مقاله فناوری

مدیریت داده‌‍‌ها در کسب‌و‌کار صوتی-تصویری: نِتفلیکس به عنوان مطالعه موردی (قسمت پنجم)

۴٫۴ لایه تحلیلی نتفلیکس

هنگامی که داده ها آماده می شوند، یعنی هنگامی که کلان داده مورد نیاز برای کار در دسترس است، قدم بعدی که باید برداشته شود با نام “لایه تحلیلی” شناخته میشود. این اطلاعاتی را در مورد معیارها و شاخص‌های کلیدی اجرا (KPIs) پیشنهاد می‌دهد که قبلاً پایه‌گذاری شده‌اند. تجزیه و تحلیل داده‌ها اطلاعاتی را نشان می‌دهند که در راه تبدیل شدن به استراتژی‌های آینده هستند، اما درعین حال می‌توانند با جنبه‌های اقتصادی مانند بازده سرمایه گذاری (ROI) سرو کار داشته باشند. با توجه به اینکه نتفلیکس آر. او. آی بیشتر بر اساس اشتراک کاربر است تا تبلیغات

۲۰۱۳)    Clares-Gavilán ؛ Ripoll-Vaquer؛( Tognazzi- ،  این زمینه‌ای ایده آل برای رسیدن به استراتژی‌های مبتنی بر اطلاعات پروفایل از طریق تقسیم بندی است. دستیابی به این برگشت با استفاده از داده‌های نظارت شده شامل ایجاد یک روند برای پیدا کردن ارزش خود می‌شود. برای این منظور یک فرایند تکرار با حجم زیادی داده برای یافتن یکمدل معتبر انجام می‌شود. مثال معمولی در مصرف آنلاین می‌تواند شناسایی یک الگوریتم مفید باشد که بتواند اطلاعاتمورد نظر را تشخیص دهد (در کدام قسمت از یک سریال، بینندگان تبدیل طرفداران وفادارمی‌شوند؟) یا نتیجه گیری (کدام کشور دارای بالاترین نرخ تغییرالگوهای کاری است؟)

در میان الگوریتم‌های شناخته شده، گومز اوریب و هانت (۲۰۱۵) رتبه بندی ویدئوی شخصی را برجسته میکنند، ارتقاء پیشرفته‌ای از طبقه‌بندی به سبک سنتی، که  به دلیل وظیفه اختصاص دادن متادیتا به تمام مطالب ارسال شده روی پلت فرم، فوق‌العاده تخصصی شده است.

نتفلیکس روی تیمی از افراد (به نام تگ‌زن) حساب ویژه ای میکند که کارشان این است که برنامه‌ها را تماشا کنند و تگ‌ها و دسته‌ها را به آن‌ها اختصاص دهند. این نمایه سازی محتوا باعث افزایش تقریباً ۸۰۰۰۰ میکرو ژانر در اکوسیستم‌های صوتی تصویری آن می‌شود (Madrigal2014) .  علاوه بر این، به آنها اجازه می دهد تا تشابهاتی در فیلم ها پیدا کنند و دسته‌های جدید (و یا زیر شاخه‌ها) را بر اساس الگوهایی مانند جزئیات تولید، سال، زمینه های موضوعی، نقش کلیدی کارکنان هنری و فنی، صفت های تعیین شده توسط محبوبیت و غیره نفوذ دهند.

نویسندگان همچنین نرم افزار رتبه‌بند تاپ اِن  را برجسته می‌کنند که شامل همه چیزهایی است که بیننده در زیر برچسب Top Picks می‌بیند، مجموعه‌ای از توصیه‌های مربوط به دسته‌هایاصلی تولید شده توسط الگوریتم قبلی بر اساس محبوبیت آنها فیلتر می‌شود، اما مخصوص هر مشتری شخصی‌سازی شده است.  در حال حاضر “ترندینگ” الگوریتمی است که گرایش‌های دسته‌بندی شده (نتیجه منطقی محیط دیجیتال و اجتماعی که تماشاچی جدید در آن قرار می‌گیرد) را تولید می‌کند. در زیر این چتر، انتخاب محدوده محتوای مربوط به پیک مصرف‌هایی با چرخه عمر محدود، مانند کریسمس، روز سنت، ولنتاین یا دوره تعطیلات قرار می‌گیرد.

مطالب مرتبط:

مدیریت داده‌‍‌ها در کسب‌و‌کار صوتی-تصویری: نِتفلیکس به عنوان مطالعه موردی (قسمت چهارم)

مدیریت داده‌‍‌ها در کسب‌و‌کار صوتی-تصویری: نِتفلیکس به عنوان مطالعه موردی (قسمت سوم)

مدیریت داده‌‍‌ها در کسب‌و‌کار صوتی-تصویری: نِتفلیکس به عنوان مطالعه موردی (قسمت دوم)

مدیریت داده‌‍‌ها در کسب‌و‌کار صوتی-تصویری: نِتفلیکس به عنوان مطالعه موردی

 

 

برچسب ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

دکمه بازگشت به بالا