Kā “Hiperboliskā diskontēšana” atklāj tipiski cilvēka trūkumus

Ikviens, kas skatās Bridget Jones dienasgrāmata zina, ka viens no viņas Jaungada rezolūcijām ir „Neatstāt katru nakti, bet palikt grāmatās un klausīties klasisko mūziku.”

Tomēr realitāte ir būtiski atšķirīga. Tas, ko cilvēki faktiski dara brīvajā laikā, bieži neatbilst tam, ko viņi saka.

Ekonomisti šo fenomenu sauc par "hiperbolisku diskontēšanu". Slavenā pētījumā ar nosaukumu "Maksājot ne iet uz sporta zāli", pāris ekonomisti konstatēja, ka tad, kad cilvēkiem tika piedāvāta izvēle starp samaksu par apmeklējumu un ikmēneša maksu, viņi biežāk izvēlējās mēneša maksu un faktiski beidzās maksāt vairāk par vienu apmeklējumu. Tas ir tāpēc, ka viņi pārvērtēja viņu motivāciju strādāt.

Hiperboliska diskontēšana ir tikai viens no izaicinājumiem, kas darbojas radošajā nozarē. Garšas ir ļoti subjektīvas, un zemes gabala un stāstījuma elementi, kas padara vienu filmu par milzīgu hit, var padarīt vēl vienu kritisku un komerciālu neveiksmi.

Gadu desmitus reklāmdevēji un tirgotāji centās prognozēt brīvā laika pavadīšanas produktu, piemēram, filmu un grāmatu patēriņu. Tikpat sarežģīti ir izlemt laiku. Kurā nedēļas nogalē studijai jāizsniedz jauna filma? Kad izdevējs izlaidīs grāmatas kopiju, kā viņi izlemj, kad atbrīvot e-grāmatas versiju?

Šodien lielie dati piedāvā jaunu redzamību, kā cilvēki izbauda izklaidi. Kā pētnieks, kurš pēta mākslīgā intelekta un sociālo mediju ietekmi, man ir trīs spēki, kas izceļas kā īpaši spēcīgi cilvēku uzvedības prognozēšanā.

1. Garās astes ekonomika

Internets ļauj izplatīt izklaides produktus, kas ir mazāk populāri nekā galvenie panākumi. Straumēšanas šovs var iegūt lielāku auditoriju nekā tas, kas ir ekonomiski iespējams izplatīt, izmantojot galvenā laika televīziju. Šo ekonomisko parādību dēvē par garo astes efektu.

Tā kā straumēšanas mediju uzņēmumiem, piemēram, Netflix, nav jāmaksā, lai izplatītu saturu kinoteātros, viņi var uzrādīt vairāk šovu, kas atbilst nišas auditorijai. Netflix izmantoja datus no saviem individuālo klientu skatīšanās paradumiem, lai nolemtu atgriezties Kāršu namiņš, ko televīzijas tīkli noraidīja. Netflix dati parādīja, ka bija fanu bāze filmām, ko vada Finčers un filmas, kurās skatās Spacey, un ka liels skaits klientu bija iznomājuši DVD oriģinālā BBC sērijā.

2. Sociālā ietekme mākslīgā intelekta laikmetā

Ar sociālajiem medijiem cilvēki var dalīties ar to, ko viņi skatās ar saviem draugiem, tādējādi citādi neatkarīgas izklaides pieredzes kļūst sociālākas.

Iegūstot datus no sociālajām vietnēm, piemēram, čivināt un Instagram, uzņēmumi reālajā laikā var izsekot, kādas filmas, izrādes vai dziesmas domā par filmām. Filmu studijas var izmantot digitālo datu dārgumu, lai izlemtu, kā reklamēt filmas un izlaist datumus.Piemēram, filmas piekabes Google meklēšanas rezultāts mēnesī pirms tās pirmizrādes ir galvenais Oskara uzvarētāju prognozētājs, kā arī ieņēmumi no kases ieņēmumiem. Filmu studijas var apvienot vēsturiskos datus par filmu izlaišanas datumiem un kastu darbības rezultātiem ar meklēšanas tendencēm, lai paredzētu ideālu jauno filmu izlaišanas datumu.

Sociālo mediju datu ieguve arī palīdz uzņēmumiem identificēt negatīvu noskaņojumu, pirms tā kļūst par krīzi. Viens čivināt no nelaimīga ietekmīga klienta var iet vīrusu, veidojot sabiedrisko domu.

Pētījumā, ko veica ar Vašingtonas universitātes Yong Tan un Džordžijas Valsts universitātes Cath Oh, mēs parādījām, kā šāda sociālā ietekme nosaka ne tikai to, kurus YouTube videoklipus kļūst populārāki, bet arī to, ka ietekmīgu lietotāju koplietotie videoklipi vēl vairāk tiek skatīti.

Viens pētījums rāda, ka, ja studijas pievērš uzmanību sociālo mediju buzz pirms filmas izlaišanas, starpība starp prognozētajiem ieņēmumiem un faktiskajiem ieņēmumiem, kas pazīstama kā prognozes kļūda, samazinājās par 31%.

3. Patēriņa analīze

Lielie dati sniedz labāku redzamību par to, kādas grāmatas un cilvēki faktiski tērē laiku.

Matemātiķis Jordāns Ellenbergs izmantoja Hawking indeksu, kas ir piecu visvairāk iezīmēto grāmatu lapās vidējā lappušu skaita rādītājs kā daļa no šīs grāmatas kopējā garuma. Hawking indekss rāda, kad cilvēki atsakās no grāmatas. Ja 250 lappušu vidējā iekurt izcēlums parādās 250. lappusē, tas dotu tai Hawking indeksu 100 procentiem.

Teorija iegūst savu nosaukumu no Stephen Hawking Īsa vēsture laikā. Lai gan šī grāmata joprojām pārdod miljoniem eksemplāru gadā, tā reti tiek lasīta, ar drūmu Hawking indeksu 6,6 procentiem.

Ja uzņēmums, piemēram, Amazon, nolemj, kuras grāmatas ieteikt potenciālajiem lasītājiem vai kuras prezidents rāda, ka tās ražo, tās aplūko detalizētas digitālās pēdas, kuru parauglaukums piesaista auditoriju un kas to nedarīja. Tas var palīdzēt viņiem sekmēt gaidāmo atbrīvošanu vai sniegt labākus ieteikumus atsevišķiem lietotājiem.

Turklāt jauni mākslīgā intelekta veidi var izpētīt to, kas padara cilvēkus saistošus ar radošu saturu. Piemēram, uzņēmums, kura nosaukums ir Epagogix, uzsāka pieeju, izmantojot neironu tīklu - mākslīgā intelekta rīku, kas meklē modeļus ļoti lielos datu apjomos - par scenāriju kopumu, ko novērtējuši izklaides nozares eksperti. Pēc tam dators varētu prognozēt filmas finansiālos panākumus. Saskaņā ar dažiem ziņojumiem šāds mākslīgais intelekts var paredzēt līdz pat 75 procentiem filmu faktisko atvēršanas bruto.

Ņemot vērā jaunos lielos datus, piemēram, šie izklaides uzņēmumi drīz varēs zināt, ko tieši Bridget Jones gribētu darīt ar savu brīvo laiku labāk nekā pati Bridget.

Šis raksts sākotnēji tika publicēts Anjana Susarla sarunā. Lasiet oriģinālo rakstu šeit.