Jak „dyskontowanie hiperboliczne” ujawnia typowe ludzkie wady

Każdy, kto go oglądał Dziennik Bridget Jones wie, że jedną z jej noworocznych rezolucji jest „Nie wychodź co noc, ale zostań i czytaj książki i słuchaj muzyki klasycznej”.

Rzeczywistość jest jednak zasadniczo inna. To, co ludzie robią w wolnym czasie, często nie pasuje do tego, co mówią.

Ekonomiści nazwali to zjawisko „dyskontowaniem hiperbolicznym”. W słynnym badaniu zatytułowanym „Płacenie za nie pójście na siłownię” kilku ekonomistów odkryło, że gdy zaoferowano ludziom wybór między umową o płatność za wizytę a opłatą miesięczną, częściej wybierali opłatę miesięczną i faktycznie płacili więcej za wizytę. To dlatego, że przecenili swoją motywację do pracy.

Dyskontowanie hiperboliczne to tylko jedno z wyzwań związanych z działaniem w branży kreatywnej. Smaki są bardzo subiektywne, a elementy fabuły i narracji, które sprawiają, że jeden film jest ogromnym hitem, mogą łatwo spowodować kolejną poważną i komercyjną porażkę.

Przez dziesięciolecia reklamodawcy i sprzedawcy starali się przewidzieć zużycie produktów rekreacyjnych, takich jak filmy i książki. Równie trudne jest określenie terminu. Który weekend studio powinno wydać nowy film? Kiedy wydawca publikuje egzemplarz książki, w jaki sposób decyduje o wydaniu wersji e-booka?

Dzisiaj big data zapewnia nową widoczność tego, jak ludzie doświadczają rozrywki. Jako badacz, który bada wpływ sztucznej inteligencji i mediów społecznościowych, istnieją trzy siły, które wyróżniają mnie jako szczególnie potężne w przewidywaniu ludzkich zachowań.

1. Ekonomia długiego ogona

Internet umożliwia dystrybucję produktów rozrywkowych, które są mniej popularne niż sukcesy głównego nurtu. Pokazy strumieniowe mogą zdobyć większą publiczność niż jest to ekonomicznie możliwe do rozpowszechnienia za pośrednictwem telewizji w prime-time. To zjawisko ekonomiczne określa się jako efekt długiego ogona.

Ponieważ firmy zajmujące się mediami strumieniowymi, takie jak Netflix, nie muszą płacić za dystrybucję treści w kinach, mogą produkować więcej programów, które zaspokajają niszowych odbiorców. Netflix wykorzystał dane z nawyków oglądania poszczególnych klientów, aby zdecydować się na powrót Domek z kart, który został odrzucony przez sieci telewizyjne. Dane Netflix pokazały, że istniała baza fanów dla filmów wyreżyserowanych przez Finchera i filmów z udziałem Spacey'ego, a duża liczba klientów wypożyczyła DVD z oryginalnej serii BBC.

2. Wpływ społeczny w erze sztucznej inteligencji

Dzięki mediom społecznościowym ludzie mogą dzielić się tym, co oglądają z przyjaciółmi, dzięki czemu niezależne rozrywki stają się bardziej towarzyskie.

Poprzez wydobywanie danych z serwisów społecznościowych, takich jak Twitter i Instagram, firmy mogą śledzić w czasie rzeczywistym, co widzowie myślą o danym filmie, programie lub piosence. Studia filmowe mogą wykorzystać skarbnicę danych cyfrowych, aby zdecydować, w jaki sposób promować programy i daty premiery filmów.Na przykład liczba wyszukiwań Google w zwiastunie filmu w ciągu miesiąca poprzedzającego jego premierę jest głównym predyktorem zdobywców Oscarów, a także przychodów kasowych. Studia filmowe mogą łączyć dane historyczne o datach premiery filmu i wydajności kina z trendami wyszukiwania, aby przewidzieć idealne daty premiery nowych filmów.

Wydobywanie danych z mediów społecznościowych pomaga również firmom identyfikować negatywne nastroje, zanim spowodują one kryzys. Pojedynczy tweet od nieszczęśliwego wpływowego klienta może stać się wirusowy, kształtując opinię publiczną.

W badaniu, które przeprowadziłem z Yong Tanem z University of Washington i Cath Oh z Georgia State University, pokazaliśmy, w jaki sposób taki wpływ społeczny decyduje nie tylko o tym, które filmy z YouTube stają się bardziej popularne, ale także o tym, że filmy udostępniane przez wpływowych użytkowników stają się jeszcze bardziej popularne.

Jedno z badań pokazuje, że gdy studia zwracają uwagę na buzz mediów społecznościowych przed wydaniem filmu, różnica między przewidywanymi przychodami a rzeczywistym przychodem, znana jako błąd prognozy, zmniejszyła się o 31 procent.

3. Analytics konsumpcji

Duże dane zapewniają lepszą widoczność książek i pokazów, które ludzie spędzają na spędzaniu czasu.

Matematyk Jordan Ellenberg był pionierem w stosowaniu indeksu Hawkinga, miary średniej liczby stron pięciu najbardziej podświetlonych fragmentów w książce Kindle jako proporcji całkowitej długości tej książki. Indeks Hawkinga pokazuje, kiedy ludzie rezygnują z książki. Jeśli na stronie 250 pojawi się przeciętne wyróżnienie Kindle na 250 stron, to dałoby to indeks Hawkinga 100 procent.

Teoria bierze swoją nazwę od Stephena Hawkinga Krótka historia w czasie. Chociaż ta książka wciąż sprzedaje miliony egzemplarzy rocznie, rzadko się ją czyta, a ponury indeks Hawkinga wynosi 6,6 procent.

Kiedy firma, taka jak Amazon, decyduje, które książki polecić potencjalnym czytelnikom lub które Prime produkuje, przygląda się szczegółowym cyfrowym śladom, których punkty fabularne angażowały odbiorców, a które nie. Może to pomóc im w promocji nadchodzącej wersji lub lepszych zaleceń dla indywidualnych użytkowników.

Co więcej, nowe typy sztucznej inteligencji mogą zbadać, co sprawia, że ​​ludzie angażują się w kreatywne treści. Na przykład firma o nazwie Epagogix zapoczątkowała podejście wykorzystujące sieć neuronową - narzędzie sztucznej inteligencji, które szuka wzorców w bardzo dużych ilościach danych - na zestawie scenariuszy ocenianych przez ekspertów w branży rozrywkowej. Komputer może przewidzieć sukces finansowy filmu. Według niektórych raportów taka sztuczna inteligencja może przewidzieć do 75 procent rzeczywistych kosztów otwarcia filmów.

Biorąc pod uwagę nowe spostrzeżenia takie jak te, firmy rozrywkowe mogą wkrótce wiedzieć, co dokładnie Bridget Jones chciałaby zrobić ze swoim czasem wolnym lepiej niż Bridget.

Ten artykuł został pierwotnie opublikowany w „Rozmowie” Anjany Susarli. Przeczytaj oryginalny artykuł tutaj.