , platform konten berukuran kecil, menyelesaikan putaran pendanaan terbarunya pada Maret 2020. Ini telah menunjukkan episode 10 menit dengan banyak bintang dan judul besar.

Namun, dengan banyaknya pemain OTT yang naik ke peluang emas yang tidak terduga ini, pelanggan dimanjakan dengan pilihan lebih dari sebelumnya. Kualitas pengalaman yang diberikan pemain OTT selama fase ini juga dapat menentukan masa depan mereka setelah penguncian benar-benar dihentikan. Dalam skenario seperti itu, kami tahu apa yang dapat mereka gunakan untuk mempertahankan kesuksesan ini untuk waktu yang lama: Big Data.

Big Data: Pahlawan tanpa tanda jasa

Tidak seperti rekan-rekan mereka, bioskop dan televisi, pemirsa OTT memiliki pilihan untuk menonton apa saja kapan saja. Dalam kasus televisi, Anda bergantung pada jadwal saluran, tetapi dengan platform OTT, konten sesuai permintaan. Ketiadaan jadwal yang tetap justru menempatkan kepemilikan pemilihan program pada konsumen.

Dalam lautan pilihan, bagaimana pemain OTT memberikan opsi yang kemungkinan besar paling disukai penonton untuk ditonton, bahkan jika itu berarti menyarankan penonton untuk menonton FRIENDS untuk kesekian kalinya dari rilis baru mana pun karena kemungkinan besar mereka akan menonton itu! Namun, dengan tidak adanya konten baru yang tersedia di televisi kecuali berita harian, OTT memiliki peluang untuk menarik pelanggan baru untuk menikmati konten yang mereka pilih dengan cermat.

Di sinilah data besar muncul (pun intended).

Untuk sebagian besar, data besar memecahkan masalah 'menemukan apa yang mungkin disukai pengguna' untuk OTT melalui sistem rekomendasinya. Untuk memahami ini, kita harus melihat lebih dekat platform OTT paling menonjol di luar sana, Netflix. Pengejaran tanpa henti mereka untuk menyempurnakan pengalaman pelanggan mereka bukanlah fakta yang tidak diketahui.

Netflix dengan cepat naik menjadi platform OTT terbesar di dunia dengan memenuhi permintaan pelanggan dan menawarkan pengalaman tanpa batas di setiap titik kontak. Seolah-olah mereka bisa membaca pikiran pelanggan mereka dan tahu apa yang ingin ditonton pelanggan mereka setiap kali mereka datang ke Netflix. Ini adalah fakta yang kurang diketahui bahwa Netflix berutang sebagian besar kesuksesan mereka pada data besar.

Mereka mulai dengan rekomendasi film yang dipersonalisasi, tetapi setelah beralih ke streaming, mereka mulai menggunakan sistem rekomendasi berbasis data.

Mengungkapkan peran data besar

Anda mungkin sudah mengetahui betapa canggihnya sistem rekomendasi Netflix. Ini menggunakan beberapa algoritma untuk memecahkan masalah yang kompleks. Salah satu algoritma tersebut adalah Algoritma PVR, di mana PVR adalah singkatan dari Personalized Video Ranking. Ini menyaring judul sesuai dengan kriteria tertentu (Genre, Aktor, dll.) sambil mempertimbangkan produk pemfilteran berbasis pengguna. Netflix juga menggabungkan RNN untuk prediksi sensitif waktu mereka.

Rekomendasi 'lanjutkan menonton' tidak hanya melihat konten yang belum selesai ditonton pengguna (film tidak lengkap, episode serial yang belum ditonton), algoritme juga mempertimbangkan titik pengabaian, perangkat yang digunakan untuk menonton masing-masing judul, dan konteks lainnya sinyal berbasis untuk mengoptimalkan rekomendasinya. Jaringan Neural Berulang sangat baik untuk data urutan kontekstual, jadi tidak mengherankan jika Netflix menggunakannya dalam rekomendasi mereka.

Selama COVID-19, ukuran perpustakaan Netflix yang besar dan berbagai algoritmenya terbukti menjadi keunggulan kompetitif utamanya. Netflix menggunakan salah satu algoritmenya, Trending Now Ranker untuk merekomendasikan acara dan film kepada penontonnya. Algoritme ini berfokus pada tren jangka pendek yang menyebabkan peningkatan popularitas judul individu.

Sebagai contoh, raksasa OTT yang mendapatkan lebih dari 15,8 juta pelanggan baru di Q1 tahun 2020 , meluncurkan acara baru di awal penguncian pada Februari 2020 yang disebut 'Pandemic', yang merupakan film dokumenter yang mempertanyakan kesiapan manusia untuk menghadapi situasi yang bergerak cepat. virus mirip virus corona. Pikiran pertama kami adalah – Bagaimana dengan pengaturan waktu?

Namun, ini bukan masalah waktu. Ini adalah seri topikal yang sengaja diluncurkan oleh pemain OTT untuk memanfaatkan keingintahuan orang yang meningkat tentang virus.

Netflix juga menggunakan sistem penyaringan hibrida untuk memberikan personalisasi yang ditingkatkan kepada penggunanya. Pemfilteran kolaboratif membantunya mengidentifikasi judul paling populer sementara pemfilteran berbasis pengguna memungkinkannya mengenali judul yang paling disukai pengguna tertentu. Mereka juga mengubah gambar judulnya sesuai dengan preferensi penggunanya. Mereka melakukan pengujian A/B untuk mengetahui thumbnail mana yang akan meyakinkan pengguna untuk mengkliknya. Contoh Aplikasi Big Data di Seluruh Industri

Platform lain tidak jauh di belakang

Sementara Netflix menikmati manisnya kesuksesan, para pesaingnya juga tetap lebih sibuk dari biasanya. OTT seperti Disney+, Amazon Prime Video, Hotstar, dan banyak platform lain yang bersaing untuk basis pelanggan serupa terus menggunakan data besar untuk memerangi persaingan.

Amazon, yang dianggap sebagai pemimpin dalam pengalaman pelanggan, juga telah menjadi pemimpin dalam sistem pemberi rekomendasi sejak kemunculannya. Mereka menggunakan algoritma diversifikasi topik untuk meningkatkan rekomendasi mereka. Melalui pemfilteran kolaboratif dan matriks item-ke-item, mereka dapat menjaga implementasinya dapat diskalakan untuk pengguna yang berbeda. Mereka juga menggunakan metode pemfilteran berbasis konten untuk memprediksi perilaku pengguna, di mana dampak pengguna lain tidak akan terlalu berpengaruh.

Pada hari-hari awal Amazon Prime Video, mereka hanya berfokus pada penggunaan pemfilteran kolaboratif, yang terbukti merugikan karena orang tidak mendapatkan rekomendasi yang dipersonalisasi. Ketika Amazon mengidentifikasi masalah ini, mereka mulai menggunakan lebih banyak metode yang berfokus pada pengguna, yang menghasilkan peningkatan 2x lipat dalam keterlibatan pengguna. Disney+ dan Apple TV+ relatif baru di pasar, dan akan menarik untuk melihat bagaimana rekomendasi mereka meningkatkan pengalaman menonton.

OTT bukan satu-satunya platform yang menggunakan data besar untuk mempersonalisasi rekomendasi. Platform streaming musik seperti Spotify menganalisis musik yang didengarkan pengguna untuk meningkatkan rekomendasinya. Demikian pula, Pandora menerima umpan balik pengguna secara eksplisit (melalui peringkat pengguna) dan menghasilkan rekomendasi musik baru melalui data tersebut.

Baca: Peran Big Data dalam Bantuan COVID-19 – Sejak Awal

Ke mana kita pergi dari sini? Sebuah pertanyaan di benak semua orang

Pandemi saat ini memaksa orang untuk tinggal di rumah, yang menyebabkan peningkatan penayangan platform OTT. Tentunya, OTT sedang mengalami peningkatan popularitas, tetapi apakah tren ini akan terus berlanjut? Apakah itu akan mengubah cara orang memandang hiburan? Akankah pandemi menandai akhir dari era televisi? Netflix telah secara resmi mengumumkan bahwa mereka bersiap untuk penurunan pelanggan saat penguncian dicabut dan orang-orang melangkah ke dunia luar lagi.

Pemain tidak sendirian. Seiring berlalunya COVID-19 dan dunia beralih ke normal baru, langkah-langkah yang diambil oleh OTT selama penguncian dapat menentukan masa depan mereka. Pemain OTT yang benar-benar menghasilkan data besar dan karenanya memikirkan kembali strategi konten dan pengalaman pelanggan mereka dapat terus menikmati kesuksesan yang mereka saksikan saat ini.

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.

Lihat Kursus Rekayasa Perangkat Lunak kami di upGrad.

Pimpin Revolusi Teknologi Berbasis Data

Program Sertifikat Tingkat Lanjut dalam Data Besar dari IIIT Bangalore