• صفحه خانگی
  • >
  • علم
  • >
  • بیگ دیتا چطور موسیقی و فیلم مورد علاقه شما را تشخیص می‌دهد؟

بیگ دیتا چطور موسیقی و فیلم مورد علاقه شما را تشخیص می‌دهد؟

  • توسط محمد
  • 1 فروردین 1398
  • 1
بیگ دیتا

در صورتی که “خاطرات بریجت جونز” را دیده باشید، می‌دانید که یکی از اهداف او برای سال جدید این بود که به جای اینکه هرشب بیرون باشد، بیشتر خانه بماند، کتاب بخواند و به موسیقی کلاسیک گوش کند.

البته واقعیت اساسا متفاوت‌تر است. فعالیت‌هایی که مردم در اوقات فراغت خودشان انجام می‌دهند، اغلب اوقات چیزی نیست که به زبان می‌آورند. اقتصاددان‌ها در یک تحقیق مشهور به نام “پول دادن برای نرفتن به باشگاه”، این پدیده را تخفیف هایپربولیک نامیده‌اند. در این تحقیق دو اقتصاددان فهمیدند هنگامی که به فردی پیشنهاد می‌دهید که بین پرداخت ماهیانه و روزانه یکی را انتخاب کنند، احتمال اینکه پرداخت ماهیانه را انتخاب کنند بیشتر است و در آخر نیز شرایط به گونه‌ای رقم خواهد خورد که نسبت به پرداخت روزانه پول بیشتری پرداخت می‌کنند.

تخفیف هایپربولیک فقط یکی از چالش‌های کارکردن در صنعت خلاقیت است. علایق مختلف کاملا وابسته به شخص هستند و عناصر فیلمنامه و داستانی که باعث می‌شوند یک فیلم فوق‌العاده باشد، ممکن است باعث شوند فیلم بعدی یک فیلم کاملا ضعیف از آب دربیاید.

تخفیف هایپربولیک

برای چندین دهه، تبلیغ‌کننده‌ها و بازاریاب‌ها مصرف محصولات مربوط به اوقات فراغت، مانند فیلم و کتاب را پیش‌بینی کنند. انتخاب زمان انتشار کار کاملا چالش برانگیزی است. امروزه بیگ دیتا باعث شده است در این باره که مردم چطور اوقات فراغت خودشان را سپری می‌کنند، شفافیت کافی وجود داشته باشد. به عنوان یک محقق تاثیرات هوش مصنوعی و رسانه‌های اجتماعی، سه نیروی مهم وجود دارد که در پیش‌بینی رفتار انسان خیلی قدرتمند هستند.

اقتصاد دنباله‌کشیده

اینترنت انتشار محصولات سرگرمی که از محبوبیت کمتری نسبت به دیگر محصولات برخوردار هستند را ممکن کرده است. استریم سریال‌ها باعث شده است بتوانند محبوبیت بیشتری نسبت به تلویزیون‌های اولیه به دست بیاورند. از این پدیده اقتصادی با نام “تاثیر دنباله‌کشیده” یاد می‌شود.

اقتصاد دنباله کشیده

از آنجایی که کمپانی‌های استریم‌کننده نیازی نیست برای پخش محتوای تولیدی خودشان پولی به سینماها پرداخت کنند، می‌توانند محصولات بیشتری تولید کنند تا نیازهای مخاطبین خودشان را تامین کنند. نتفلیکس برای تصمیم گرفتن درمورد برگرداندن فیلم “خانه پوشالی(house of cards)” از داده‌های مربوط به عادات تماشای تک تک مشتری‌های خودش استفاده کرد که نشان می‌داد یک پایگاه طرفداری برای فیلم‌های ساخته شده توسط فینچر و فیلم‌هایی که اسپیسی در آن بازی می‌کند وجود دارد. همچنین افراد بیشتری دی‌وی‌دی‌های اورجینال سریال‌های بی‌بی‌سی را کرایه کرده بودند.

نفوذ اجتماعی در عصر هوش مصنوعی

با وجود رسانه‌های اجتماعی، مردم می‌توانند فیلم‌هایی که می‌بینند را با دوستان خودشان به اشتراک بگذارند و سرگرمی‌های شخصی خودشان را بیشتر اجتماعی کنند.

با داده کاوی در بیگ دیتا سایت‌هایی مانند توئیتر و اینستاگرام، کمپانیهای می‌توانند طرز تفکر افراد مختلف در مورد یک فیلم، سریال یا موسیقی را به صورت Real-time ردیابی کنند. استودیوهای سینمایی می‌توانند از داده‌های دیجیتال برای تصمیم‌گیری در مورد نحوه تبلیغات سریال‌ها و زمان انتشار فیلم‌هایی که تولید می‌کنند استفاده کنند. برای مثال میزان سرچ تریلر یک فیلم در گوگل در ماه قبل از انتشار آن یکی از عناصر اصلی پیش‌بینی برای فیلم‌های برنده اسکار و فیلم‌هایی است که رکورد فروش را شکسته‌اند. استودیوهای سینمایی می‌توانند داده‌های تاریخی درمورد زمان انتشار فیلمو عملکرد خودشان در گیشه را با ترندهای جستجو ترکیب کنند تا زمان انتشار ایده‌آل برای فیلم بعدی خودشان را پیش‌بینی کنند.

بیگ دیتاها در عصر هوش مصنوعی

کاوش در داده‌های رسانه‌های اجتماعی، به کمپانی‌ها کمک می‌کند قبل از اینکه احساسات منفی را قبل از اینکه تبدیل به بحران شوند شناسایی کنند. یک توئیت از طرف یک مشتری تاثیرگذار ناراضی می‌تواند همه‌گیر شود و تبدیل به نظر عمومی شود.

در یکی از تحقیقاتی که به همراه یونگ‌تان از دانشگاه واشنگتن و کث او از دانشگاه ایالتی جورجیا انجام دادیم، توانستیم نشان دهیم که چطور این نوع نفوذ اجتماعی می‌تواند محبوب شدن ویدئوهای یوتیوب را تعیین کند و حتی به اشتراک گذاشتن یک ویدئو توسط این دست کاربران می‌تواند باعث شود که ویدئو مدنظر از محبوبیت زیادی بین مردم برخوردار شود.

یک تحقیق نشان داده مواقعی که استودیوها به جو شبکه‌های اجتماعی توجه می‌کنند، تفاوت بین درآمد پیش‌بینی شده و درآمد واقعی که به عنوان خطای پیش‌بینی شناخته می‌شود، تا 31 درصد کاهش می‌یابد.

تحلیل مصرف با استفاده از بیگ دیتا

بیگ دیتا ها شفافیت بیشتری راجع به کتاب‌ها و نمایش‌هایی که مردم از آن‌ها لذت می‌برند تامین می‌کند. یک ریاضیدان به نام جردن النبرگ یکی از پیشگامان فهرست هاوکینگ بود. این فهرست معیاری است برای اندازه‌گیری میانگین صفحات خوانده شده  5 متن هایلات شده در یک کتاب کیندل. فهرست هاوکینگ نشان می‌دهد برای یک نفر چقدر طول می‌کشد تا از خواندن یک کتاب خسته شود. در صورتی که هایلایت کیندل یک کتاب 250 صفحه‌ای در صفحه 250 ظاهر شود، نشان می‌دهد شاخص هاوکینگ آن 100 درصد است.

اسم این تئوری از “خلاصه تاریخ در زمان” استیفن هاوکینگ گرفته شده است. با اینکه حتی امروزه نیز میلیون‌ها نسخه از این کتاب به فروش می‌رسد، به ندرت خوانده می‌شود شاخص هاوکینگ آن 6.6 درصد است. هنگامی که یک کمپانی می‌خواهد تصمیم بگیرد چه کتابی برای مشتریان احتمالی مناسب است به ردپاهای دیجیتالی نگاه می‌کند که نشان می‌دهد کدام قسمت‌ها مخاطب را درگیر کرده است و کدام قسمت‌ها خیر! این داده‌ها به آن‌ها کمک می‌کند جگونه یک کتاب را تبلیغ کنند و یا کدام کتاب‌ها را به کاربران خودش توصیه کند.

علاوه بر این، مدل‌های جدید هوش مصنوعی می‌تواند درمورد اینکه چه چیزی باعث می‌شود مردم با محتوای خلاقانه درگیر شوند هم اطلاعات زیادی به ما ارائه می‌کند. برای مثال یک کمپانی با نام اپاگوژیکس، از پیشگامان روشی بود که با استفاده از شبکه عصبی روی یک مجموعه نمایشنامه دسته‌بندی شده توسط متخصصان عمل می‌کرد. پس از این، کامپیوتر می‌تواند موفقیت مالی یک فیلم را پیش‌بینی کند. براساس گزارشات موجود، این هوش مصنوعی می‌تواند تا 75 درصد موفقیت ابتدایی فیلم‌ها را پیش‌بینی کند.

با وجود آمارهای بیگ دیتا جدید مانند مواردی که به آن اشاره شد، کمپانی‌های سرگرمی به زودی می‌توانند بهتر از خود بریجت جونز بفهمند او می‌خواهد در اوقات فراغش چه فعالیت‌هایی داشته باشد.

1 دیدگاه

  1. بی نظیر بود

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانه » علم » بیگ دیتا چطور موسیقی و فیلم مورد علاقه شما را تشخیص می‌دهد؟