节目、电影和流行病：大数据如何改变娱乐业
已发表: 2020-06-04现在，当您阅读本文时，数十亿人正坐在家里，无法进入电影院或餐厅，只有互联网作为娱乐来源。 这种突然的转变对包括娱乐业在内的各种业务产生了巨大影响。 随着电影制作戛然而止，但消费者的需求始终存在， OTT媒体服务的需求突然激增，这是任何参与者都没有预见到的。
尽管过去几周显然使所有 OTT 受益，但也引发了一些问题，例如 OTT 是否会继续享受与全球封锁缓解相同的增长？
目前，Netflix 等巨头的订户数量有所增加，其股价在2020 年第一季度上涨了 35% 。 在这些不确定的时期，我们还看到本土内容越来越受欢迎（想到约翰克拉辛斯基的一些好消息）。 Quibi ，一个一口大小的内容平台，于 2020 年 3 月完成了最新一轮融资。它已经展示了许多大明星和标题的 10 分钟剧集。
然而，随着大量 OTT 玩家抓住这个出乎意料的黄金机会，客户比以往任何时候都更喜欢选择。 一旦锁定完全取消，OTT 玩家在此阶段提供的体验质量也可能决定他们的未来。 在这种情况下，我们知道他们可以使用什么来维持这种成功并延长：大数据。
目录
大数据：无名英雄
与电影和电视同行不同，OTT 观众可以选择随时观看任何内容。 对于电视，您取决于频道的时间表，但对于 OTT 平台，它是点播内容。 因此，缺乏固定时间表将节目选择的所有权置于消费者身上。
在众多选择中，OTT 播放器如何提供观众最有可能观看的选项，即使这意味着建议观众在任何新版本中第 n 次观看 FRIENDS，因为他们最有可能观看那！ 然而，除了每日新闻之外，电视上没有新内容，OTT 有机会吸引新订户来狂欢他们精心挑选的内容。
这就是大数据出现的地方（双关语）。
在很大程度上，大数据通过其推荐系统解决了OTTs“找到用户可能喜欢什么”的问题。 要理解这一点，我们应该仔细研究一下最著名的 OTT 平台 Netflix。 他们对完善客户体验的不懈追求并不是不为人知的事实。
通过抢占客户需求并在每个接触点提供无缝体验，Netflix 迅速成长为全球最大的 OTT 平台。 就好像他们可以读懂客户的想法，知道客户每次访问 Netflix 时想看什么。 Netflix 的成功很大程度上归功于大数据，这是一个鲜为人知的事实。
他们从个性化电影推荐开始，但在转向流媒体之后，他们开始使用基于数据的推荐系统。
揭秘大数据的作用
您可能已经知道 Netflix 的推荐系统有多先进。 它使用多种算法来解决复杂的问题。 一种这样的算法是 PVR 算法，其中PVR 代表个性化视频排名。 它根据特定标准（流派、演员等）过滤标题，同时考虑基于用户的过滤产品。 Netflix 还采用了 RNN 来进行时间敏感的预测。
“继续观看”推荐器不仅查看用户尚未观看的内容（不完整的电影、未观看的系列剧集），算法还考虑放弃点、用于观看单个标题的设备以及其他上下文基于信号来优化其建议。 循环神经网络非常适合上下文序列数据，因此 Netflix 在他们的推荐器中使用它们应该不足为奇。
在 COVID-19 期间，Netflix 的大型库及其各种算法被证明是其关键的竞争优势。 Netflix 使用其一种算法 Trending Now Ranker 向观众推荐节目和电影。 该算法侧重于导致单个标题受欢迎程度上升的短期趋势。
例如，在2020 年第一季度获得超过 1580 万新用户的 OTT 巨头，在 2020年 2 月锁定之初推出了一个名为“大流行”的新节目，这是一部质疑 Man 是否准备好面对快速变化的纪录片病毒样冠状病毒。 我们的第一个想法是——时间安排如何？
然而，这不是时间问题。 这是 OTT 玩家为利用人们对病毒日益增长的好奇心而特意推出的专题系列。
Netflix 还使用混合过滤系统为其用户提供增强的个性化。 协同过滤帮助它识别最流行的标题，而基于用户的过滤允许它识别特定用户最喜欢的标题。 他们还根据用户的喜好更改其标题的图像。 他们执行 A/B 测试以了解哪个缩略图会说服用户点击它。 跨行业大数据应用示例
其他平台也不甘落后
在 Netflix 一直在享受成功的甜蜜滋味的同时，其竞争对手也比以往更加忙碌。 像 Disney+、Amazon Prime Video、Hotstar 等 OTT 以及许多其他争夺类似客户群的平台一直在不断地使用大数据来对抗竞争。
亚马逊被认为是客户体验的领导者，自问世以来，它也一直是推荐系统的领导者。 他们使用主题多样化算法来增强他们的推荐。 通过协同过滤和项目到项目矩阵，他们可以为不同的用户保持其实现的可扩展性。 他们还使用基于内容的过滤方法来预测用户行为，而其他用户的影响不会太大。
在 Amazon Prime Video 的初期，他们只专注于使用协同过滤，这被证明是有害的，因为人们没有得到个性化的推荐。 当亚马逊发现这个问题时，他们开始使用更多以用户为中心的方法，这导致用户参与度增加了 2 倍。 Disney+ 和 Apple TV+ 在市场上相对较新，看看他们的推荐者如何提升观看体验将会很有趣。
OTT 并不是唯一使用大数据来个性化推荐的平台。 Spotify 等音乐流媒体平台分析用户收听的音乐以改进其推荐。 同样，Pandora 明确地获取用户反馈（通过用户评分）并通过该数据生成新的音乐推荐。
阅读：大数据在 COVID-19 援助中的作用——从一开始
我们从这里去哪里？ 每个人心中的一个问题
当前的大流行迫使人们呆在家里，这导致OTT平台的收视率激增。 当然，OTT 的受欢迎程度正在上升，但这种趋势会持续下去吗？ 它会改变人们对娱乐的看法吗？ 大流行会标志着电视时代的结束吗？ Netflix 已正式宣布，随着解除封锁和人们再次进入外部世界，它正在为客户的下降做准备。
玩家并不孤单。 随着 COVID-19 的过去和世界进入新常态，OTT 在锁定期间采取的步骤可能会决定他们的未来。 真正汲取大数据并相应地重新考虑其内容策略和客户体验的 OTT 玩家可能会继续享受他们目前所见证的成功。
如果您有兴趣了解有关大数据的更多信息，请查看我们的 PG 大数据软件开发专业文凭课程，该课程专为在职专业人士设计，提供 7 多个案例研究和项目，涵盖 14 种编程语言和工具，实用的动手操作研讨会，超过 400 小时的严格学习和顶级公司的就业帮助。
在 upGrad 查看我们的软件工程课程。
