סיכום

במאמר זה אנו בוחנים כיצד דיסני הוטסטאר משתמשת בנתונים גדולים ובבינה מלאכותית. Hotstar, שירות סטרימינג פופולרי בהודו, הצטרף לאחרונה לשיתוף פעולה עם דיסני פלוס ומיתוג מחדש בתור דיסני פלוס Hotstar. עם למעלה מ -300 מיליון משתמשים פעילים, Hotstar מסתמכת על נתונים גדולים כדי לקבל תובנות, לשפר את חווית המשתמש ולקבל החלטות מונעות נתונים. להלן עשר נקודות מפתח כיצד Hotstar משתמשת ב Big Data:

1. נתונים גדולים מסייעים בניתוח ובארגון של מערכי נתונים גדולים ומורכבים שהשיטות המסורתיות נאבקות בהן.
2. שלושת ה- V של נתונים גדולים – נפח, מהירות ומגוון – הם מכריעים להבנת גודלו.
3. Hotstar מציעה מגוון רחב של תכניות טלוויזיה וזרמים הודיים משחקי ליגת העל ההודיים בשפות מרובות בשפות מרובות.
4. עם 46.4 מיליון מנויים בתשלום, המנוי במחיר נמוך של Hotstar תורם לפופולריות המסיבית שלה.
5. Hotstar מעסיקה טכנולוגיית נתונים לניהול כמות הנתונים הגדולה שנוצרו על ידי הפלטפורמה.
6. נתונים גדולים מועילים לעסקים על ידי מתן תובנות על המתחרים ויצירת הזדמנויות עסקיות חדשות.
7. Big Data מציע אלמנט מדעי לקמפיינים שיווקיים, המאפשר למשווקים ליצור אסטרטגיות מונעות נתונים.
8. Hotstar ראתה גל בשימוש במהלך המגיפה, ותורמת לצמיחת פלטפורמות OTT.
9. נתונים גדולים ממלאים תפקיד משמעותי במיקוד מודעות, עוזרים למפרסמים להבין את העדפות הקהל ולייעל מיטוב מיקומי מודעות.
10. ניתוח נתונים גדולים מאפשר חיזוי של התנהגות הצופים, ומאפשר לפלטפורמות לספק את העדפותיהן ולהעצים את חווית המשתמש.

15 שאלות ייחודיות

1. כיצד נתונים גדולים מסייעים בניתוח מערכי נתונים גדולים ומורכבים?

נתונים גדולים עוזרים לנתח ולארגן מערכי נתונים ששיטות מסורתיות נאבקות להתמודד עם נפח, מהירותן ומגווןן. זה מאפשר לעסקים לקבל תובנות חשובות ולקבל החלטות מונעות נתונים.

2. מהם שלושת ה- V של Big Data?

שלושת ה- V של Big Data הם נפח, מהירות ומגוון. הנפח מתייחס לכמות העצומה של הנתונים שנוצרו, מהירות מסמנת את המהירות בה נוצרים ומעובדים נתונים, ומגוון מייצג את הסוגים ומקורות הנתונים השונים.

3. מדוע Hotstar פופולרי בקרב האינדיאנים?

Hotstar פופולרי בקרב האינדיאנים בגלל הצעתו למגוון רחב של תכניות טלוויזיה הודיות וזרם חי של משחקי ליגת העל ההודית בשפות מרובות. בנוסף, מחיר המנוי הזול שלו תורם לפופולריות שלו.

4. איך Hotstar מנהלים את הכמות העצומה של הנתונים שנוצרו בפלטפורמה?

Hotstar מעסיקה טכנולוגיית נתונים כדי לטפל בכמות המשמעותית של נתונים שנוצרו מדי יום. זה מבטיח אחסון, ארגון וניתוח יעילים של הנתונים, ומאפשר ל- Hotstar לקבל החלטות מושכלות.

5. מהם היתרונות של נתונים גדולים עבור עסקים?

נתונים גדולים מספקים מספר יתרונות לעסקים, כולל הבנת מתחרים טובה יותר, זיהוי הזדמנויות עסקיות חדשות ויכולת ליצור אסטרטגיות שיווק מונעות נתונים.

6. כיצד השפיעה המגיפה את פלטפורמות ה- OTT כמו Hotstar?

המגיפה הובילה לשימוש מוגבר בפלטפורמות OTT כמו Hotstar כאשר אנשים מחפשים דרכים להעביר את הזמן. צפייה בזלוף הפכה לפעילות פופולרית במהלך תקופת ההסגר, ותורמת לצמיחת הפלטפורמות הללו.

7. כיצד נתונים גדולים ממלאים תפקיד במיקוד מודעות?

נתונים גדולים מאפשרים מיקוד מודעות מדויק על ידי מתן תובנות על העדפות הקהל והתנהגויות. ניתוח נתונים על איזה תוכן צופה הקהל, אילו מודעות הם עוסקים, והעדפותיהם עוזרות למפרסמים לייעל את מיקומי המודעות שלהם.

8. כיצד נתונים גדולים מסייעים בחיזוי התנהגות הצופה?

ניתוח נתונים גדולים מאפשר לפלטפורמות כמו Hotstar לחזות את התנהגות הצופים על ידי הבנת גורמים כמו מעורבות מודעות, העדפות להציג, הרגלי דילוג על תוכן ומידע דמוגרפי. זה עוזר בהתאמה אישית של חווית המשתמש ושיפור שביעות רצון הלקוחות.

9. כיצד נתונים גדולים משפיעים על דירוג הווידיאו על פלטפורמות כמו Hotstar?

נתונים גדולים מסייעים בקביעת דירוג הווידיאו בפלטפורמות כמו Hotstar. על ידי ניתוח התנהגות והעדפות משתמשים, Hotstar יכולה לזהות אילו סוגים של תוכן מועדפים על ידי הקהל שלהם ולהשתמש בנתונים אלה כדי לקבל החלטות לגבי חידוש מופע והשקת מופע חדש.

10. כיצד נתונים גדולים תורמים לתזמון זרם בפלטפורמות כמו Hotstar?

עם עליית הסטרימינג בשידור חי, ביג דאטה ממלאת תפקיד בתזמון הזרם. על ידי ניתוח נתונים על התנהגות והעדפות הצופה, פלטפורמות כמו Hotstar יכולות לתאם אסטרטגית לזרמים שלהם כדי למקסם את מעורבות הקהל ולספק חווית צפייה חלקה.

11. כיצד משתמשים בניתוחים לשיפור אסטרטגיות פרסום?

ניתוחים מספקים סטטיסטיקות אמינות על הרגלי צפייה בקהל, העדפות ואינטראקציות מודעות. מפרסמים יכולים למנף נתונים אלה כדי לשכלל את אסטרטגיות המודעות שלהם, לייעל את תדירות המודעות ולמקד לקהלים ספציפיים, וכתוצאה מכך קמפיינים פרסומיים יעילים וממוקדים יותר.

12. באילו דרכים נתונים גדולים מסייעים בשביעות רצון הלקוחות?

נתונים גדולים מסייעים בהבנת העדפות, צרכים וסנטימנט של לקוחות על ידי ניתוח נתונים ממקורות שונים כמו הודעות פוסט ואינטראקציות שירות לקוחות. ניתן להשתמש במידע זה כדי להתאים אישית את חוויות הלקוחות, לשפר את הצעות המוצרים ולהעצמת שביעות הרצון הכוללת של הלקוחות.

13. איזה תפקיד ממלאים נתונים גדולים בהפקה ושמירה על פלטפורמות סטרימינג?

ניתוח נתונים גדולים מאפשר לפלטפורמות סטרימינג להבין אילו סוגים של תוכן מהדהדים את הקהל שלהם ואילו יש להימנע מהן. מידע זה משפיע על החלטות ביחס לחידוש התצוגה, השקות מופע חדשות והפקת תוכן המתיישר עם העדפות הצופה, מה שמוביל לשמירה גבוהה יותר על הצופה.

14. כיצד נתונים גדולים תורמים להצלחת פלטפורמות כמו YouTube?

פלטפורמות כמו YouTube משתמשות ב Big Data כדי להבין. נתונים אלה מסייעים בהעברת תוכן ממוקד, המלצה על סרטונים המבוססים על תחומי עניין, ומתן חווית משתמש בהתאמה אישית.

15. אילו צעדים צריכים עסקים לנקוט כדי לשפר את יכולות הנתונים הגדולים שלהם?

על עסקים להשקיע בשיפור יכולות הנתונים הגדולים שלהם על ידי איסוף נתונים רלוונטיים, יישום כלי ניתוח נתונים ושכירת אנשי נתונים מוסמכים. בנוסף, להישאר מעודכן עם המגמות וההתקדמות האחרונות בטכנולוגיית נתונים גדולים הוא קריטי לרתום את הפוטנציאל שלה.

16. מהם גורמי המפתח לעסקים שיש לקחת בחשבון ביישום נתונים גדולים?

בעת יישום נתונים גדולים, עסקים צריכים לשקול גורמים כמו אבטחת מידע ופרטיות, שימוש אתי בנתונים, מדרגיות של תשתית נתונים, איכות נתונים ודיוק, ויישור יוזמות נתונים גדולים עם אסטרטגיות ויעדים עסקיים כוללים.

איך דיסני Hotstar משתמשת בנתונים גדולים ובבינה מלאכותית

חברות בכל עסק צריכות לעבוד כדי לשפר את יכולות הנתונים הגדולים שלהן כדי שיוכלו ליהנות מכך. למידע נוסף על יישומים של נתונים גדולים בחיי היומיום.

איך Hotstar משתמשת ב Big Data?

נתונים גדולים הם שדה המסייע בניתוח הנתונים, הארגון השיטתי של נתונים או טיפול במערכות נתונים גדולות שהם מעבר ליכולות של תוכנת ניתוח נתונים טיפוסית.

במונחים אחרים, Big Data מתייחס למספר עצום של מערכי נתונים מורכבים, במיוחד אלה הנגזרים ממקורות חדשים. נתונים אלה גדולים כל כך עד ששיטות מסורתיות מתקשות להבין אותם. זה כאשר ביג דאטה ממלאת תפקיד נהדר.

נתונים גדולים מסייעים גם בפתרון סוגיות עסקיות ששיטות מסורתיות לא מצליחות לאתר. שלושת ה- V של Big Data הם נפח, מהירות ומגוון. זה כדי שנוכל להבין כיצד למדוד נתונים גדולים.

מצד שני, Hotstar הוא שירות סטרימינג פופולרי בהודו. Hotstar שותפה לאחרונה עם דיסני פלוס, וכתוצאה מכך מיתוג מחדש של הוסטאר בתור דיסני פלוס Hotstar. מאז המהפך שלה, דיסני פלוס Hotstar הלכה מיינסטרים.

הפלטפורמה משדרת תכניות טלוויזיה הודיות במגוון שפות. ואל תשכח מהזרם החי של ליגת העל ההודית, הזמין בשש שפות שונות. זה מספיק כדי להבין מדוע דיסני פלוס Hotstar כל כך פופולרי בקרב האינדיאנים.

נכון לעכשיו, לדיסני פלוס הוטסטאר יש 300 מיליון משתמשים פעילים, עם 46.4 מיליון מאלו שמשלמים מנויים. סיבה נוספת לפופולריות של Hotstar היא שהיא מוכרת את המנוי שלה במחיר נמוך מאוד.

כמות עצומה של נתונים נרשמת מדי יום עבור חברה כמו Hotstar. מכיוון שטיפול בנתונים אלה הופך להיות בלתי אפשרי עבור הארגון, טכנולוגיית נתונים נשכרת. לפני שנבחן כמה נתונים גדולים משמשים ב- Hotstar, חשוב להבין מה זה נתונים גדולים ואיך זה עשוי להועיל לחברה.

כיצד נתונים גדולים מועילים לעסקים?

נתונים גדולים עשויים לשמש כדי להבין טוב יותר את המתחרים. נתונים גדולים משמשים מתמודדים חדשים וחברות מרגשות בכל תחום, בין אם זה או שירותי בריאות. כל ענף עושה שימוש בנתונים גדולים. נתונים גדולים מסייעים ביצירת הזדמנויות עסקיות חדשות.

עבור קמפיינים שיווקיים, Big Data הציגה אלמנט מדעי. זה נותן למשווקים כלים לסייע להם באסטרטגיות השיווק שלהם. רוב העסקים הללו יהיו במרכז זרימת נתונים מאסיבית כולל שירותים ומוצרים, ספקים וקונים, כוונת צרכנים והעדפות ועוד ועוד.

חברות בכל עסק צריכות לעבוד כדי לשפר את יכולות הנתונים הגדולים שלהן כדי שיוכלו ליהנות מכך. למידע נוסף על יישומים של נתונים גדולים בחיי היומיום.

השפעת נתונים גדולים על Hotstar

ימי ההסגר הסתיימו, אך לא ההרגל של צפייה בזלילה. מאז התרחשה סוגיית המגיפה, אנשים בכל העולם מחפשים דרך להעביר את הזמן.

הדרך האהובה על כולם לעבור את הזמן היא צפייה בולמוס. מגיפה הייתה תקופה בה פלטפורמות OTT כמו Hotstar, Netflix ו- Amazon Prime Video שימשו מאוד לזרמת סרטים וסדרות. פלטפורמות אלה צומחות במספרן והופכות מתקדמות יותר מבחינה טכנולוגית.

נתונים גדולים הם אחד המשבשים המשמעותיים ביותר לשיעור ההולך וגדל של פלטפורמות אלה. בהתחשב באוכלוסייה של ימינו, זהו חובה מכיוון שכמו בכל דבר אחר המטרה היא למקסם את ההתפשטות. אז בואו נסתכל על כמה נתונים גדולים משפיעים על תחום הבידור.

מיקוד מודעות

הפרסום התחיל בהפצת עלונים, ואז עברו לג’ינגלס רדיו, ועכשיו יש לנו פרסום בפלטפורמות המדיה החברתית. בענף המדיה יש כיום מיליארדי צופים. זה חיוני להיות אסטרטגיית מיקום טובה להתחרות. תדירות משחק המודעות חשובה ביותר בפרסום.

המוקד העיקרי בפרסום בימינו הוא כאשר הקהל צופה בתוכן ספציפי באיזה פלטפורמה. אנליטיקס מספק סטטיסטיקות אמינות על מה ומתי הקהל צופה באיזה תוכן. אילו פרסומות צופה הקהל ואילו פרסומות הם מתעלמים חושפות מהן העדפותיהן ומה הם עשויים לא לאהוב.

חיזוי התנהגות הצופים

לקוחות חשובים להצלחת החברה. ככל שהלקוח מאושר יותר, כך הכנסות החברה גבוהות יותר. נתונים גדולים אוספת את כל הרגשות של הלקוחות באמצעות הודעות הפוסט שלהם ושירות הלקוחות שלהם.

Big Data מציע את כישלונם של הצופים לראות פרסומת, כמו כמה זמן הם צופים במודעה, איזה סוג של פרסומות הם מעדיפים, איזה סוג של מופעים הם מעדיפים ואיזה סוג תוכן הם מדלגים לצפייה וכן הלאה.

ביג נתונים נותנים גם מידע כמו קבוצת הגילאים של הקהל בפלטפורמות שונות וסוג הטלפונים הניידים שהם משתמשים בהם. YouTube הוא דוגמה פנטסטית לפלטפורמה המשתמשת במידע זה כדי להבין את הקהל שלו ולספק תוכן שהם נהנים.

דירוג וידאו

Big Data הועיל לשירותים כמו נטפליקס, אמזון פריים והוטסטאר. בדומה ל- YouTube, פלטפורמות אלה מסתמכות על נתונים גדולים כדי לחזות התנהגות משתמש. סטטיסטיקות אלה, לעומת זאת, מפורטות ביותר ומשפיעות ישירות מראים ייצור ושמירה.

פלטפורמות אלה מעסיקות נתונים גדולים כדי לקבוע אילו סוגים של תוכן מועדפים על ידי לקוחותיהם ואילו נמנעים על מנת לחדש את המופע לעונה הבאה. הם עושים את אותו הדבר לפני שהם משיקים מופע חדש בפלטפורמות שלהם.

תזמון זרם

הרעיון של סטרימינג בשידור חי צובר מתיחה בימינו, בין אם במדיה החברתית או בתקשורת המיינסטרים. נראה שהקהל אוהב את שידור האינטרנט החי. טוויץ ‘היא פלטפורמה פופולרית עבור יוצרי תוכן לקיים אינטראקציה עם הקהל שלהם בזמן אמת.

מפרסמים משתמשים בהזדמנות זו לקידום המוצרים שלהם מול קהלי היעד שלהם. אנליטיקס מסייע לקביעת הזמן הטוב ביותר לזרם על מנת להתחבר למספר הגדול ביותר של אנשים, כמו גם איזה סוג מוצר יעזור בלכידת תשומת לבו של הציבור בכלל כפי שהוסבר על ידי GoodWorkLabs.

Hotstar משתמשת ב Big Data כדי להעביר את משתמשי Freemium שלה למשתמשים פרימיום

צוות השיווק בוחן את ארבעת ההיבטים על מנת להמיר מנויי Freemium לחברי פרימיום מחויבים.

חווית משתמש אינדיבידואלית

חשוב לחקור מעבר לדמוגרפיה לרכוש הבנה טובה יותר של צרכן, כמו מה שהם אוהבים, מה העבודה שלהם ואיך המוצר שלך ישפיע על חייהם.

כמה פעמים המשתמש פותח את האפליקציה ואיזה תוכן הוא צופה, כמה זמן הוא צופה בפיסת תוכן ספציפית או כמה לאט הצרכן יכול ללכת למשפך ומה ישכנע אותם להפוך ללקוחות נאמנים?

לאחר ניבוי התנהגות המשתמש, זה פשוט לעבוד סביבו ולהעביר משתמשים לאורך המשפך באמצעות תוכן ארוז ונדחף על סמך הבנה יסודית של פרסומות משתמשים ופסיכוגרפיה.

ממליץ על תוכן לפי אורח החיים

המנויים רשאים לבזבז את כספם אם הם לא יחזרו לפלטפורמות כדי לבחון את התוכן לאחר ששילמו עבור החברות. אוהדי הספורט משתמשים ב- Hotstar בדיוק כשיש סטרימינג בשידור חי, והם לא משתמשים בזה בימים אחרים. קשה לשכנע את האנשים האלה להירשם וליהנות מכל הבידור שיש להוטסטאר להציע.

כדי להשיג מטרה זו, החברה מזהה ומסווגת אנשים על בסיס מאפיינים דיגיטליים כמו גלישה וצפייה בהיסטוריה, דפוסי צריכת תוכן והעדפות אחרות. אם המשתמש הוא משתמש פלטפורמה בחינם, העביר אותם דרך המשפך על ידי הצעת פריטים מספריית הפרימיום שהם ככל הנראה מעוניינים בכך.

העברת הודעות בהתאמה אישית בזמן הנכון

שמירה על תנופה עם קמפיין שעשוי למשוך את תשומת ליבם של אנשים ולא פשוט להעביר סטטיסטיקות. הם היו צריכים לשלוח הודעות דחיפה למיליוני משתמשים, אותם הם השיגו באמצעות TAP Clear, פלטפורמת ניהול אורח חיים ומעורבות של לקוחות שיכולים לשלוח עד 25 מיליון הודעות דחיפה בשנייה.

יצירת החיבור הייתה רק היבט אחד של התוכנית. היה חשוב גם לזהות את הימים והזמנים של השבוע בהם קטגוריות משתמשים שונות הן המעורבות והקליטות ביותר לדחיפת התראות. בהליך זה, Hotstar מינוף תובנות אלה כדי להגדיל את הקליקים שלוש פעמים.

עוסקים עם משתמשים בזמן אמת

מעקב אחר פעילות המשתמש כדי לראות באיזו תדירות ובזמן המשתמשים השתמשו במחזיק המפתח כאשר משתמש צופה במשהו באפליקציה ואז סוגרים אותו בפתאומ.

זה מאפשר ל- Hotstar להיות שיעור המרה טוב יותר וצריכה של יותר תוכן על ידי משתמשים. (מָקוֹר)

לסיכום, אנו יכולים לראות כיצד Hotstar משתמשת ב Big Data כדי להגדיל את עסקיה. אנו יכולים להסכים בחום כי Hotstar הצליחה בהקשר זה, על סמך מספר המנויים שהיא משכה. ל- Big Data יש פוטנציאל להשפיע לטובה על העסק אם הוא נעשה שימוש נכון.

שיתוף בלוג:

להיות חלק משלנו אינסטגרם קהילה

בלוגים טרנדיים

• 5 גורמים המשפיעים על התנהגות צרכנים קוראים יותר
• גמישות הביקוש וסוגיה קוראים יותר
• מהו ניתוח עליות? כל מה שאתה צריך לדעת על זה קרא עוד
• סקירה כללית של ניתוח תיאורי קרא עוד
• מהי כלכלה ניהולית? הגדרה, סוגים, טבע, עקרונות והיקף קרא עוד
• 5 גורמים המשפיעים על גמישות המחיר של הביקוש (PED) קרא עוד
• Dijkstra’אלגוריתם S: אלגוריתם הנתיב הקצר ביותר קרא עוד
• 6 ענפים מרכזיים של בינה מלאכותית (AI) קרא עוד
• היקף הכלכלה הניהולית קרא עוד
• 7 סוגים של ניתוח סטטיסטי: הגדרה והסבר קרא עוד

איך דיסני+ Hotstar משתמשת בנתונים גדולים ובבינה מלאכותית

דיסני+ Hotstar הוא אחד מפלטפורמות הסטרימינג העולות ברחבי העולם. למרות שזה רק התחיל להציע שירותים באזורים שונים, זה’זה כבר הפך לחביב המעריצים בגלל אוסף תוכן דיסני וחבורה של מופעים השייכים לפוקס, HBO ו- Showtime. יתר על כן, אתה יכול לתפוס עליו גם זרמי התאמה חיים.

Disney+ Hotstar מסוגל לתת לפלטפורמות סטרימינג אחרות לרוץ לכספן מכיוון שהוא שילב טכנולוגיות מתקדמות כמו נתונים גדולים ואינטליגנציה מלאכותית כדי לשפר את הפלטפורמה’יכולות S.

במקרה, אנחנו’VE העניקה את העניין שלך, אתה יכול לנסות את דיסני פלוס צרור בבריטניה כדי לבדוק בעצמך כמה טוב מחירי הפלטפורמה של הפלטפורמה בהשוואה לשאר המתחרים שלה.

לתת’נכנסים לזה.

שימוש בפלטפורמת משלוח ענן לסטרימינג

דיסני+ Hotstar גייסה את עזרתם של טכנולוגיות אקמאיי בזמן הזרמת Vivo IPL 2018. ב -10 באפריל 2018, למשחק בין צ’נאי סופר קינגס (CSK) לרוכבי אביר קולקטה (KKR), הצפייה הגיעה לשיא ב -5.5 מיליון נופים במקביל. ככל הנראה, זה היה די התקליט של אירוע סטרימינג יחיד באופן מקוון על ידי כל שדרן.

אקמאי’לפלטפורמה אינטליגנטית יש עלייה של עד 75% בהזרמת טלפונים ניידים. פלטפורמת משלוח הענן הצליחה לספק 95 אקסביטים של נתונים, לקחת 2.5 אקסביטים של נתונים ומבדרים יותר מ- 1.3 מיליארד מכשירים ביום.

עם זרם כזה של נתונים, מנועי למידת מכונות (ML) יכולים לשפר את הביצועים, האבטחה והאמינות הכללית של החוויה הדיגיטלית. והכי חשוב, זה משולב בקלות עם אפליקציות אינטרנט ונייד כדי לספק לך אבטחת ענן, אנליטיקס ועוד ועוד.

ספייק מתאים לתנועה

על פי דיסני+ חמות כסטאר ללא קשר למספר המשחקים, הם’VE זרם בשידור חי; דפוסי התנועה נשארים בלתי צפויים בכל פעם. למרות זאת, הם מסתמכים בכל מקרה על דפוסי עבר לקבל החלטות. על פי אקש סקסנה, ראש הטכנולוגיה ב- Hotstar, הגידול בתנועה עשוי להציף את מערכת Backend ולגרום לשיבושים בזרם.

זֶה’הסיבה שבגללה כל עוד הגיבוי המורשת מקיים את סיום המציאה, הוא’תמיד קל לקבל את פני המשתמשים החדשים לפלטפורמה. אחת השיטות המשותפות לסקסנה הייתה קנה מידה אוטומטי לטיפול בשטף של משתמשים. הוא מאמין שהמנהלים האוטומטיים גורמים לכך שיש הרבה שרתים בהישג יד, כך שמשתמשים לא’לא מתמודד עם סוגיות בזמן הזרמה.

כל יום, הצוות ב- Hotstar עוסק בפרוטוקולי פאניקה, מטמון וגיבוי מעריכי כדי להבטיח שלקוחות יש חווית סטרימינג חלקה. סקסנה המשיך ואמר כי כל הרציף שלהם תלוי בשלושה עמודים:

1. תשתית סטרימינג
2. מנוע מנוי
3. מנוע מטא נתונים

מספרי חביון נמוך הם גם סימן טוב לתהליך יעיל.

סטרימינג הניתן להתאמה אישית

גורם מרכזי נוסף שיכול לגרום לו או לשבור אותו עם שירות סטרימינג הוא לספק חווית לקוח מהירה ויעילה. עם הורדות בלתי מוגבלות כל יום אחר, Hotstar מפתחת אלגוריתם ML כדי להשתמש במודיעין משתמשים מנתונים גולמיים. באופן זה, האלגוריתם יציע דרכים דרכם משתמש’ניתן להתאים אישית את חווית הזרם.

סטרימינג בהתאמה אישית פירושו שהפלטפורמה תוכל להציע תוכן או מודעות על פי המופעים שלך’צפייה מחדש. מדד שהוא מרכזי לאיסוף מידע כזה הוא זמן השעון למשתמש בחודש. אלגוריתם ה- ML לומד העדפות משתמש באמצעות היסטוריית השעונים שלהם ואז מספק המלצות דומות בהתאם.

Hotstar משתמש גם בפלטפורמת הנתונים בזמן אמת Knol. הוא בנוי כדי לספק חילופי נתונים חלקים מ- Hotstar. האפליקציה אוספת כמות עצומה של נתונים (i.ה. כמעט 10TB) המורכב מרשמי מודעות, נתוני תמיכת לקוחות, ClickStream התנהגותי ורבים אחרים. כך שמשתמש עשוי להיות תוכן מומלץ שהוא הרבה יותר מדויק על פי אהבותיו.

חושב מחוץ לקופסת הסטרימינג

הבחירות במדינת פראדש נערכו בשתי ערים, גוג’אראט והימאצ’ל, בהודו. קמפייני התצוגה לבחירות הוזרמו על ידי דיסני+ Hotstar תוך כדי שיתוף פעולה עם סוכנות פתרונות דיגיטליים מקצה לקצה, פרפורמטים. בינתיים, Resultrix, סוכנות שיווק דיגיטלית מקומית מרכזית סייעה בזיהוי קהלים ובמסירת מודעות באופן תכנותי.

בגלל האנליטיקס, היה קל יותר לעקוב אחר מספר האנשים, לזהות את האינטרסים של אנשים כאלה ולהוביל לעלייה בסופו של דבר בזמן שהוקדש לדיסני+ Hotstar. הקמפיין כולו בוצע עם תערובת של אוטומטית, נתונים, ניתוח, שיווק חזוי ולמידה מכונה.

דיסני+ Hotstar ימשיך לשתף פעולה עם יותר סוכנויות כדי לקבל מספר לקהל שלהם וכיצד לספק אותם בהתאם. לדוגמה, הם נרשמו במעבדות מדיה של ZAPPR כדי לגרום לניתוח קהל נייד כדי לספק מודעות ממוקדות על בסיס הצעות פרסום ותקשורת בהתאמה אישית.

בסך הכל, דיסני+ Hotstar בהחלט לא’לא רוצה לוותר על המיזם ההרפתקני הזה בכל עת בקרוב. מי יודע מה עוד הם תכננו לעתיד? נראה שהם עושים עבודה די טובה עד כה. אם אתה’מחכה בשקיקה להוטסטאר באזור שלך, אל תדאגי. הֵם’להתרחב מחדש בקצב טוב. עד אז, אתה יכול פשוט להשתמש ב- VPN כדי להשיג דיסני+ חמות מחוץ להודו.

לחתיכות דעה עוד יותר כאלה, לחץ ממש כאן.

שתף זאת:

• לחץ לשיתוף בפייסבוק (נפתח בחלון חדש)
• לחץ לשיתוף בטוויטר (נפתח בחלון חדש)
• לחץ לשיתוף ב- Pinterest (נפתח בחלון חדש)
• לחץ כדי לשתף ב- Tumblr (נפתח בחלון חדש)
• לחץ לשיתוף ב- WhatsApp (נפתח בחלון חדש)
• יותר

• לחץ כדי לדוא”ל קישור לחבר (פותח בחלון חדש)
• לחץ כדי לשתף בלינקדאין (נפתח בחלון חדש)
• לחץ לשיתוף בכיס (נפתח בחלון חדש)
• לחץ כדי להדפיס (נפתח בחלון חדש)
• לחץ לשיתוף ב- Reddit (נפתח בחלון חדש)
• לחץ לשיתוף ב- Skype (נפתח בחלון חדש)
• לחץ לשיתוף ב- StumbleUpon (נפתח בחלון חדש)
• לחץ לשיתוף בטלגרם (נפתח בחלון חדש)

כיצד דיסני+ Hotstar פשט את ארכיטקטורת הנתונים שלה לקנה מידה

דיסני+ Hotstar, הודו’S שירות הסטרימינג הפופולרי ביותר, היה צריך למצוא דרך להתעדכן בספריית התוכן המתרחבת במהירות ובסיס המנויים שלה.

22 ביוני, 2022 7:43 בבוקר מאת סינתיה דונלופ ופיטר קורלס

תמונת תכונה המסופקת על ידי נותן החסות.

ראיון עם דיסני+ Hotstar & Myntra: קנה מידה AI מ- POC להפקה

בינה מלאכותית (AI) היא נושא חם בימינו. יש אנשים שמאמינים כי AI משפר את העבודה ואת אורח החיים היומיומי שלנו-המאפשר לנו להקדיש את תשומת ליבנו למשימות בעלות תפקוד גבוה יותר. אחרים מאמינים שזה מהווה איום על עבודותינו ופוטנציאל הקריירה שלנו. איזה צד של הדיון אתה’שוב, זה’אין ספק ש- AI, כאשר מונע על ידי רשתות עצביות עמוקות, יכול לבצע אוטומציה של תהליכים (לעתים קרובות מייגעים) המחייבים אחרת בני אדם. למעשה, משימות התופסות 45% מזמן העובדים יכולות להיות אוטומטיות על ידי יישום טכנולוגיה מופגנת, על פי מחקר מקינזי וחברה . עם זאת, היכולת לנהל תשומות מורכבות היא רק הצעד הראשון במסע זה. יישומים מונעי AI גורמים למורכבות משמעותית בין מערכות עסקיות. מארח האקראנק שלנו, Aadil Bandukwala, שוחח עם פאנל של מומחים על קנה מידה של AI מהוכחת קונספט לאורך כל הדרך לייצור. הפאנל כלל:

• Akash Saxena, SVP, ראש הטכנולוגיה ב- Disney+ Hotstar
• Ravindra Babu Tallamraju, סגן נשיא וראש, מדעי נתונים ב- Myntra Jabong
• Harishankaran K, מייסד משותף ו- CTO ב- Hackerrank

צפו בסרטון המלא למטה, או המשיכו לקרוא כמה נקודות עיקריות מהדיון.

מה באמת לוקח ליישם יישום נהדר שמופעל על ידי AI?

אקש סקסנה:

ראשית, עליכם לשאול: מה זה עושה עבור הלקוח? מה צריך כדי לבנות כל יישום נהדר?

AI הוא רק כלי נוסף בערכת הכלים שלי. זהו אלגוריתם משופר יותר – בין אם אני משתמש בלמידה במכונה או ברשתות עצביות כדי לגרום לדברים לקרות. עם הסתערות הנתונים, ישנן בעיות מסוימות שניתן לפתור רק באמצעות טכניקות AI. בעיניי, מה שהופך אפליקציה לחזקה תלוי בתשובות לשאלות הבאות: מה זה עושה עבור הלקוח? האם זה הופך את הפלטפורמה לכלולה? האם זה הופך את החוויה לעשירה יותר?

עליכם להתחיל בזיהוי זה ואז לעבוד בדרך אחורה. אכן, להרבה ממקרי השימוש שלי, AI די דומיננטי.

Ravindra Babu Tallamraju:

כל דבר שנעשה באופן ידני על ידי מומחה תחום שצריך להתרחב הוא רק מדרגי עד גבול.

לדוגמה, תן’דיבורים על דירוג סגנון כלשהו. ב- Myntra, אנו לוקחים בגד מסוים ויש לנו מראה מומחה לאופנה, ומדרגים כל בגד. מומחה זה מגיע עם כמות רבה של מומחיות תחום – 10 שנות ניסיון בהערכת כל בגד. לתת’אומרים שהסגנון הזה מדהים ואנחנו קונים מספר N של פריטים של הבגד הזה. בגלל נפח הבגדים הגדול, אנו מחליפים את המומחה במודל הסתברותי, שמופיע כמו גם אנושי.

זֶה’דוגמה ליישום נהדר. זה’ניתן להרחבה, וזה אמור לבצע כמו גם המומחה. זה בהחלט לא יכול לחרוג ממומחיות הדומיין של אדם, אבל זה יכול לבצע באותה מידה.

Harishankaran K:

AI מרחיב את האופק. המטרה של AI היא עד כמה זה יכול לעשות או כמה קרוב יותר הוא יכול להגיע לאדם שמבצע את אותם פונקציות. הפער הזה צמצום, מיום ליום.

הדבר החשוב ביותר שאתה צריך הוא נתונים. אם אין לך מספיק נתונים כדי ליצור את התחזיות האלה, אין שום דבר מעבר לזה. אבל עכשיו יש כל כך הרבה דרכים לאסוף נתונים, כל כך הרבה מקומות שתוכלו להשיג את הנתונים ולעשות את התחזיות והמודלים הללו. אז אני חושב שזה דורש רמת דמיון כלשהי.

יש כמה דברים שתמיד האמנתי שהם לא אפשריים. עם זאת, ישנם יישומים חדשים המופיעים כל יום, ומוכיחים אותי לא בסדר.

היצירה האחרונה היא CPT-3, שיכול לחזות את מה שאתה הולך לכתוב. כתבתי דואר באמצעות GPT-3. אז זה אחד השיפורים החדשים שמוכיחים שאתה צריך לבטל את הכל ולהניח שהכל אפשרי והולך עם ההלך הרוח הזה.

כיצד באמת קובעים ארגונים אם יש להם מקרה שימושי AI רלוונטי?

אקש סקסנה:

אני רוצה לשתף אנקדוטה שחוקר בכיר מאוד שיתף איתי פעם אחת. יכול להיות שיש לך את אלגוריתמי ההמלצה הטובים ביותר, אבל נגיד שה- UX שלך נשבר, ופתאום כל ההמלצות הללו נמצאות במקום בו הלקוח לא רואה אותם. זו לא אשמתו של AI, או שזה לא כישלון של מה שהבקשה עשתה. זה ממחיש כי יש לבנות את כל המוצרים בצורה הוליסטית.

כמה מקרים נהדרים שבהם משתמשים ב- AI הוא כל דבר שאתה יכול לעשות כדי להפוך את המוצר שלך ליותר מדרגי, ניתן לחזרה ועקבי. רבינדרה דיברה על דירוג אופנה כדוגמה. יכול להיות שאני תלמיד כיתה אופנה חד יותר לעומת אומר, רבינדרה. לרבינדרה אולי יש מיומנויות אחרות, אך אתה יכול ללמד מכונה חלק מהתכונות הללו. קשה להגיע למקום שאדם צריך להגיע אליו, וזה מאוד מורכב. אתה יכול להוסיף חבורה שלמה של שכבות ולקחת 200 יום כדי לחשב תשובה שמישהו יכול לתת לך אולי יום.

באופן ספציפי, אני ממש מפוצץ על ידי מכוניות בנהיגה עצמית. אני טכנולוג, אבל אני כל הזמן נדהם ממה שמכונות יכולות לעשות עכשיו וכמה הן מודעות. אז זה די פנטסטי. אני חושב שהארישאן עקב אחר נושא דומה מבחינת מה שאנחנו מרימים. ניסינו למצוא הרבה יעילות תפעולית. כאשר התוכן מגיע אלינו, אנו מעבדים שעות על שעות של תוכן כל יום. צריך להסתכל על כל התוכן הזה. האם יש חריגות? האם יש משהו שמעורר התנגדות כחוק? זה בדרך כלל אינטנסיבי אנושי. והמוקד שלנו היה למצוא היכן יש שונות כיצד אדם עשוי לתפוס אותו.

תמיד יש את הפחד הזה ש- AI הולך לאכול את עבודותינו. במציאות, הייתי אומר שזה משחרר אותנו להתמקד בבעיות איכותיות יותר, לעומת ניסיון לפתור בעיות באיכות נמוכה עם כוח אדם גולמי בלבד. והשתמשנו ב- AI כדי להשפיע מאוד על כל מנועי ההמלצות שלנו.

אבל התחלנו להסתכל על AI מדגמי חיזוי תנועה. אנו משתמשים ב- AI כדי להכניס דגמים ללקוח כדי להבין כיצד אנו יכולים לעשות AVR, חישוב הקצב הסיביות. לכן, מתי אתה מקבל החלטה לעבור מ- 360p ל- 480p? החלטות אלה מתקבלות ברגע. האלגוריתם היום אומר, ובכן, אתה יכול לעשות את זה עכשיו, כמו ברגע זה ממש? האם הדגימות האחרונות שלי מספיק טובות? לא מבין שאולי אתה נמצא באזור רשת שזה ממש רע. יתכן שיש לך שיא רגעי, חיץ ואז שוב לרדת. ללקוח שלי, זו חוויה גרועה. אני מעדיף לא לסולם. זה תחום של השימוש בו.

מהן דוגמאות למקרי שימוש מצליחים של AI שממשיכים להדהים אותך היום ומה בעיות מרגשות שאתה פותר עליהן?

Ravindra Babu Tallamraju:

יש לנו דגמים המשפיעים על כל נקודת המגע של הלקוח – מהרגע שהם נכנסים לדף הבית, למועד בו יש למסור את המשלוח ובהחזר. האתגר שלנו טמון בהבטחה שהפריט המוחזר זהה לחלוטין והוא בסדר הנכון.

כאן’מקרה אחר: במחסן שלנו, אנו מנסים להגיש את הקצאה האופטימלית של משלוחים לקטפים. כאן, כמות הנתונים הנחוצים היא מוגבלת, ותוכלו לגשת אליהם באמצעות מודל תיאוריית תורים. הנתונים משמשים בעיקר לאימות חלק מהם. לקבלת ההמלצות, כפי שמזכיר אקש, אתה זקוק למערכות נתונים מאסיביות. אתה צריך להבין מה הלקוח אוהב, מה היו הרכישות הקודמות שלהם ואז נוכל להמליץ ​​עליהם על המוצר הנכון. וכאן מגיעים מערכי הנתונים המסיביים ואתם מכירים את כל המורכבות של בניית מודל.

Harishankaran K:

כבניית עסק מוצר, אתה כל הזמן צריך וואו את הלקוח שלך. אתה צריך לשלב את “ עונג לקוחות ” אספקט. ו- AI הוא כלי חזק אחד שעוזר לך לעשות זאת מספר פעמים.

בחזרה כשיהיה לי דואר יאהו, התרגשתי מאוד מאיך ש- Gmail ספאם תמיד הולך לתיקיית הספאם. אף ספאם לא יגיע לעולם לתיבת הדואר הנכנס שלי. עכשיו, זה כבר לא מרשים. התרגלנו לזה.

היום, כשאני מתחיל להקליד, זה משלים את ההצהרות שלי. זה העולם הבא. בעוד כמה שנים, אני פשוט אקליד את הנושא ואז זה ימלא את כל הדואר בשבילי, וזה כבר לא יהיה הדברים הנהדרים.

זה מגיע לנקודה שאם מגיעה המלצה כלשהי שאני לא’לא כמו, תגיד מהוטסטאר ומינטרה, ואם אני לא אוהב את זה, אני יכול לחשוב שם’זה משהו לא בסדר איתי ואולי זה בטח הדבר שאני צריך. אתה נוטה לסמוך על זה כל כך שאתה ממשיך להאמין שזה צריך להיות נכון ואולי אני לא במצב הנכון הנכון. אז אני מאמין שזו הנקודה שבה המקרה המוצלח של AI, כמו מכוניות בנהיגה עצמית, הוא כזה שיהיה המקרה המצליח ביותר של AI.