Nieuwe entertainmentgegevens genereren. MinDof / shutterstock.com

Iedereen die 'Bridget Jones's Diary' heeft bekeken, weet dat een van haar resoluties voor Oud en Nieuw 'Niet elke avond uitgaan, maar in boeken blijven en boeken lezen en naar klassieke muziek luisteren'.

De realiteit is echter wezenlijk anders. Wat mensen in hun vrije tijd doen, komt vaak niet overeen met wat ze zeggen dat ze zullen doen.

Economen noemen dit verschijnsel 'hyperbolische verdiscontering'. In een beroemde studie getiteld 'Niet betalen om naar de sportschool te gaan, "Een paar economen ontdekten dat wanneer mensen de keuze kregen tussen een contract voor betalen per bezoek en een maandelijks bedrag, ze eerder zouden kiezen voor het maandelijkse bedrag en uiteindelijk uiteindelijk meer moesten betalen per bezoek. Dat komt omdat ze hun motivatie om te trainen hebben overschat.

Hyperbolic-kortingen zijn slechts één uitdaging om in een creatieve industrie te werken. Smaken zijn zeer subjectief en de elementen van plot en verhaal die van één film een ​​enorme hit maken, kunnen gemakkelijk een andere tot een kritieke en commerciële mislukking maken.

Decennia lang worstelden adverteerders en marketeers met het voorspellen van de consumptie van recreatieve producten zoals films en boeken. Het is even uitdagend om de timing te bepalen. Welk weekend zou een studio een nieuwe film moeten uitbrengen? Wanneer een uitgever een papieren versie van een boek publiceert, hoe beslissen deze dan wanneer de versie van het e-boek wordt vrijgegeven?

Tegenwoordig bieden big data nieuwe inzichten in hoe mensen entertainment ervaren. Als een onderzoeker die studeert de impact van kunstmatige intelligentie en sociale media, er zijn drie krachten die mij opvallen als bijzonder krachtig in het voorspellen van menselijk gedrag.

1. Economie van de lange staart

Het internet maakt het mogelijk om entertainmentproducten te distribueren die minder populair zijn dan reguliere successen. Streamingshows kunnen een groter publiek bereiken dan wat economisch haalbaar is voor distributie via prime-time televisie. Dit economische fenomeen wordt de lang staarteffect,

Aangezien streaming-mediabedrijven zoals Netflix niet hoeven te betalen voor het distribueren van inhoud in bioscopen, kunnen ze meer shows produceren die inspelen op nichepubliek. Netflix gebruikte gegevens van de kijkgewoontes van hun individuele klanten om te besluiten om 'House of Cards' te ondersteunen werd afgewezen door televisienetwerken. Netflix-gegevens toonden aan dat er een fanbase bestond voor films geregisseerd door Fincher en films met in de hoofdrol Spacey, en dat een groot aantal klanten dvd's van de oorspronkelijke BBC-serie had gehuurd.

2. Sociale invloed in het tijdperk van kunstmatige intelligentie

Met sociale media kunnen mensen delen wat ze met hun vrienden bekijken, waardoor anders onafhankelijke entertainmentervaringen socialer worden.

Door data te ontginnen van sociale sites zoals Twitter en Instagram, kunnen bedrijven in realtime volgen welke bioscoopbezoekers denken over een bepaalde film, show of nummer. Filmstudio's kunnen een schat aan digitale gegevens gebruiken om te beslissen hoe ze shows en releasedata voor films promoten. Bijvoorbeeld het volume van Google-zoekopdrachten van de trailer van een film in de maand voorafgaand aan de première is een toonaangevende voorspeller van Oscarwinnaars en de inkomsten van de kassa. Filmstudio's kunnen historische gegevens over de releasedatums van films en box office-prestaties combineren met zoek trends naar voorspel de ideale releasedata voor nieuwe films.

Het verzamelen van socialemediadata helpt bedrijven ook om het negatieve sentiment te identificeren voordat het in een crisis uitmondt. Een enkele tweet van een ongelukkige invloedrijke klant kan viraal gaan, de publieke opinie vormgeven.

In een onderzoek dat ik heb uitgevoerd met Yong Tan van de Universiteit van Washington en Cath Oh van de Georgia State University, we toonden hoe een dergelijke sociale invloed niet alleen bepaalt welke YouTube-video's populairder worden, maar ook dat video's die worden gedeeld door invloedrijke gebruikers nog breder worden bekeken.

Eén studie laat zien dat wanneer studio's aandacht besteden aan sociale media-buzz voordat de film wordt uitgebracht, het verschil tussen de voorspelde opbrengst en de werkelijke omzet, ook wel de voorspellingsfout genoemd, met 31 procent is afgenomen.

3. Consumptie-analyse

Big data biedt beter inzicht in welke boeken en shows mensen daadwerkelijk hun tijd doorbrengen met genieten.

De wiskundige Jordan Ellenberg pionierde het gebruik van de Hawking-index, een maat voor het gemiddelde paginanummer van de vijf meest gemarkeerde passages in een Kindle-boek als percentage van de totale lengte van dat boek. De Hawking-index geeft aan wanneer mensen een boek opgeven. Als de gemiddelde Kindle-highlight van een boek met 250-pagina's verschijnt op pagina 250, zou dat een Hawking-index van 100-percentage opleveren.

De theorie ontleent zijn naam aan Stephen Hawking's 'A Brief History in Time'. Hoewel dit boek nog steeds miljoenen exemplaren per jaar verkoopt, wordt het ook zelden gelezen, met een akelige Hawking-index van 6.6 procent.

Wanneer een bedrijf als Amazon beslist welke boeken aan potentiële lezers moeten worden aanbevolen of welke Prime-shows moeten worden geproduceerd, kijken ze naar gedetailleerde digitale sporen van welke plotpunten betrokken doelgroepen waren en welke niet. Dit kan helpen om een ​​aankomende release te promoten of om betere aanbevelingen aan individuele gebruikers te doen.

Wat meer is, nieuwe vormen van kunstmatige intelligentie kunnen onderzoeken wat mensen aanzetten tot creatieve inhoud. Een bedrijf genaamd Epagogix bijvoorbeeld, was een pionier in een aanpak met behulp van een neuraal netwerk - een hulpmiddel voor kunstmatige intelligentie dat zoekt naar patronen in zeer grote hoeveelheden gegevens - op een reeks screenplays beoordeeld door experts in de entertainmentindustrie. De computer kan dan het financiële succes van een film voorspellen. Volgens sommige rapporten, dergelijke kunstmatige intelligentie kan voorspellen tot 75 procent van de daadwerkelijke opening van de films.

Gezien nieuwe inzichten in big data als deze, weten entertainmentbedrijven mogelijk al snel wat Bridget Jones beter zou willen doen met haar vrije tijd dan Bridget zelf doet.

Over de auteur

Anjana Susarla, universitair hoofddocent informatiesystemen, Michigan State University

Dit artikel is opnieuw gepubliceerd vanaf The Conversation onder een Creative Commons-licentie. Lees de originele artikel.

Verwante Boeken

at InnerSelf Market en Amazon