Quiconque a regardé "Bridget Jones's Diary" sait que l'une de ses résolutions du Nouvel An est "Ne pas sortir tous les soirs, mais rester à la maison, lire des livres et écouter de la musique classique".

La réalité, cependant, est sensiblement différent. Ce que les gens font réellement pendant leur temps libre ne correspond souvent pas à ce qu'ils disent qu'ils vont faire.

Les économistes ont qualifié ce phénomène d'« actualisation hyperbolique ». Dans une étude célèbre intitulée « Payer pour ne pas aller au gymnase, " quelques économistes ont trouvé que, quand les gens ont eu le choix entre un contrat à la visite et un abonnement mensuel, ils étaient plus susceptibles de choisir les frais mensuels et ont fini par payer plus par visite. C'est parce qu'ils ont surestimé leur motivation à s'entraîner.

La remise hyperbolique n'est qu'un défi parmi d'autres pour opérer dans une industrie créative. Les goûts sont très subjectifs, et les éléments de l'intrigue et de la narration qui font d'un film un énorme succès pourraient facilement en faire un autre échec critique et commercial.

Depuis des décennies, les annonceurs et les spécialistes du marketing ont eu du mal à prédire la consommation de produits de loisirs tels que les films et les livres. Il est tout aussi difficile de décider du moment. Quel week-end un studio doit-il sortir un nouveau film ? Lorsqu'un éditeur publie une copie papier d'un livre, comment décident-ils quand sortir la version e-book ?

Aujourd'hui, les mégadonnées offrent une nouvelle visibilité sur la façon dont les gens vivent le divertissement. En tant que chercheur qui étudie l'impact de l'intelligence artificielle et des médias sociaux, il y a trois forces qui me semblent particulièrement puissantes pour prédire le comportement humain.

1. Économie de la longue traîne

Internet permet de distribuer des produits de divertissement moins populaires que les succès grand public. Les émissions en streaming peuvent acquérir un public plus large que ce qui est économiquement faisable pour la distribution via la télévision aux heures de grande écoute. Ce phénomène économique est appelé effet de longue traîne,

Étant donné que les sociétés de diffusion en continu telles que Netflix n'ont pas à payer pour distribuer du contenu dans les salles de cinéma, ils peuvent produire plus d'émissions qui s'adressent à des publics de niche. Netflix a utilisé les données des habitudes de visionnage de ses clients individuels pour décider de soutenir « House of Cards, " qui a été rejeté par les réseaux de télévision. Les données de Netflix ont montré qu'il y avait une base de fans pour les films réalisés par Fincher et les films avec Spacey, et qu'un grand nombre de clients avaient loué des DVD de la série originale de la BBC.

2. L'influence sociale à l'ère de l'intelligence artificielle

Avec les réseaux sociaux, les gens peuvent partager ce qu'ils regardent avec leurs amis, faire en sorte que les expériences de divertissement autrement indépendantes deviennent plus sociales.

En extrayant des données de sites sociaux comme Twitter et Instagram, les entreprises peuvent suivre en temps réel ce que les cinéphiles pensent d'un film donné, spectacle ou chanson. Les studios de cinéma peuvent utiliser un trésor de données numériques pour décider comment promouvoir les émissions et les dates de sortie des films. Par exemple, le volume de recherches Google de la bande-annonce d'un film au cours du mois précédant sa première est un prédicteur majeur des lauréats des Oscars ainsi que des revenus au box-office. Les studios de cinéma peuvent combiner des données historiques sur les dates de sortie des films et les performances au box-office avec les tendances de recherche pour prédire les dates de sortie idéales pour les nouveaux films.

L'exploitation des données des médias sociaux aide également les entreprises à identifier les sentiments négatifs avant qu'ils ne dégénèrent en crise. Un seul tweet d'un client influent mécontent peut devenir viral, façonner l'opinion publique.

Dans une étude que j'ai menée avec Yong Tan de l'Université de Washington et Cath Oh de la Georgia State University, nous avons montré comment une telle influence sociale détermine non seulement quelles vidéos YouTube deviennent plus populaires, mais aussi que les vidéos partagées par des utilisateurs influents deviennent encore plus vues.

Une étude montre que lorsque les studios prêtent attention au buzz sur les réseaux sociaux avant la sortie d'un film, la différence entre le chiffre d'affaires prévu et le chiffre d'affaires réel, connu sous le nom d'erreur de prévision, réduit de 31 pour cent.

3. Analyse de la consommation

Les mégadonnées offrent une meilleure visibilité sur les livres et les spectacles que les gens passent réellement leur temps à apprécier.

Le mathématicien Jordan Ellenberg a été le premier à utiliser l'indice de Hawking, une mesure du nombre de pages moyen des cinq passages les plus mis en évidence dans un livre Kindle en proportion de la longueur totale de ce livre. L'indice Hawking montre quand les gens abandonnent un livre. Si le surlignage moyen d'un livre Kindle de 250 pages apparaît à la page 250, cela lui donnerait un indice de Hawking de 100 pour cent.

La théorie tire son nom de "Une brève histoire dans le temps" de Stephen Hawking. Alors que ce livre se vend encore à des millions d'exemplaires par an, il est aussi rarement lu, avec un indice de Hawking lamentable de 6,6 pour cent.

Lorsqu'une entreprise telle qu'Amazon décide quels livres recommander aux lecteurs potentiels ou quelles émissions Prime produire, ils examinent des traces numériques détaillées des points de l'intrigue qui ont retenu l'attention du public et de ceux qui ne l'ont pas fait. Cela peut les aider à promouvoir une version à venir ou à faire de meilleures recommandations aux utilisateurs individuels.

Quoi de plus, de nouveaux types d'intelligence artificielle peuvent enquêter sur ce qui pousse les gens à s'engager dans un contenu créatif. Par exemple, une société nommée Epagogix a lancé une approche utilisant un réseau de neurones - un outil d'intelligence artificielle qui recherche des modèles dans de très grandes quantités de données - sur un ensemble de scénarios évalués par des experts de l'industrie du divertissement. L'ordinateur pouvait alors prédire le succès financier d'un film. Selon certains rapports, une telle intelligence artificielle peut prédire jusqu'à 75 % des recettes réelles d'ouverture des films.

Compte tenu de nouvelles informations sur les mégadonnées comme celles-ci, les sociétés de divertissement sauront peut-être bientôt ce que Bridget Jones aimerait faire de son temps libre mieux que Bridget elle-même.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.