Kako "hiperbolički diskontiranje" otkriva tipično ljudske mane

Svatko tko je gledao Dnevnik Bridget Jones zna da je jedna od njezinih novogodišnjih odluka "Ne izlazi svake noći, nego ostanite i čitajte knjige i slušajte klasičnu glazbu."

Stvarnost je, međutim, bitno drugačija. Ono što ljudi zapravo rade u svoje slobodno vrijeme često ne odgovara onome što oni kažu da će učiniti.

Ekonomisti su taj fenomen nazvali "hiperboličkim diskontiranjem". U jednoj poznatoj studiji pod nazivom "Plaćanje za odlazak u teretanu" nekoliko je ekonomista utvrdilo da, kada je ljudima ponuđen izbor između ugovora s plaćom po posjetu i mjesečne naknade., oni su više vjerojatno da će odabrati mjesečnu naknadu i zapravo završio plaćati više po posjetu. To je zato što su precijenili svoju motivaciju da rade.

Hiperbolički popust je samo jedan izazov poslovanja u kreativnoj industriji. Okusi su vrlo subjektivni, a elementi radnje i pripovijesti koji čine jedan film golemim udarcem lako bi mogli učiniti još jedan kritični i komercijalni neuspjeh.

Desetljećima su oglašivači i trgovci pokušavali predvidjeti potrošnju proizvoda za slobodno vrijeme kao što su filmovi i knjige. Jednako je izazovno odlučiti o vremenu. Koji bi vikend trebao objaviti novi film? Kada izdavač izdaje tiskani primjerak knjige, kako odlučuju kada će objaviti verziju e-knjige?

Danas veliki podaci nude novu vidljivost kako ljudi doživljavaju zabavu. Kao istraživač koji proučava utjecaj umjetne inteligencije i društvenih medija, postoje tri sile koje se ističu kao osobito moćne u predviđanju ljudskog ponašanja.

1. Ekonomija dugog repa

Internet omogućuje distribuciju zabavnih proizvoda koji su manje popularni od mainstream uspjeha. Streaming emisije mogu steći veću publiku od onoga što je ekonomski izvedivo za distribuciju putem udarne televizije. Ovaj ekonomski fenomen naziva se efekt dugog repa.

Budući da streaming medijske tvrtke, kao što je Netflix, ne moraju plaćati za distribuciju sadržaja u kino dvoranama, mogu proizvesti više emisija koje zadovoljavaju nišnu publiku. Netflix je koristio podatke iz navika njihovih pojedinačnih klijenata kako bi odlučio vratiti se Kula od karata, što su televizijske mreže odbile. Netflix podaci pokazali su da postoji baza fanova za filmove redatelja Finchera i filmove u kojima glumi Spacey, te da je veliki broj kupaca iznajmio DVD-ove izvorne serije BBC-a.

2. Društveni utjecaj u eri umjetne inteligencije

S društvenim medijima, ljudi mogu dijeliti ono što gledaju sa svojim prijateljima, čineći inače nezavisna zabavna iskustva sve društvenijima.

Rudarstvom podataka iz društvenih web-mjesta kao što su Twitter i Instagram, tvrtke mogu pratiti u stvarnom vremenu ono što gledatelji misle o nekom filmu, emisiji ili pjesmi. Filmski studiji mogu upotrijebiti riznicu digitalnih podataka kako bi odlučili kako promovirati emisije i datume objavljivanja filmova.Primjerice, količina Googleovih pretraživanja filmske prikolice tijekom mjeseca prije premijere vodeći je prediktor dobitnika Oskara, kao i prihoda od blagajni. Filmski studiji mogu kombinirati povijesne podatke o datumima objavljivanja filmova i performansama blagajne s trendovima pretraživanja kako bi predvidjeli idealne datume objavljivanja novih filmova.

Rudarstvo podataka o društvenim medijima također pomaže tvrtkama da identificiraju negativne osjećaje prije nego što uđu u krizu. Jedan tweet nezadovoljnog utjecajnog klijenta može postati virusan i oblikovati javno mišljenje.

U studiji koju sam proveo s Yong Tanom sa Sveučilišta Washington i Cath Oh sa sveučilišta Georgia, pokazali smo kako takav društveni utjecaj određuje ne samo koji videozapisi na YouTubeu postaju sve popularniji, nego i da videozapisi koje dijele utjecajni korisnici postaju još šire, Jedna studija pokazuje da, kada studiji obraćaju pažnju na buzz društvenih medija prije objavljivanja filma, razlika između predviđenog prihoda i stvarnog prihoda, poznata kao pogreška u prognozi, smanjena je za 31 posto.

3. Analiza potrošnje

Veliki podaci omogućuju bolju vidljivost u knjigama i ljudima koji zapravo provode svoje vrijeme uživajući.

Matematičar Jordan Ellenberg prvi je upotrijebio Hawkingov indeks, mjerilo prosječnog broja stranica pet najistaknutijih odlomaka u Kindleovoj knjizi kao omjer ukupne duljine te knjige. Hawkingov indeks pokazuje kada ljudi odustanu od knjige. Ako se na stranici 250 pojavi prosječna oznaka zapisa zapisa knjige od 250 stranica, to bi joj dalo Hawkingov indeks od 100 posto.

Teorija dobiva ime po Stephenu Hawkingu Kratka povijest u vremenu, Iako ova knjiga još uvijek prodaje milijune primjeraka godišnje, i to se rijetko čita, s tužnim Hawkingovim indeksom od 6,6 posto.

Kada tvrtka kao što je Amazon odluči koje knjige preporučiti potencijalnim čitateljima ili koje premijerno predstave proizvode, gledaju detaljne digitalne tragove o kojim se točkama radnje bave publiku, a koje nisu. To im može pomoći da promoviraju predstojeće izdanje ili bolje preporuke pojedinim korisnicima.

Štoviše, nove vrste umjetne inteligencije mogu istražiti što ljude tjera na kreativan sadržaj. Na primjer, tvrtka nazvana Epagogix razvila je pristup koji koristi neuronsku mrežu - alat umjetne inteligencije koji traži uzorke u vrlo velikim količinama podataka - na skupu scenarija koje su ocijenili stručnjaci u industriji zabave. Računalo bi tada moglo predvidjeti financijski uspjeh filma. Prema nekim izvješćima, takva umjetna inteligencija može predvidjeti do 75 posto stvarnih otvaranja filmova.

S obzirom na nove uvide velikih podataka kao što su ove, tvrtke za zabavu uskoro mogu znati što bi Bridget Jones željela učiniti sa svojim slobodnim vremenom bolje od same Bridget.

Ovaj članak je izvorno objavljen na konverzaciji Anjane Susarle. Pročitajte izvorni članak ovdje.