Как «гиперболическое дисконтирование» выявляет типичные человеческие недостатки

Тот, кто смотрел Дневник Бриджит Джонс знает, что одна из ее новогодних резолюций гласит: «Не выходи каждый вечер, а оставайся дома, читай книги и слушай классическую музыку».

Реальность, однако, существенно отличается. То, что люди на самом деле делают в свободное время, часто не совпадает с тем, что, по их словам, они делают.

Экономисты назвали это явление «гиперболическим дисконтированием». В известном исследовании под названием «Платить, чтобы не ходить в спортзал», пара экономистов обнаружила, что, когда людям предлагали выбор между контрактом с оплатой за посещение и ежемесячной оплатой. они чаще выбирали ежемесячную плату и фактически платили больше за посещение. Это потому, что они переоценили свою мотивацию работать.

Гиперболическое дисконтирование - это всего лишь одна из задач работы в креативной индустрии. Вкусы очень субъективны, а элементы сюжета и повествования, которые делают один фильм огромным хитом, могут легко сделать другой критический и коммерческий провал.

На протяжении десятилетий рекламодатели и маркетологи изо всех сил пытались предсказать потребление товаров для отдыха, таких как фильмы и книги. Не менее сложно определить время. В какие выходные студия должна выпустить новый фильм? Когда издатель выпускает печатную копию книги, как они решают, когда выпустить версию электронной книги?

Сегодня большие данные дают новое представление о том, как люди воспринимают развлечения. Как исследователь, который изучает влияние искусственного интеллекта и социальных сетей, мне выделяются три силы, которые особенно сильны в прогнозировании человеческого поведения.

1. Экономика длинного хвоста

Интернет позволяет распространять развлекательные продукты, которые менее популярны, чем обычные успехи. Потоковые передачи могут получить большую аудиторию, чем экономически целесообразно для распространения через прайм-тайм. Это экономическое явление называется эффектом длинного хвоста.

Поскольку компании, занимающиеся потоковым мультимедиа, такие как Netflix, не должны платить за распространение контента в кинотеатрах, они могут создавать больше шоу, ориентированных на нишевую аудиторию. Netflix использовала данные о привычках просмотра отдельных клиентов, чтобы принять решение о поддержке Карточный домик, который был отклонен телевизионными сетями. Данные Netflix показали, что у фанатов были фильмы, снятые режиссером Финчером, и фильмы с участием Спейси, и что большое количество клиентов арендовали DVD-диски оригинальной серии BBC.

2. Социальное влияние в эпоху искусственного интеллекта

С помощью социальных сетей люди могут делиться тем, что они смотрят, со своими друзьями, благодаря чему независимые развлечения становятся более социальными.

Используя данные социальных сайтов, таких как Twitter и Instagram, компании могут отслеживать в реальном времени, что зрители думают о фильме, шоу или песне. Киностудии могут использовать сокровищницу цифровых данных, чтобы решить, как продвигать шоу и даты выпуска фильмов.Например, объем поисков в Google по трейлеру фильма в течение месяца, предшествующего его премьере, является основным показателем победителей Оскара, а также кассовых сборов. Киностудии могут объединять исторические данные о датах выпуска фильмов и кассовых показателях с тенденциями поиска, чтобы предсказать идеальные даты выпуска новых фильмов.

Сбор данных в социальных сетях также помогает компаниям выявлять негативные настроения до того, как они разразятся кризисом. Один твит от несчастного влиятельного клиента может стать вирусным, формируя общественное мнение.

В исследовании, которое я провел с Йонг Таном из Университета штата Вашингтон и Кэт О из Университета штата Джорджия, мы показали, как такое социальное влияние определяет не только то, какие видео на YouTube становятся более популярными, но также и то, что видео, которыми пользуются влиятельные пользователи, становятся еще более популярными, Одно исследование показывает, что, когда студии обращают внимание на шум в социальных сетях перед выпуском фильма, разница между прогнозируемым доходом и фактическим доходом, известным как ошибка прогноза, уменьшается на 31 процент.

3. Аналитика потребления

Большие данные обеспечивают лучшее представление о том, какие книги и на самом деле люди проводят, наслаждаясь временем.

Математик Джордан Элленберг впервые применил индекс Хокинга, меру среднего числа страниц пяти наиболее выделенных отрывков в книге Kindle как пропорцию общей длины этой книги. Индекс Хокинга показывает, когда люди разочаровываются в книге. Если на странице 250 появится средняя подсветка книги Kindle на 250 страниц, это даст ей индекс Хокинга, равный 100%.

Теория получила свое название от Стивена Хокинга Краткая история во времени, Хотя эта книга по-прежнему продается миллионами экземпляров в год, ее также редко читают, с удручающим индексом Хокинга, равным 6,6%.

Когда такая компания, как Amazon, решает, какие книги порекомендовать потенциальным читателям или какую сериал «Прайм» выпустить, они смотрят на подробные цифровые следы того, какие сюжетные линии привлекали аудиторию, а какие нет. Это может помочь им продвигать предстоящий релиз или давать лучшие рекомендации отдельным пользователям.

Более того, новые типы искусственного интеллекта могут исследовать, что заставляет людей взаимодействовать с творческим контентом. Например, компания под названием Epagogix впервые применила подход с использованием нейронной сети - инструмента искусственного интеллекта, который ищет шаблоны в очень больших объемах данных - на основе набора сценариев, оцененных экспертами индустрии развлечений. Компьютер мог тогда предсказать финансовый успех фильма. По некоторым данным, такой искусственный интеллект может предсказать до 75 процентов фактических начальных сборов фильмов.

Учитывая новые данные о больших данных, подобные этим, развлекательные компании могут вскоре узнать, что именно Бриджит Джонс хотела бы сделать со своим досугом лучше, чем сама Бриджит.

Эта статья была первоначально опубликована в «Разговоре» Анжаны Сусарлы. Прочитайте оригинальную статью здесь.