Ringkasan

Dalam artikel ini, kami mengeksplorasi bagaimana Hotstar Disney memanfaatkan data besar dan kecerdasan buatan. Hotstar, layanan streaming populer di India, baru -baru ini bermitra dengan Disney Plus dan berganti nama menjadi Disney Plus Hotstar. Dengan lebih dari 300 juta pengguna aktif, Hotstar bergantung pada data besar untuk mendapatkan wawasan, meningkatkan pengalaman pengguna, dan membuat keputusan berbasis data. Berikut adalah sepuluh poin utama tentang bagaimana Hotstar menggunakan data besar:

1. Big Data membantu dalam analisis dan organisasi set data besar dan kompleks yang berjuang metode tradisional untuk ditangani.
2. Tiga V dari data besar – volume, kecepatan, dan variasi – sangat penting untuk memahami besarnya.
3. Hotstar menawarkan berbagai macam acara televisi India dan stream pertandingan langsung Liga Premier India dalam berbagai bahasa.
4. Dengan 46.4 juta pelanggan berbayar, langganan dengan harga murah Hotstar berkontribusi pada popularitasnya yang besar.
5. Hotstar menggunakan teknologi data untuk mengelola sejumlah besar data yang dihasilkan oleh platform.
6. Big Data menguntungkan bisnis dengan memberikan wawasan tentang pesaing dan menciptakan peluang bisnis baru.
7. Big Data menawarkan elemen ilmiah untuk kampanye pemasaran, memungkinkan pemasar untuk membuat strategi berbasis data.
8. Hotstar telah melihat lonjakan penggunaan selama pandemi, berkontribusi pada pertumbuhan platform OTT.
9. Big Data memainkan peran penting dalam penargetan iklan, membantu pengiklan memahami preferensi audiens dan mengoptimalkan penempatan iklan.
10. Analisis data besar memungkinkan prediksi perilaku penampil, memungkinkan platform untuk memenuhi preferensi mereka dan meningkatkan pengalaman pengguna.

15 pertanyaan unik

1. Bagaimana Big Data membantu dalam analisis set data besar dan kompleks?

Big Data membantu menganalisis dan mengatur set data yang berjuang metode tradisional untuk ditangani karena volume, kecepatan, dan variasi mereka. Ini memungkinkan bisnis untuk mendapatkan wawasan yang berharga dan membuat keputusan berbasis data.

2. Apa tiga V dari data besar?

Tiga V data besar adalah volume, kecepatan, dan variasi. Volume mengacu pada jumlah besar data yang dihasilkan, kecepatan menandakan kecepatan di mana data dihasilkan dan diproses, dan variasi mewakili berbagai jenis dan sumber data.

3. Mengapa Hotstar Populer di kalangan India?

Hotstar sangat populer di kalangan orang India karena penawarannya dari berbagai acara televisi India dan streaming langsung pertandingan Liga Premier India dalam berbagai bahasa. Selain itu, harga langganannya yang terjangkau berkontribusi pada popularitasnya.

4. Bagaimana hotstar mengelola sejumlah besar data yang dihasilkan pada platform?

Hotstar menggunakan teknologi data untuk menangani sejumlah besar data yang dihasilkan setiap hari. Ini memastikan penyimpanan, organisasi, dan analisis data yang efisien, memungkinkan Hotstar untuk membuat keputusan berdasarkan informasi.

5. Apa manfaat data besar untuk bisnis?

Big Data memberikan beberapa manfaat bagi bisnis, termasuk pemahaman pesaing yang lebih baik, identifikasi peluang bisnis baru, dan kemampuan untuk membuat strategi pemasaran berbasis data.

6. Bagaimana pandemi memengaruhi platform OTT seperti Hotstar?

Pandemi telah menyebabkan peningkatan penggunaan platform OTT seperti Hotstar karena orang mencari cara untuk menghabiskan waktu. Watching pesta menjadi kegiatan populer selama periode karantina, berkontribusi pada pertumbuhan platform ini.

7. Bagaimana data besar berperan dalam penargetan iklan?

Big Data memungkinkan penargetan iklan yang tepat dengan memberikan wawasan tentang preferensi dan perilaku audiens. Menganalisis data tentang konten apa yang ditonton penonton, iklan mana yang mereka lakukan, dan preferensi mereka membantu pengiklan mengoptimalkan penempatan iklan mereka.

8. Bagaimana Big Data Membantu dalam Memprediksi Perilaku Penampil?

Analisis data besar memungkinkan platform seperti Hotstar untuk memprediksi perilaku pemirsa dengan memahami faktor -faktor seperti keterlibatan iklan, menunjukkan preferensi, kebiasaan lompatan konten, dan informasi demografis. Ini membantu dalam mempersonalisasikan pengalaman pengguna dan meningkatkan kepuasan pelanggan.

9. Bagaimana data besar mempengaruhi peringkat video pada platform seperti hotstar?

Big Data berperan dalam menentukan peringkat video pada platform seperti Hotstar. Dengan menganalisis perilaku dan preferensi pengguna, Hotstar dapat mengidentifikasi jenis konten mana yang lebih disukai oleh audiens mereka dan menggunakan data ini untuk membuat keputusan mengenai pembaruan acara dan peluncuran acara baru.

10. Bagaimana data besar berkontribusi pada penjadwalan aliran pada platform seperti Hotstar?

Dengan munculnya streaming langsung, data besar berperan dalam penjadwalan aliran. Dengan menganalisis data tentang perilaku dan preferensi pemirsa, platform seperti Hotstar dapat secara strategis menjadwalkan aliran mereka untuk memaksimalkan keterlibatan audiens dan memberikan pengalaman menonton yang mulus.

11. Bagaimana analitik digunakan untuk meningkatkan strategi iklan?

Analisis memberikan statistik yang dapat diandalkan tentang kebiasaan menonton audiens, preferensi, dan interaksi iklan. Pengiklan dapat memanfaatkan data ini untuk memperbaiki strategi iklan mereka, mengoptimalkan frekuensi iklan, dan menargetkan audiens spesifik, menghasilkan kampanye iklan yang lebih efektif dan bertarget.

12. Dengan cara apa Big Data membantu dalam kepuasan pelanggan?

Data besar membantu dalam memahami preferensi, kebutuhan, dan sentimen pelanggan dengan menganalisis data dari berbagai sumber seperti pesan pos dan interaksi layanan pelanggan. Informasi ini dapat digunakan untuk mempersonalisasikan pengalaman pelanggan, meningkatkan penawaran produk, dan meningkatkan kepuasan pelanggan secara keseluruhan.

13. Peran apa yang dimainkan data besar dalam menunjukkan produksi dan retensi pada platform streaming?

Analisis data besar memungkinkan platform streaming untuk memahami jenis konten mana yang beresonansi dengan audiens mereka dan mana yang harus dihindari. Informasi ini memengaruhi keputusan mengenai pembaruan acara, peluncuran acara baru, dan produksi konten yang selaras dengan preferensi penampil, yang mengarah ke retensi pemirsa yang lebih tinggi.

14. Bagaimana data besar berkontribusi pada keberhasilan platform seperti YouTube?

Platform seperti YouTube menggunakan data besar untuk memahami demografi, preferensi, dan perilaku audiens mereka. Data ini membantu dalam memberikan konten yang ditargetkan, merekomendasikan video berdasarkan minat pengguna, dan memberikan pengalaman pengguna yang dipersonalisasi.

15. Langkah apa yang harus diambil oleh bisnis untuk meningkatkan kemampuan data besar mereka?

Bisnis harus berinvestasi dalam meningkatkan kemampuan data besar mereka dengan mengumpulkan data yang relevan, menerapkan alat analisis data, dan mempekerjakan profesional data yang memenuhi syarat. Selain itu, tetap diperbarui dengan tren dan kemajuan terbaru dalam teknologi data besar sangat penting untuk memanfaatkan potensinya.

16. Apa faktor utama bagi bisnis untuk dipertimbangkan dalam menerapkan data besar?

Saat menerapkan data besar, bisnis harus mempertimbangkan faktor -faktor seperti keamanan data dan privasi, penggunaan etis data, skalabilitas infrastruktur data, kualitas dan akurasi data, dan menyelaraskan inisiatif data besar dengan strategi dan tujuan bisnis secara keseluruhan.

Bagaimana Disney Hotstar Menggunakan Big Data dan Kecerdasan Buatan

Perusahaan dalam setiap bisnis harus bekerja untuk meningkatkan kemampuan data besar mereka sehingga mereka dapat memperoleh manfaat darinya. Pelajari lebih lanjut tentang aplikasi data besar dalam kehidupan sehari -hari.

Bagaimana Hotstar Menggunakan Big Data?

Big Data adalah bidang yang membantu dalam analisis data, organisasi data yang sistematis, atau penanganan set data besar yang berada di luar kemampuan perangkat lunak analisis data tipikal.

Dalam istilah lain, data besar mengacu pada sejumlah besar set data yang rumit, terutama yang berasal dari sumber baru. Data ini sangat besar sehingga metode tradisional mengalami kesulitan memahaminya. Inilah saat data besar memainkan peran yang bagus.

Big Data juga membantu dalam resolusi masalah bisnis yang gagal dideteksi metode tradisional. Tiga V data besar adalah volume, kecepatan, dan variasi. Ini agar kita dapat mengetahui cara mengukur data besar.

Di sisi lain, Hotstar adalah layanan streaming yang populer di India. Hotstar baru -baru ini bermitra dengan Disney Plus, menghasilkan rebranding Hostar sebagai Disney Plus Hotstar. Sejak makeovernya, Disney Plus Hotstar telah menjadi arus utama.

Platform ini menyiarkan acara televisi India dalam berbagai bahasa. Dan jangan lupa tentang streaming langsung Liga Premier India, yang tersedia dalam enam bahasa yang berbeda. Ini cukup untuk memahami mengapa Disney Plus Hotstar sangat populer di kalangan orang India.

Sampai sekarang, Disney Plus Hotstar memiliki 300 juta pengguna aktif, dengan 46.4 juta dari mereka yang dibayar pelanggan. Alasan lain untuk popularitas hotstar adalah karena menjual langganannya dengan harga yang sangat rendah.

Sejumlah besar data dicatat setiap hari untuk perusahaan seperti Hotstar. Karena menangani data ini menjadi tidak layak untuk organisasi, teknologi data dipekerjakan. Sebelum kita melihat bagaimana data besar digunakan di Hotstar, penting untuk memahami apa itu data besar dan bagaimana hal itu dapat menguntungkan perusahaan.

Bagaimana Big Data Menguntungkan Bisnis?

Big Data dapat digunakan untuk lebih memahami pesaing. Big Data digunakan oleh pendatang baru dan perusahaan yang menarik di setiap bidang, apakah itu atau perawatan kesehatan. Setiap industri memanfaatkan data besar. Data Besar Bantuan dalam Penciptaan Peluang Bisnis Baru.

Untuk kampanye pemasaran, Big Data telah memperkenalkan elemen ilmiah. Ini memberi alat pemasar untuk membantu mereka dengan strategi pemasaran mereka. Mayoritas bisnis ini akan menjadi pusat aliran data besar -besaran termasuk layanan dan produk, pemasok dan pembeli, niat dan preferensi konsumen, dan banyak lagi.

Perusahaan dalam setiap bisnis harus bekerja untuk meningkatkan kemampuan data besar mereka sehingga mereka dapat memperoleh manfaat darinya. Pelajari lebih lanjut tentang aplikasi data besar dalam kehidupan sehari -hari.

Dampak Big Data pada Hotstar

Hari-hari karantina sudah berakhir, tetapi bukan kebiasaan menonton pesta. Sejak masalah pandemi terjadi, orang -orang di seluruh dunia telah mencari cara untuk menghabiskan waktu.

Hampir semua cara favorit semua orang untuk menghabiskan waktu adalah menonton pesta-pesta. Pandemi adalah periode ketika platform OTT seperti Hotstar, Netflix, dan Amazon Prime Video banyak digunakan untuk streaming film dan serial. Platform ini tumbuh jumlahnya dan menjadi lebih maju secara teknologi.

Big Data adalah salah satu pengganggu paling signifikan terhadap tingkat pertumbuhan platform ini. Mengingat populasi saat ini, ini adalah suatu keharusan karena, seperti halnya yang lainnya, tujuannya adalah untuk memaksimalkan proliferasi. Jadi, mari kita lihat bagaimana data besar mempengaruhi sektor hiburan.

Penargetan iklan

Iklan dimulai dengan distribusi pamflet, kemudian pindah ke radio jingles, dan sekarang kami memiliki iklan di platform media sosial. Sektor media saat ini memiliki miliaran pemirsa. Sangat penting untuk memiliki strategi penempatan yang baik untuk bersaing. Frekuensi bermain iklan sangat penting dalam iklan.

Fokus utama iklan hari ini adalah ketika penonton menonton konten spesifik di platform mana. Analytics menyediakan statistik yang dapat diandalkan tentang apa dan kapan penonton menonton konten mana. Iklan mana yang ditonton orang banyak dan iklan mana yang mereka abaikan mengungkapkan apa preferensi mereka dan apa yang mungkin mereka sukai.

Prediksi perilaku pemirsa

Pelanggan penting bagi kesuksesan perusahaan. Semakin bahagia pelanggan, semakin tinggi pendapatan perusahaan. Big Data mengumpulkan semua emosi klien melalui pesan posting dan layanan pelanggan mereka.

Big Data menawarkan kegagalan pemirsa dalam melihat iklan, seperti berapa lama mereka menonton iklan, iklan seperti apa yang mereka sukai, pertunjukan seperti apa yang mereka sukai, dan konten seperti apa yang mereka lewati untuk ditonton, dan sebagainya.

Big Data juga memberikan informasi seperti kelompok umur audiens di berbagai platform dan jenis ponsel yang mereka gunakan. YouTube adalah contoh fantastis dari platform yang menggunakan informasi ini untuk memahami audiensnya dan memberikan konten yang mereka nikmati.

Peringkat video

Big Data telah menguntungkan layanan seperti Netflix, Amazon Prime, dan Hotstar. Mirip dengan YouTube, platform ini mengandalkan data besar untuk memperkirakan perilaku pengguna. Statistik ini, di sisi lain, sangat rinci dan secara langsung mempengaruhi produksi dan retensi.

Platform ini menggunakan data besar untuk menentukan jenis konten mana yang lebih disukai oleh pelanggan mereka dan mana yang dihindari untuk memperbarui acara untuk musim berikutnya. Mereka melakukan hal yang sama sebelum meluncurkan acara baru di platform mereka.

Penjadwalan aliran

Konsep streaming langsung adalah mendapatkan daya tarik akhir -akhir ini, baik di media sosial atau di media arus utama. Penonton tampaknya menyukai webcast langsung. Twitch adalah platform populer bagi pembuat konten untuk berinteraksi dengan audiens mereka secara real-time.

Pengiklan memanfaatkan kesempatan ini untuk mempromosikan produk mereka di depan audiens target mereka. Analisis membantu dalam menentukan waktu terbaik untuk streaming untuk terhubung dengan jumlah orang terbesar, serta jenis produk apa yang akan membantu dalam menarik perhatian publik pada umumnya seperti yang dijelaskan oleh Goodworklabs.

Hotstar menggunakan data besar untuk memindahkan pengguna freemium ke pengguna premium

Tim Pemasaran memeriksa empat aspek untuk mengubah pelanggan freemium menjadi anggota premium yang berkomitmen.

Pengalaman pengguna individual

Penting untuk mengeksplorasi di luar demografi untuk memperoleh pemahaman yang lebih baik tentang konsumen, seperti apa yang mereka sukai, apa pekerjaan mereka, dan bagaimana produk Anda akan memengaruhi kehidupan mereka.

Berapa kali pengguna membuka aplikasi dan konten apa yang mereka lihat, berapa lama mereka menonton konten tertentu atau seberapa lambat konsumen dapat pergi ke corong dan apa yang akan membujuk mereka untuk menjadi pelanggan yang loyal?

Setelah perilaku pengguna diprediksi, mudah untuk mengatasinya dan memindahkan pengguna di sepanjang corong menggunakan konten yang dikemas dan didorong berdasarkan pemahaman menyeluruh tentang persona pengguna dan psikografis.

Merekomendasikan konten sesuai dengan gaya hidup

Pelanggan dapat membuang uang mereka jika mereka tidak kembali ke platform untuk memeriksa konten setelah membayar keanggotaan. Penggemar olahraga menggunakan hotstar tepat ketika ada streaming langsung pertandingan, dan mereka tidak menggunakannya di hari -hari lain. Sulit untuk membujuk orang -orang ini untuk berlangganan dan menikmati semua hiburan yang ditawarkan Hotstar.

Untuk mencapai tujuan ini, perusahaan mengidentifikasi dan mengkategorikan individu berdasarkan karakteristik digital seperti menjelajah dan melihat sejarah, pola konsumsi konten, dan preferensi lainnya. Jika pengguna adalah pengguna platform gratis, pindahkan melalui corong dengan mengusulkan item dari perpustakaan premium yang paling mungkin mereka minati.

Pesan yang dipersonalisasi pada waktu yang tepat

Mempertahankan momentum dengan kampanye yang mungkin menarik perhatian orang daripada sekadar memindahkan statistik. Mereka harus mengirim pemberitahuan push kepada jutaan pengguna, yang mereka capai dengan menggunakan Tap Clever, platform manajemen gaya hidup pelanggan dan platform keterlibatan yang dapat mengirim hingga 25 juta pesan dorong per detik.

Membuat koneksi hanyalah satu aspek dari rencana tersebut. Penting juga untuk mengidentifikasi hari dan waktu dalam seminggu ketika berbagai kategori pengguna adalah yang paling terlibat dan reseptif untuk mendorong pemberitahuan. Dalam prosedur ini, Hotstar memanfaatkan wawasan ini untuk meningkatkan klik tiga kali.

Terlibat dengan pengguna secara real-time

Memantau aktivitas pengguna untuk melihat seberapa sering dan baru -baru ini pengguna menggunakan gantungan kunci ketika pengguna menonton sesuatu di aplikasi dan kemudian secara tiba -tiba menutupnya, ini ditafsirkan sebagai kesempatan untuk memberi mereka pemberitahuan dorong yang mendorong mereka untuk menyelesaikan apa yang mereka mulai mereka mulai.

Ini memungkinkan Hotstar memiliki tingkat konversi yang lebih baik dan konsumsi lebih banyak konten oleh pengguna. (sumber)

Singkatnya, kita dapat melihat bagaimana Hotstar menggunakan data besar untuk mengembangkan bisnisnya. Kami dapat sangat setuju bahwa Hotstar telah berhasil dalam hal ini, berdasarkan jumlah pelanggan yang telah ditariknya. Data besar memiliki potensi untuk berdampak positif pada bisnis jika digunakan dengan benar.

Bagikan Blog:

Menjadi bagian dari kami Instagram masyarakat

Blog tren

• 5 Faktor yang Mempengaruhi Perilaku Konsumen Baca lebih lanjut
• Elastisitas Permintaan dan Jenis -Jenisnya Baca lebih lanjut
• Apa itu analisis alu? Semua yang perlu Anda ketahui tentang itu baca lebih lanjut
• Tinjauan Analisis Deskriptif Baca lebih lanjut
• Apa itu Ekonomi Manajerial? Definisi, Jenis, Alam, Prinsip, dan Lingkup Baca lebih lanjut
• 5 faktor yang mempengaruhi elastisitas harga permintaan (PED) Baca lebih lanjut
• Dijkstra’Algoritma S: Algoritma Path Terpendek
• 6 cabang utama kecerdasan buatan (AI) Baca lebih lanjut
• Lingkup Ekonomi Manajerial Baca lebih lanjut
• 7 Jenis Analisis Statistik: Definisi dan Penjelasan Baca lebih lanjut

Bagaimana Disney+ Hotstar Menggunakan Data Besar dan Kecerdasan Buatan

Disney+ Hotstar adalah salah satu platform streaming yang meningkat di seluruh dunia. Meskipun baru saja mulai menawarkan layanan di berbagai daerah, TI’S sudah menjadi favorit penggemar karena koleksi konten Disney dan banyak acara milik Fox, HBO, dan Showtime. Selain itu, Anda juga dapat menangkap aliran pertandingan langsung di atasnya.

Disney+ Hotstar mampu memberikan platform streaming lainnya untuk uang mereka karena telah menggabungkan teknologi canggih seperti data besar dan kecerdasan buatan untuk meningkatkan platform’kemampuan S.

Dalam kasus, kami’sangat menarik minat Anda, Anda dapat mencoba Disney Plus Bundle di Inggris untuk menguji sendiri seberapa baik tarif platform streaming dibandingkan dengan para pesaing lainnya.

Membiarkan’s Masuk ke dalamnya.

Memanfaatkan platform pengiriman cloud untuk streaming

Disney+ Hotstar meminta bantuan Akamai Technologies saat streaming Vivo IPL 2018. Pada 10 April 2018, untuk pertandingan antara Chennai Super Kings (CSK) dan Kolkata Knight Riders (KKR), pemirsa memuncak pada 5.5 juta pandangan bersamaan. Rupanya, itu adalah catatan untuk acara streaming tunggal secara online oleh penyiar mana pun.

Akamai’S Platform Cerdas memiliki peningkatan hingga 75% dalam streaming ponsel. Platform Pengiriman Cloud dapat mengirimkan 95 exabyte data, menerima 2.5 exabytes data dan menghibur lebih dari 1.3 miliar perangkat per hari.

Dengan masuknya data, mesin pembelajaran mesin (ML) dapat meningkatkan kinerja, keamanan, dan keandalan keseluruhan dari pengalaman digital. Yang terbaik dari semuanya, mudah diintegrasikan dengan aplikasi web dan seluler untuk memberi Anda keamanan cloud, analitik, dan banyak lagi.

Mengakomodasi lonjakan lalu lintas

Menurut Disney+ Hotstar terlepas dari jumlah pertandingan, mereka’ve streamed live; Pola lalu lintas tetap tidak dapat diprediksi setiap kali. Meskipun demikian, mereka bergantung pada pola masa lalu untuk membuat keputusan. Sesuai Akash Saxena, Kepala Teknologi di Hotstar, peningkatan lalu lintas cenderung membanjiri sistem backend dan menyebabkan gangguan dalam streaming.

Itu’S Why selama backend legacy menjunjung tinggi tawar -menawarnya, itu’S selalu mudah menyambut pengguna baru ke platform. Salah satu metode yang dibagikan oleh Saxena adalah penskalaan otomatis untuk menangani masuknya pengguna. Dia percaya bahwa penskalaan otomatis menghasilkan banyak server yang ada sehingga pengguna tidak’t menghadapi masalah saat streaming.

Setiap hari, tim di Hotstar berurusan dengan protokol panik, caching, dan backoff eksponensial untuk memastikan pelanggan memiliki pengalaman streaming yang mulus. Saxena melanjutkan dengan mengatakan seluruh platform mereka tergantung pada tiga pilar:

1. Infrastruktur streaming
2. Mesin berlangganan
3. Mesin metadata

Nomor latensi rendah juga merupakan pertanda baik untuk proses yang ramping.

Streaming yang dapat disesuaikan

Faktor utama lain yang dapat membuatnya atau memecahkannya dengan layanan streaming adalah memberikan pengalaman pelanggan yang cepat dan efisien. Dengan unduhan tanpa batas setiap hari, Hotstar sedang mengembangkan algoritma ML untuk memanfaatkan kecerdasan pengguna dari data mentah. Dengan cara ini, algoritma akan menyarankan cara -cara yang melaluinya pengguna’Pengalaman streaming S dapat dipersonalisasi.

Streaming yang dipersonalisasi akan berarti platform akan dapat menyarankan konten atau iklan sesuai dengan pertunjukan Anda’menonton kembali. Metrik yang sangat penting untuk pengumpulan informasi tersebut adalah waktu menonton per pengguna per bulan. Algoritma ML mempelajari preferensi pengguna melalui riwayat arloji mereka dan kemudian memberikan rekomendasi serupa yang sesuai.

Hotstar juga menggunakan platform data real-time Knol. Dibangun untuk memberikan pertukaran data yang lancar dari Hotstar. Aplikasi ini mengumpulkan sejumlah besar data (i.e. hampir 10tb) yang terdiri dari tayangan iklan, data dukungan pelanggan, clickstream perilaku, dan banyak lainnya. Sehingga pengguna dapat direkomendasikan konten yang jauh lebih akurat menurut suka mereka.

Berpikir di luar kotak streaming

Pemilihan Negara Bagian Pradesh diadakan di dua kota, Gujarat dan Himachal, di India. Kampanye tampilan untuk pemilihan dialirkan oleh Disney+ Hotstar saat berkolaborasi dengan agen solusi digital ujung ke ujung, performics. Sementara itu, Resultrix, agen pemasaran digital lokal utama membantu mengidentifikasi audiens dan memberikan iklan secara terprogram.

Karena analitik, lebih mudah untuk melacak jumlah orang, mengidentifikasi minat orang -orang seperti itu dan mengarah pada peningkatan waktu yang dihabiskan untuk Disney+ Hotstar Disney. Seluruh kampanye dilakukan dengan campuran otomatis, data, analitik, pemasaran prediktif dan pembelajaran mesin.

Disney+ Hotstar akan terus berkolaborasi dengan lebih banyak agensi untuk mendapatkan nomor untuk audiens mereka dan bagaimana memenuhi mereka. Misalnya, mereka mendaftar dengan Zappr Media Labs untuk mendapatkan analisis audiens seluler untuk menyediakan iklan yang ditargetkan berdasarkan penawaran periklanan dan komunikasi yang dipersonalisasi.

Secara keseluruhan, Disney+ Hotstar tentu tidak’T ingin menyerah pada usaha petualang ini dalam waktu dekat. Siapa yang tahu apa lagi yang mereka rencanakan untuk masa depan? Mereka tampaknya melakukan pekerjaan yang cukup baik sejauh ini. Jika kamu’RE RE INGIN MENUNGGU HOTSTAR DI Wilayah Anda, Jangan Khawatir. Mereka’Memperluas dengan kecepatan yang baik. Sampai saat itu, Anda dapat menggunakan VPN untuk mendapatkan Disney+ Hotstar di luar India.

Untuk lebih banyak lagi opini seperti ini, klik di sini.

Bagikan ini:

• Klik untuk berbagi di Facebook (dibuka di jendela baru)
• Klik untuk berbagi di Twitter (dibuka di jendela baru)
• Klik untuk berbagi di Pinterest (dibuka di jendela baru)
• Klik untuk berbagi di Tumblr (dibuka di jendela baru)
• Klik untuk berbagi di whatsapp (dibuka di jendela baru)
• Lagi

• Klik untuk mengirim email ke tautan ke teman (dibuka di jendela baru)
• Klik untuk berbagi di LinkedIn (dibuka di jendela baru)
• Klik untuk berbagi di saku (dibuka di jendela baru)
• Klik untuk mencetak (dibuka di jendela baru)
• Klik untuk berbagi di Reddit (dibuka di jendela baru)
• Klik untuk berbagi di Skype (dibuka di jendela baru)
• Klik untuk berbagi di StumbleUpon (dibuka di jendela baru)
• Klik untuk berbagi di telegram (dibuka di jendela baru)

Bagaimana Disney+ Hotstar Menyederhanakan Arsitektur Datanya untuk Skala

Disney+ Hotstar, India’S Layanan streaming yang paling populer, harus menemukan cara untuk mengikuti pustaka konten dan basis pelanggan yang berkembang pesat.

22 Jun, 2022 7:43 AM oleh Cynthia Dunlop dan Peter Corless

Gambar fitur yang disediakan oleh sponsor.

Wawancara dengan Disney+ Hotstar & Myntra: Scaling AI dari POC ke produksi

Kecerdasan Buatan (AI) adalah topik hangat saat ini. Beberapa orang percaya AI meningkatkan pekerjaan dan gaya hidup kita sehari-hari-memungkinkan kita untuk mencurahkan perhatian kita pada tugas yang lebih berfungsi. Orang lain percaya itu adalah ancaman bagi pekerjaan dan potensi karier kita. Sisi debat apa pun’kembali, itu’Tidak ada pertanyaan bahwa AI, ketika didorong oleh jaringan saraf yang dalam, dapat mengotomatiskan proses (seringkali membosankan) yang mensyaratkan manusia. Faktanya, tugas yang menempati 45% waktu karyawan dapat diotomatisasi dengan menerapkan teknologi yang ditunjukkan, menurut McKinsey & Company Research . Namun, kemampuan untuk mengelola input yang kompleks hanyalah langkah pertama dalam perjalanan ini. Aplikasi yang digerakkan AI menghasilkan kompleksitas yang signifikan di seluruh sistem bisnis. Host Hackerrank kami, Aadil Bandukwala, berbicara dengan panel ahli tentang penskalaan AI dari bukti konsep hingga produksi. Panel termasuk:

• Akash Saxena, SVP, Kepala Teknologi di Disney+ Hotstar
• Ravindra Babu Tallamraju, Wakil Presiden dan Kepala, Ilmu Data di Myntra Jabong
• Harishankaran K, co-founder & CTO di Hackerrank

Tonton video lengkap di bawah ini, atau terus membaca untuk beberapa sorotan dari diskusi.

Apa yang diperlukan untuk membuat aplikasi hebat yang ditenagai oleh AI?

Akash Saxena:

Pertama, Anda harus bertanya: apa yang dilakukannya untuk pelanggan? Apa yang diperlukan untuk membangun aplikasi yang bagus?

AI hanyalah alat lain di toolkit saya. Ini adalah algoritma yang lebih ditingkatkan – apakah saya menggunakan pembelajaran mesin atau jaring saraf untuk mewujudkan sesuatu. Dengan serangan data, ada masalah tertentu yang hanya dapat diselesaikan dengan menggunakan teknik AI. Bagi saya, apa yang membuat aplikasi kuat tergantung pada jawaban atas pertanyaan berikut: apa yang dilakukannya untuk pelanggan? Apakah itu membuat platform inklusif? Apakah itu membuat pengalaman lebih kaya?

Anda harus mulai dengan mengidentifikasi itu dan kemudian bekerja ke belakang. Memang, untuk banyak kasus penggunaan saya, AI cukup dominan.

Ravindra Babu Tallamraju:

Apa pun yang dilakukan secara manual oleh ahli domain yang perlu ditingkatkan hanya dapat diukur hingga batas.

Misalnya, biarkan’B berbicara tentang beberapa penilaian gaya. Di Myntra, kami mengambil pakaian tertentu, dan memiliki tampilan ahli mode, dan menilai setiap pakaian. Pakar ini dilengkapi dengan sejumlah besar keahlian domain – 10 tahun pengalaman dalam mengevaluasi setiap pakaian. Membiarkan’S bilang gaya ini luar biasa dan kami membeli beberapa N jumlah barang dari pakaian ini. Karena volume pakaian yang besar, kami mengganti ahli dengan model probabilistik, yang berkinerja serta manusia.

Itu’S contoh aplikasi yang bagus. Dia’s scalable, dan itu harus berkinerja serta ahli. Itu pasti tidak bisa melebihi keahlian domain manusia, tetapi dapat berkinerja baik.

Harishankaran K:

AI memperluas cakrawala. Tujuan AI adalah seberapa baik yang bisa dilakukan atau seberapa dekat ia dapat datang ke manusia yang melakukan fungsi yang sama. Kesenjangan itu berkurang, hari demi hari.

Hal terpenting yang Anda butuhkan adalah data. Jika Anda tidak memiliki cukup data untuk membuat prediksi itu, maka tidak ada yang lebih dari itu. Tetapi sekarang ada begitu banyak cara untuk mengumpulkan data, begitu banyak tempat Anda bisa mendapatkan data dan membuat prediksi dan model tersebut. Jadi, saya pikir itu membutuhkan beberapa tingkat imajinasi.

Ada beberapa hal yang selalu saya yakini tidak mungkin. Namun, ada aplikasi baru yang muncul setiap hari, dan membuktikan saya salah.

Kreasi baru-baru ini adalah CPT-3, yang dapat memprediksi apa yang akan Anda tulis. Saya memiliki surat tertulis menggunakan GPT-3. Jadi itulah salah satu peningkatan baru yang membuktikan Anda harus melepaskan segalanya dan menganggap bahwa semuanya mungkin dan sesuai dengan pola pikir itu.

Bagaimana organisasi benar -benar menentukan apakah mereka memiliki kasus penggunaan AI yang berlaku?

Akash Saxena:

Saya ingin berbagi anekdot yang dibagikan oleh seorang peneliti yang sangat senior dengan saya. Anda dapat memiliki algoritma rekomendasi terbaik, tetapi katakanlah UX Anda rusak, dan tiba -tiba semua rekomendasi ini berada di tempat di mana pelanggan tidak melihatnya. Itu bukan kesalahan AI, atau itu bukan kegagalan dari apa yang dilakukan aplikasi. Ini menggambarkan bahwa semua produk harus dibangun secara holistik.

Beberapa kasus hebat di mana AI digunakan adalah apa pun yang dapat Anda lakukan untuk membuat produk Anda lebih terukur, dapat diulang, dan konsisten. Ravindra berbicara tentang penilaian mode sebagai contoh. Saya mungkin menjadi siswa kelas mode yang lebih tajam versus katakanlah, Ravindra. Ravindra mungkin memiliki keterampilan lain, tetapi Anda dapat mengajari mesin beberapa atribut ini. Sulit untuk sampai ke tempat yang dibutuhkan manusia, dan ini sangat rumit. Anda dapat menambahkan sejumlah besar lapisan dan membutuhkan waktu 200 hari untuk menghitung jawaban yang bisa diberikan seseorang dalam mungkin dalam sehari.

Secara khusus, saya benar-benar terpesona oleh mobil self-driving. Saya seorang teknolog, tapi saya terus -menerus kagum pada apa yang sekarang dapat dilakukan mesin dan seberapa sadar mereka. Jadi, ini sangat fantastis. Saya pikir Harishan mengikuti tema serupa dalam hal apa yang kami ambil. Kami telah mencoba menemukan banyak efisiensi operasional. Saat konten datang kepada kami, kami memproses berjam -jam konten setiap hari. Semua konten itu harus dilihat. Apakah ada anomali? Apakah ada sesuatu yang tidak menyenangkan secara hukum? Ini biasanya intensif manusia. Dan fokus kami adalah menemukan di mana ada perbedaan dalam bagaimana manusia dapat melihatnya.

Selalu ada ketakutan bahwa AI akan memakan pekerjaan kita. Pada kenyataannya, saya akan mengatakan bahwa itu melepaskan kita untuk fokus pada masalah yang lebih berkualitas tinggi, versus mencoba menyelesaikan masalah berkualitas rendah dengan tenaga kerja yang adil hanya. Dan kami telah menggunakan AI untuk efek yang luar biasa untuk semua mesin rekomendasi kami.

Tapi kami juga sudah mulai melihat AI dari model prediksi lalu lintas. Kami menggunakan AI untuk menempatkan model di klien untuk mengetahui bagaimana kami dapat melakukan AVR, perhitungan bitrate. Jadi, kapan Anda membuat keputusan untuk beralih dari 360p ke 480p? Keputusan ini dibuat saat ini. Algoritma hari ini mengatakan, yah, dapatkah Anda melakukannya sekarang, seperti di saat ini? Adalah beberapa sampel terakhir saya cukup baik? Tidak menyadari bahwa mungkin Anda berada di area jaringan yang sangat buruk. Anda mungkin memiliki puncak sesaat, buffer, dan sekali lagi turun. Untuk pelanggan saya, itu pengalaman yang buruk. Saya lebih suka tidak menaiki tangga. Itu adalah area menggunakannya.

Apa contoh kasus penggunaan AI yang sukses yang terus memukau Anda hari ini dan masalah menarik apa yang Anda selesaikan?

Ravindra Babu Tallamraju:

Kami memiliki model yang berdampak pada setiap titik kontak pelanggan – dari saat mereka masuk ke beranda, hingga saat pengiriman harus dikirimkan, dan sekembalinya. Tantangan kami terletak pada memastikan bahwa item yang dikembalikan persis sama dan dalam urutan yang tepat.

Di Sini’S kasus lain: Di gudang kami, kami mencoba membuat penugasan optimal pengiriman ke pemetik. Di sini, jumlah data yang diperlukan terbatas, dan Anda mungkin bisa mendekatinya melalui model teori antrian. Data sebagian besar digunakan untuk memvalidasi sebagian dari itu. Untuk rekomendasi, seperti yang disebut Akash, Anda memerlukan set data besar -besaran. Anda perlu memahami apa yang disukai pelanggan, seperti apa pembelian mereka sebelumnya, dan kemudian kami dapat merekomendasikan produk yang tepat untuk mereka. Dan di sinilah set data besar datang dan Anda tahu semua kompleksitas membangun model.

Harishankaran K:

Sebagai bisnis yang membangun produk, Anda harus selalu membuat kagum pelanggan Anda. Anda harus memasukkan “ Kegembiraan pelanggan ” aspek. Dan AI adalah salah satu alat kuat yang membantu Anda melakukannya beberapa kali.

Kembali ketika saya memiliki surat Yahoo, saya sangat bersemangat tentang bagaimana spam gmail selalu pergi ke folder spam. Tidak ada spam yang akan datang ke kotak masuk saya. Sekarang, ini tidak mengesankan lagi. Kami sudah terbiasa.

Hari ini, saat saya mulai mengetik, itu melengkapi pernyataan saya. Ini adalah dunia berikutnya. Dalam beberapa tahun, saya hanya akan mengetik subjek dan kemudian itu akan mengisi seluruh surat untuk saya, dan itu tidak akan menjadi hal yang hebat lagi.

Itu datang ke titik di mana jika ada rekomendasi yang datang dalam hal saya tidak’t suka, katakanlah dari hotstar dan myntra, dan jika saya tidak menyukainya, saya mungkin berpikir di sana’sesuatu yang salah dengan saya dan mungkin ini pasti hal yang saya butuhkan. Anda cenderung sangat percaya padanya sehingga Anda terus percaya ini seharusnya benar dan mungkin saya tidak dalam kondisi pikiran yang benar. Jadi saya percaya itulah titik di mana kasus AI yang sukses, seperti mobil self-driving, adalah salah satu yang akan menjadi kasus penggunaan AI yang sukses terbaik.