Menghasilkan data hiburan baru. MinDof / shutterstock.com

Siapa pun yang menonton "Bridget Jones's Diary" tahu salah satu resolusi Tahun Baru adalah "Tidak pergi keluar setiap malam, tetapi tetap di dalam dan membaca buku dan mendengarkan musik klasik."

Namun kenyataannya, pada dasarnya berbeda. Apa yang sebenarnya dilakukan orang di waktu senggang mereka sering tidak sesuai dengan apa yang mereka katakan akan mereka lakukan.

Ekonom telah menyebut fenomena ini "diskon hiperbolik." Dalam sebuah studi terkenal berjudul "Membayar Tidak Pergi ke Gym, ”Sepasang ekonom menemukan bahwa, ketika orang ditawari pilihan antara kontrak bayar per kunjungan dan biaya bulanan, mereka lebih cenderung memilih biaya bulanan dan akhirnya membayar lebih banyak per kunjungan. Itu karena mereka melebih-lebihkan motivasi mereka untuk berolahraga.

Diskon hiperbolik hanyalah salah satu tantangan beroperasi di industri kreatif. Rasanya sangat subyektif, dan unsur-unsur plot dan narasi yang membuat satu film menjadi hit yang luar biasa dapat dengan mudah membuat yang lain kegagalan kritis dan komersial.

Selama beberapa dekade, pengiklan dan pemasar berjuang untuk memprediksi konsumsi produk rekreasi seperti film dan buku. Sama-sama menantang untuk memutuskan waktunya. Akhir pekan yang mana sebuah studio harus merilis film baru? Ketika penerbit merilis salinan buku, bagaimana mereka memutuskan kapan akan merilis versi e-book?

Hari ini, big data menawarkan visibilitas baru ke dalam bagaimana orang mengalami hiburan. Sebagai peneliti yang belajar Sebagai dampak kecerdasan buatan dan media sosial, ada tiga kekuatan yang menonjol bagi saya karena sangat kuat dalam memprediksi perilaku manusia.

1. Ekonomi ekor panjang

Internet memungkinkan untuk mendistribusikan produk hiburan yang kurang populer daripada kesuksesan arus utama. Acara streaming dapat memperoleh audiens yang lebih besar daripada yang layak secara ekonomi untuk didistribusikan melalui televisi prime-time. Fenomena ekonomi ini disebut sebagai efek ekor panjang,

Karena perusahaan media streaming seperti Netflix tidak perlu mengeluarkan biaya untuk mendistribusikan konten di bioskop, mereka dapat memproduksi lebih banyak pertunjukan yang memenuhi audiens niche. Netflix menggunakan data dari kebiasaan menonton masing-masing pelanggan untuk memutuskan untuk mendukung “House of Cards,” yang mana ditolak oleh jaringan televisi. Data Netflix menunjukkan bahwa ada basis penggemar untuk film yang disutradarai oleh Fincher dan film yang dibintangi Spacey, dan bahwa sejumlah besar pelanggan telah menyewa DVD dari seri BBC asli.

2. Pengaruh sosial di era kecerdasan buatan

Dengan media sosial, orang dapat berbagi apa yang mereka tonton dengan teman-teman mereka, membuat pengalaman hiburan yang independen menjadi lebih sosial.

Dengan menambang data dari situs sosial seperti Twitter dan Instagram, perusahaan dapat melacak secara real time apa yang dipikirkan penonton bioskop tentang film, pertunjukan, atau lagu tertentu. Studio film dapat menggunakan harta karun data digital untuk memutuskan bagaimana mempromosikan pertunjukan dan merilis tanggal untuk film. Misalnya, volume Google mencari trailer film selama sebulan sebelum pemutaran perdana adalah prediktor terkemuka pemenang Oscar serta pendapatan box office. Studio film dapat menggabungkan data historis tentang tanggal rilis film dan kinerja box office tren pencarian untuk memprediksi tanggal rilis ideal untuk film baru.

Menambang data media sosial juga membantu perusahaan mengidentifikasi sentimen negatif sebelum berubah menjadi krisis. Satu tweet dari pelanggan berpengaruh yang tidak bahagia bisa menjadi viral, membentuk opini publik.

Dalam sebuah penelitian saya melakukan dengan Yong Tan dari Universitas Washington dan Cath Oh dari Universitas Negeri Georgia, kami menunjukkan bagaimana pengaruh sosial semacam itu menentukan tidak hanya video YouTube mana yang menjadi lebih populer, tetapi juga bahwa video yang dibagikan oleh pengguna berpengaruh menjadi lebih banyak ditonton.

Satu studi menunjukkan bahwa ketika studio memperhatikan buzz media sosial sebelum rilis film, perbedaan antara pendapatan yang diprediksi dan pendapatan aktual, yang dikenal sebagai kesalahan perkiraan, berkurang sebesar 31 persen.

3. Analisis konsumsi

Big data memberikan visibilitas yang lebih baik ke buku-buku apa dan menunjukkan orang-orang benar-benar menghabiskan waktu mereka menikmati.

Ahli matematika Jordan Ellenberg memelopori penggunaan Indeks Hawking, ukuran jumlah halaman rata-rata dari lima bagian yang paling disorot dalam sebuah buku Kindle sebagai proporsi dari panjang total buku itu. Indeks Hawking menunjukkan kapan orang menyerah pada buku. Jika highlight Kindle rata-rata buku halaman 250 muncul di halaman 250, itu akan memberinya indeks Hawking 100 persen.

Teori ini mendapatkan namanya dari "Sejarah Singkat dalam Waktu" karya Stephen Hawking. Sementara buku ini masih menjual jutaan kopi per tahun, ia juga jarang dibaca, dengan indeks Hawking yang suram, sebesar 6.6 persen.

Ketika sebuah perusahaan seperti Amazon memutuskan buku mana yang akan direkomendasikan kepada pembaca potensial atau yang Prime tunjukkan untuk diproduksi, mereka melihat jejak digital terperinci dari titik plot mana yang melibatkan pemirsa dan yang tidak. Ini mungkin membantu mereka untuk mempromosikan rilis yang akan datang atau untuk membuat rekomendasi yang lebih baik kepada pengguna individu.

Terlebih lagi, tipe baru kecerdasan buatan dapat menyelidiki apa yang membuat orang terlibat dengan konten kreatif. Misalnya, sebuah perusahaan bernama Epagogix memelopori pendekatan menggunakan jaringan saraf - alat kecerdasan buatan yang mencari pola dalam jumlah data yang sangat besar - pada serangkaian skenario yang dinilai oleh para ahli di industri hiburan. Komputer kemudian dapat memprediksi kesuksesan finansial sebuah film. Menurut beberapa laporan, kecerdasan buatan semacam itu dapat memprediksi hingga 75 persen dari grosses pembuka film yang sebenarnya.

Mengingat wawasan data besar baru seperti ini, perusahaan hiburan mungkin segera tahu persis apa yang ingin dilakukan Bridget Jones dengan waktu luangnya lebih baik daripada yang dilakukan Bridget sendiri.

Tentang Penulis

Anjana Susarla, Associate Professor Sistem Informasi, Michigan State University

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.

Buku terkait

at Pasar InnerSelf dan Amazon