Большие данные меняют правила игры — не зря их называют «новой нефтью». Те, кто получают доступ к этому ценному ресурсу, могут неплохо заработать, остальные лишаются шансов на лидерство. Как Big Data помогает извлекать прибыль и при этом повышать лояльность аудитории для создателей медиа контента и в индустрии развлечений?
Помните период, когда баннеры в интернете были одинаковыми для всех, а для поиска интересной книги или фильма приходилось штудировать тематические форумы? Эти времена давно прошли. Теперь нам с вами не нужно прилагать ровно никаких усилий для того, чтобы получать только актуальный контент.
Даже Smart-TV научились определять ваши интересы и создавать персональные списки рекомендаций. А сервисы по продаже билетов уже вряд ли предложат вам концерты с народной музыкой, если вы все чаще предпочитаете рок. Звучит просто, но как это удается реализовать?
Современные рекомендательные алгоритмы — это вопрос больших данных и больших денег. Достаточно вспомнить эпический конкурс от Netflix, давно и основательно использующий сервис рекомендаций. Сейчас это стриминговый ресурс, а когда-то он просто предлагал в прокат кассеты и диски с видеофильмами. Еще в начале века Netflix начал применять алгоритм CineMatch, который позволял создавать новые рекомендации на основе оценок пользователей. Машинное обучение на тот момент находилось в зачаточном состоянии, и добиться прогресса в точности рекомендаций было непросто.
Но потенциал этой задачи оказался настолько велик, что Netflix объявил внешний конкурс на доработку своего алгоритма. По условиям нужно было улучшить точность рекомендаций как минимум на 10% — для этого компания выложила в открытый доступ около 100 млн. оценок обезличенных пользователей. Призовой фонд впечатлял: 1 млн. долларов США. Лучшие команды математиков приняли участие в гонке за миллионом, оптимизируя формулы и переоценивая статистику. Победитель смог добиться улучшения в 10,1% — так обработка больших данных стала приносить огромные деньги.
Как работают сервисы персональных рекомендаций?
Кажется, что все просто: если пользователь любит боевики, ему и надо рекомендовать боевики. На самом деле это не так. Аналитическая модель устроена гораздо сложнее и учитывает интересы не только конкретного пользователя, но и десятков, сотен тысяч других с похожими интересами. А выглядеть это может так.
Пользователю понравился фильм «Крутое кино». Искусственный интеллект запоминает этот выбор и начинает анализ: что нравилось другим пользователям, отметившим «Крутое кино». Для каждого из других фильмов просчитывается вероятность того, что он понравится нашему пользователю. Логично, что нужно предлагать ему варианты с максимальной вероятностью.
Но у этой задачи есть множество условий. Наш пользователь может посмотреть несколько десятков фильмов, причем некоторые ему понравятся, а некоторые нет. И алгоритм должен как можно быстрее отреагировать на новые оценки: просчитать новые вероятности и выработать новые рекомендации.
Понятно, что такая модель может работать только с большими объемами данных. Причем собранная информация нуждается в надежной защите. Представьте себе, насколько востребованным (например, в конкурентной борьбе) может быть массив данных, содержащих кропотливо собранную информацию о пользователях, их предпочтениях и оценках. А если есть спрос, значит, будут попытки незаконно овладеть таким привлекательным активом.
Аналитики IDC в своем отчете оценили, как будут расти объемы информации в ближайшие годы. Максимальный рост намечен именно у конфиденциальной составляющей, представляющей максимальную ценность.
Аналитика помогает в прогнозировании
В ближайшем будущем медиа смогут не только готовить персонализированные подборки на основе имеющейся информации от пользователей, но и создавать гарантированно успешные продукты. Некоторые уже действуют в таком ключе. Например, Netflix при выпуске очередного сезона сериала «Карточный домик», был в значительной степени уверен в успехе. Можно сказать, что именно хорошо изученные приоритеты пользователей и предопределили сценарий. То есть в будущем ваши предпочтения будут знать настолько хорошо, что не просто предложат выбор из уже готового контента, но и изначально подготовят его специально для вас.
Приоритеты реальных пользователей уже учитываются на этапе анонсирования новых фильмов или музыкальных альбомов. К примеру, для одних пользователей сервис может предложить постер с колоритным кадром из нового боевика, для других — крупные планы главных героев, для третьих — вообще лирический коллаж по мотивам второстепенной линии сценария. Все зависит от того, что именно уже нравилось этому пользователю.
Виртуальные вселенные: тренд нового времени
В превращением Facebook в Meta все в очередной раз вспомнили о практически неограниченных возможностях виртуальных вселенных. Пока у нас существуют лишь локальные копии — скажем, миры Minecraft или Fortnite. Пока кажется, что все это несерьезно. Но факты говорят об обратном. Идеей метавселенных прониклись не только отдельные компании, но и правительства! Например, чиновники Сеула в ноябре 2021-го объявили о желании сделать город первым мегаполисом в Metaverse. В проект, который будет реализован до 2030 года, уже вложено более $3,3 млн. Планируется, что уже в 2023 году жители Сеула смогут получать в виртуальном городе максимальный перечень услуг от муниципальных подразделений.
Активное развитие AR/VR (дополненной и виртуальной реальности) неизбежно приведет к еще большему росту объемов данных. Шлем или очки VR перестали быть геймерским аксессуаром: например, сегодня в России многие компании-гиганты федерального масштаба используют виртуальную реальность для обучения персонала. Например, для работы на буровой платформе, реальный доступ на которую сильно ограничен.
Тренд с виртуальными мирами стал уже настолько явным, что даже премиальные бренды, которые обычно с настороженностью воспринимают любые новые технологии, постепенно переходят в диджитал. Некоторые сервисы уже предлагают создать свой цифровой аватар: например, чтобы примерять цифровые же копии одежды. Украинский стартап 3DLOOK весной этого года привлек 6,5 миллиона долларов от венчурного фонда: он предлагает всего по двум фотографиям сделать свою 3D-копию и использовать ее при покупке вещей.
У медиа и индустрии развлечений нет другого пути, кроме как следовать трендам. Учитывая высокую производительность современных вычислительных систем, быстро обработать большие данные уже не составляет проблем. Другое дело — их накопить и создать совершенную аналитическую модель, которая будет перерабатывать «новую нефть» в рубли, доллары и евро.