Comment «l'escompte hyperbolique» révèle des défauts typiquement humains

Quiconque a regardé Le journal de Bridget Jones sait que l’une de ses résolutions du Nouvel An est «Ne sors pas tous les soirs mais reste à l’école pour lire des livres et écouter de la musique classique».

La réalité est toutefois sensiblement différente. Ce que les gens font réellement pendant leurs loisirs ne correspond souvent pas à ce qu’ils disent qu’ils vont faire.

Les économistes ont qualifié ce phénomène d’« escompte hyperbolique ». Dans une étude célèbre intitulée« Payer pour ne pas aller au sport », un couple d’économistes a constaté que, lorsque les gens se voyaient offrir le choix entre un contrat de paiement à la visite et un abonnement mensuel, ils étaient plus susceptibles de choisir le tarif mensuel et finissaient par payer plus par visite. C’est parce qu’ils ont surestimé leur motivation à s’entraîner.

L'escompte hyperbolique n'est qu'un des défis que présente l'exploitation dans un secteur créatif. Les goûts sont très subjectifs, et les éléments de l'intrigue et de la narration qui font d'un film un succès retentissant pourraient facilement en faire un autre un échec critique et commercial.

Pendant des décennies, les annonceurs et les spécialistes du marketing ont eu du mal à prévoir la consommation de produits de loisirs tels que les films et les livres. C’est tout aussi difficile de décider du moment. Quel week-end un studio devrait-il sortir un nouveau film? Lorsqu'un éditeur publie une copie papier d'un livre, comment décide-t-il quand publier la version du livre électronique?

Aujourd'hui, le Big Data offre une nouvelle visibilité sur la manière dont les gens perçoivent le divertissement. En tant que chercheur qui étudie l'impact de l'intelligence artificielle et des médias sociaux, trois forces me semblent particulièrement puissantes pour prédire le comportement humain.

1. Economie de la longue queue

Internet permet de distribuer des produits de divertissement moins populaires que les grands succès. Les émissions en streaming peuvent attirer un public plus large que ce qu’il est économiquement possible de distribuer à la télévision aux heures de grande écoute. Ce phénomène économique est appelé l'effet de longue queue.

Etant 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, elles peuvent produire davantage d'émissions destinées à des publics de niche. Netflix a utilisé les données des habitudes de visionnage de ses clients individuels pour décider de Chambre des cartes, qui a été rejeté par les réseaux de télévision. Les données de Netflix ont montré qu'il existait 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. Influence sociale à l'ère de l'intelligence artificielle

Avec les médias sociaux, les gens peuvent partager ce qu'ils regardent avec leurs amis, ce qui rend les expériences de divertissement autrement indépendantes plus sociales.

En exploitant les données de sites sociaux tels que Twitter et Instagram, les entreprises peuvent suivre en temps réel ce que les cinéphiles pensent d'un film, d'une émission ou d'une chanson. Les studios de cinéma peuvent utiliser un trésor de données numériques pour décider de la promotion des émissions et des dates de sortie des films.Par exemple, le nombre de recherches sur la bande-annonce d’un film effectuée par Google au cours du mois qui a précédé sa première sortie est un facteur prédictif déterminant des gagnants des Oscars ainsi que des recettes au guichet. Les studios de cinéma peuvent combiner des données historiques sur les dates de sortie des films et les performances au guichet avec des tendances de recherche pour prévoir 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 de sombrer dans une crise. Un simple tweet d'un client influent malheureux peut devenir viral et influencer 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 les vidéos YouTube qui gagnent en popularité, mais également le fait que les vidéos partagées par des utilisateurs influents sont encore plus largement visionnées..

Une étude montre que lorsque les studios sont attentifs au buzz sur les réseaux sociaux avant la sortie d’un film, la différence entre le revenu prévu et le revenu réel, connue sous le nom d’erreur de prévision, est réduite de 31%.

3. Analyse de la consommation

Le Big Data offre une meilleure visibilité sur les livres et montre que les gens passent réellement leur temps à en profiter.

Le mathématicien Jordan Ellenberg a été le premier à utiliser l’indice Hawking, une mesure du nombre moyen de pages des cinq passages les plus mis en valeur d’un livre Kindle par rapport à sa longueur totale. L'indice Hawking indique quand les gens abandonnent un livre. Si la surbrillance Kindle moyenne d’un livre de 250 pages apparaît à la page 250, cela lui donnerait un indice de Hawking de 100%.

La théorie tire son nom de Stephen Hawking Une brève histoire dans le temps. Bien que ce livre se vende toujours à des millions d'exemplaires par an, il est également rarement lu, avec un indice de Hawking décevant de 6,6%.

Lorsqu'une société telle qu'Amazon décide quels livres recommander aux lecteurs potentiels ou aux émissions Prime à produire, elle examine en détail les traces numériques des points de l'intrigue qui intéressent ou non le public. Cela pourrait les aider à promouvoir une version à venir ou à faire de meilleures recommandations à des utilisateurs individuels.

De plus, de nouveaux types d’intelligence artificielle peuvent étudier ce qui incite 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 tendances dans de très grandes quantités de données - sur un ensemble de scénarios évalués par des experts de l’industrie du divertissement. L'ordinateur pourrait alors prédire le succès financier d'un film. Selon certaines informations, une telle intelligence artificielle peut prévoir jusqu'à 75% des recettes brutes d'ouverture des films.

Avec de nouvelles perspectives telles que le big data, les sociétés de divertissement pourraient bientôt savoir ce que Bridget Jones aimerait faire exactement de son temps de loisir mieux que Bridget elle-même.

Cet article a été publié à l'origine sur The Conversation par Anjana Susarla. Lisez l'article original ici.