生成新的娛樂數據。 MinDof / shutterstock.com
任何看過“布里奇特·瓊斯的日記”的人都知道她的新年決心之一就是“不是每晚都出去，而是留下來看書，聽古典音樂。”
然而，現實卻大不相同。 人們在閒暇時間實際做的事情往往與他們所說的不符。
經濟學家稱這種現象為“雙曲線折扣”。在一項著名的研究中稱為“不付錢去健身房“一些經濟學家發現，當人們在按次付費合同和月費之間做出選擇時，他們更有可能選擇月費，實際上每次訪問的費用更高。 那是因為他們高估了自己鍛煉的動力。
雙曲線折扣只是在創意產業中運營的一個挑戰。 口味是高度主觀的，劇情和敘事的元素使一部電影成為巨大的影響，很容易使另一部電影成為一個關鍵和商業上的失敗。
幾十年來，廣告商和營銷商一直在努力預測電影和書籍等休閒產品的消費。 決定時機同樣具有挑戰性。 工作室應該在哪個週末發行新電影？ 當發布者發布圖書的硬拷貝時，他們如何決定何時發布電子書版本？
如今，大數據為人們體驗娛樂提供了新的可視性。 作為一個 研究的研究員 在人工智能和社交媒體的影響下，有三種力量在我看來特別有力地預測人類行為。
1。 長尾經濟學
互聯網使得分發不如主流成功的娛樂產品成為可能。 與通過黃金時段電視分發的經濟可行性相比，流媒體節目可以獲得更多的觀眾。 這種經濟現像被稱為 長尾效應,
由於像Netflix這樣的流媒體公司不必為在電影院分發內容付費，他們可以製作更多能夠滿足小眾觀眾需求的節目。 Netflix使用來自個人客戶觀看習慣的數據來決定支持“紙牌屋” 被電視網拒絕了。 Netflix的數據顯示，Fincher主導的電影以及Spacey主演的電影有粉絲基礎，並且大量客戶租用了原版BBC系列的DVD。
2。 人工智能時代的社會影響
通過社交媒體，人們可以與朋友分享他們正在觀看的內容，從而使獨立的娛樂體驗變得更加社交。
通過從Twitter和Instagram等社交網站挖掘數據，公司可以實時跟踪電影觀眾對給定電影，節目或歌曲的看法。 電影製片廠可以使用大量的數字數據來決定如何推廣電影的節目和發布日期。 例如，音量 谷歌在首映前的一個月內搜索了一部電影的預告片 是奧斯卡獲獎者以及票房收入的主要預測者。 電影製片廠可以將有關電影發行日期和票房表現的歷史數據與 搜索趨勢 至 預測新電影的理想發布日期.
挖掘社交媒體數據還有助於公司在陷入危機之前識別出負面情緒。 來自不滿意的有影響力的客戶的一條推文 可以傳播病毒，塑造民意。
在我進行的一項研究中 華盛頓大學的Yong Tan和喬治亞州立大學的Cath Oh， 我們展示了 這種社交影響如何決定哪些YouTube視頻變得更受歡迎，以及有影響力的用戶共享的視頻變得更加廣泛。
一項研究 表明當電影公司在電影發行前關注社交媒體的嗡嗡聲時，預測收入與實際收入之間的差異（稱為預測誤差）減少了31百分比。
3。 消費分析
大數據可以更好地了解人們真正花時間享受的書籍和節目。
數學家Jordan Ellenberg率先使用了 霍金指數，衡量Kindle圖書中五個最突出的段落的平均頁碼，作為該書總長度的一部分。 霍金指數顯示人們何時放棄了一本書。 如果250頁面書的平均Kindle高亮顯示在頁面250上，那麼它將給它一個100百分比的Hawking索引。
這個理論的名字來源於斯蒂芬霍金的“時間簡史”。雖然這本書每年仍然銷售數百萬冊，但它也很少被讀取，其中霍金指數低於6.6百分比。
當像亞馬遜這樣的公司決定向潛在讀者推薦哪些書籍或者哪些Prime展示製作時，他們會看到詳細的數字痕跡 哪些情節點吸引觀眾，哪些觀點沒有。 這可能有助於他們宣傳即將發布的版本或為個人用戶提供更好的建議。
更重要的是，新型人工智能可以調查人們如何與創意內容互動。 例如，一家名為Epagogix的公司開創了一種使用神經網絡的方法 - 人工智能工具 在一系列由娛樂業專家評定的電影劇本中尋找大量數據的模式。 然後，計算機可以預測電影的財務成功。 根據一些報導， 這種人工智能可以預測 高達75％的電影實際開場票數。
鑑於像這樣的新的大數據洞察，娛樂公司可能很快就會知道布里奇特瓊斯想要做什麼比她的休閒時間更好。
關於作者
Anjana Susarla，信息系統副教授， 密歇根州立大學
相關書籍
at InnerSelf 市場和亞馬遜
