Séries, filmes e uma pandemia: como o big data transformou a indústria do entretenimento
Publicados: 2020-06-04Neste momento, enquanto você lê este artigo, bilhões de pessoas estão sentadas em casa sem acesso a salas de cinema ou restaurantes, e apenas a internet como fonte de entretenimento. Essa mudança repentina criou um enorme impacto em todos os tipos de negócios, incluindo a indústria do entretenimento. À medida que a produção de filmes chegou a um impasse, mas a demanda do consumidor permaneceu sempre presente, os serviços de mídia over-the-top (OTT) testemunharam um aumento repentino na demanda que não foi previsto por nenhum dos players.
Embora as últimas semanas tenham obviamente beneficiado todos os OTTs, mas também deu origem a perguntas como os OTTs continuarão a desfrutar do mesmo crescimento à medida que os bloqueios diminuem em todo o mundo?
Atualmente, gigantes como a Netflix testemunharam um aumento na contagem de assinantes e suas ações subiram 35% no primeiro trimestre de 2020 . Também vimos o aumento da popularidade do conteúdo criado internamente ( Some Good News de John Krasinski vem à mente), durante esses tempos incertos. Quibi , uma plataforma de conteúdo pequena, terminou sua última rodada de financiamento em março de 2020. Ela exibiu episódios de 10 minutos com muitas grandes estrelas e títulos.
No entanto, com uma infinidade de jogadores OTT chegando a essa oportunidade de ouro imprevista, os clientes têm mais opções do que nunca. A qualidade da experiência que os jogadores de OTT fornecem durante esta fase também pode definir seu futuro quando os bloqueios forem eliminados completamente. Nesse cenário, sabemos o que eles podem usar para manter esse sucesso por muito tempo: Big Data.
Índice
Big Data: o herói desconhecido
Ao contrário de suas contrapartes, cinema e televisão, os telespectadores OTT têm a opção de assistir a qualquer coisa a qualquer momento. No caso das televisões, você depende da programação do canal, mas com uma plataforma OTT, é conteúdo sob demanda. A falta de um horário fixo, portanto, coloca a propriedade da seleção de programas no consumidor.
Em um mar de escolhas, como um jogador OTT oferece opções que um espectador provavelmente tem a maior propensão a assistir, mesmo que isso signifique sugerir que o espectador assista FRIENDS pela enésima vez em qualquer um dos novos lançamentos, já que é mais provável que assista aquele! No entanto, sem novos conteúdos disponíveis na televisão, exceto as notícias diárias, os OTTs têm a oportunidade de atrair novos assinantes para consumir seu conteúdo cuidadosamente selecionado.
É aqui que o big data entra em cena (trocadilho intencional).
Em grande medida, o big data resolve a questão de 'encontrar o que o usuário pode gostar' para OTTs por meio de seus sistemas de recomendação. Para entender isso, devemos dar uma olhada na plataforma OTT mais proeminente do mercado, a Netflix. Sua busca incansável para aperfeiçoar a experiência do cliente não é um fato desconhecido.
A Netflix cresceu rapidamente para se tornar a maior plataforma OTT do mundo, antecipando as demandas dos clientes e oferecendo uma experiência perfeita em todos os pontos de contato. Era quase como se eles pudessem ler a mente de seus clientes e soubessem o que seus clientes queriam assistir toda vez que entravam na Netflix. É um fato menos conhecido que a Netflix deve uma grande fatia de seu sucesso ao big data.
Eles começaram com recomendações personalizadas de filmes, mas depois que mudaram para streaming, começaram a usar sistemas de recomendação baseados em dados.
Desmistificando o papel do big data
Você já deve estar ciente de quão avançado é o sistema de recomendação da Netflix. Ele usa vários algoritmos para resolver problemas complexos. Um desses algoritmos é o PVR Algorithm, onde PVR significa Ranking de Vídeo Personalizado. Ele filtra os títulos de acordo com critérios específicos (Gêneros, Atores, etc.) considerando os produtos de filtragem baseada no usuário. A Netflix também incorpora RNNs para suas previsões sensíveis ao tempo.
O recomendador 'continuar assistindo' não apenas analisa o conteúdo que o usuário não terminou de assistir (filme incompleto, episódios não assistidos de uma série), o algoritmo também considera o ponto de abandono, o dispositivo usado para assistir títulos individuais e outros contextos baseados em sinais para otimizar suas recomendações. Redes neurais recorrentes são excelentes para dados de sequências contextuais, portanto, não deve surpreender que a Netflix as empregue em seu recomendador.
Durante o COVID-19, o grande tamanho da biblioteca da Netflix e seus vários algoritmos provaram ser sua principal vantagem competitiva. A Netflix usou um de seus algoritmos, o Trending Now Ranker, para recomendar programas e filmes ao seu público. Esse algoritmo se concentra em tendências de curto prazo que causam um aumento na popularidade de títulos individuais.
Por exemplo, a gigante do OTT, que conseguiu mais de 15,8 milhões de novos assinantes no primeiro trimestre de 2020 , lançou um novo programa no início do bloqueio em fevereiro de 2020 chamado 'Pandemia', que é um documentário que questiona a prontidão do homem para enfrentar um movimento rápido. Coronavírus semelhante a vírus. Nosso primeiro pensamento seria – Como é isso para o tempo?
No entanto, não é uma questão de tempo. Esta foi uma série tópica lançada propositadamente pelo jogador OTT para capitalizar a crescente curiosidade das pessoas em torno do vírus.
A Netflix também usa sistemas de filtragem híbridos para fornecer personalização aprimorada a seus usuários. A filtragem colaborativa ajuda a identificar os títulos mais populares, enquanto a filtragem baseada no usuário permite reconhecer os títulos que um usuário específico mais gostaria. Eles também alteram a imagem de seus títulos de acordo com as preferências do usuário. Eles realizam testes A/B para perceber qual miniatura convenceria o usuário a clicar nela. Exemplos de aplicativos de big data em todos os setores
As outras plataformas não ficam muito atrás
Enquanto a Netflix desfruta do doce sabor do sucesso, seus concorrentes também se mantêm mais ocupados do que o habitual. OTTs como Disney+, Amazon Prime Video, Hotstar e muitas outras plataformas que competem por uma base de clientes semelhante têm usado continuamente big data para combater a concorrência.
A Amazon, que é considerada líder em experiência do cliente, também é líder em sistemas de recomendação desde seu advento. Eles usam algoritmos de diversificação de tópicos para aprimorar suas recomendações. Por meio de filtragem colaborativa e matrizes item a item, eles podem manter sua implementação escalável para diferentes usuários. Eles também usam métodos de filtragem baseados em conteúdo para prever o comportamento do usuário, onde o impacto de outros usuários não seria muito influente.
Nos primeiros dias do Amazon Prime Video, eles se concentravam apenas no uso de filtragem colaborativa, o que se mostrou prejudicial porque as pessoas não estavam recebendo recomendações personalizadas. Quando a Amazon identificou esse problema, eles começaram a usar métodos mais focados no usuário, o que levou a um aumento de 2x no engajamento do usuário. Disney+ e Apple TV+ são relativamente novos no mercado, e será interessante ver como seus recomendadores melhoram a experiência de visualização.
Os OTTs não são as únicas plataformas que usam big data para personalizar recomendações. Plataformas de streaming de música como o Spotify analisam a música que um usuário ouve para melhorar suas recomendações. Da mesma forma, o Pandora recebe o feedback do usuário explicitamente (através das classificações do usuário) e gera novas recomendações de música por meio desses dados.
Leia: Papel do Big Data na ajuda COVID-19 – desde o início
Para onde vamos daqui? Uma pergunta na mente de todos
A atual pandemia obrigou as pessoas a ficarem em casa, o que levou a um aumento na audiência das plataformas OTT. Certamente, os OTTs estão testemunhando um aumento em sua popularidade, mas essa tendência continuará? Isso mudará a forma como as pessoas percebem o entretenimento? A pandemia marcará o fim da era da televisão? A Netflix anunciou oficialmente que está se preparando para uma queda no número de clientes à medida que os bloqueios são suspensos e as pessoas voltam ao mundo exterior novamente.
O jogador não está sozinho. À medida que o COVID-19 passa e o mundo avança para o novo normal, as medidas tomadas pelos OTTs durante o bloqueio podem definir seu futuro. Os players de OTT que realmente extraem big data e repensam sua estratégia de conteúdo e experiência do cliente podem continuar desfrutando do sucesso que estão testemunhando atualmente.
Se você estiver interessado em saber mais sobre Big Data, confira nosso programa PG Diploma in Software Development Specialization in Big Data, projetado para profissionais que trabalham e fornece mais de 7 estudos de caso e projetos, abrange 14 linguagens e ferramentas de programação, práticas práticas workshops, mais de 400 horas de aprendizado rigoroso e assistência para colocação de emprego com as principais empresas.
Confira nossos Cursos de Engenharia de Software no upGrad.
