Большие данные и аналитика — разрушители медиа и развлечений

Netflix может предсказать и предложить, что вам следует посмотреть дальше. Если вы искали сумку в Интернете, будьте готовы к множеству объявлений, связанных с сумками, на Facebook. Купили билет на Мальдивы на Cleartrip? Вы можете быть уверены, что в течение следующих нескольких дней будете видеть информацию об этом месте назначения в Интернете. Это всего лишь несколько примеров, когда данные и анализ пересекаются со СМИ и развлечениями. В каждой отрасли приложения для работы с большими данными меняют настоящее и будущее.

За последнее десятилетие индустрия медиа и развлечений добилась больших успехов в том, как создается, продается и распространяется контент. Давайте углубимся в различные тенденции, проблемы и возможности использования данных и анализа в отрасли.

Введение

Современные потребители, разбирающиеся в Интернете, ищут и получают доступ к контенту в любом месте и в любое время — на настольном компьютере, телефоне, планшете и телевизоре. В результате бренды, издатели, вещательные компании, новостные каналы и даже игровые компании находятся под огромным давлением, чтобы реализовать новые стратегии цифрового производства, многоканальной рекламы и распространения, чтобы привлечь нужного клиента в нужное время.

Им необходимо иметь детальное представление о предпочтениях потребителей в медиапотреблении и соответствующем поведении, чтобы найти способ выделиться из беспорядка. Медиа-ландшафт также претерпевает изменения с массовым переходом от аналогового к цифровому контенту, предлагая возможности монетизации контента и выявления новых продуктов и услуг. Это лучшее время для медиа- и развлекательных компаний, чтобы использовать свои активы больших данных для более точного и прибыльного взаимодействия с клиентами, чем когда-либо прежде.

Тенденции

Сбор и анализ данных не являются чем-то новым для медиа и индустрии развлечений. Было время, когда этим компаниям приходилось читать обзоры, брать интервью у клиентов, проводить групповые обсуждения, а также следить и анализировать телевизионные рейтинги и чарты, чтобы получить данные о клиентах и ​​получить представление о них. Этот процесс стал намного проще с помощью больших данных и аналитических инструментов. Сегодня компании могут отслеживать клики, просмотры, взаимодействие и репост на всех устройствах и типах медиа, чтобы корректировать контент, ценообразование, маркетинговые стратегии и стратегии распространения.

Вот некоторые из способов использования данных медиа- и развлекательными компаниями по всему миру:

1. Прогнозирование того, что хочет клиент

Постоянный сбор и анализ данных позволяет компаниям прогнозировать интерес аудитории на основе истории просмотров, рейтингов, поисковых запросов, обзоров, местоположения, данных об устройствах, просмотров, файлов журналов и настроений в социальных сетях. Используя эти данные в сочетании с анализом настроений клиентов, компании могут создавать и распространять правильный контент для нужной аудитории.

Обработка естественного языка (NLP) гарантирует точный анализ настроений клиентов с помощью алгоритмов, измеряющих положительные и отрицательные языковые проявления. Алгоритмы способны классифицировать посты, сообщения и фрагменты разговоров по настроению и определять эмоции, и компании могут использовать эти данные для соответствующей настройки или создания контента.

В случае с Netflix компания использует данные своих 167 миллионов подписчиков и использует модели анализа данных для анализа поведения клиентов и моделей покупок. Затем он использует эту информацию, чтобы рекомендовать фильмы и телепередачи на основе предпочтений их подписчиков. Узнайте больше, чтобы узнать больше о приложениях Data Science и ML в Netflix.

2. Планирование и оптимизация

Медиа и развлекательные компании могут использовать большие данные, чтобы понять, когда клиенты с наибольшей вероятностью просматривают контент и какое устройство они будут использовать для его просмотра. Благодаря масштабируемости больших данных информация может быть доступна на уровне PIN-кода и устройства для локализованного распространения. Это используется не только в контексте социальных сетей, но и при программировании контента на сервисах потокового мультимедиа, на телевидении и игровых платформах.

3. Привлечение и отток клиентов

Подписка и шаблоны подписки являются одним из наиболее изученных наборов данных для медиа- и развлекательных компаний. Благодаря этому они могут разработать лучшие рекламные и продуктовые стратегии для привлечения и удержания клиентов. Записи о звонках, электронные письма и настроения в социальных сетях — это три основных канала, которые показывают интерес клиентов и причины, по которым могут возникнуть проблемы с удержанием, если таковые имеются.

Spotify, крупнейший музыкальный сервис по запросу в мире с более чем 150 миллионами активных пользователей, просматривает более 600 гигабайт данных , чтобы усовершенствовать свои алгоритмы и учиться улучшать качество обслуживания клиентов и экстраполировать идеи.

Spotify также постоянно сканирует Интернет в поисках сообщений в блогах и другого музыкального контента, чтобы понять, что люди говорят о конкретных исполнителях и песнях. Делая это, компания может создавать ценность для клиентов и курировать персонализированный контент в разделах «Рекомендуемые плейлисты», «Откройте для себя» и «Полезная информация» на платформе. Естественно, это напрямую влияет на привлечение клиентов и замедляет отток.

4. Таргетинг рекламы

Для каждой отрасли крайне важно обращаться к потребителю в нужном контексте, в нужное время и на правильной платформе. Доступ и потребление контента в Интернете сделали цифровые медиа сложными и постоянно меняющимися. Анализ данных о моделях потребления при использовании с традиционными демографическими данными может дать представление о персонализированной рекламе.

Приложения для работы с большими данными постоянно улучшают таргетинг рекламы, несмотря на сложное поведение при потреблении контента, путем микросегментации клиентов. Например, поскольку потребители получают доступ к контенту на нескольких устройствах, анализ больших данных может помочь понять, когда потребители используют второй экран, чтобы можно было оптимизировать кампании на разных устройствах. Это может помочь медиа- и развлекательным компаниям повысить цифровую конверсию.

5. Монетизация контента

Большие данные также могут помочь медиа- и развлекательным компаниям получать дополнительные источники дохода. Например, эти идеи могут предложить новые способы стимулирования поведения потребителей, предлагая скидки и более длительные подписки. Большие данные также могут помочь компаниям определить возможности для нового продукта или услуги.

В 2018 году Disney подписала соглашение с Reliance Jio Infocomm, позволяющее JioCinema и цифровому приложению Jio предлагать свой контент на своей платформе. JioCinema размещает на главной странице специальный раздел под брендом Disney с контентом, охватывающим фильмы, анимацию и сериалы. Для Disney это был отличный способ увеличить поток доходов. Узнайте больше о применении больших данных в поп-культуре.

Медийные и развлекательные компании используют некоторые из следующих инструментов для оптимизации данных и получения достоверной информации:

• Хадуп

Hadoop — это платформа с открытым исходным кодом, которая обеспечивает надежную распределенную обработку больших объемов данных в кластерах компьютеров. На самом деле структура данных Netflix включает в себя Hadoop, Hive и Pig, а также другие традиционные бизнес-аналитики.

• Куболе

Qubole — это облачная платформа данных, которая разрабатывает модель машинного обучения, ориентированную на активацию данных. Он может обрабатывать все типы наборов данных для извлечения информации и создания приложений на основе искусственного интеллекта.

• HPCC

Это инструмент с открытым исходным кодом, предоставляющий единую платформу и архитектуру для обработки данных.

• Апач Кассандра

Cassandra — это бесплатная система управления распределенной базой данных NoSQL с открытым исходным кодом, которая может обрабатывать большие объемы неструктурированных данных на обычных серверах.

• MongoDB

Этот инструмент управления базой данных представляет собой кроссплатформенную базу данных документов, которая предоставляет средства для запросов и индексирования.

Некоторые другие инструменты и программное обеспечение для работы с большими данными, используемые компаниями, включают Apache Storm, Couch DB, Statwing, Flink, Pentaho, Hive, Rapidminer, Cloudera, Openrefine, DataCleaner, Neo4j, Apache SAMOA, Teradata и Tableau.

Проблемы

Новые технологии и инструменты появляются каждый месяц, чтобы помочь медиа- и развлекательным компаниям ускорить их работу с данными. Это наверняка создаст некоторые проблемы для маркетологов. Некоторые из этих проблем перечислены ниже:

1. Изменение мышления

Хотя создатели контента и маркетологи добились больших успехов в использовании аналитических данных, они по-прежнему рассматривают путь клиента с разбивкой на осведомленность, брендинг, привлечение, удержание и лояльность. Взгляд на эти области как на отдельные этапы, а не на плавный континуум, приводит к проблемам, связанным с бюджетными расходами. Организационные структуры таковы, что каждой команде могут быть предоставлены результаты и бюджеты в соответствии со старым мышлением, но потребность в час может быть другой.

2. Низкое проникновение высокоскоростного интернета

Несмотря на то, что по состоянию на январь 2020 года Интернетом активно пользуются 4,54 миллиарда человек (59% населения мира), высокоскоростной доступ в Интернет по-прежнему остается проблемой во многих странах. Китай, Индия и Соединенные Штаты являются ведущими странами с точки зрения интернет-пользователей, но подключение к 4G остается нестабильным, особенно в Индии. Это может значительно сократить бюджеты и программы.

3. Отсутствие консолидации

Некоторые компании по-прежнему рассматривают медийные, видео, мобильные, социальные и нативные каналы распространения и маркетинга отдельно. Каждый канал отслеживается с помощью отдельных ключевых показателей эффективности (KPI). Поскольку целевые рейтинговые очки (TRP) и рейтинг кликов (CTR) являются доминирующими показателями успеха, медиакомпании не могут сразу оценить влияние контента на бизнес-результаты.

Еще есть время, чтобы цифровая эпоха действительно наступила во всех частях мира. То, что может быть верно с точки зрения моделей потребления для Индии, может быть неактуально для США.

4. Актуальность метрик, ориентированных на результат

В погоне за быстрыми результатами большинство медиакомпаний начинают самоорганизовываться, чтобы стать многоканальными по замыслу. Поскольку во многих случаях только один человек просматривает все экраны (телевизор, телефон и планшет), компаниям необходимо соответствующим образом настроить свои KPI. Существует также значительное время ожидания для получения достаточных объемов данных и идей для точности и тенденций. В спешке, чтобы доминировать в сознании клиентов, компании могут упустить более устойчивые идеи, которые имеют более долгосрочные результаты.

5. Вопросы конфиденциальности данных

За последние несколько лет многие компании были обвинены в утечке данных и утечке личной информации. Adobe, Dubsmash, LinkedIn и Facebook — вот некоторые из компаний, недавно попавших под проверку. В результате потребители стали более чувствительны к своим данным и обеспокоены тем, как они будут использоваться.

По всему миру политики решили эти проблемы и внедрили правила для отраслей, обрабатывающих персональные данные. Такая задача может создать проблемы, когда речь идет о накоплении достаточного количества пользовательских данных, без которых невозможен точный анализ.

Возможности

Несмотря на проблемы, с которыми сталкиваются СМИ и индустрия развлечений при использовании больших данных, за эти годы появилось несколько возможностей. Большинство этих возможностей заложено в облачной инфраструктуре и искусственном интеллекте. Наследие компании и ее инфраструктура могут ограничивать ее быстрое масштабирование в ответ на головокружительную скорость данных и анализа. Это делает неизбежным использование облачных технологий.

Облачные технологии могут помочь крупным организациям справляться с огромным объемом данных и масштабными вычислительными задачами. Неспособность достаточно быстро адаптироваться к требованиям инфраструктуры нового мира, управляемого данными, может стоить медиа- и развлекательным компаниям определенной прибыли. Искусственный интеллект (ИИ) — единственный надежный способ анализа больших объемов данных и прогнозирования точного поведения потребителей.

ИИ позволяет компаниям получать подробные сведения о конкретных потребительских сегментах и ​​личностях, а не сосредотачиваться только на показах и CTR (рейтинге кликов). Для обеспечения подлинной персонализации можно использовать расширенную аналитику.

Инвестирование в современные современные технологии обработки данных и модернизация бизнес-процессов с учетом целей, связанных с данными, является обязательным условием для медиа-индустрии и индустрии развлечений. Настало время для компаний использовать программный подход как к расходам на СМИ, так и к программному контенту.

Если вам интересно узнать больше о больших данных, ознакомьтесь с нашей программой PG Diploma в области разработки программного обеспечения со специализацией в области больших данных, которая предназначена для работающих профессионалов и включает более 7 тематических исследований и проектов, охватывает 14 языков и инструментов программирования, практические занятия. семинары, более 400 часов интенсивного обучения и помощь в трудоустройстве в ведущих фирмах.

Изучайте онлайн-курсы по разработке программного обеспечения в лучших университетах мира. Участвуйте в программах Executive PG, Advanced Certificate Programs или Master Programs, чтобы ускорить свою карьеру.