Maneras en que Big Data predice el comportamiento humano
Quizás sea algo contradictorio, pero tiene algo de verdad. A menudo, en nuestro tiempo libre hacemos cosas que afirmamos no haríamos. Los economistas denominaron este fenómeno “descuento hiperbólico“. En un famoso estudio titulado “Pagar para no ir al gimnasio”, un par de economistas descubrieron que, cuando se ofrecía a las personas la posibilidad de elegir entre un contrato de pago por visita y una tarifa mensual, era más probable que eligieran la tarifa mensual. Y en realidad terminan pagando más que por visita. Eso es porque sobrestimaron su motivación para hacer ejercicio. Te preguntarás ¿Y eso que tiene que ver con las maneras en que Big Data predice el comportamiento humano? Tranquilo, estamos a punto de llegar a eso.
El descuento hiperbólico es solo uno de los desafíos de operaciones en una industria creativa. Los gustos son altamente subjetivos, y los elementos de la trama y la narrativa que hacen que una película sea un gran éxito fácilmente pueden hacer que otra falle en crítica y comercio.
Durante décadas, los anunciantes y los vendedores lucharon por predecir el consumo de productos de ocio como películas y libros. Es igualmente desafiante decidir en el momento. ¿Qué fin de semana debería un estudio lanzar una nueva película? Cuando un editor publica una copia impresa de un libro, ¿cómo deciden cuándo lanzar la versión del libro electrónico?
Hoy en día, Big Data ofrece una nueva visibilidad de cómo las personas experimentan el entretenimiento. Con las redes sociales como punto de eje, hoy veremos tres maneras en que Big data predice el comportamiento humano.
1. Economía de la larga cola.
Internet permite distribuir productos de entretenimiento que son menos populares. Los programas de transmisión pueden adquirir una audiencia más amplia y económicamente viable para su distribución a través de la televisión en horario estelar. Este fenómeno económico se conoce como el efecto de cola larga.
Dado que las compañías de transmisión de medios como Netflix no tienen que pagar para distribuir contenido en salas de cine, pueden producir más programas que se adapten a audiencias de nicho. Netflix utilizó datos de los hábitos de visualización de sus clientes individuales para decidir respaldar “House of Cards“, que fue rechazado por las cadenas de televisión. Los datos de Netflix mostraron que había una base de fans para películas dirigidas por Fincher y películas protagonizadas por Spacey, y que una gran cantidad de clientes habían alquilado DVD de la serie original de la BBC.
2. Influencia social en la era de la inteligencia artificial.
Con las redes sociales, las personas pueden compartir lo que ven con sus amigos, haciendo que las experiencias de entretenimiento independiente se vuelvan más sociales.
Al extraer datos de sitios sociales como Twitter e Instagram, las compañías pueden rastrear en tiempo real lo que los espectadores piensan acerca de una película, programa o canción determinada. Los estudios cinematográficos pueden utilizar un tesoro de datos digitales para decidir cómo promocionar programas y lanzar fechas para películas. Por ejemplo, el volumen de búsquedas en Google del tráiler de una película durante el mes anterior a su estreno es un predictor principal de los ganadores del Oscar, así como los ingresos de taquilla. Los estudios de películas pueden combinar datos históricos sobre las fechas de estreno de las películas y el rendimiento de taquilla con las tendencias de búsqueda para predecir las fechas de estrenos ideales para las nuevas películas.
La minería de datos de redes sociales también ayuda a las empresas a identificar sentimientos negativos antes de que se convierta en una crisis. Un solo tweet de un cliente infeliz e influyente puede volverse viral y dar forma a la opinión pública.
Un estudio muestra que cuando los estudios prestan atención al ruido de las redes sociales antes del lanzamiento de una película, la diferencia entre los ingresos previstos y los ingresos reales, conocido como error de pronóstico, se reduce en un 31 por ciento.
3. Análisis de consumo
Big data proporciona una mejor visibilidad de los libros y programas que las personas realmente disfrutan.
El matemático Jordan Ellenberg fue pionero en el uso del índice de Hawking. Una medida del número promedio de páginas de los cinco pasajes más destacados en un libro Kindle como proporción de la longitud total de ese libro. El índice de Hawking muestra cuando las personas se dan por vencidas en un libro. Si el punto culminante del Kindle promedio de un libro de 250 páginas aparece en la página 250, eso le daría un índice de Hawking del 100 por ciento.
La teoría recibe su nombre de “Una breve historia en el tiempo” de Stephen Hawking. Si bien este libro todavía vende millones de copias al año, rara vez se lee, con un índice de Hawking sombrío del 6,6 por ciento.
Cuando una compañía como Amazon decide qué libros recomendar a los lectores potenciales o qué programas de Prime producir, observa las trazas digitales detalladas de qué puntos de la trama atraen a la audiencia y cuáles no. Esto podría ayudarles a promover un próximo lanzamiento o a hacer mejores recomendaciones a los usuarios individuales.
Además, los nuevos tipos de inteligencia artificial pueden investigar qué hace que las personas se involucren con el contenido creativo. Por ejemplo, una empresa llamada Epagogix fue pionera en el uso de una red neuronal, una herramienta de inteligencia artificial que busca patrones en grandes cantidades de datos, en un conjunto de guiones clasificados por expertos en la industria del entretenimiento. La computadora podría entonces predecir el éxito financiero de una película. Según algunos informes, dicha inteligencia artificial puede predecir hasta el 75 por ciento de los ingresos brutos reales de las películas.
Palabras finales
Y esta son 3 maneras en que Big Data predice el comportamiento humano. Hay muchas formas de emplear esta herramienta para predecir el consumo. Hacerlas todas nos llevaría un buen tiempo, si estás interesado en este campo, hay infinidad de recursos en internet.