บิ๊กดาต้าและการวิเคราะห์ – ผู้ขัดขวางสื่อและความบันเทิง

Netflix สามารถคาดเดาและแนะนำสิ่งที่คุณควรรับชมต่อไปได้ หากคุณเคยค้นหากระเป๋าทางออนไลน์ เตรียมตัวให้พร้อมสำหรับโฆษณาเกี่ยวกับกระเป๋าบน Facebook ซื้อตั๋วไปมัลดีฟส์ด้วย Cleartrip? คุณสามารถแน่ใจได้ว่าจะได้เห็นข้อมูลเกี่ยวกับปลายทางนี้ตลอดประสบการณ์ออนไลน์ของคุณในอีกสองสามวันข้างหน้า นี่เป็นเพียงตัวอย่างเล็กๆ น้อยๆ ที่ข้อมูลและการวิเคราะห์มาบรรจบกับสื่อและความบันเทิง ในทุกอุตสาหกรรม แอพพลิเคชั่นบิ๊กดาต้ากำลังเปลี่ยนแปลงปัจจุบันและอนาคต

ในทศวรรษที่ผ่านมา วงการสื่อและความบันเทิงมีความก้าวหน้าอย่างมากในการสร้าง วางตลาด และเผยแพร่เนื้อหา มาเจาะลึกถึงแนวโน้ม ความท้าทาย และโอกาสต่างๆ ในการใช้ข้อมูลและการวิเคราะห์ในอุตสาหกรรมกัน

บทนำ

ผู้บริโภคที่เชี่ยวชาญอินเทอร์เน็ตในปัจจุบันค้นหาและเข้าถึงเนื้อหาได้ทุกที่ทุกเวลา - บนเดสก์ท็อป โทรศัพท์ แท็บเล็ต และทีวี ด้วยเหตุนี้ แบรนด์ ผู้เผยแพร่ ผู้แพร่ภาพกระจายเสียง ช่องข่าว และแม้แต่บริษัทเกมจึงอยู่ภายใต้แรงกดดันอย่างมากในการดำเนินการผลิตดิจิทัลใหม่ โฆษณาหลายช่องทาง และกลยุทธ์การจัดจำหน่ายเพื่อเข้าถึงลูกค้าที่เหมาะสมในเวลาที่เหมาะสม

พวกเขาต้องมีความเข้าใจโดยละเอียดเกี่ยวกับการตั้งค่าการบริโภคสื่อของผู้บริโภคและพฤติกรรมที่เกี่ยวข้องเพื่อหาวิธีแยกความแตกต่างจากความยุ่งเหยิง นอกจากนี้ยังมีการเปลี่ยนแปลงภูมิทัศน์ของสื่อ โดยมีการเปลี่ยนแปลงครั้งใหญ่ไปสู่เนื้อหาดิจิทัลจากแอนะล็อก โดยให้โอกาสในการสร้างรายได้จากเนื้อหาและระบุผลิตภัณฑ์และบริการใหม่ นี่เป็นเวลาที่ดีที่สุดสำหรับบริษัทสื่อและความบันเทิงในการใช้ประโยชน์จากสินทรัพย์ข้อมูลขนาดใหญ่เพื่อการมีส่วนร่วมกับลูกค้าที่แม่นยำและให้ผลกำไรมากกว่าที่เคยเป็นมา

เทรนด์

การรวบรวมและวิเคราะห์ข้อมูลไม่ใช่เรื่องใหม่สำหรับวงการสื่อและความบันเทิง มีบางครั้งที่บริษัทเหล่านี้ต้องอ่านบทวิจารณ์ สัมภาษณ์ลูกค้า เน้นการสนทนากลุ่ม ติดตามและวิเคราะห์ทีวีและการจัดอันดับแผนภูมิเพื่อรับข้อมูลลูกค้าและข้อมูลเชิงลึก กระบวนการนี้ง่ายขึ้นมากด้วยความช่วยเหลือของข้อมูลขนาดใหญ่และเครื่องมือวิเคราะห์ วันนี้ บริษัทต่างๆ สามารถติดตามการคลิก การดู การมีส่วนร่วม และการแชร์ผ่านอุปกรณ์และสื่อทุกประเภท เพื่อปรับเปลี่ยนเนื้อหา การกำหนดราคา การตลาดและกลยุทธ์การจัดจำหน่าย

วิธีการที่บริษัทสื่อและความบันเทิงทั่วโลกใช้ข้อมูลมีดังนี้:

1. ทำนายว่าลูกค้าต้องการอะไร

การรวบรวมและวิเคราะห์ข้อมูลอย่างต่อเนื่องช่วยให้บริษัทต่างๆ สามารถคาดการณ์ความสนใจของผู้ชมโดยอิงจากประวัติการเข้าชม การให้คะแนน การค้นหา บทวิจารณ์ ตำแหน่ง ข้อมูลอุปกรณ์ การคลิกสตรีม ไฟล์บันทึก และความรู้สึกทางโซเชียลมีเดีย ด้วยการใช้ข้อมูลนี้ร่วมกับการวิเคราะห์ความรู้สึกของลูกค้า บริษัทต่างๆ สามารถสร้างและแจกจ่ายเนื้อหาที่เหมาะสมไปยังผู้ชมที่เหมาะสมได้

การประมวลผลภาษาธรรมชาติ (NLP) รับประกันการวิเคราะห์ความเชื่อมั่นของลูกค้าอย่างแม่นยำด้วยความช่วยเหลือของอัลกอริธึมที่วัดการแสดงออกทางภาษาในเชิงบวกและเชิงลบ อัลกอริธึมสามารถจำแนกโพสต์ ข้อความ และส่วนย่อยของการสนทนาตามอารมณ์และการกำหนดอารมณ์ และบริษัทต่างๆ สามารถใช้ประโยชน์จากข้อมูลนี้เพื่อปรับแต่งหรือสร้างเนื้อหาตามนั้น

ในกรณีของ Netflix บริษัทใช้ข้อมูลจากสมาชิก 167 ล้านคนและใช้แบบจำลองการวิเคราะห์ข้อมูลเพื่อวิเคราะห์พฤติกรรมของลูกค้าและรูปแบบการซื้อ จากนั้นจะใช้ข้อมูลดังกล่าวเพื่อแนะนำภาพยนตร์และรายการทีวีตามความชอบของสมาชิก อ่านเพิ่มเติมเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับแอปพลิเคชันของ Data Science และ ML ใน Netflix

2. การจัดกำหนดการและการเพิ่มประสิทธิภาพ

บริษัทสื่อและความบันเทิงสามารถใช้บิ๊กดาต้าเพื่อทำความเข้าใจเมื่อลูกค้ามีแนวโน้มสูงสุดที่จะดูเนื้อหาและจะใช้อุปกรณ์ใดในการดู ด้วยความสามารถในการปรับขนาดของข้อมูลขนาดใหญ่ ข้อมูลสามารถเข้าถึงได้ที่รหัส PIN และระดับอุปกรณ์สำหรับการกระจายแบบโลคัลไลซ์ สิ่งนี้ไม่เพียงใช้ในบริบทของโซเชียลมีเดียเท่านั้น แต่ยังรวมถึงในการเขียนโปรแกรมเนื้อหาบนบริการสื่อสตรีมมิ่ง ทีวี และแพลตฟอร์มเกมด้วย

3. การได้มาซึ่งลูกค้าและการปั่นป่วน

รูปแบบการสมัครและการสมัครเป็นหนึ่งในชุดข้อมูลที่มีการศึกษามากที่สุดสำหรับบริษัทสื่อและความบันเทิง ด้วยเหตุนี้ พวกเขาสามารถพัฒนากลยุทธ์การส่งเสริมการขายและผลิตภัณฑ์ที่ดีที่สุดเพื่อดึงดูดและรักษาลูกค้าไว้ บันทึกรายละเอียดการโทร อีเมล และความรู้สึกทางโซเชียลมีเดียเป็นช่องทางหลักสามช่องทางที่เปิดเผยความสนใจของลูกค้า และเหตุใดจึงอาจมีปัญหาในการรักษาข้อมูล หากมี

Spotify บริการเพลงตามสั่งที่ใหญ่ที่สุดในโลกที่มี ผู้ใช้งานมากกว่า 150 ล้านคน ค้นหาข้อมูลมากกว่า 600 กิกะไบต์ เพื่อทำให้อัลกอริธึมสมบูรณ์แบบและเรียนรู้ที่จะปรับปรุงประสบการณ์ของลูกค้าและคาดการณ์ข้อมูลเชิงลึก

Spotify ยังรวบรวมข้อมูลเว็บอย่างต่อเนื่องเพื่อค้นหาบล็อกโพสต์และเนื้อหาอื่นๆ เกี่ยวกับเพลงเพื่อทำความเข้าใจว่าผู้คนพูดถึงศิลปินและเพลงใดโดยเฉพาะ การทำเช่นนี้ บริษัทสามารถสร้างมูลค่าให้กับลูกค้าและดูแลจัดการเนื้อหาส่วนบุคคลในส่วน 'เพลย์ลิสต์ที่แนะนำ', 'ค้นพบ ' และ 'ข้อมูลเชิงลึก' ของแพลตฟอร์ม แน่นอนว่าสิ่งนี้ส่งผลกระทบโดยตรงต่อการได้มาซึ่งลูกค้าและชะลอการเลิกรา

4. การกำหนดเป้าหมายโฆษณา

จำเป็นสำหรับทุกอุตสาหกรรมในการเข้าถึงผู้บริโภคในบริบทที่ถูกต้อง ในเวลาที่เหมาะสม และบนแพลตฟอร์มที่เหมาะสม การเข้าถึงและการใช้เนื้อหาบนอินเทอร์เน็ตทำให้สื่อดิจิทัลมีความซับซ้อนและเปลี่ยนแปลงตลอดเวลา การวิเคราะห์ข้อมูลรูปแบบการบริโภคเมื่อใช้กับข้อมูลประชากรแบบดั้งเดิมสามารถให้ข้อมูลเชิงลึกสำหรับการโฆษณาที่ปรับให้เหมาะกับแต่ละบุคคล

แอปพลิเคชันข้อมูลขนาดใหญ่ปรับปรุงการกำหนดเป้าหมายโฆษณาอย่างต่อเนื่อง แม้จะมีพฤติกรรมการใช้เนื้อหาที่ซับซ้อนโดยการแบ่งกลุ่มย่อยของลูกค้า ตัวอย่างเช่น เนื่องจากผู้บริโภคเข้าถึงเนื้อหาบนอุปกรณ์หลายเครื่อง ข้อมูลเชิงลึกขนาดใหญ่จึงมีประโยชน์ในการทำความเข้าใจเมื่อผู้บริโภคใช้หน้าจอที่สอง เพื่อให้สามารถเพิ่มประสิทธิภาพแคมเปญในอุปกรณ์ต่างๆ สิ่งนี้สามารถช่วยให้บริษัทสื่อและความบันเทิงเพิ่มอัตราการแปลงทางดิจิทัล

5. การสร้างรายได้จากเนื้อหา

ข้อมูลขนาดใหญ่ยังช่วยให้บริษัทสื่อและความบันเทิงสร้างรายได้เพิ่มเติมอีกด้วย ตัวอย่างเช่น ข้อมูลเชิงลึกเหล่านี้สามารถแนะนำวิธีใหม่ๆ ในการจูงใจพฤติกรรมผู้บริโภคโดยเสนอส่วนลดและการสมัครรับข้อมูลที่ยาวนานขึ้น ข้อมูลขนาดใหญ่ยังสามารถช่วยบริษัทต่างๆ ในการระบุโอกาสสำหรับผลิตภัณฑ์หรือบริการใหม่

ในปี 2018 Disney ได้ลงนามในข้อตกลงกับ Reliance Jio Infocomm เพื่ออนุญาตให้แอปดิจิทัลของ JioCinema และ Jio นำเสนอเนื้อหาบนแพลตฟอร์มของตน JioCinema เป็นเจ้าภาพส่วนแบรนด์ดิสนีย์โดยเฉพาะในหน้าแรกที่มีเนื้อหาครอบคลุมทั้งภาพยนตร์ แอนิเมชั่น และซีรีส์ สำหรับดิสนีย์ นี่เป็นวิธีที่ยอดเยี่ยมในการขยายกระแสรายได้ อ่านเพิ่มเติมเกี่ยวกับแอปพลิเคชันของข้อมูลขนาดใหญ่ในวัฒนธรรมป๊อป

บริษัทสื่อและความบันเทิงใช้เครื่องมือบางอย่างต่อไปนี้เพื่อปรับปรุงข้อมูลและรับข้อมูลเชิงลึกที่ถูกต้อง:

• Hadoop

Hadoop เป็นเฟรมเวิร์กโอเพ่นซอร์สที่อนุญาตให้มีการประมวลผลข้อมูลปริมาณมากแบบกระจายที่เชื่อถือได้ทั่วทั้งคลัสเตอร์ของคอมพิวเตอร์ อันที่จริง โครงสร้างข้อมูลของ Netflix นั้นรวมถึง Hadoop, Hive และ Pig ร่วมกับระบบธุรกิจอัจฉริยะอื่นๆ ด้วย

• Qubole

Qubole เป็นแพลตฟอร์มข้อมูลบนคลาวด์ที่พัฒนาโมเดลการเรียนรู้ของเครื่องโดยเน้นที่การเปิดใช้งานข้อมูล สามารถประมวลผลชุดข้อมูลทุกประเภทเพื่อดึงข้อมูลเชิงลึกและสร้างแอปพลิเคชันที่ใช้ปัญญาประดิษฐ์

• HPCC

นี่เป็นเครื่องมือโอเพ่นซอร์สที่มีแพลตฟอร์มและสถาปัตยกรรมเดียวสำหรับการประมวลผลข้อมูล

• Apache Cassandra

Cassandra เป็นระบบจัดการฐานข้อมูลแบบกระจาย NoSQL แบบโอเพ่นซอร์สฟรี ที่สามารถจัดการข้อมูลที่ไม่มีโครงสร้างปริมาณมากในเซิร์ฟเวอร์สินค้าโภคภัณฑ์

• MongoDB

เครื่องมือการจัดการฐานข้อมูลนี้เป็นฐานข้อมูลเอกสารข้ามแพลตฟอร์มที่อำนวยความสะดวกในการสืบค้นและจัดทำดัชนี

เครื่องมือและซอฟต์แวร์ขนาดใหญ่อื่นๆ ที่บริษัทใช้ ได้แก่ Apache Storm, Couch DB, Statwing, Flink, Pentaho, Hive, Rapidminer, Cloudera, Openrefine, DataCleaner, Neo4j, Apache SAMOA, Teradata และ Tableau

ความท้าทาย

เทคโนโลยีและเครื่องมือใหม่ๆ เกิดขึ้นทุกเดือน เพื่อช่วยให้บริษัทด้านสื่อและความบันเทิงเร่งความเร็วการเดินทางที่ขับเคลื่อนด้วยข้อมูล แน่นอนว่าสิ่งนี้จะสร้างความท้าทายให้กับนักการตลาด ปัญหาเหล่านี้บางส่วนมีการระบุไว้ด้านล่าง:

1. เปลี่ยนความคิด

ในขณะที่ผู้สร้างเนื้อหาและนักการตลาดมีความก้าวหน้าอย่างมากในการใช้ข้อมูลเชิงลึก พวกเขายังคงมองเห็นการเดินทางของลูกค้าในคลังข้อมูลของการรับรู้ การสร้างแบรนด์ การได้มา การรักษา และความภักดี การมองว่าพื้นที่เหล่านี้เป็นขั้นตอนที่แยกจากกันและชัดเจนมากกว่าความต่อเนื่องที่ราบรื่นจะนำไปสู่ปัญหาที่เกี่ยวข้องกับการใช้จ่ายงบประมาณ โครงสร้างองค์กรเป็นแบบที่แต่ละทีมอาจได้รับผลงานและงบประมาณตามความคิดแบบเก่า แต่ความต้องการชั่วโมงอาจแตกต่างกัน

2. การเข้าถึงอินเทอร์เน็ตความเร็วสูงต่ำ

แม้ว่าผู้คน 4.54 พันล้านคน (59 เปอร์เซ็นต์ของประชากรโลก) ใช้อินเทอร์เน็ตอย่างแข็งขัน ณ เดือนมกราคม 2020 อินเทอร์เน็ตความเร็วสูงยังคงเป็นความท้าทายในหลายประเทศ จีน อินเดีย และสหรัฐอเมริกาเป็นประเทศอันดับต้น ๆ ในแง่ของผู้ใช้อินเทอร์เน็ต แต่การเชื่อมต่อ 4G ยังคงแตกหัก โดยเฉพาะในอินเดีย สิ่งนี้สามารถสลัดงบประมาณและการเขียนโปรแกรมออกไปได้

3. ขาดการควบรวมกิจการ

บางบริษัทยังคงดูแลช่องทางการจัดจำหน่ายและการตลาดแบบดิสเพลย์ วิดีโอ มือถือ โซเชียล และเนทีฟ แต่ละช่องจะถูกติดตามโดยใช้ตัวบ่งชี้ประสิทธิภาพหลัก (KPI) แยกจากกัน ด้วยคะแนนเรตติ้งเป้าหมาย (TRP) และอัตราการคลิกผ่าน (CTR) ที่มีอิทธิพลเหนือเมตริกความสำเร็จ ธุรกิจสื่อจึงไม่สามารถเข้าใจผลกระทบของเนื้อหาที่มีต่อผลลัพธ์ทางธุรกิจได้ในทันที

ยังมีเวลาสำหรับยุคดิจิทัลที่จะมาถึงทั่วทุกมุมโลกอย่างแท้จริง สิ่งที่อาจเป็นจริงในแง่ของรูปแบบการบริโภคของอินเดียอาจไม่เกี่ยวข้องกับสหรัฐอเมริกา

4. ความเร่งด่วนสำหรับตัวชี้วัดที่มุ่งเน้นผลลัพธ์

ในการไล่ตามเพื่อให้ได้ผลลัพธ์ที่รวดเร็ว บริษัทสื่อส่วนใหญ่เริ่มจัดระเบียบตัวเองให้เป็น omni-channel ด้วยการออกแบบ เนื่องจากหลายครั้งมีผู้ใช้เพียงคนเดียวที่ดูหน้าจอทั้งหมด (ทีวี โทรศัพท์ และแท็บเล็ต) บริษัทต่างๆ จำเป็นต้องปรับ KPI ของตนให้สอดคล้องกัน นอกจากนี้ยังมีเวลารอที่สำคัญในการดึงข้อมูลและข้อมูลเชิงลึกจำนวนมากเพื่อความถูกต้องและแนวโน้ม ด้วยความรีบเร่งที่จะครอบงำจิตใจของลูกค้า บริษัทต่างๆ อาจพลาดข้อมูลเชิงลึกที่ยั่งยืนซึ่งให้ผลลัพธ์ในระยะยาวมากกว่า

5. ข้อกังวลด้านความเป็นส่วนตัวของข้อมูล

ในช่วงไม่กี่ปีที่ผ่านมา หลายบริษัทถูกกล่าวหาว่าละเมิดข้อมูลและการรั่วไหลของข้อมูลส่วนบุคคล Adobe, Dubsmash, LinkedIn และ Facebook เป็น บริษัท บางแห่งที่เพิ่งอยู่ภายใต้เครื่องสแกน ด้วยเหตุนี้ ผู้บริโภคจึงมีความอ่อนไหวต่อข้อมูลของตนมากขึ้นและกังวลว่าข้อมูลจะถูกนำไปใช้อย่างไร

ผู้กำหนดนโยบายทั่วโลกได้แก้ไขปัญหาเหล่านี้และได้นำกฎระเบียบสำหรับอุตสาหกรรมที่จัดการข้อมูลส่วนบุคคลไปใช้ ความท้าทายดังกล่าวอาจก่อให้เกิดปัญหาในการรวบรวมข้อมูลผู้ใช้อย่างเพียงพอ หากไม่มีการวิเคราะห์ที่แม่นยำก็ไม่สามารถทำได้

โอกาส

แม้ว่าอุตสาหกรรมสื่อและความบันเทิงต้องเผชิญกับความท้าทายในการใช้บิ๊กดาต้า แต่ก็มีโอกาสเกิดขึ้นมากมายในช่วงหลายปีที่ผ่านมา โอกาสเหล่านี้ส่วนใหญ่ฝังอยู่ในโครงสร้างพื้นฐานระบบคลาวด์และปัญญาประดิษฐ์ มรดกของบริษัทและโครงสร้างพื้นฐานของบริษัทสามารถจำกัดการปรับขนาดอย่างรวดเร็วเพื่อตอบสนองต่อความเร็วของข้อมูลและการวิเคราะห์ที่หยุดชะงัก สิ่งนี้ทำให้การใช้เทคโนโลยีคลาวด์เป็นสิ่งที่หลีกเลี่ยงไม่ได้

เทคโนโลยีคลาวด์สามารถช่วยองค์กรขนาดใหญ่ในการจัดการข้อมูลขนาดมหึมาและความท้าทายด้านการประมวลผลขนาดใหญ่ ความล้มเหลวในการปรับตัวให้เข้ากับข้อกำหนดด้านโครงสร้างพื้นฐานของโลกใหม่ที่ขับเคลื่อนด้วยข้อมูลอย่างรวดเร็วเพียงพออาจทำให้บริษัทสื่อและความบันเทิงต้องเสียกำไรจำนวนหนึ่ง ปัญญาประดิษฐ์ (AI) เป็นวิธีเดียวที่เชื่อถือได้ในการวิเคราะห์ข้อมูลปริมาณมาก และคาดการณ์พฤติกรรมผู้บริโภคได้อย่างแม่นยำ

AI ช่วยให้บริษัทต่างๆ ได้รับข้อมูลเชิงลึกสำหรับกลุ่มผู้บริโภคและบุคลิกที่เฉพาะเจาะจง แทนที่จะเน้นที่การแสดงผลและ CTR เท่านั้น (อัตราการคลิกผ่าน) การวิเคราะห์ขั้นสูงสามารถใช้เพื่อขับเคลื่อนการปรับเปลี่ยนในแบบของคุณอย่างแท้จริง

การลงทุนในเทคโนโลยีข้อมูลที่ทันสมัยและทันสมัยและการปรับปรุงกระบวนการทางธุรกิจเพื่อสะท้อนวัตถุประสงค์ที่ขับเคลื่อนด้วยข้อมูลเป็นสิ่งจำเป็นสำหรับอุตสาหกรรมสื่อและความบันเทิง นี่เป็นเวลาสำหรับบริษัทต่างๆ ที่จะใช้แนวทางที่เน้นเป็นโปรแกรมเป็นหลักทั้งในด้านการใช้จ่ายด้านสื่อและการจัดโปรแกรมเนื้อหา

หากคุณสนใจที่จะทราบข้อมูลเพิ่มเติมเกี่ยวกับ Big Data โปรดดูที่ PG Diploma in Software Development Specialization in Big Data program ซึ่งออกแบบมาสำหรับมืออาชีพที่ทำงานและมีกรณีศึกษาและโครงการมากกว่า 7 กรณี ครอบคลุมภาษาและเครื่องมือในการเขียนโปรแกรม 14 รายการ เวิร์กช็อป ความช่วยเหลือด้านการเรียนรู้และจัดหางานอย่างเข้มงวดมากกว่า 400 ชั่วโมงกับบริษัทชั้นนำ

เรียนรู้ หลักสูตรการพัฒนาซอฟต์แวร์ ออนไลน์จากมหาวิทยาลัยชั้นนำของโลก รับโปรแกรม Executive PG โปรแกรมประกาศนียบัตรขั้นสูง หรือโปรแกรมปริญญาโท เพื่อติดตามอาชีพของคุณอย่างรวดเร็ว