รายการ ภาพยนตร์ และโรคระบาด: บิ๊กดาต้าเปลี่ยนอุตสาหกรรมบันเทิงได้อย่างไร
เผยแพร่แล้ว: 2020-06-04ในขณะที่คุณอ่านบทความนี้ ผู้คนหลายพันล้านนั่งอยู่ที่บ้านโดยไม่มีทางเข้าโรงหนังหรือร้านอาหาร และมีเพียงอินเทอร์เน็ตเพื่อความบันเทิงเท่านั้น การเปลี่ยนแปลงกะทันหันนี้ได้สร้างผลกระทบอย่างใหญ่หลวงต่อธุรกิจทุกประเภทรวมถึงอุตสาหกรรมบันเทิง ในขณะที่การสร้างภาพยนตร์ต้องหยุดชะงักลง แต่ความต้องการของผู้บริโภคยังคงมีอยู่ตลอด บริการสื่อ แบบ over-the-top (OTT) ได้เห็นความต้องการที่เพิ่มขึ้นอย่างกะทันหันโดยที่ผู้เล่นไม่ได้คาดการณ์ไว้
ในขณะที่สองสามสัปดาห์ที่ผ่านมาเห็นได้ชัดว่า OTT ได้ประโยชน์ทั้งหมด แต่ก็ทำให้เกิดคำถามเช่น OTT จะยังคงเติบโตต่อไป เช่นเดียวกับการล็อคดาวน์ทั่วโลกหรือไม่?
ปัจจุบัน ยักษ์ใหญ่อย่าง Netflix ได้เห็นจำนวนสมาชิกที่เพิ่มขึ้น และหุ้นของพวกเขาเพิ่มขึ้น 35% ใน ไตรมาสแรกของ ปี 2020 นอกจากนี้เรายังเห็นความนิยมเพิ่มขึ้นในเนื้อหาที่ปลูกเองที่บ้าน ( บางข่าวดี ของ John Krasinski อยู่ในใจ) ในช่วงเวลาที่ไม่แน่นอนเหล่านี้ Quibi ซึ่งเป็นแพลตฟอร์มเนื้อหาขนาดเล็ก ระดมทุนรอบล่าสุดในเดือนมีนาคม 2020 ได้แสดงตอน 10 นาทีที่มีดาราดังและชื่อเรื่องมากมาย
อย่างไรก็ตาม ด้วยผู้เล่น OTT จำนวนมากที่มาถึงโอกาสทองที่ไม่คาดคิดนี้ ลูกค้าจึงมีตัวเลือกมากมายให้เลือกมากกว่าที่เคย คุณภาพของประสบการณ์ที่ผู้เล่น OTT มอบให้ในช่วงนี้อาจกำหนดอนาคตของพวกเขาได้เช่นกันเมื่อการล็อคดาวน์หมดลง ในสถานการณ์เช่นนี้ เราทราบดีว่าพวกเขาสามารถใช้อะไรเพื่อรักษาความสำเร็จนี้ให้ยืนยาวได้ นั่นคือ Big Data
สารบัญ
Big Data: ฮีโร่ที่ไม่ได้ร้อง
ผู้ชม OTT มีตัวเลือกในการดูอะไรก็ได้ทุกเวลาไม่เหมือนกับในโรงภาพยนตร์และโทรทัศน์ ในกรณีของโทรทัศน์ คุณขึ้นอยู่กับตารางของช่อง แต่สำหรับแพลตฟอร์ม OTT จะเป็นเนื้อหาตามต้องการ การขาดกำหนดการที่แน่นอนจึงทำให้ความเป็นเจ้าของในการเลือกโปรแกรมเป็นของผู้บริโภค
ท่ามกลางทางเลือกที่หลากหลาย ผู้เล่น OTT นำเสนอตัวเลือกที่ผู้ดูมีแนวโน้มว่าจะดูมากที่สุดอย่างไร แม้ว่าจะหมายถึงการแนะนำให้ผู้ดูดู FRIENDS เป็นครั้งที่ n เหนือรายการออกใหม่ใดๆ เนื่องจากพวกเขามีแนวโน้มที่จะดูมากที่สุด นั่น! อย่างไรก็ตาม เนื่องจากไม่มีเนื้อหาใหม่ทางโทรทัศน์ยกเว้นข่าวรายวัน OTT มีโอกาสที่จะดึงดูดสมาชิกใหม่ให้ดื่มด่ำกับเนื้อหาที่เลือกสรรมาอย่างดี
นี่คือที่มาของข้อมูลขนาดใหญ่ (ปุนตั้งใจ)
ในขอบเขตขนาดใหญ่ ข้อมูลขนาดใหญ่แก้ปัญหา 'ค้นหาสิ่งที่ผู้ใช้อาจชอบ' สำหรับ OTT ผ่านระบบการแนะนำ เพื่อให้เข้าใจสิ่งนี้ เราควรตรวจสอบแพลตฟอร์ม OTT ที่โดดเด่นที่สุดอย่าง Netflix อย่างละเอียดยิ่งขึ้น การแสวงหาอย่างไม่ลดละเพื่อสร้างประสบการณ์ลูกค้าให้สมบูรณ์แบบนั้นไม่ใช่เรื่องที่ไม่ทราบแน่ชัด
Netflix เติบโตอย่างรวดเร็วเพื่อเป็นแพลตฟอร์ม OTT ที่ใหญ่ที่สุดในโลกโดยรองรับความต้องการของลูกค้าล่วงหน้าและมอบประสบการณ์ที่ราบรื่นในทุกจุดติดต่อ เกือบจะเหมือนกับว่าพวกเขาสามารถอ่านใจลูกค้าและรู้ว่าลูกค้าต้องการดูอะไรทุกครั้งที่มาที่ Netflix เป็นข้อเท็จจริงที่ไม่ค่อยมีใครรู้จักว่า Netflix เป็นหนี้ความสำเร็จของพวกเขาจำนวนมากจากข้อมูลขนาดใหญ่
พวกเขาเริ่มต้นด้วยการแนะนำภาพยนตร์ที่ปรับเปลี่ยนในแบบของคุณ แต่หลังจากที่เปลี่ยนไปใช้การสตรีม พวกเขาก็เริ่มใช้ระบบการแนะนำตามข้อมูล
ชี้แจงบทบาทของข้อมูลขนาดใหญ่
คุณอาจทราบแล้วว่าระบบแนะนำของ Netflix นั้นล้ำหน้าแค่ไหน ใช้อัลกอริธึมที่หลากหลายในการแก้ปัญหาที่ซับซ้อน อัลกอริธึมอย่างหนึ่งคืออัลกอริธึม PVR โดยที่ PVR ย่อมาจากการจัดอันดับวิดีโอส่วนบุคคล มันกรองชื่อตามเกณฑ์เฉพาะ (ประเภท นักแสดง ฯลฯ) ในขณะที่พิจารณาผลิตภัณฑ์ของการกรองตามผู้ใช้ Netflix ยังรวม RNN ไว้สำหรับการคาดคะเนตามเวลา
ผู้แนะนำ 'ดูต่อ' ไม่เพียงแต่ดูเนื้อหาที่ผู้ใช้ยังดูไม่จบ (ภาพยนตร์ที่ไม่สมบูรณ์, ตอนที่ยังไม่ได้ดูของซีรีส์) อัลกอริทึมยังพิจารณาถึงจุดที่ละทิ้ง อุปกรณ์ที่ใช้ดูแต่ละเรื่อง และบริบทอื่นๆ ตามสัญญาณเพื่อเพิ่มประสิทธิภาพคำแนะนำ Neural Networks ที่เกิดซ้ำนั้นยอดเยี่ยมสำหรับข้อมูลลำดับตามบริบท จึงไม่น่าแปลกใจที่ Netflix จะใช้พวกมันในผู้แนะนำ
ในช่วงโควิด-19 ห้องสมุดขนาดใหญ่ของ Netflix และอัลกอริธึมต่างๆ พิสูจน์แล้วว่าเป็นข้อได้เปรียบในการแข่งขันหลัก Netflix ใช้หนึ่งในอัลกอริธึม Trending Now Ranker เพื่อแนะนำรายการและภาพยนตร์ให้กับผู้ชม อัลกอริธึมนี้เน้นที่แนวโน้มระยะสั้นที่ทำให้แต่ละชื่อได้รับความนิยมเพิ่มขึ้น
ตัวอย่างเช่น ยักษ์ใหญ่ OTT ที่มี ผู้ติดตามใหม่กว่า 15.8 ล้านคน ในไตรมาส 1 ปี 2020 ได้เปิดตัวรายการใหม่ในช่วงต้นของการล็อกดาวน์ในเดือนกุมภาพันธ์ 2020 ในชื่อ 'Pandemic' ซึ่งเป็นสารคดีที่ตั้งคำถามถึงความพร้อมของชายในการเผชิญกับการเคลื่อนไหวที่รวดเร็ว ไวรัสเหมือนโคโรนาไวรัส ความคิดแรกของเราคือ - เวลานั้นเป็นอย่างไร?
อย่างไรก็ตาม มันไม่ใช่เรื่องของเวลา นี่เป็นซีรีส์เฉพาะที่เปิดตัวโดยผู้เล่น OTT เพื่อใช้ประโยชน์จากความอยากรู้ที่เพิ่มขึ้นของผู้คนเกี่ยวกับไวรัส
Netflix ยังใช้ระบบการกรองแบบไฮบริดเพื่อเพิ่มความเป็นส่วนตัวให้กับผู้ใช้ การกรองการทำงานร่วมกันช่วยให้ระบุชื่อที่ได้รับความนิยมมากที่สุด ในขณะที่การกรองตามผู้ใช้ช่วยให้จดจำชื่อที่ผู้ใช้รายใดรายหนึ่งต้องการมากที่สุด พวกเขายังเปลี่ยนรูปภาพของชื่อเรื่องตามความต้องการของผู้ใช้ พวกเขาทำการทดสอบ A/B เพื่อดูว่าภาพขนาดย่อใดจะโน้มน้าวให้ผู้ใช้คลิก ตัวอย่างการใช้งาน Big Data ในอุตสาหกรรมต่างๆ
แพลตฟอร์มอื่นอยู่ไม่ไกลหลัง
แม้ว่า Netflix จะได้รับรสชาติที่หอมหวานของความสำเร็จ แต่คู่แข่งก็ยังยุ่งกว่าปกติ OTT เช่น Disney+, Amazon Prime Video, Hotstar และแพลตฟอร์มอื่นๆ อีกมากมายที่แข่งขันกันเพื่อฐานลูกค้าที่คล้ายกันได้ใช้ข้อมูลขนาดใหญ่เพื่อต่อสู้กับการแข่งขันอย่างต่อเนื่อง
Amazon ซึ่งถือเป็นผู้นำด้านประสบการณ์ลูกค้า ก็เป็นผู้นำด้านระบบผู้แนะนำตั้งแต่เริ่มก่อตั้ง พวกเขาใช้อัลกอริธึมการกระจายหัวข้อเพื่อปรับปรุงคำแนะนำ ผ่านการกรองการทำงานร่วมกันและเมทริกซ์ item-to-item พวกเขาสามารถรักษาการปรับขยายการใช้งานสำหรับผู้ใช้ที่แตกต่างกัน พวกเขายังใช้วิธีการกรองตามเนื้อหาเพื่อคาดการณ์พฤติกรรมของผู้ใช้ โดยที่ผลกระทบจากผู้ใช้รายอื่นจะไม่มีอิทธิพลมากเกินไป
ในช่วงเริ่มต้นของ Amazon Prime Video พวกเขามุ่งเน้นที่การใช้การกรองการทำงานร่วมกันเท่านั้น ซึ่งพิสูจน์แล้วว่าเป็นอันตรายเพราะผู้คนไม่ได้รับคำแนะนำเฉพาะบุคคล เมื่อ Amazon ระบุปัญหานี้ พวกเขาเริ่มใช้วิธีที่เน้นผู้ใช้มากขึ้น ซึ่งทำให้การมีส่วนร่วมของผู้ใช้เพิ่มขึ้น 2 เท่า Disney+ และ Apple TV+ ค่อนข้างใหม่ในตลาด และเป็นเรื่องที่น่าสนใจที่จะเห็นว่าผู้แนะนำของพวกเขาปรับปรุงประสบการณ์การรับชมได้อย่างไร
OTT ไม่ใช่แพลตฟอร์มเดียวที่ใช้ข้อมูลขนาดใหญ่เพื่อปรับแต่งคำแนะนำในแบบของคุณ แพลตฟอร์มการสตรีมเพลงเช่น Spotify วิเคราะห์เพลงที่ผู้ใช้ฟังเพื่อปรับปรุงคำแนะนำ ในทำนองเดียวกัน Pandora ใช้ความคิดเห็นของผู้ใช้อย่างชัดเจน (ผ่านการให้คะแนนของผู้ใช้) และสร้างคำแนะนำเพลงใหม่ผ่านข้อมูลนั้น
อ่าน: บทบาทของ Big Data ในการช่วยเหลือ COVID-19 – ตั้งแต่เริ่มต้น
เราจะไปจากที่นี่ที่ไหน? คำถามในใจของทุกคน
การระบาดใหญ่ในปัจจุบันทำให้ผู้คนต้องอยู่บ้าน ซึ่งนำไปสู่การเพิ่มขึ้นในการรับชมแพลตฟอร์ม OTT แน่นอนว่า OTT กำลังได้รับความนิยมเพิ่มขึ้น แต่แนวโน้มนี้จะดำเนินต่อไปหรือไม่? มันจะเปลี่ยนวิธีที่ผู้คนรับรู้ความบันเทิงหรือไม่? การระบาดใหญ่จะเป็นจุดจบของยุคโทรทัศน์หรือไม่? Netflix ได้ประกาศอย่างเป็นทางการว่ากำลังเตรียมรับมือกับลูกค้าที่ลดลงเนื่องจากการปลดล็อกดาวน์และผู้คนก้าวเข้าสู่โลกภายนอกอีกครั้ง
ผู้เล่นไม่ได้อยู่คนเดียว เมื่อโควิด-19 ผ่านพ้นไปและโลกกำลังเข้าสู่วิถีปกติใหม่ ขั้นตอนที่ OTT ดำเนินการในช่วงล็อกดาวน์อาจกำหนดอนาคตของพวกเขา ผู้เล่น OTT ที่รีดนมข้อมูลขนาดใหญ่อย่างแท้จริง และด้วยเหตุนี้จึงคิดทบทวนกลยุทธ์เนื้อหาและประสบการณ์ของลูกค้าอาจยังคงเพลิดเพลินไปกับความสำเร็จที่พวกเขาได้เห็นอยู่ในปัจจุบัน
หากคุณสนใจที่จะทราบข้อมูลเพิ่มเติมเกี่ยวกับ Big Data โปรดดูที่ PG Diploma in Software Development Specialization in Big Data program ซึ่งออกแบบมาสำหรับมืออาชีพที่ทำงานและมีกรณีศึกษาและโครงการมากกว่า 7 กรณี ครอบคลุมภาษาและเครื่องมือในการเขียนโปรแกรม 14 รายการ เวิร์กช็อป ความช่วยเหลือด้านการเรียนรู้และจัดหางานอย่างเข้มงวดมากกว่า 400 ชั่วโมงกับบริษัทชั้นนำ
ตรวจสอบหลักสูตรวิศวกรรมซอฟต์แวร์ของเราที่ upGrad
