Hogyan „feltárja a hiperbolikus diszkrét” tipikusan az emberi hibákat

$config[ads_kvadrat] not found

Nuno felt garment artistry

Nuno felt garment artistry

Tartalomjegyzék:

Anonim

Bárki, aki figyelte Bridget Jones naplója tudja, hogy egyik újévi állásfoglalása „Nem megy minden este, hanem maradjon és olvassa el a könyveket, és hallgassa a klasszikus zenét.”

A valóság azonban lényegesen eltérő. Amit az emberek valóban a szabadidő alatt csinálnak, gyakran nem egyeznek meg azzal, amit mondanak.

A közgazdászok ezt a jelenséget hiperbolikus diszkontálásnak nevezték. Egy híres „Fizetés nem megy az edzőterembe” című tanulmányban néhány közgazdász úgy találta, hogy amikor az embereknek felajánlották a választást a fizetésenkénti szerződés és a havi díj között, nagyobb valószínűséggel választották ki a havi díjat, és ténylegesen többet fizettek a látogatásonként. Ez azért van, mert túlbecsülték motivációjukat, hogy dolgozzanak ki.

A hiperbolikus diszkontálás csak egy kihívás a kreatív iparágban való működésnek. Az ízek nagyon szubjektívek, és a rajz és a narratíva olyan elemei, amelyek egy filmet óriási hitt eredményeznek, könnyen kritikus és kereskedelmi kudarcot okozhatnak.

Évtizedek óta a hirdetők és a marketingesek küzdöttek arra, hogy megjósolják a szabadidős termékek, például filmek és könyvek fogyasztását. Ugyanilyen kihívást jelent az időzítés eldöntése. Melyik hétvégén kell kiadnia egy stúdió új filmet? Amikor egy kiadó kiad egy kiadványt egy könyvről, hogyan döntenek, hogy mikor kell kiadni az e-könyv verzióját?

Napjainkban a nagy adatok új láthatóságot nyújtanak az emberek szórakozásának élményében. A mesterséges intelligencia és a szociális média hatását vizsgáló kutatóként három olyan erő áll, amelyek kiemelkedőek az emberi viselkedés előrejelzésében.

1. A hosszú farok gazdasága

Az internet lehetővé teszi olyan szórakoztató termékek terjesztését, amelyek kevésbé népszerűek, mint a mainstream sikerek. A streaming-műsorok nagyobb közönséget szerezhetnek, mint amennyi gazdaságilag megvalósítható az elsődleges televíziózáson keresztül. Ezt a gazdasági jelenséget hosszú farokhatásnak nevezik.

Mivel a streaming média cégek, mint például a Netflix nem kell fizetnie a filmszínházak tartalmának terjesztéséért, több show-t készíthetnek, amelyek megfelelnek a niche közönségnek. A Netflix az egyéni ügyfeleik megtekintési szokásaiból származó adatokat használt fel, hogy eldönthesse, hogy vissza kíván-e térni Kártyavár, amelyet a televíziós hálózatok elutasítottak. A Netflix adatok azt mutatták, hogy a Fincher és a Spacey főszereplő filmek rajongói bázisa volt, és hogy az ügyfelek nagy száma bérelt DVD-t az eredeti BBC sorozatból.

2. Társadalmi befolyás a mesterséges intelligencia korában

A szociális médiával az emberek megoszthatják, amit figyelnek a barátaikkal, különben a független szórakoztató élmények egyre szociálisabbá válnak.

A vállalatok olyan webhelyekről származó adatok bányászatával, mint a Twitter és az Instagram, a vállalatok valós időben nyomon követhetik, hogy a mozifilmek hogyan gondolnak egy adott filmre, műsorra vagy dalra. A filmstúdiók digitális adatok kincseit használhatják, hogy eldöntsék, hogyan mozdítják elő a filmek bemutatását és megjelenési dátumát.Például a film utánfutójának Google-keresések száma a premierje előtti hónapban az Oscar-nyertesek vezető előrejelzője és a box office bevétele. A filmstúdiók a filmek kiadásának dátumairól és a box office teljesítményéről a történeti adatokat a keresési trendekkel kombinálhatják, hogy az új filmek ideális megjelenési dátumait előre jelezzék.

A szociális médiaadatok bányászása is segít a vállalatoknak, hogy a negatív érzelmeket válságba kerüljenek. Egy szerencsétlen befolyásos vásárló egyetlen csípője vírusos, közvéleményt formáló.

Egy tanulmányban, amelyet a Washingtoni Egyetem Yong Tan-jával és a Georgia Állami Egyetem Cath Oh-jával végeztem, megmutattuk, hogy az ilyen társadalmi befolyás határozza meg, hogy nem csak azok a YouTube-videók, amelyek egyre népszerűbbek, hanem azt is, hogy a befolyásos felhasználók által megosztott videók még szélesebb körben tekinthetők meg.

Az egyik tanulmány azt mutatja, hogy amikor a stúdiók figyelmet szentelnek a szociális média buzznak a film megjelenése előtt, a becsült bevétel és a tényleges bevétel közötti különbség, az úgynevezett előrejelzési hiba, 31 százalékkal csökkent.

3. Fogyasztási elemzések

A nagy adatok jobb láthatóságot nyújtanak a könyvek és az emberek számára, akik az időt töltik.

A matematikus, Jordan Ellenberg úttörő szerepet játszott a Hawking index használatában, amely a Kindle könyv öt legelõnyösebb részének átlagos oldalszámának mértéke, a könyv teljes hosszának arányában. A Hawking index megmutatja, hogy mikor adnak fel egy könyvet. Ha egy 250 oldalas átlagos Kindle kiemelés jelenik meg a 250. oldalon, ez egy 100 százalékos Hawking indexet adna neki.

Az elmélet Stephen Hawking nevéből származik Egy rövid történet az időben. Míg ez a könyv évente több millió példányban ad eladást, ritkán olvasható is, a borzasztó Hawking index 6,6 százalék.

Amikor egy olyan vállalat, mint az Amazon úgy dönt, hogy mely könyveket ajánlja a potenciális olvasóknak, vagy amelyeket a Prime bemutat, hogy készítsen, részletes digitális nyomokat néznek, amelyeknek a pontjai vonzódnak a közönséghez, és amelyek nem. Ez segíthet nekik egy közelgő kiadás előmozdításában, vagy jobb ajánlások készítésében az egyes felhasználók számára.

Ráadásul az újfajta mesterséges intelligencia vizsgálhatja, hogy mit tesz az emberek kreatív tartalommal. Például egy Epagogix nevű cég úttörő szerepet vállalt egy neurális hálózatot használva - egy mesterséges intelligencia eszköz, amely nagyon nagy adatmennyiségeket keres - a szórakoztatóipar szakértői által értékelt forgatókönyvekből. Ezután a számítógép megjósolhatja a film pénzügyi sikerét. Egyes jelentések szerint az ilyen mesterséges intelligencia előrejelezheti a filmek tényleges nyitási bruttó 75% -át.

Az új, nagy adatokkal kapcsolatos ismeretek, mint ezek, a szórakoztató cégek hamarosan tudják, hogy pontosan mit szeretne Bridget Jones a szabadidejével, mint maga Bridget.

Ezt a cikket eredetileg az Anjana Susarla The Conversation című kiadványában tették közzé. Olvassa el az eredeti cikket itt.

$config[ads_kvadrat] not found