"쌍곡선 할인"이 일반적으로 인간의 결함을 드러내는 방법

시청자 브리짓 존스의 일기 그녀의 새해 결심 중 하나가 "매일 밤 외출하지 않고 책을 읽고 클래식 음악을 듣는다"는 것을 알고있다.

그러나 현실은 크게 다릅니다. 사람들이 여가 시간에 실제로하는 일은 종종 그들이하는 일과 일치하지 않습니다.

경제학자들은이 현상을 '쌍곡선 할인'이라고 부릅니다. "체육관에 가지 않기"라는 유명한 연구에서 몇 명의 이코노미스트는 사람들이 방문형 방문 계약과 월간 수수료 중 하나를 선택할 때, 월 수수료를 선택할 확률이 높았으며 방문 당 더 많은 비용을 지불하게되었습니다. 그것은 그들이 운동하려는 동기를 과대 평가했기 때문입니다.

쌍곡선 할인은 독창적 인 산업에서 운영하기위한 하나의 도전 일뿐입니다. 취향은 매우 주관적이며 한 영화가 엄청난 인기를 얻게하는 음모와 서사 요소는 쉽게 또 다른 비판적 상업적 실패로 만들 수 있습니다.

수십 년 동안 광고주와 마케팅 담당자는 영화와 서적과 같은 여가 용품 소비를 예언하기 위해 애 쓰고있었습니다. 타이밍을 결정하는 것도 똑같은 일입니다. 어느 주말에 스튜디오가 새로운 영화를 출시해야합니까? 발행인이 책의 하드 카피를 발표하면 전자 책 버전을 언제 공개할지 결정할 수 있습니까?

오늘날, 빅 데이터는 사람들이 엔터테인먼트를 경험하는 방법에 대한 새로운 가시성을 제공합니다. 인공 지능과 소셜 미디어의 영향을 연구하는 연구원으로서 인간 행동을 예측하는 데 특히 강력한 세 가지 힘이 있습니다.

1. 롱테일의 경제성

인터넷을 통해 주류 성공보다는 덜 인기있는 엔터테인먼트 제품을 배포 할 수 있습니다. 스트리밍 쇼는 황금 시간대의 텔레비전을 통해 경제적으로 배포 할 수있는 것보다 더 많은 잠재 고객을 확보 할 수 있습니다. 이러한 경제적 현상을 긴 꼬리 효과라고합니다.

Netflix와 같은 스트리밍 미디어 회사는 영화관에서 컨텐츠를 배포하기 위해 비용을 지불 할 필요가 없기 때문에 틈새 시장을 겨냥한 더 많은 프로그램을 제작할 수 있습니다. Netflix는 개별 고객의 시청 습관에있는 데이터를 사용하여 다시 결정했습니다. 카드의 집, 이는 텔레비전 네트워크에 의해 거부되었다. Netflix 데이터는 Fincher가 감독 한 영화와 Spacey가 출연하는 영화의 팬 층이 있었고 다수의 고객이 원래 BBC 시리즈의 DVD를 대여 한 것으로 나타났습니다.

2. 인공 지능 시대의 사회적 영향

소셜 미디어를 통해 사람들은 자신이보고있는 것을 친구들과 공유 할 수 있습니다. 그렇지 않으면 독립적 인 엔터테인먼트 경험이 더욱 사회화 될 수 있습니다.

Twitter 및 Instagram과 같은 소셜 사이트의 데이터를 마이닝함으로써 회사는 특정 영화, 쇼 또는 노래에 대해 영화 관객이 생각하는 것을 실시간으로 추적 할 수 있습니다. 영화 스튜디오는 디지털 데이터 보물을 사용하여 영화의 쇼 및 출시일을 홍보하는 방법을 결정할 수 있습니다.예를 들어, 초연 전 달의 영화 예고편에 대한 Google 검색 량은 오스카상 수상자와 흥행 수입의 주요 예측 변수입니다. 영화 제작사는 영화 출시일 및 흥행 실적에 대한 기록 데이터를 검색 트렌드와 결합하여 새로운 영화의 출시일을 예측할 수 있습니다.

소셜 미디어 데이터 마이닝은 기업이 위기에 처하기 전에 부정적인 정서를 식별하는 데 도움이됩니다. 불행한 영향력있는 고객의 싱글 트윗은 여론을 형성하는 바이러스 성이 있습니다.

조지아 주립 대학의 University of Washington과 Cath Oh과 함께 실시한 한 연구에서 YouTube는 어떤 사회적인 영향력이 YouTube 동영상이 더 많이 대중화 될뿐만 아니라 영향력있는 사용자가 공유하는 동영상이 더 널리 보급되는지를 보여주었습니다.

영화가 공개되기 전에 영화사가 소셜 미디어에 관심을 기울일 때 예상 수익과 실제 수익의 차이 (예측 오차)는 31 % 감소했습니다.

3. 소비 분석

큰 데이터는 어떤 책에 대한 더 나은 가시성을 제공하고 실제로 사람들이 즐겁게 보내는 시간을 보여줍니다.

수학자 인 조던 엘렌 버그 (Jordan Ellenberg)는 킨킹 (Kindle) 책에서 가장 강조 표시된 다섯 개의 구절의 평균 페이지 수를 그 책 전체 길이의 비율로 측정 한 호킹 지수 (Hawking Index)의 사용을 개척했습니다. 호킹 지수는 사람들이 책을 포기할 때 보여줍니다. 250 페이지의 책의 평균 Kindle 강조 표시가 250 페이지에 나타나면 100 %의 Hawking 지수를 얻게됩니다.

이론은 스티븐 호킹의 이름에서 유래했습니다. 시간의 간략한 역사. 이 책은 여전히 ​​1 년에 수백만 부의 사본을 판매하고 있지만 독서량이 적지 만 호킹 지수는 6.6 퍼센트입니다.

Amazon과 같은 회사가 잠재적 인 독자에게 추천 할 책을 결정하거나 Prime이 제작할 책을 결정할 때, 그들은 플롯 포인트가 관객에게 영향을 미치고 그렇지 않은 점에 대한 상세한 디지털 추적을 봅니다. 이는 향후 출시를 홍보하거나 개별 사용자에게 더 나은 권장 사항을 제시하는 데 도움이 될 수 있습니다.

또한 새로운 유형의 인공 지능은 사람들이 창의적인 콘텐츠를 사용하도록 만드는 요인을 조사 할 수 있습니다. 예를 들어, Epagogix라는 회사는 엔터테인먼트 업계의 전문가들이 평가 한 일련의 각본에서 신경망 (대용량 데이터 패턴을 찾는 인공 지능 도구)을 사용하여 접근 방식을 개척했습니다. 컴퓨터는 영화의 재정적 성공을 예측할 수 있습니다. 일부 보고서에 따르면 그러한 인공 지능은 영화의 실제 오프닝 그로스의 75 %까지 예측할 수 있습니다.

이와 같은 새로운 데이터 통찰력을 감안할 때, 엔터테인먼트 회사는 Bridget Jones가 Bridget 자신보다 여가 시간에 더 잘하기를 원하는지 곧 알게 될 것입니다.

이 기사는 원래 Anjana Susarla의 대화에 게시되었습니다. 여기에 원본 기사를 읽으십시오.