Kaip „hiperbolinis diskontavimas“ atskleidžia tipiškus žmogaus trūkumus

Kiekvienas, kuris stebėjo „Bridget Jones“ dienoraštis žino, kad viena iš jos Naujųjų metų rezoliucijų yra „Ne išeiti kiekvieną naktį, o likti ir skaityti knygas bei klausytis klasikinės muzikos“.

Tačiau realybė iš esmės skiriasi. Tai, ką žmonės iš tikrųjų daro savo laisvalaikiu, dažnai neatitinka to, ką jie sako.

Ekonomistai šį reiškinį pavadino „hiperboliniu diskontavimu“. Garsiame tyrime, pavadintame „Mokėjimas ne eiti į sporto salę“, pora ekonomistų nustatė, kad, kai žmonėms buvo pasiūlyta pasirinkti mokestį už vizitą ir mėnesinį mokestį, jie dažniau pasirinko mėnesinį mokestį ir faktiškai mokėjo daugiau už vieną apsilankymą. Taip yra todėl, kad jie pervertino jų motyvaciją dirbti.

Hiperbolinis diskontavimas yra tik vienas iš iššūkių dirbant kūrybinėje pramonėje. Skonis yra labai subjektyvus, o sklypo ir pasakojimo elementai, kurie daro vieną filmą milžinišku smūgiu, gali padaryti dar vieną kritinį ir komercinį nesėkmę.

Per dešimtmečius reklamuotojai ir rinkodaros stengėsi numatyti laisvalaikio produktų, pvz., Filmų ir knygų, vartojimą. Taip pat sudėtinga nuspręsti dėl laiko. Kuris savaitgalis turėtų išleisti naują filmą? Kai leidėjas išleidžia knygą iš popieriaus, kaip jie nusprendžia, kada paleisti e-knygos versiją?

Šiandien dideli duomenys suteikia naują matomumą, kaip žmonės patiria pramogas. Kaip tyrėjas, tyręs dirbtinio intelekto ir socialinės žiniasklaidos poveikį, man yra trys jėgos, kurios ypač išsiskiria prognozuojant žmogaus elgesį.

1. Ilgos uodegos ekonomika

Internetas leidžia platinti pramogų produktus, kurie yra mažiau populiarūs nei pagrindiniai pasiekimai. Srautinės transliacijos gali įsigyti didesnę auditoriją nei tai, kas ekonomiškai įmanoma platinti per pagrindinį televizorių. Šis ekonominis reiškinys vadinamas ilgu uodegos efektu.

Kadangi transliavimo medijos kompanijos, pvz., „Netflix“ neprivalo mokėti platinti turinio kino teatruose, jos gali pateikti daugiau šou, kad atitiktų nišą. Netflix naudojo duomenis iš savo individualių klientų žiūrėjimo įpročių ir nusprendė grįžti Kortų namelis, kurį televizijos tinklai atmetė. „Netflix“ duomenys parodė, kad „Fincher“ filmų ir „Spacey“ filmų režisierių filmų bazė buvo fanų bazė, ir kad daugelis klientų išsinuomojo originalios „BBC“ serijos DVD.

2. Socialinis poveikis dirbtinio intelekto erai

Su socialinėmis žiniasklaidos priemonėmis žmonės gali pasidalinti savo draugais, ką jie žiūri, todėl kitaip nepriklausomos pramoginės patirties tampa socialinėmis.

Renkant duomenis iš socialinių svetainių, tokių kaip „Twitter“ ir „Instagram“, įmonės gali stebėti realiu laiku, ką kino mėgėjai galvoja apie tam tikrą filmą, šou ar dainą. Kino studijos gali naudoti skaitmeninių duomenų turinį, kad nuspręstų, kaip reklamuoti filmus ir išleisti datas.Pvz., Filmo priekabos „Google“ paieškų apimtis per mėnesį prieš jo premjerą yra pirmaujanti Oskaro nugalėtojų prognozė, taip pat pajamos iš kasos. Kino studijos gali derinti istorinius duomenis apie filmų išleidimo datas ir dėžutės našumą su paieškos tendencijomis, kad būtų galima numatyti idealias naujų filmų išleidimo datas.

Socialinės žiniasklaidos duomenų gavyba taip pat padeda bendrovėms nustatyti neigiamą nuotaiką prieš tai, kai ji tampa spirale. Vienas nesėkmingo įtakingo kliento „tweet“ gali būti virusas, formuojantis viešąją nuomonę.

Tyrime, kurį atlikiau su Vašingtono universiteto Yong Tan ir Džordžijos valstybinio universiteto Cath Oh, parodėme, kaip tokia socialinė įtaka lemia ne tik tai, kurie „YouTube“ vaizdo įrašai tampa populiaresni, bet ir tai, kad įtakingų naudotojų bendrinami vaizdo įrašai dar labiau žiūrimi.

Vienas tyrimas rodo, kad kai studijos atkreipia dėmesį į socialinės žiniasklaidos „Buzz“ prieš filmo išleidimą, skirtumas tarp numatomų pajamų ir faktinių pajamų, žinomas kaip prognozės klaida, sumažėjo 31 proc.

3. Vartojimo analizė

Dideli duomenys suteikia geresnį matomumą apie tai, ką knygos ir žmonės iš tiesų praleidžia.

Matematikas Jordanas Ellenbergas pradėjo naudoti „Hawking“ indeksą, kuris yra penkių labiausiai išryškintų „Kindle“ knygų dalių vidutinio puslapio skaičiaus matas, lyginant su visos knygos ilgiu. „Hawking“ indeksas rodo, kada žmonės atsisako knygos. Jei 250 puslapių knygelės vidutinis įvaizdis yra 250 puslapyje, tai suteiktų 100 procentų Hawking indeksą.

Teorija gauna savo vardą iš Stephen Hawking Trumpa laiko istorija. Nors ši knyga vis dar parduoda milijonus kopijų per metus, tai taip pat retai skaitoma, nes šiurkštus Hawkingo indeksas yra 6,6 proc.

Kai kompanija, tokia kaip „Amazon“, nusprendžia, kurias knygas rekomenduoti potencialiems skaitytojams arba kurias „Prime“ rodo, kad jos gamina, jos žiūri į išsamius skaitmeninius pėdsakus, kurių sklypo taškuose dalyvauja auditorija ir kuri to nepadarė. Tai gali padėti jiems skatinti būsimą spaudą arba pateikti geresnes rekomendacijas atskiriems vartotojams.

Be to, nauji dirbtinio intelekto tipai gali ištirti, kas leidžia žmonėms bendrauti su kūrybiniu turiniu. Pavyzdžiui, bendrovė, pavadinta „Epagogix“, pradėjo taikyti metodą, naudodama neuroninį tinklą - dirbtinį intelekto įrankį, kuris ieško modelių labai dideliais duomenų kiekiais - scenarijaus rinkinyje, kurį vertina pramogų pramonės ekspertai. Tada kompiuteris gali numatyti finansinę filmo sėkmę. Pasak kai kurių pranešimų, toks dirbtinis intelektas gali numatyti iki 75 proc. Faktinių filmų atidarymo bruto.

Atsižvelgiant į tokius naujus didelių duomenų įžvalgas, pramogų kompanijos netrukus gali žinoti, ką tiksliai Bridget Jones norėtų daryti su savo laisvalaikiu geriau nei pats Bridgetas.

Šis straipsnis iš pradžių buvo paskelbtas Anjana Susarla pokalbyje. Skaitykite originalų straipsnį čia.