節目、電影和流行病：大數據如何改變娛樂業
已發表: 2020-06-04現在，當您閱讀本文時，數十億人正坐在家裡，無法進入電影院或餐廳，只有互聯網作為娛樂來源。 這種突然的轉變對包括娛樂業在內的各種業務產生了巨大影響。 隨著電影製作戛然而止，但消費者的需求始終存在， OTT媒體服務的需求突然激增，這是任何參與者都沒有預見到的。
儘管過去幾周顯然使所有 OTT 受益，但也引發了一些問題，例如 OTT 是否會繼續享受與全球封鎖緩解相同的增長？
目前，Netflix 等巨頭的訂戶數量有所增加，其股價在2020 年第一季度上漲了 35% 。 在這些不確定的時期，我們還看到本土內容越來越受歡迎（想到約翰克拉辛斯基的一些好消息）。 Quibi ，一個一口大小的內容平台，於 2020 年 3 月完成了最新一輪融資。它已經展示了許多大明星和標題的 10 分鐘劇集。
然而，隨著大量 OTT 玩家抓住這個出乎意料的黃金機會，客戶比以往任何時候都更喜歡選擇。 一旦鎖定完全取消，OTT 玩家在此階段提供的體驗質量也可能決定他們的未來。 在這種情況下，我們知道他們可以使用什麼來維持這種成功並延長：大數據。
目錄
大數據：無名英雄
與電影和電視同行不同，OTT 觀眾可以選擇隨時觀看任何內容。 對於電視，您取決於頻道的時間表，但對於 OTT 平台，它是點播內容。 因此，缺乏固定時間表將節目選擇的所有權置於消費者身上。
在眾多選擇中，OTT 播放器如何提供觀眾最有可能觀看的選項，即使這意味著建議觀眾在任何新版本中第 n 次觀看 FRIENDS，因為他們最有可能觀看那！ 然而，除了每日新聞之外，電視上沒有新內容，OTT 有機會吸引新訂戶來狂歡他們精心挑選的內容。
這就是大數據出現的地方（雙關語）。
在很大程度上，大數據通過其推薦系統解決了OTTs“找到用戶可能喜歡什麼”的問題。 要理解這一點，我們應該仔細研究一下最著名的 OTT 平台 Netflix。 他們對完善客戶體驗的不懈追求並不是不為人知的事實。
通過搶占客戶需求並在每個接觸點提供無縫體驗，Netflix 迅速成長為全球最大的 OTT 平台。 就好像他們可以讀懂客戶的想法，知道客戶每次訪問 Netflix 時想看什麼。 Netflix 的成功很大程度上歸功於大數據，這是一個鮮為人知的事實。
他們從個性化電影推薦開始，但在轉向流媒體之後，他們開始使用基於數據的推薦系統。
揭秘大數據的作用
您可能已經知道 Netflix 的推薦系統有多先進。 它使用多種算法來解決複雜的問題。 一種這樣的算法是 PVR 算法，其中PVR 代表個性化視頻排名。 它根據特定標準（流派、演員等）過濾標題，同時考慮基於用戶的過濾產品。 Netflix 還採用了 RNN 來進行時間敏感的預測。
“繼續觀看”推薦器不僅查看用戶尚未觀看的內容（不完整的電影、未觀看的系列劇集），算法還考慮放棄點、用於觀看單個標題的設備以及其他上下文基於信號來優化其建議。 循環神經網絡非常適合上下文序列數據，因此 Netflix 在他們的推薦器中使用它們應該不足為奇。
在 COVID-19 期間，Netflix 的大型庫及其各種算法被證明是其關鍵的競爭優勢。 Netflix 使用其一種算法 Trending Now Ranker 向觀眾推薦節目和電影。 該算法側重於導致單個標題受歡迎程度上升的短期趨勢。
例如，在2020 年第一季度獲得超過 1580 萬新用戶的 OTT 巨頭，在 2020年 2 月鎖定之初推出了一個名為“大流行”的新節目，這是一部質疑 Man 是否準備好面對快速變化的紀錄片病毒樣冠狀病毒。 我們的第一個想法是——時間安排如何？
然而，這不是時間問題。 這是 OTT 玩家為利用人們對病毒日益增長的好奇心而特意推出的專題系列。
Netflix 還使用混合過濾系統為其用戶提供增強的個性化。 協同過濾幫助它識別最流行的標題，而基於用戶的過濾允許它識別特定用戶最喜歡的標題。 他們還根據用戶的喜好更改其標題的圖像。 他們執行 A/B 測試以了解哪個縮略圖會說服用戶點擊它。 跨行業大數據應用示例
其他平台也不甘落後
在 Netflix 一直在享受成功的甜蜜滋味的同時，其競爭對手也比以往更加忙碌。 像 Disney+、Amazon Prime Video、Hotstar 等 OTT 以及許多其他爭奪類似客戶群的平台一直在不斷地使用大數據來對抗競爭。
亞馬遜被認為是客戶體驗的領導者，自問世以來，它也一直是推薦系統的領導者。 他們使用主題多樣化算法來增強他們的推薦。 通過協同過濾和項目到項目矩陣，他們可以為不同的用戶保持其實現的可擴展性。 他們還使用基於內容的過濾方法來預測用戶行為，而其他用戶的影響不會太大。
在 Amazon Prime Video 的初期，他們只專注於使用協同過濾，這被證明是有害的，因為人們沒有得到個性化的推薦。 當亞馬遜發現這個問題時，他們開始使用更多以用戶為中心的方法，這導致用戶參與度增加了 2 倍。 Disney+ 和 Apple TV+ 在市場上相對較新，看看他們的推薦者如何提升觀看體驗將會很有趣。
OTT 並不是唯一使用大數據來個性化推薦的平台。 Spotify 等音樂流媒體平台分析用戶收聽的音樂以改進其推薦。 同樣，Pandora 明確地獲取用戶反饋（通過用戶評分）並通過該數據生成新的音樂推薦。
閱讀：大數據在 COVID-19 援助中的作用——從一開始
我們從這裡去哪裡？ 每個人心中的一個問題
當前的大流行迫使人們呆在家裡，這導致OTT平台的收視率激增。 當然，OTT 的受歡迎程度正在上升，但這種趨勢會持續下去嗎？ 它會改變人們對娛樂的看法嗎？ 大流行會標誌著電視時代的結束嗎？ Netflix 已正式宣布，隨著解除封鎖和人們再次進入外部世界，它正在為客戶的下降做準備。
玩家並不孤單。 隨著 COVID-19 的過去和世界進入新常態，OTT 在鎖定期間採取的步驟可能會決定他們的未來。 真正汲取大數據並相應地重新考慮其內容策略和客戶體驗的 OTT 玩家可能會繼續享受他們目前所見證的成功。
如果您有興趣了解有關大數據的更多信息，請查看我們的 PG 大數據軟件開發專業文憑課程，該課程專為在職專業人士設計，提供 7 多個案例研究和項目，涵蓋 14 種編程語言和工具，實用的動手操作研討會，超過 400 小時的嚴格學習和頂級公司的就業幫助。
在 upGrad 查看我們的軟件工程課程。
