วิธี“ การลดราคาซึ่งเกินความจริง” เปิดเผยข้อบกพร่องของมนุษย์ตามปกติ

ทุกคนที่ดู Bridget Jones's Diary รู้หนึ่งในมติปีใหม่ของเธอคือ“ ไม่ออกไปข้างนอกทุกคืน แต่อยู่ในและอ่านหนังสือและฟังดนตรีคลาสสิก”

อย่างไรก็ตามความจริงนั้นแตกต่างอย่างมาก สิ่งที่ผู้คนทำในยามว่างมักจะไม่ตรงกับสิ่งที่พวกเขาบอกว่าจะทำ

นักเศรษฐศาสตร์เรียกปรากฏการณ์นี้ว่า "การลดอัตราดอกเบี้ยเกินความจริง" ในการศึกษาที่มีชื่อเสียงเรื่อง "การจ่ายเงินไม่ต้องไปยิม" นักเศรษฐศาสตร์สองคนพบว่าเมื่อผู้คนเสนอตัวเลือกระหว่างสัญญาแบบจ่ายต่อการเยี่ยมชมและค่าธรรมเนียมรายเดือน พวกเขามีแนวโน้มที่จะเลือกค่าบริการรายเดือนและท้ายที่สุดก็จ่ายมากขึ้นต่อการเข้าชม นั่นเป็นเพราะพวกเขาประเมินแรงจูงใจในการทำงานมากเกินไป

การลดราคาสินค้าเกินความจริงเป็นเพียงความท้าทายอย่างหนึ่งของการดำเนินงานในอุตสาหกรรมสร้างสรรค์ รสนิยมมีความคิดเห็นสูงและองค์ประกอบของพล็อตและการเล่าเรื่องที่ทำให้ภาพยนตร์เรื่องหนึ่งได้รับความนิยมอย่างมากอาจทำให้เกิดความล้มเหลวที่สำคัญและเชิงพาณิชย์ได้อย่างง่ายดาย

เป็นเวลาหลายทศวรรษที่ผู้โฆษณาและนักการตลาดพยายามทำนายการบริโภคผลิตภัณฑ์เพื่อความบันเทิงเช่นภาพยนตร์และหนังสือ การตัดสินใจกำหนดเวลามีความท้าทายเท่าเทียมกัน สตูดิโอใดที่ควรฉายในวันหยุดสุดสัปดาห์ เมื่อผู้จัดพิมพ์เผยแพร่หนังสือเล่มหนึ่งพวกเขาจะตัดสินใจได้อย่างไรว่าจะเผยแพร่เวอร์ชัน e-book เมื่อใด

วันนี้ข้อมูลขนาดใหญ่นำเสนอทัศนวิสัยใหม่ว่าผู้คนสัมผัสกับความบันเทิงได้อย่างไร ในฐานะนักวิจัยที่ศึกษาผลกระทบของปัญญาประดิษฐ์และสื่อสังคมออนไลน์มีสามกองกำลังที่โดดเด่นสำหรับฉันโดยเฉพาะอย่างยิ่งที่มีประสิทธิภาพในการทำนายพฤติกรรมของมนุษย์

1. เศรษฐศาสตร์ของหางยาว

อินเทอร์เน็ตทำให้สามารถจัดจำหน่ายผลิตภัณฑ์เพื่อความบันเทิงที่ได้รับความนิยมน้อยกว่าความสำเร็จหลัก สตรีมมิ่งรายการสามารถรับผู้ชมจำนวนมากได้มากกว่าสิ่งที่เป็นไปได้ทางเศรษฐกิจสำหรับการเผยแพร่ผ่านโทรทัศน์ช่วงเวลาสำคัญ ปรากฏการณ์ทางเศรษฐกิจนี้เรียกว่าผลหางยาว

เนื่องจาก บริษัท สื่อสตรีมมิ่งเช่น Netflix ไม่ต้องจ่ายเงินเพื่อแจกจ่ายเนื้อหาในโรงภาพยนตร์พวกเขาสามารถผลิตรายการเพิ่มเติมที่ตอบสนองต่อผู้ชมเฉพาะกลุ่มได้ Netflix ใช้ข้อมูลจากพฤติกรรมการดูของลูกค้าแต่ละรายเพื่อตัดสินใจถอยกลับ House of Cards ซึ่งถูกปฏิเสธโดยเครือข่ายโทรทัศน์ ข้อมูล Netflix แสดงให้เห็นว่ามีฐานแฟนคลับสำหรับภาพยนตร์ที่กำกับโดยฟินเชอร์และภาพยนตร์ที่นำแสดงโดยสเปซีย์และลูกค้าจำนวนมากได้เช่าดีวีดีของซีรี่ส์บีบีซีดั้งเดิม

2. อิทธิพลทางสังคมในยุคปัญญาประดิษฐ์

ด้วยโซเชียลมีเดียผู้คนสามารถแบ่งปันสิ่งที่พวกเขาดูกับเพื่อน ๆ ของพวกเขาไม่เช่นนั้นประสบการณ์ความบันเทิงอิสระจะกลายเป็นสังคมออนไลน์มากขึ้น

ด้วยการขุดข้อมูลจากเว็บไซต์โซเชียลอย่าง Twitter และ Instagram บริษัท สามารถติดตามได้แบบเรียลไทม์ว่าผู้ชมภาพยนตร์คิดอย่างไรกับภาพยนตร์รายการหรือเพลง สตูดิโอภาพยนตร์สามารถใช้ขุมทรัพย์ของข้อมูลดิจิทัลเพื่อตัดสินใจว่าจะโปรโมตรายการและวันที่เผยแพร่ภาพยนตร์อย่างไรตัวอย่างเช่นปริมาณการค้นหาภาพยนตร์ตัวอย่างของ Google ในช่วงเดือนก่อนที่ภาพยนตร์รอบปฐมทัศน์จะเป็นผู้ทำนายรางวัลออสการ์ชั้นนำรวมถึงรายได้บ็อกซ์ออฟฟิศ สตูดิโอภาพยนตร์สามารถรวมข้อมูลเชิงประวัติเกี่ยวกับวันที่ฉายภาพยนตร์และผลการดำเนินงานบ็อกซ์ออฟฟิศกับแนวโน้มการค้นหาเพื่อทำนายวันวางจำหน่ายที่ดีที่สุดสำหรับภาพยนตร์ใหม่

การขุดข้อมูลโซเชียลมีเดียยังช่วยให้ บริษัท ต่างๆสามารถระบุความรู้สึกเชิงลบก่อนที่จะกลายเป็นวิกฤต ทวีตเดียวจากลูกค้าผู้มีอิทธิพลที่ไม่มีความสุขสามารถไปที่ไวรัสสร้างความคิดเห็นสาธารณะ

ในการศึกษาที่ฉันทำกับยงตันแห่งมหาวิทยาลัยวอชิงตันและ Cath Oh จาก Georgia State University เราได้แสดงให้เห็นว่าอิทธิพลทางสังคมดังกล่าวไม่เพียง แต่วิดีโอ YouTube ที่เป็นที่นิยมมากขึ้นเท่านั้น แต่ยังรวมถึงวิดีโอที่แชร์โดยผู้ใช้ที่มีอิทธิพล.

การศึกษาหนึ่งแสดงให้เห็นว่าเมื่อสตูดิโอให้ความสนใจกับสื่อสังคมออนไลน์ก่อนที่ภาพยนตร์จะออกวางจำหน่ายความแตกต่างระหว่างรายได้ที่คาดการณ์และรายได้จริงที่รู้จักกันว่าข้อผิดพลาดการคาดการณ์ลดลง 31 เปอร์เซ็นต์

3. การวิเคราะห์การบริโภค

ข้อมูลขนาดใหญ่ให้ทัศนวิสัยที่ดีขึ้นเกี่ยวกับสิ่งที่หนังสือและแสดงให้ผู้คนใช้เวลาเพลิดเพลินกับมัน

นักคณิตศาสตร์ Jordan Ellenberg เป็นผู้บุกเบิกการใช้ดัชนี Hawking ซึ่งเป็นมาตรวัดหมายเลขหน้าเฉลี่ยของห้าข้อความที่มีการเน้นมากที่สุดห้าเล่มในหนังสือ Kindle ซึ่งเป็นสัดส่วนของความยาวทั้งหมดของหนังสือเล่มนั้น ดัชนีฮอว์คิงแสดงเมื่อผู้คนยอมแพ้หนังสือ หากไฮไลต์จุดเฉลี่ยของหนังสือ 250 หน้าปรากฏในหน้า 250 นั่นจะให้ดัชนีฮอว์คิงของ 100 เปอร์เซ็นต์

ทฤษฎีได้รับชื่อมาจาก Stephen Hawking’s ประวัติโดยย่อในเวลา. ในขณะที่หนังสือเล่มนี้ยังขายได้หลายล้านเล่มต่อปี แต่ก็ไม่ค่อยมีใครอ่านด้วยดัชนีฮอว์คิงที่น่าหดหู่ที่ 6.6 เปอร์เซ็นต์

เมื่อ บริษัท เช่น Amazon ตัดสินใจเลือกหนังสือที่จะแนะนำให้ผู้อ่านที่มีศักยภาพหรือ Prime แสดงให้เห็นว่าพวกเขาผลิตอะไรพวกเขาจะดูรายละเอียดของร่องรอยดิจิทัลที่พล็อตจุดเกี่ยวข้องกับผู้ชมและที่ไม่ได้ทำ นี่อาจช่วยให้พวกเขาโปรโมตการเปิดตัวที่กำลังจะมาถึงหรือเพื่อให้คำแนะนำที่ดีขึ้นแก่ผู้ใช้แต่ละคน

ปัญญาประดิษฐ์รูปแบบใหม่มีอะไรเพิ่มเติมสามารถตรวจสอบสิ่งที่ทำให้ผู้คนมีส่วนร่วมกับเนื้อหาที่สร้างสรรค์ ตัวอย่างเช่น บริษัท ที่ชื่อว่า Epagogix เป็นผู้บุกเบิกวิธีการใช้โครงข่ายประสาทเทียมซึ่งเป็นเครื่องมือปัญญาประดิษฐ์ที่มองหารูปแบบของข้อมูลจำนวนมากในชุดบทภาพยนตร์ที่จัดอันดับโดยผู้เชี่ยวชาญในอุตสาหกรรมบันเทิง คอมพิวเตอร์สามารถทำนายความสำเร็จทางการเงินของภาพยนตร์ได้ ตามรายงานบางฉบับปัญญาประดิษฐ์ดังกล่าวสามารถคาดการณ์ได้ถึง 75% ของภาพยนตร์ที่ทำรายได้จริง

เมื่อได้รับข้อมูลเชิงลึกใหม่ ๆ เหล่านี้ บริษัท บันเทิงอาจทราบว่าบริดจ์เกทโจนส์ต้องการทำอะไรกับเวลาว่างของเธอได้ดีกว่าที่บริดจ์เก็ตทำ

บทความนี้ถูกตีพิมพ์ครั้งแรกใน The Conversation โดย Anjana Susarla อ่านบทความต้นฉบับที่นี่