การลดราคาแบบไฮเปอร์โบลิกเป็นเพียงความท้าทายอย่างหนึ่งของการดำเนินงานในอุตสาหกรรมสร้างสรรค์ รสนิยมเป็นเรื่องส่วนตัวอย่างมาก และองค์ประกอบของโครงเรื่องและการเล่าเรื่องที่ทำให้ภาพยนตร์เรื่องหนึ่งประสบความสำเร็จอย่างมากอาจทำให้อีกเรื่องล้มเหลวในเชิงพาณิชย์และวิพากษ์วิจารณ์ได้อย่างง่ายดาย
1.เศรษฐศาสตร์หางยาว
อินเทอร์เน็ตทำให้สามารถจำหน่ายผลิตภัณฑ์ความบันเทิงที่ได้รับความนิยมน้อยกว่าความสำเร็จในกระแสหลัก รายการสตรีมมิ่งสามารถดึงดูดผู้ชมได้มากกว่าสิ่งที่เป็นไปได้ทางเศรษฐกิจสำหรับการเผยแพร่ผ่านโทรทัศน์ในช่วงเวลาไพรม์ไทม์ ปรากฏการณ์ทางเศรษฐกิจนี้เรียกว่าผลกระทบหางยาว
เนื่องจากบริษัทสตรีมมิงสื่อ เช่น Netflix ไม่จำเป็นต้องจ่ายเงินเพื่อเผยแพร่เนื้อหาในโรงภาพยนตร์ พวกเขาจึงสามารถผลิตรายการที่ตอบสนองผู้ชมเฉพาะกลุ่มได้มากขึ้น Netflix ใช้ข้อมูลจากพฤติกรรมการรับชมของลูกค้าแต่ละรายเพื่อตัดสินใจคืน “House of Cards” ซึ่งถูกปฏิเสธโดยเครือข่ายโทรทัศน์ ข้อมูล Netflix แสดงให้เห็นว่ามีฐานแฟนคลับสำหรับภาพยนตร์ที่กำกับโดย Fincher และภาพยนตร์ที่นำแสดงโดย Spacey และลูกค้าจำนวนมากได้เช่าดีวีดีของซีรี่ส์ดั้งเดิมของ BBC
2.อิทธิพลทางสังคมในยุคปัญญาประดิษฐ์
ด้วยโซเชียลมีเดีย ผู้คนสามารถแบ่งปันสิ่งที่พวกเขากำลังรับชมกับเพื่อน ๆ ทำให้ประสบการณ์ความบันเทิงที่เป็นอิสระกลายเป็นสังคมมากขึ้น
ด้วยการขุดข้อมูลจากไซต์โซเชียล เช่น Twitter และ Instagram บริษัทต่างๆ สามารถติดตามแบบเรียลไทม์ว่าผู้ชมภาพยนตร์คิดอย่างไรเกี่ยวกับภาพยนตร์ รายการ หรือเพลงที่กำหนด สตูดิโอภาพยนตร์สามารถใช้ขุมทรัพย์ของข้อมูลดิจิทัลเพื่อตัดสินใจว่าจะโปรโมตรายการและวันที่ฉายภาพยนตร์อย่างไร ตัวอย่างเช่น ปริมาณการค้นหาตัวอย่างภาพยนตร์ของ Google ในช่วงเดือนก่อนรอบปฐมทัศน์เป็นตัวทำนายชั้นนำของผู้ชนะรางวัลออสการ์และรายได้บ็อกซ์ออฟฟิศ สตูดิโอภาพยนตร์สามารถรวมข้อมูลในอดีตเกี่ยวกับวันที่ฉายภาพยนตร์และผลงานบ็อกซ์ออฟฟิศกับแนวโน้มการค้นหาเพื่อคาดการณ์วันที่เข้าฉายในอุดมคติสำหรับภาพยนตร์ใหม่
การขุดข้อมูลโซเชียลมีเดียยังช่วยให้บริษัทต่างๆ ระบุความรู้สึกเชิงลบก่อนที่จะกลายเป็นวิกฤต ทวีตเดียวจากลูกค้าผู้มีอิทธิพลที่ไม่มีความสุขสามารถแพร่ระบาดและสร้างความคิดเห็นของประชาชนได้
ในการศึกษาที่ฉันดำเนินการกับ Yong Tan แห่งมหาวิทยาลัย Washington และ Cath Oh จาก Georgia State University เราแสดงให้เห็นว่าอิทธิพลทางสังคมดังกล่าวไม่เพียงกำหนดว่าวิดีโอ YouTube ใดที่ได้รับความนิยมมากขึ้นเท่านั้น แต่ยังทำให้วิดีโอที่แชร์โดยผู้ใช้ที่มีอิทธิพลกลายเป็นผู้ดูในวงกว้างยิ่งขึ้นไปอีก .
การศึกษาชิ้นหนึ่งแสดงให้เห็นว่าเมื่อสตูดิโอให้ความสนใจกับกระแสโซเชียลมีเดียก่อนภาพยนตร์ออกฉาย ความแตกต่างระหว่างรายได้ที่คาดการณ์กับรายได้จริง หรือที่เรียกว่าข้อผิดพลาดในการคาดการณ์ ลดลง 31 เปอร์เซ็นต์
3. การวิเคราะห์การบริโภค
ข้อมูลขนาดใหญ่ช่วยให้มองเห็นได้ชัดเจนยิ่งขึ้นว่าหนังสือเล่มใดและแสดงให้ผู้คนใช้เวลาเพลิดเพลินอย่างแท้จริง
นักคณิตศาสตร์ Jordan Ellenberg เป็นผู้บุกเบิกการใช้ดัชนี Hawkingซึ่งเป็นหน่วยวัดจำนวนหน้าเฉลี่ยของข้อความที่ไฮไลต์มากที่สุดห้าตอนในหนังสือ Kindle เทียบกับสัดส่วนของความยาวทั้งหมดของหนังสือเล่มนั้น ดัชนี Hawking แสดงเวลาที่ผู้คนเลิกอ่านหนังสือ หากไฮไลท์ Kindle เฉลี่ยของหนังสือ 250 หน้าปรากฏบนหน้า 250 นั่นจะทำให้ดัชนี Hawking อยู่ที่ 100 เปอร์เซ็นต์
ทฤษฎีนี้ได้ชื่อมาจาก “ประวัติย่อในเวลาอันสั้น” ของ Stephen Hawking แม้ว่าหนังสือเล่มนี้จะยังขายได้หลายล้านเล่มต่อปี แต่ก็มีคนอ่านน้อยมากเช่นกัน โดยมีดัชนี Hawking ที่น่าหดหู่อยู่ที่ 6.6 เปอร์เซ็นต์
เมื่อบริษัทเช่น Amazon ตัดสินใจว่าจะแนะนำหนังสือเล่มใดให้กับผู้ที่มีแนวโน้มจะเป็นผู้อ่านหรือหนังสือที่ Prime จะนำมาแสดง พวกเขาพิจารณาร่องรอยทางดิจิทัลโดยละเอียดว่าจุดพล็อตใดดึงดูดผู้ชมและเล่มใดไม่ทำ ซึ่งอาจช่วยให้พวกเขาโปรโมตการเปิดตัวที่กำลังจะมีขึ้นหรือเพื่อให้คำแนะนำที่ดีขึ้นแก่ผู้ใช้แต่ละราย
ยิ่งไปกว่านั้น ปัญญาประดิษฐ์ประเภทใหม่สามารถตรวจสอบสิ่งที่ทำให้ผู้คนมีส่วนร่วมกับเนื้อหาที่สร้างสรรค์ ตัวอย่างเช่น บริษัทที่ชื่อ Epagogix เป็นผู้บุกเบิกแนวทางโดยใช้โครงข่ายประสาทเทียมซึ่งเป็นเครื่องมือปัญญาประดิษฐ์ที่ค้นหารูปแบบในข้อมูลจำนวนมาก ในชุดบทภาพยนตร์ที่จัดอันดับโดยผู้เชี่ยวชาญในอุตสาหกรรมบันเทิง คอมพิวเตอร์สามารถทำนายความสำเร็จทางการเงินของภาพยนตร์ได้ ตามรายงานบางฉบับปัญญาประดิษฐ์ดังกล่าวสามารถทำนายรายได้การเปิดฉายจริงของภาพยนตร์ได้ถึง 75 เปอร์เซ็นต์
Credit : wildwood-manufacturing.com tampabaybuccaneersfansite.com teamredbullsshop.com proresourcesystems.com purevolleyballproshop.com baseballpadresofficial.com sadisticdelights.com karatekidssucceed.com italiandogshop.com skidrowphoto.com
