Netflix
Netflix چگونه هوش تجاری را به هالیوود آورد؟
پنجشنبه, ۳ بهمن , ۱۳۹۸

در دنیای امروز با وفور big data مواجه هستیم که موجب تسهیل کارصنعت سرگرمی برای درک رفتار مشتری و ارائه خدمات به آن‌ها شده است. هر آهنگی که کاربران در Spotify می­شنوند، هر فیلمی که در Netflix مشاهده می‌­شود و هر ویدئویی که در YouTube مورد بازدید قرار می‌­گیرد در یک انبار مجازی ناحدود ذخیره می­‌گردد.

در نتیجه به نظر می‌­رسد قسمت فیلم‌­های “Recommended for you” در Netflix و لیست آهنگ­‌های “Discover Weekly” در Spotify، توسط کسی که سلیقه ما را به درستی می­‌داند به ما پیشنهاد شده است. اما در حقیقت این‌ها نتیجه سری‌­های فوق­‌العاده پیچیده از الگوریتم­‌های ساخته شده توسط دانشمندان داده می‌­باشد.

به گفته Michael Talor مشاور هوش کسب و کار، مدیر سابق استراتژی شرکت جنرال الکتریک، “Netflix یکی از پیشگامان در این نوع از تجزیه و تحلیل داده بوده است. آنها الگوریتم­‌های بسیار پیچیده‌­ای دارند که از اطلاعات آماری و سوابق شما برای تعیین اینکه چه برنامه ای به شما پیشنهاد دهند استفاده می­‌نمایند.”

پس از توسعه این الگوریتم داخلی، streaming service یک مسابقه در سال ۲۰۰۶ برگزار کرد که در آن از دانشمندان داده درخواست شد که یک الگوریتم بهتر ارائه دهند که پیش بینی کند کاربران بر اساس رتبه‌ای که به فیلم­های قبلی داده اند، به یک فیلم چه رتبه‌ای می­‌دهند. در چند سال آینده، Netflix برای تیمی که بهترین الگوریتم را ارائه دهد، جایزه در نظر گرفته است. به این ترتیب علاوه بر اینکه از الگوریتم برنده استفاده می­کند، بلکه از دنیای در حال رشد big data برای بیشتر از یک دهه بهره می‌برد.

مشاور دیجیتال مارکتینگ و مدیر برنامه Full Sail’s Business می‌گوید : Netflix هم اکنون یک قدم فراتر برداشته است و از داده‌ها برای تصمیم‌گیری در مورد تولید محتوا استفاده می‌کنند. تبلیغ کنندگان از داده‌های تبلیغات تلویزیونی استفاده می‌کنند تا میزان بازدید از یک برنامه مشخص را متوجه شوند. امروزه اطلاعات بیشتری به صورت آنلاین جمع آوری می‌شوند. از این اطلاعات کمک می‌کند که بدانیم مردم از چه برنامه جدیدی بیشتر استقبال می‌کنند. این موضوع جدید به حساب می‌آید اما به عنوان بخش مهمی از صنعت سرگرمی از آن استفاده می شود.

کمپانی‌های دیگری نیز از داده ها برای درست کردن کمپین های بازاریابی استفاده می‌کنند. برای نمونه House of Blues از الگوریتمی برای پیدا کردن هنرمندانی که بلیط‌های کنسرت‌های آن‌ها بیشتر به فروش می‌رود استفاده می‌کنند. وبسیات تحلیلی Next Big Sound  که در حوزه تحلیل داده‌های موسیقی فعالیت می‌کند، از منابع داده ای مختلفی مانند (like های فیسبوک، ترافیک سایت‌ها، بازدیدهای Youtube) استفاده می‌کند. این کمپانی به موزیسین ها کمک می‌کند تا متوجه شوند که کدام استراتژی بازاریابی موثرتر بوده است و کدام استراتژی‌ها برای آینده بهتر خواهند بود.

این الگوریتم‌ها دقیقا از کجا می‌آیند؟ دانشمندان داده و متخصصین هوش تجاری از داده کاوی (Data Mining) استفاده می‌کنند تا داده ها را از انبار داده استخراج و دسته‌بندی کنند و الگوریتم‌هایی ایجاد کنند تا الگوی خرید مشتریان ( همچنین میزان بازدید و گوش دادن) را پیش‌بینی کند.

برای پیاده سازی BI و داده کاوی در سازمان در ابتدا باید دید که کلان داده (big data) تا چه میزان در سازمان شما اهمیت دارد پش از آن شما باید به دنبال پیاده سازی درست داده کاوی در سازمان خود باشید.

هوش تجاری و تحلیل داده، در همه حوزه های تاثیرگزاری مثبتی دارد چرا که شما اطلاعات بهتری در دست دارید. بازاریابی برای افرادی که علاقه ای به خدمات یا محصولات شما ندارند، هدر دادن زمان و هزینه است.

منبع :hub.fullsail.edu

اگر در مورد این مقاله سوالی دارید، در قسمت دیدگاه سوال خود را مطرح کنید.

سامانه هوش تجاری نمودار

تحلیل یکپارچه اطلاعات کسب و کار

نام نویسنده:
به اشتراک بگذارید:
نمودار
مرجع تخصصی هوش تجاری و تحلیل اطلاعات
مقالات مرتبط
طراحی اینفوگرافیک با power bi
اینفوگرافیک با power bi
اگر شما هم از طرفداران و کاربران power bi desktop باشید، حتما با قابلیت های بالای مصورسازی و  ویژوال‌های متنوع و کاربردی آن آشنایی دارید. مایکروسافت سعی کرده است تا با ارائه ویژوال‌های مختلف (که به صورت built-in در پاور بی آی وجود دارد.) تمامیِ نیاز کاربران را در طراحی داشبورد پوشش دهد. اما گاهی [...]
هوش تجاری
۳ اثر مهم هوش تجاری (BI) در کسب وکار
در این مقاله در مورد هوش تجاری، اهداف و معماری آن صحبت کرده ایم. حال در این مقاله قصد داریم در مورد ۳ مزیت مهم استفاده و پیاده سازی BI در سازمان صحبت کنیم. تصویر جامع بهتر باتوجه به اینکه BI تصویری از اتفاقات گذشته و حال کسب وکار شما را ارائه می‌دهد، شما می‌توانید [...]
نظرات
  • SEO Company says: در تاریخ ۱۱-۱۱-۱۳۹۸

    Awesome post! Keep up the great work! 🙂