Programy, filmy i pandemia: jak duże zbiory danych zmieniły branżę rozrywkową
Opublikowany: 2020-06-04W tej chwili, gdy czytasz ten artykuł, miliardy ludzi siedzą w domu bez dostępu do sal kinowych czy restauracji, a źródłem rozrywki jest jedynie internet. Ta nagła zmiana wywarła ogromny wpływ na wszelkiego rodzaju biznesy, w tym przemysł rozrywkowy. Gdy produkcja filmowa została zatrzymana, ale popyt konsumencki pozostał stale obecny, usługi medialne over-the-top (OTT) doświadczyły nagłego wzrostu popytu, którego nie przewidział żaden z graczy.
Chociaż ostatnie kilka tygodni oczywiście przyniosło korzyści wszystkim OTT, ale wywołało to również pytania, czy OTT nadal będą cieszyć się takim samym wzrostem, jak łagodzą blokady na całym świecie?
Obecnie giganci tacy jak Netflix odnotowali wzrost liczby subskrybentów, a ich udziały wzrosły o 35% w pierwszym kwartale 2020 roku . W tych niepewnych czasach zaobserwowaliśmy również rosnącą popularność treści rodzimych ( przychodzi mi na myśl Some Good News Johna Krasińskiego). Quibi , niewielka platforma z treściami, zakończyła ostatnią rundę finansowania w marcu 2020 r. Pokazała 10-minutowe odcinki z wieloma wielkimi gwiazdami i tytułami.
Jednak, gdy wielu graczy OTT dociera do tej nieoczekiwanej złotej okazji, klienci są rozpieszczani wyborem bardziej niż kiedykolwiek. Jakość doświadczenia zapewnianego przez graczy OTT podczas tej fazy może również określać ich przyszłość po całkowitym wygaśnięciu blokad. W takim scenariuszu wiemy, co mogą wykorzystać, aby ten sukces przedłużyć: Big Data.
Spis treści
Big Data: niedoceniony bohater
W przeciwieństwie do swoich odpowiedników, kina i telewizji, widzowie OTT mają możliwość oglądania czegokolwiek w dowolnym momencie. W przypadku telewizorów zależysz od harmonogramu kanału, ale w przypadku platformy OTT jest to treść na żądanie. Brak ustalonego harmonogramu sprawia zatem, że wybór programu spoczywa na kliencie.
W morzu wyborów, w jaki sposób odtwarzacz OTT zapewnia opcje, które widz prawdopodobnie ma największą skłonność do oglądania, nawet jeśli oznacza to sugerowanie widzowi obejrzenia PRZYJACIÓŁ po raz n-ty w dowolnej z nowych wydań, ponieważ jest to najbardziej prawdopodobne że! Jednak ze względu na brak nowych treści dostępnych w telewizji, z wyjątkiem codziennych wiadomości, OTT mają możliwość przyciągnięcia nowych subskrybentów do objadania się ich starannie dobranymi treściami.
W tym miejscu pojawiają się duże zbiory danych (zamierzona gra słów).
W dużej mierze big data rozwiązuje problem „znalezienia tego, co użytkownik może polubić” dla OTT poprzez swoje systemy rekomendacji. Aby to zrozumieć, powinniśmy przyjrzeć się bliżej najważniejszej platformie OTT, Netflix. Nieustanne dążenie do doskonalenia obsługi klienta nie jest faktem nieznanym.
Netflix szybko stał się największą platformą OTT na świecie, wyprzedzając wymagania klientów i oferując bezproblemową obsługę w każdym punkcie styku. To było prawie tak, jakby mogli czytać w myślach swoich klientów i wiedzieli, co chcą oglądać ich klienci za każdym razem, gdy wchodzą na Netflix. Mniej znanym faktem jest to, że Netflix zawdzięcza dużą część swojego sukcesu big data.
Zaczęli od spersonalizowanych rekomendacji filmów, ale po przejściu na transmisję strumieniową zaczęli korzystać z systemów rekomendacji opartych na danych.
Demistyfikacja roli big data
Być może już wiesz, jak zaawansowany jest system rekomendacji Netflix. Wykorzystuje wiele algorytmów do rozwiązywania złożonych problemów. Jednym z takich algorytmów jest Algorytm PVR, gdzie PVR oznacza Spersonalizowany Ranking Wideo. Filtruje tytuły według określonych kryteriów (gatunki, aktorzy itp.), biorąc pod uwagę produkty filtrowania opartego na użytkownikach. Netflix wykorzystuje również RNN do ich przewidywań czasowych.
Rekomendujący „kontynuuj oglądanie” nie tylko patrzy na treści, których użytkownik nie skończył oglądać (niekompletny film, nieobejrzane odcinki serialu), algorytm uwzględnia również punkt porzucenia, urządzenie używane do oglądania poszczególnych tytułów i inny kontekst oparte na sygnałach w celu optymalizacji jego zaleceń. Rekurencyjne sieci neuronowe doskonale nadają się do kontekstowych danych sekwencyjnych, więc nie powinno dziwić, że Netflix wykorzystuje je w swoich rekomendacjach.
Podczas COVID-19 duży rozmiar biblioteki Netflix i jej różne algorytmy okazały się jego kluczową przewagą konkurencyjną. Netflix wykorzystał jeden ze swoich algorytmów, Trending Now Ranker, do polecania swoim widzom programów i filmów. Algorytm ten skupia się na krótkoterminowych trendach, które powodują wzrost popularności poszczególnych tytułów.
Na przykład gigant OTT, który w I kwartale 2020 r. zdobył ponad 15,8 mln nowych subskrybentów , na początku blokady w lutym 2020 r. uruchomił nowy program zatytułowany „Pandemia”, który jest dokumentem, który kwestionuje gotowość człowieka do stawienia czoła szybko zmieniającej się sytuacji. wirusopodobny koronawirus. Naszą pierwszą myślą byłoby – jak to jest z wyczuciem czasu?
Nie jest to jednak kwestia czasu. Była to aktualna seria celowo uruchomiona przez gracza OTT, aby wykorzystać rosnącą ciekawość ludzi wokół wirusa.
Netflix wykorzystuje również hybrydowe systemy filtrowania, aby zapewnić użytkownikom lepszą personalizację. Filtrowanie zespołowe pomaga zidentyfikować najpopularniejsze tytuły, podczas gdy filtrowanie oparte na użytkownikach pozwala rozpoznać tytuły, które dany użytkownik chciałby najbardziej. Zmieniają również wygląd swoich tytułów zgodnie z preferencjami użytkownika. Przeprowadzają testy A/B, aby stwierdzić, która miniatura przekonałaby użytkownika do jej kliknięcia. Przykłady zastosowań Big Data w różnych branżach
Pozostałe platformy nie są daleko w tyle
Chociaż Netflix cieszy się słodkim smakiem sukcesu, jego konkurenci również są bardziej zajęci niż zwykle. OTT, takie jak Disney+, Amazon Prime Video, Hotstar i wiele innych platform, które konkurują o podobną bazę klientów, nieustannie wykorzystują big data do walki z konkurencją.
Amazon, uważany za lidera w dziedzinie obsługi klienta, od początku był również liderem w systemach rekomendacji. Wykorzystują algorytmy dywersyfikacji tematów, aby ulepszyć swoje rekomendacje. Dzięki wspólnemu filtrowaniu i macierzom typu item to item, mogą zachować skalowalność implementacji dla różnych użytkowników. Wykorzystują również metody filtrowania oparte na treści, aby przewidzieć zachowanie użytkowników, w przypadku których wpływ innych użytkowników nie byłby zbyt wpływowy.
W początkowych dniach Amazon Prime Video koncentrowali się wyłącznie na korzystaniu z filtrowania opartego na współpracy, co okazało się szkodliwe, ponieważ ludzie nie otrzymywali spersonalizowanych rekomendacji. Kiedy Amazon zidentyfikował ten problem, zaczął używać metod bardziej skoncentrowanych na użytkowniku, co doprowadziło do dwukrotnego wzrostu zaangażowania użytkowników. Disney+ i Apple TV+ są stosunkowo nowe na rynku i ciekawie będzie zobaczyć, jak ich polecający poprawiają wrażenia wizualne.
OTT nie są jedynymi platformami, które wykorzystują duże zbiory danych do personalizacji rekomendacji. Platformy do strumieniowego przesyłania muzyki, takie jak Spotify, analizują muzykę, której słucha użytkownik, aby poprawić swoje rekomendacje. Podobnie Pandora przyjmuje opinie użytkowników bezpośrednio (poprzez oceny użytkowników) i generuje nowe rekomendacje muzyczne na podstawie tych danych.
Przeczytaj: Rola Big Data w pomocy COVID-19 – od samego początku
Dokąd idziemy stąd? Pytanie w głowie wszystkich
Obecna pandemia zmusiła ludzi do pozostania w domu, co doprowadziło do wzrostu oglądalności platform OTT. Z pewnością OTT odnotowują wzrost popularności, ale czy ten trend się utrzyma? Czy zmieni to sposób postrzegania rozrywki przez ludzi? Czy pandemia oznacza koniec ery telewizji? Netflix oficjalnie ogłosił, że przygotowuje się na spadek liczby klientów, gdy blokady zostaną zniesione, a ludzie ponownie wejdą do świata zewnętrznego.
Gracz nie jest sam. Gdy COVID-19 mija, a świat przechodzi do nowej normy, kroki podjęte przez OTT podczas blokady mogą określić ich przyszłość. Gracze OTT, którzy naprawdę pobierają duże ilości danych i odpowiednio przemyślają swoją strategię treści i wrażenia klientów, mogą nadal cieszyć się sukcesem, którego są obecnie świadkami.
Jeśli chcesz dowiedzieć się więcej o Big Data, sprawdź nasz program PG Diploma in Software Development Specialization in Big Data, który jest przeznaczony dla pracujących profesjonalistów i zawiera ponad 7 studiów przypadków i projektów, obejmuje 14 języków programowania i narzędzi, praktyczne praktyczne warsztaty, ponad 400 godzin rygorystycznej pomocy w nauce i pośrednictwie pracy w najlepszych firmach.
Sprawdź nasze kursy inżynierii oprogramowania w upGrad.
