“Hiperbolik İndirgeme” Tipik İnsan Kusurlarını Nasıl Gösterir?

İzlenen herkes Bridget Jones’un Günlüğü Yılbaşı kararlarından birinin “Her gece dışarı çıkmamak, içeride kalmak, kitap okumak ve klasik müzik dinlemek” olduğunu biliyor.

Bununla birlikte, gerçek, esasen farklıdır. İnsanların boş zamanlarında gerçekte yaptıkları çoğu zaman, yaptıklarını söyledikleriyle eşleşmez.

Ekonomistler bu olguyu “hiperbolik iskonto” olarak adlandırdılar. “Spor Salonuna Gitmeme Ücreti” başlıklı ünlü bir çalışmada, birkaç iktisatçı, insanlara ziyaret başına ödeme sözleşmesi ve aylık ücret arasında seçim teklif edildiğinde bulundu, aylık ücreti seçme olasılıkları daha fazlaydı ve ziyaret başına daha fazla ödeme yaptılar. Bunun nedeni, çalışma motivasyonlarını fazla abartmalarıdır.

Hiperbolik indirim, yaratıcı bir sektörde faaliyet göstermenin sadece bir zorluğudur. Tatlar oldukça özneldir ve bir filmi çok büyük bir hit yapan arsa ve anlatı unsurları bir başkasını kolayca kritik ve ticari bir başarısızlık haline getirebilir.

On yıllar boyunca, reklamverenler ve pazarlamacılar, filmler ve kitaplar gibi eğlence ürünlerinin tüketimini tahmin etmekte zorlandılar. Zamanlamaya karar vermek eşit derecede zordur. Bir stüdyo hangi hafta sonu yeni bir film yayınlamalı? Bir yayıncı kitabın basılı bir kopyasını çıkardığında, e-kitap sürümünü ne zaman çıkaracağına nasıl karar verir?

Bugün, büyük veriler, insanların eğlenceyi nasıl deneyimledikleri konusunda yeni görünürlükler sunuyor. Yapay zekanın ve sosyal medyanın etkisini inceleyen bir araştırmacı olarak, insan davranışını öngörmede özellikle güçlü olan üç kuvvet var.

1. Uzun Kuyruk Ekonomisi

İnternet, genel başarılardan daha az popüler olan eğlence ürünlerinin dağıtımını mümkün kılmaktadır. Akış şovları, birinci sınıf televizyon aracılığıyla dağıtım için ekonomik olarak uygun olandan daha büyük bir izleyici kitlesi elde edebilir. Bu ekonomik fenomen uzun kuyruk etkisi olarak adlandırılır.

Netflix gibi yayın yapan medya şirketleri, sinema salonlarında içerik dağıtmak için ödeme yapmak zorunda olmadıklarından, niş izleyicilere hitap eden daha fazla gösteri üretebilirler. Netflix, geri dönmeye karar vermek için bireysel müşterilerinin görüntüleme alışkanlıklarından gelen verileri kullandı. Kartların Evi televizyon ağları tarafından reddedildi. Netflix verileri, Fincher'in yönettiği filmler ve Spacey'nin başrol oynadığı filmler için bir hayran kitlesi olduğunu ve çok sayıda müşterinin orijinal BBC serisinin DVD'lerini kiraladığını gösterdi.

2. Yapay Zeka Çağında Sosyal Etki

Sosyal medya ile insanlar izledikleri şeyleri arkadaşlarıyla paylaşabilir, aksi takdirde bağımsız eğlence deneyimleri daha sosyal hale gelir.

Şirketler Twitter ve Instagram gibi sosyal sitelerden gelen verileri kullanarak, film izleyicilerinin belirli bir film, şov veya şarkı hakkında ne düşündüğünü gerçek zamanlı olarak izleyebilir. Film stüdyoları, gösterilerin tanıtımını yapmak ve filmlerin tarihlerini yayınlamak için nasıl karar vereceklerini belirlemek için bir dijital veri hazinesi kullanabilir.Örneğin, bir filmin fragmanını Google’ın prömiyerinden önceki ay boyunca yaptığı aramaların hacmi, Oscar’ın kazananlarının yanı sıra gişe gelirinin önde gelen bir tahmincisidir. Film stüdyoları, yeni filmler için ideal çıkış tarihlerini tahmin etmek için film çıkış tarihleri ​​ve gişe performansıyla ilgili geçmiş verileri birleştirebilir.

Madencilik sosyal medya verileri ayrıca şirketlerin krize girmeden önce olumsuz duyguları tanımlamalarına yardımcı oluyor. Mutsuz, etkili bir müşteriden gelen tek bir tweet, kamuoyunu şekillendiren viral hale gelebilir.

Washington Üniversitesi Üniversitesi'nden Yong Tan ve Georgia Eyalet Üniversitesi'nden Cath Oh ile yaptığım bir çalışmada, böyle bir sosyal etkinin sadece hangi YouTube videolarının daha popüler hale geldiğini değil, aynı zamanda etkili kullanıcılar tarafından paylaşılan videoların daha da yaygın biçimde görüntülendiğini nasıl belirlediğini gösterdik..

Bir çalışma, stüdyolar bir film yayınlanmadan önce sosyal medya akışına dikkat ettiğinde, tahmin edilen gelir ile tahmin hatası olarak bilinen gerçek gelir arasındaki farkın yüzde 31 azaldığını göstermektedir.

3. Tüketim Analitiği

Büyük veri, kitapların ve insanların aslında zamanlarını zevkle geçirerek geçirdiklerini gösteren daha iyi görünürlük sağlar.

Matematikçi Jordan Ellenberg, Kindle kitabındaki en çok vurgulanan beş bölümün ortalama sayfa sayısının bir ölçüsü olan Hawking endeksinin kullanımına öncülük etti. Hawking dizini, insanların bir kitaptan ne zaman vazgeçtiğini gösterir. 250 sayfalık bir kitabın ortalama Kindle özelliği 250 sayfasında görünürse, bu yüzde 100'lük bir Hawking endeksi sağlayacaktır.

Teori adını Stephen Hawking’ten alıyor. Zamanın Kısa Tarihi. Bu kitap hala yılda milyonlarca kopya satıyor olsa da, nadiren yüzde 6,6'lık bir Hawking endeksi ile nadiren okunuyor.

Amazon gibi bir şirket, hangi kitapların potansiyel okuyuculara önerileceğine veya Prime'ın ürettiğini gösterdiğine karar verdiğinde, hangi komploların izleyicileri etkilediğini ve hangilerinin ilgilenmediğine dair ayrıntılı dijital izlere bakarlar. Bu, gelecek sürümlerin tanıtımını yapmalarına veya bireysel kullanıcılara daha iyi önerilerde bulunmalarına yardımcı olabilir.

Dahası, yeni yapay zeka türleri, insanların yaratıcı içerikle ilgisini çeken şeyleri araştırabilir. Örneğin, Epagogix adlı bir şirket, sinir endüstrisi (çok büyük miktarda veride kalıpları arayan yapay bir istihbarat aracı) olan sinir ağı kullanarak, eğlence endüstrisindeki uzmanların gösterdiği bir dizi gösteride öncü oldu. Bilgisayar daha sonra bir filmin finansal başarısını tahmin edebilir. Bazı raporlara göre, böyle bir yapay zeka, filmlerin gerçek açılış brütlerinin yüzde 75'ini tahmin edebilir.

Bunun gibi yeni büyük veriler göz önüne alındığında, eğlence şirketleri yakında Bridget Jones'un boş zamanlarında tam olarak ne yapmak istediğini Bridget'in kendisinden daha iyi biliyor olabilir.

Bu makale ilk olarak Konuşmada Anjana Susarla tarafından yayınlandı. Orijinal makaleyi buradan okuyun.