쇼, 영화 및 팬데믹: 빅 데이터가 엔터테인먼트 산업을 어떻게 변화시켰는지
게시 됨: 2020-06-04바로 지금 이 기사를 읽고 있는 수십억 명의 사람들이 영화관이나 식당에 대한 접근 없이 집에 앉아 있고 오락의 원천은 인터넷뿐입니다. 이러한 급격한 변화는 엔터테인먼트 산업을 포함한 모든 종류의 비즈니스에 막대한 영향을 미쳤습니다. 영화 제작이 끔찍하게 중단되었지만 소비자 수요는 계속 존재 하면서 OTT(Over-Top) 미디어 서비스는 플레이어가 예측하지 못한 갑작스러운 수요 급증을 목격했습니다.
지난 몇 주 동안 분명히 모든 OTT에 혜택이 있었지만, OTT 가 전 세계적으로 잠금이 완화되면서 동일한 성장을 계속 누릴 수 있을까와 같은 질문도 제기했습니다.
현재 Netflix와 같은 거대 기업은 구독자 수가 증가했으며 2020년 1분기에 점유율이 35% 증가했습니다 . 우리는 또한 이러한 불확실한 시기에 자체 제작 콘텐츠(John Krasinski의 Some Good News 가 떠오름)의 인기가 상승하는 것을 보았습니다 . 한입 크기의 콘텐츠 플랫폼인 퀴비 는 2020년 3월에 최신 펀딩을 마쳤습니다. 많은 대스타와 타이틀로 10분짜리 에피소드를 선보였습니다.
그러나 이 예상치 못한 절호의 기회에 OTT 플레이어가 넘쳐나면서 고객은 그 어느 때보다 선택의 폭이 넓어졌습니다. 이 단계에서 OTT 플레이어가 제공하는 경험의 품질은 잠금이 완전히 단계적으로 사라지면 그들의 미래를 정의할 수도 있습니다. 이러한 시나리오에서 우리는 그들이 이 성공을 지속하기 위해 사용할 수 있는 것이 무엇인지 알고 있습니다. 바로 빅 데이터입니다.
목차
빅 데이터: 알려지지 않은 영웅
영화나 텔레비전과 달리 OTT 시청자는 언제든지 무엇이든 볼 수 있는 옵션이 있습니다. 텔레비전의 경우 채널의 일정에 의존하지만 OTT 플랫폼에서는 주문형 콘텐츠입니다. 따라서 고정된 일정이 없기 때문에 프로그램 선택에 대한 소유권은 소비자에게 있습니다.
선택의 바다에서 OTT 플레이어는 시청자가 시청할 가능성이 가장 높기 때문에 새로운 릴리스보다 n번째로 FRIENDS를 시청하도록 제안하더라도 시청자가 시청 성향이 가장 확률적으로 높은 옵션을 어떻게 제공합니까? 저것! 그러나 일간 뉴스를 제외하고 TV에서 사용할 수 있는 새로운 콘텐츠가 없기 때문에 OTT는 신중하게 선택한 콘텐츠를 폭식하도록 새로운 가입자를 유치할 수 있는 기회가 있습니다.
여기서 빅 데이터가 등장합니다(말장난).
빅데이터는 OTT의 추천 시스템을 통해 '사용자가 좋아할 만한 것 찾기' 문제를 상당 부분 해결한다. 이를 이해하려면 가장 눈에 띄는 OTT 플랫폼인 Netflix를 자세히 살펴봐야 합니다. 고객 경험을 완벽하게 만들기 위한 그들의 끊임없는 추구는 알려지지 않은 사실이 아닙니다.
Netflix는 고객의 요구를 선점하고 모든 접점에서 원활한 경험을 제공함으로써 빠르게 세계 최대의 OTT 플랫폼으로 부상했습니다. 마치 고객의 마음을 읽을 수 있고 Netflix를 방문할 때마다 고객이 무엇을 보고 싶어하는지 알 수 있는 것 같았습니다. Netflix가 성공의 큰 부분을 빅 데이터에 빚지고 있다는 것은 잘 알려지지 않은 사실입니다.
개인화 된 영화 추천으로 시작했지만 스트리밍으로 전환한 후 데이터 기반 추천 시스템을 사용하기 시작했습니다.
빅 데이터의 역할 이해하기
Netflix의 추천 시스템이 얼마나 발전했는지 이미 알고 계실 것입니다. 복잡한 문제를 해결하기 위해 여러 알고리즘을 사용합니다. 그러한 알고리즘 중 하나는 PVR 알고리즘이며, 여기서 PVR은 Personalized Video Ranking을 의미합니다. 사용자 기반 필터링의 제품을 고려하면서 특정 기준(장르, 배우 등)에 따라 제목을 필터링합니다. Netflix는 또한 시간에 민감한 예측을 위해 RNN을 통합합니다.
'계속 시청' 추천자는 사용자가 시청을 마치지 않은 콘텐츠(미완성 영화, 시리즈의 미본 에피소드)를 볼 뿐만 아니라 알고리즘은 포기 시점, 개별 타이틀을 시청하는 데 사용된 장치 및 기타 컨텍스트도 고려합니다. 권장 사항을 최적화하기 위한 기반 신호. Recurrent Neural Networks는 컨텍스트 시퀀스 데이터에 탁월하므로 Netflix가 추천기에 이를 사용하는 것은 놀라운 일이 아닙니다.
COVID-19 기간 동안 Netflix의 큰 라이브러리 크기와 다양한 알고리즘이 주요 경쟁 우위로 입증되었습니다. Netflix는 알고리즘 중 하나인 Trending Now Ranker를 사용하여 시청자에게 프로그램과 영화를 추천했습니다. 이 알고리즘은 개별 타이틀의 인기도를 높이는 단기 추세에 중점을 둡니다.
예를 들어, 2020년 1분기에 1,580만 명이 넘는 신규 가입자를 확보 한 OTT 거인 은 2020 년 2월 폐쇄가 시작될 때 '팬데믹'이라는 새로운 쇼를 시작했습니다. 바이러스 유사 코로나바이러스. 우리의 첫 번째 생각은 – 타이밍을 위한 방법은 무엇입니까?
그러나 타이밍의 문제가 아닙니다. 이것은 바이러스에 대한 사람들의 증가하는 호기심을 이용하기 위해 OTT 플레이어가 의도적으로 시작한 화제 시리즈입니다.
Netflix는 또한 하이브리드 필터링 시스템을 사용하여 사용자에게 향상된 개인화 기능을 제공합니다. 협업 필터링은 가장 인기 있는 제목을 식별하는 데 도움이 되며 사용자 기반 필터링은 특정 사용자가 가장 좋아하는 제목을 인식하는 데 도움이 됩니다. 또한 사용자의 기본 설정에 따라 제목의 이미지를 변경합니다. 그들은 A/B 테스트를 수행하여 어떤 썸네일이 사용자가 클릭하도록 설득하는지 알아냅니다. 산업 전반에 걸친 빅 데이터 애플리케이션의 예
다른 플랫폼도 뒤지지 않습니다.
넷플릭스가 달콤한 성공의 맛을 즐기는 동안 경쟁자들도 평소보다 바쁘게 움직이고 있습니다. Disney+, Amazon Prime Video, Hotstar와 같은 OTT 및 유사한 고객 기반을 놓고 경쟁하는 많은 다른 플랫폼은 경쟁에 맞서기 위해 지속적으로 빅 데이터를 사용하고 있습니다.
고객 경험의 선두 주자로 여겨지는 Amazon은 출현 이후 추천 시스템의 선두 주자이기도합니다. 그들은 주제 다양화 알고리즘을 사용하여 권장 사항을 향상시킵니다. 협업 필터링 및 항목 간 매트릭스를 통해 다양한 사용자를 위해 확장 가능한 구현을 유지할 수 있습니다. 또한 콘텐츠 기반 필터링 방법을 사용하여 다른 사용자의 영향이 너무 크지 않은 사용자 행동을 예측합니다.
Amazon Prime Video의 초창기에는 사람들이 개인화된 추천을 받지 못하기 때문에 해로운 것으로 판명된 협업 필터링 사용에만 집중했습니다. Amazon이 이 문제를 확인했을 때 더 사용자 중심적인 방법을 사용하기 시작하여 사용자 참여가 2배 증가했습니다. Disney+와 Apple TV+는 시장에서 비교적 새로운 제품이며 추천자가 시청 경험을 향상시키는 방법을 보는 것이 흥미로울 것입니다.
OTT는 빅 데이터를 사용하여 추천을 개인화하는 유일한 플랫폼이 아닙니다. Spotify와 같은 음악 스트리밍 플랫폼은 권장 사항을 개선하기 위해 사용자가 듣는 음악을 분석합니다. 마찬가지로 Pandora는 사용자 평가를 통해 명시적으로 사용자 피드백을 받고 해당 데이터를 통해 새로운 음악 추천을 생성합니다.
읽기: 처음부터 COVID-19 구호에서 빅 데이터의 역할
여기에서 어디로 갈까요? 모든 사람의 마음에 대한 질문
현재의 팬데믹은 사람들을 집에 머물게 했고, 이는 OTT 플랫폼의 시청률 상승으로 이어졌습니다. 확실히 OTT는 인기가 높아지고 있지만 이러한 추세가 계속 될까요? 사람들이 엔터테인먼트를 인식하는 방식이 바뀔까요? 대유행으로 텔레비전 시대의 종말이 올 것인가? Netflix는 잠금이 해제되고 사람들이 다시 외부 세계로 들어서면서 고객 감소에 대비하고 있다고 공식적으로 발표했습니다.
플레이어는 혼자가 아닙니다. COVID-19가 지나가고 세계가 뉴 노멀로 이동함에 따라 폐쇄 기간 동안 OTT가 취한 조치가 그들의 미래를 정의할 수 있습니다. 진정한 빅 데이터를 제공하고 그에 따라 콘텐츠 전략과 고객 경험을 재고하는 OTT 플레이어는 현재 목격하고 있는 성공을 계속 즐길 수 있습니다.
빅 데이터에 대해 더 알고 싶다면 PG 디플로마 빅 데이터 소프트웨어 개발 전문화 프로그램을 확인하십시오. 이 프로그램은 실무 전문가를 위해 설계되었으며 7개 이상의 사례 연구 및 프로젝트를 제공하고 14개 프로그래밍 언어 및 도구, 실용적인 실습을 다룹니다. 워크샵, 400시간 이상의 엄격한 학습 및 최고의 기업과의 취업 지원.
upGrad에서 소프트웨어 엔지니어링 과정을 확인하십시오.
