3: comment le Big Data révèle ce que vous aimez vraiment regarder, lire et écouter

3: comment le Big Data révèle ce que vous aimez vraiment regarder, lire et écouterGénérer de nouvelles données de divertissement. MinDof / shutterstock.com

Quiconque a regardé «Le journal de Bridget Jones» sait que l'une de ses résolutions du nouvel an est «Ne sors pas tous les soirs, mais reste à l'intérieur et lis des livres et écoute de la musique classique».

La réalité est toutefois sensiblement différente. Ce que les gens font réellement pendant leurs loisirs ne correspond souvent pas à ce qu'ils disent qu'ils vont faire.

Les économistes ont qualifié ce phénomène d ’« escompte hyperbolique ». Dans une étude célèbre intitulée«Payer pour ne pas aller à la gymDeux économistes ont constaté que, lorsque les gens se voyaient offrir le choix entre un contrat de paiement à la visite et des frais mensuels, ils étaient plus susceptibles de choisir les frais mensuels et finissaient par payer davantage par visite. C'est parce qu'ils ont surestimé leur motivation à faire de l'exercice.

L'escompte hyperbolique n'est qu'un des défis que présente l'exploitation dans un secteur créatif. Les goûts sont très subjectifs, et les éléments de l'intrigue et de la narration qui font d'un film un succès retentissant pourraient facilement en faire un autre un échec critique et commercial.

Pendant des décennies, les annonceurs et les spécialistes du marketing ont eu du mal à prévoir la consommation de produits de loisirs tels que les films et les livres. C'est tout aussi difficile de décider du moment. Quel week-end un studio devrait-il sortir un nouveau film? Lorsqu'un éditeur publie une copie papier d'un livre, comment décide-t-il quand publier la version du livre électronique?

Aujourd'hui, le Big Data offre une nouvelle visibilité sur la manière dont les gens perçoivent le divertissement. Comme un chercheur qui étudie l'impact de l'intelligence artificielle et des médias sociaux, trois forces me semblent particulièrement puissantes pour prédire le comportement humain.

1. Economie de la longue queue

Internet permet de distribuer des produits de divertissement moins populaires que les grands succès. Les émissions en streaming peuvent attirer un public plus large que ce qu’il est économiquement possible de distribuer à la télévision aux heures de grande écoute. Ce phénomène économique est appelé le effet longue queue,


Obtenez les dernières nouvelles d'InnerSelf


Etant donné que les sociétés de diffusion en continu telles que Netflix n'ont pas à payer pour distribuer du contenu dans les salles de cinéma, elles peuvent produire davantage d'émissions destinées à des publics de niche. Netflix a utilisé les données des habitudes de visionnage de ses clients individuels pour décider de sauvegarder «House of Cards», qui a été rejeté par les réseaux de télévision. Les données de Netflix ont montré qu'il existait une base de fans pour les films réalisés par Fincher et les films avec Spacey, et qu'un grand nombre de clients avaient loué des DVD de la série originale de la BBC.

2. Influence sociale à l'ère de l'intelligence artificielle

Avec les médias sociaux, les gens peuvent partager ce qu'ils regardent avec leurs amis, ce qui rend les expériences de divertissement autrement indépendantes plus sociales.

En exploitant les données de sites sociaux tels que Twitter et Instagram, les entreprises peuvent suivre en temps réel ce que les cinéphiles pensent d'un film, d'une émission ou d'une chanson. Les studios de cinéma peuvent utiliser un trésor de données numériques pour décider de la promotion des émissions et des dates de sortie des films. Par exemple, le volume de Recherches de Google dans la bande-annonce d'un film au cours du mois précédant sa première est un prédicteur de premier plan des gagnants aux Oscars ainsi que des recettes au guichet. Les studios de cinéma peuvent combiner des données historiques sur les dates de sortie des films et les performances au box-office avec tendances de recherche à prédire les dates de sortie idéales pour les nouveaux films.

L'exploitation des données des médias sociaux aide également les entreprises à identifier les sentiments négatifs avant de sombrer dans une crise. Un seul tweet d'un client influent mécontent peut devenir viral, façonner l'opinion publique.

Dans une étude que j'ai menée avec Yong Tan de l'Université de Washington et Cath Oh de la Georgia State University, nous avons montré comment une telle influence sociale détermine non seulement les vidéos YouTube qui gagnent en popularité, mais également le fait que les vidéos partagées par des utilisateurs influents deviennent encore plus largement visionnées.

Une étude montre que lorsque les studios sont attentifs au buzz sur les réseaux sociaux avant la sortie d'un film, la différence entre le revenu prévu et le revenu réel, appelée erreur de prévision, est réduite de 31%.

3. Analyse de consommation

Le Big Data offre une meilleure visibilité sur les livres et montre que les gens passent réellement leur temps à en profiter.

Le mathématicien Jordan Ellenberg a été le premier à utiliser le Indice de Hawking, une mesure du nombre moyen de pages des cinq passages les plus mis en évidence dans un livre Kindle en proportion de la longueur totale de ce livre. L'indice Hawking indique quand les gens abandonnent un livre. Si le point fort Kindle moyen d'un livre comportant une page 250 apparaît à la page 250, cela lui donnerait un indice Hawking de 100 pour cent.

La théorie tire son nom de «Une brève histoire dans le temps» de Stephen Hawking. Bien que ce livre se vende toujours à des millions d'exemplaires, il est rarement lu, avec un indice de Hawking triste de 6.6.

Lorsqu'une société telle qu'Amazon décide quels livres recommander aux lecteurs potentiels ou quels émissions Prime produire, ils examinent des traces numériques détaillées de quels points de l'intrigue ont engagé des audiences et qui ne. Cela pourrait les aider à promouvoir une version à venir ou à faire de meilleures recommandations à des utilisateurs individuels.

De plus, de nouveaux types d'intelligence artificielle peuvent étudier ce qui incite les gens à utiliser du contenu créatif. Par exemple, une société nommée Epagogix a été la première à adopter une approche utilisant un réseau de neurones - un outil d'intelligence artificielle qui recherche des modèles dans de très grandes quantités de données - sur un ensemble de scénarios évalués par des experts du secteur du divertissement. L'ordinateur pourrait alors prédire le succès financier d'un film. Selon certains rapports, une telle intelligence artificielle peut prédire jusqu'à 75 pour cent des recettes brutes d'ouverture des films.

Avec de nouvelles perspectives telles que le big data, les sociétés de divertissement pourraient bientôt savoir ce que Bridget Jones aimerait faire exactement de son temps de loisir mieux que Bridget elle-même.La Conversation

A propos de l'auteur

Anjana Susarla, professeure agrégée en systèmes d'information, Michigan State University

Cet article est republié de La Conversation sous une licence Creative Commons. Lis le article original.

Livres connexes

{amazonWS: searchindex = Livres; mots-clés = menaces de données volumineuses; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

suivez InnerSelf sur

facebook-icontwitter-iconrss-icon

Recevez le dernier par courriel

{Emailcloak = off}