Περίληψη

Σε αυτό το άρθρο, διερευνάμε πώς η Disney Hotstar χρησιμοποιεί μεγάλα δεδομένα και τεχνητή νοημοσύνη. Η Hotstar, μια δημοφιλής υπηρεσία ροής στην Ινδία, συνεργάστηκε πρόσφατα με την Disney Plus και ανακατασκευάστηκε ως Disney Plus Hotstar. Με πάνω από 300 εκατομμύρια ενεργούς χρήστες, το HotStar βασίζεται σε μεγάλα δεδομένα για να αποκτήσει πληροφορίες, να βελτιώσει την εμπειρία των χρηστών και να λαμβάνει αποφάσεις με γνώμονα τα δεδομένα. Εδώ είναι δέκα βασικά σημεία για το πώς το Hotstar χρησιμοποιεί μεγάλα δεδομένα:

1. Τα μεγάλα δεδομένα βοηθούν στην ανάλυση και την οργάνωση μεγάλων και σύνθετων συνόλων δεδομένων που οι παραδοσιακές μέθοδοι αγωνίζονται να χειριστούν.
2. Τα τρία V των μεγάλων δεδομένων – όγκος, ταχύτητα και ποικιλία – είναι ζωτικής σημασίας για την κατανόηση του μεγέθους του.
3. Το Hotstar προσφέρει ένα ευρύ φάσμα ινδικών τηλεοπτικών εκπομπών και ροών ζωντανών αγώνων ινδικής Premier League σε πολλές γλώσσες.
4. Με 46.4 εκατομμύρια συνδρομητές, η συνδρομή χαμηλής τιμής του Hotstar συμβάλλει στη μαζική του δημοτικότητα.
5. Η HotStar χρησιμοποιεί την τεχνολογία δεδομένων για τη διαχείριση του μεγάλου όγκου δεδομένων που δημιουργείται από την πλατφόρμα.
6. Μεγάλα δεδομένα ωφελεί τις επιχειρήσεις παρέχοντας πληροφορίες για τους ανταγωνιστές και δημιουργώντας νέες επιχειρηματικές ευκαιρίες.
7. Τα μεγάλα δεδομένα προσφέρουν ένα επιστημονικό στοιχείο στις εκστρατείες μάρκετινγκ, επιτρέποντας στους εμπόρους να κάνουν στρατηγικές που βασίζονται σε δεδομένα.
8. Το Hotstar έχει δει μια αύξηση της χρήσης κατά τη διάρκεια της πανδημίας, συμβάλλοντας στην ανάπτυξη των πλατφορμών OTT.
9. Τα μεγάλα δεδομένα διαδραματίζουν σημαντικό ρόλο στη στόχευση διαφημίσεων, βοηθώντας τους διαφημιζόμενους να κατανοήσουν τις προτιμήσεις του κοινού και να βελτιστοποιήσουν τις τοποθετήσεις διαφημίσεων.
10. Η μεγάλη ανάλυση δεδομένων επιτρέπει την πρόβλεψη της συμπεριφοράς των θεατών, επιτρέποντας στις πλατφόρμες να καλύψουν τις προτιμήσεις τους και να ενισχύσουν την εμπειρία των χρηστών.

15 μοναδικές ερωτήσεις

1. Πώς βοηθά τα μεγάλα δεδομένα στην ανάλυση μεγάλων και σύνθετων συνόλων δεδομένων?

Τα μεγάλα δεδομένα βοηθούν στην ανάλυση και την οργάνωση των συνόλων δεδομένων που οι παραδοσιακές μέθοδοι αγωνίζονται να χειριστούν λόγω του όγκου, της ταχύτητας και της ποικιλίας τους. Δίνει τη δυνατότητα στις επιχειρήσεις να αποκτήσουν πολύτιμες γνώσεις και να λαμβάνουν αποφάσεις που βασίζονται σε δεδομένα.

2. Ποια είναι τα τρία V των μεγάλων δεδομένων?

Τα τρία V του Big Data είναι ο όγκος, η ταχύτητα και η ποικιλία. Ο όγκος αναφέρεται στη μαζική ποσότητα των παραγόμενων δεδομένων, η ταχύτητα υποδηλώνει την ταχύτητα με την οποία παράγονται και επεξεργάζονται τα δεδομένα και η ποικιλία αντιπροσωπεύει τους διαφορετικούς τύπους και πηγές δεδομένων.

3. Γιατί το Hotstar είναι δημοφιλές στους Ινδιάνους?

Το Hotstar είναι δημοφιλές στους Ινδιάνους λόγω της προσφοράς του σε ένα ευρύ φάσμα ινδικών τηλεοπτικών εκπομπών και ζωντανής ροής των αγώνων της Ινδικής Premier League σε πολλές γλώσσες. Επιπλέον, η προσιτή τιμή συνδρομής συμβάλλει στη δημοτικότητά της.

4. Πώς διαχειρίζεται το Hotstar το τεράστιο ποσό των δεδομένων που δημιουργούνται στην πλατφόρμα?

Το HotStar χρησιμοποιεί την τεχνολογία δεδομένων για να χειριστεί τη σημαντική ποσότητα δεδομένων που δημιουργούνται καθημερινά. Αυτό εξασφαλίζει αποτελεσματική αποθήκευση, οργάνωση και ανάλυση των δεδομένων, επιτρέποντας στο HotStar να λαμβάνει τεκμηριωμένες αποφάσεις.

5. Ποια είναι τα οφέλη των μεγάλων δεδομένων για τις επιχειρήσεις?

Τα Big Data παρέχουν πολλά οφέλη για τις επιχειρήσεις, συμπεριλαμβανομένης της καλύτερης κατανόησης των ανταγωνιστών, της ταυτοποίησης νέων επιχειρηματικών ευκαιριών και της ικανότητας να δημιουργούν στρατηγικές μάρκετινγκ που βασίζονται σε δεδομένα.

6. Πώς έχει επηρεάσει η πανδημία πλατφόρμες όπως το Hotstar?

Η πανδημία έχει οδηγήσει σε αυξημένη χρήση πλατφορμών OTT όπως το Hotstar, καθώς οι άνθρωποι αναζητούν τρόπους για να περάσουν το χρόνο. Η παρακολούθηση της παρακολούθησης έγινε μια δημοφιλής δραστηριότητα κατά τη διάρκεια της περιόδου καραντίνας, συμβάλλοντας στην ανάπτυξη αυτών των πλατφορμών.

7. Πώς τα μεγάλα δεδομένα παίζουν ρόλο στη στόχευση διαφημίσεων?

Τα μεγάλα δεδομένα επιτρέπουν την ακριβή στόχευση διαφημίσεων παρέχοντας πληροφορίες σχετικά με τις προτιμήσεις και τις συμπεριφορές του κοινού. Ανάλυση δεδομένων σχετικά με το περιεχόμενο που τα ρολόγια του κοινού, με τα οποία ασχολούνται με τις διαφημίσεις και οι προτιμήσεις τους βοηθούν τους διαφημιζόμενους να βελτιστοποιήσουν τις τοποθετήσεις διαφημίσεών τους.

8. Πώς βοηθούν τα μεγάλα δεδομένα στην πρόβλεψη της συμπεριφοράς των θεατών?

Η μεγάλη ανάλυση δεδομένων επιτρέπει σε πλατφόρμες όπως το HotStar να προβλέπουν τη συμπεριφορά των θεατών από την κατανόηση των παραγόντων όπως η εμπλοκή διαφημίσεων, η εμφάνιση προτιμήσεων, οι παραλείψεις περιεχομένου και οι δημογραφικές πληροφορίες. Αυτό βοηθά στην εξατομίκευση της εμπειρίας του χρήστη και στη βελτίωση της ικανοποίησης των πελατών.

9. Πώς τα μεγάλα δεδομένα επηρεάζουν τις αξιολογήσεις βίντεο σε πλατφόρμες όπως το Hotstar?

Τα μεγάλα δεδομένα συμβάλλουν στον προσδιορισμό των αξιολογήσεων βίντεο σε πλατφόρμες όπως το Hotstar. Με την ανάλυση της συμπεριφοράς και των προτιμήσεων των χρηστών, το HotStar μπορεί να εντοπίσει ποιοι τύποι περιεχομένου προτιμούνται από το κοινό τους και να χρησιμοποιήσουν αυτά τα δεδομένα για να λάβουν αποφάσεις σχετικά με τις ανανεώσεις δείχνουν και νέες εκτοξεύσεις.

10. Πώς συμβάλλουν τα μεγάλα δεδομένα στον προγραμματισμό ροής σε πλατφόρμες όπως το Hotstar?

Με την άνοδο της ζωντανής ροής, τα μεγάλα δεδομένα παίζουν ρόλο στον προγραμματισμό του ρεύματος. Με την ανάλυση δεδομένων σχετικά με τη συμπεριφορά και τις προτιμήσεις του θεατή, πλατφόρμες όπως το Hotstar μπορούν να προγραμματίσουν στρατηγικά τα ρεύματα τους για να μεγιστοποιήσουν την εμπλοκή του κοινού και να προσφέρουν μια απρόσκοπτη εμπειρία προβολής.

11. Πώς χρησιμοποιούνται τα αναλυτικά στοιχεία για τη βελτίωση των στρατηγικών διαφήμισης?

Τα αναλυτικά στοιχεία παρέχουν αξιόπιστες στατιστικές σχετικά με τις συνήθειες προβολής του κοινού, τις προτιμήσεις και τις αλληλεπιδράσεις διαφημίσεων. Οι διαφημιζόμενοι μπορούν να αξιοποιήσουν αυτά τα δεδομένα για να βελτιώσουν τις στρατηγικές διαφημίσεών τους, να βελτιστοποιήσουν τη συχνότητα των διαφημίσεων και να στοχεύσουν συγκεκριμένα ακροατήρια, με αποτέλεσμα πιο αποτελεσματικές και στοχοθετημένες διαφημιστικές εκστρατείες.

12. Με ποιον τρόπο βοηθούν τα μεγάλα δεδομένα στην ικανοποίηση των πελατών?

Τα μεγάλα δεδομένα βοηθούν στην κατανόηση των προτιμήσεων, των αναγκών και του συναίσθημα των πελατών, αναλύοντας δεδομένα από διάφορες πηγές, όπως μηνύματα μετά τα μηνύματα και αλληλεπιδράσεις εξυπηρέτησης πελατών. Αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για την εξατομίκευση των εμπειριών των πελατών, τη βελτίωση των προσφορών προϊόντων και τη βελτίωση της συνολικής ικανοποίησης των πελατών.

13. Ποιος είναι ο ρόλος που παίζει τα μεγάλα δεδομένα στην εμφάνιση της παραγωγής και της διατήρησης στις πλατφόρμες συνεχούς ροής?

Η μεγάλη ανάλυση δεδομένων επιτρέπει στις πλατφόρμες ροής να κατανοήσουν ποιοι τύποι περιεχομένου αντηχούν με το ακροατήριό τους και ποιες πρέπει να αποφεύγονται. Αυτές οι πληροφορίες επηρεάζουν τις αποφάσεις σχετικά με τις ανανεώσεις δείχνουν, τις νέες εκτοξεύσεις και την παραγωγή περιεχομένου που ευθυγραμμίζεται με τις προτιμήσεις των θεατών, οδηγώντας σε υψηλότερη διατήρηση του θεατή.

14. Πώς συμβάλλουν τα μεγάλα δεδομένα στην επιτυχία των πλατφορμών όπως το YouTube?

Οι πλατφόρμες όπως το YouTube χρησιμοποιούν μεγάλα δεδομένα για να κατανοήσουν τα δημογραφικά στοιχεία, τις προτιμήσεις και τις συμπεριφορές του κοινού τους. Αυτά τα δεδομένα βοηθούν στην παροχή στοχοθετημένου περιεχομένου, στη σύσταση βίντεο με βάση τα ενδιαφέροντα των χρηστών και την παροχή εξατομικευμένης εμπειρίας χρήστη.

15. Ποια μέτρα πρέπει να λάβουν οι επιχειρήσεις για να βελτιώσουν τις μεγάλες δυνατότητες δεδομένων τους?

Οι επιχειρήσεις θα πρέπει να επενδύσουν στη βελτίωση των μεγάλων δυνατοτήτων δεδομένων τους με τη συλλογή σχετικών δεδομένων, την εφαρμογή εργαλείων ανάλυσης δεδομένων και την πρόσληψη ειδικών επαγγελματιών δεδομένων. Επιπλέον, η παραμονή ενημερωμένη με τις τελευταίες τάσεις και εξελίξεις στην τεχνολογία μεγάλων δεδομένων είναι ζωτικής σημασίας για την αξιοποίηση των δυνατοτήτων της.

16. Ποιοι είναι οι βασικοί παράγοντες για τις επιχειρήσεις που πρέπει να λάβουν υπόψη κατά την εφαρμογή μεγάλων δεδομένων?

Κατά την εφαρμογή μεγάλων δεδομένων, οι επιχειρήσεις θα πρέπει να εξετάσουν παράγοντες όπως η ασφάλεια και η ιδιωτική ζωή των δεδομένων, η ηθική χρήση των δεδομένων, η επεκτασιμότητα της υποδομής δεδομένων, η ποιότητα των δεδομένων και η ακρίβεια και η ευθυγράμμιση των μεγάλων πρωτοβουλιών δεδομένων με συνολικές επιχειρηματικές στρατηγικές και στόχους.

Πώς η Disney Hotstar χρησιμοποιεί μεγάλα δεδομένα και τεχνητή νοημοσύνη

Οι εταιρείες σε κάθε επιχείρηση πρέπει να εργάζονται για να βελτιώσουν τις μεγάλες δυνατότητες δεδομένων τους, ώστε να μπορούν να επωφεληθούν από αυτήν. Μάθετε περισσότερα σχετικά με τις εφαρμογές μεγάλων δεδομένων στην καθημερινή ζωή.

Πώς χρησιμοποιεί το Hotstar Big Data?

Τα μεγάλα δεδομένα είναι ένα πεδίο που βοηθά στην ανάλυση των δεδομένων, στη συστηματική οργάνωση των δεδομένων ή στον χειρισμό μεγάλων συνόλων δεδομένων που είναι πέρα ​​από τις δυνατότητες του τυπικού λογισμικού ανάλυσης δεδομένων.

Με άλλα λόγια, τα μεγάλα δεδομένα αναφέρονται σε ένα τεράστιο αριθμό πολύπλοκων συνόλων δεδομένων, ιδιαίτερα εκείνων που προέρχονται από νέες πηγές. Αυτά τα δεδομένα είναι τόσο μεγάλα που οι παραδοσιακές μέθοδοι δυσκολεύονται να τα κατανοήσουν. Αυτό συμβαίνει όταν τα μεγάλα δεδομένα παίζουν μεγάλο ρόλο.

Τα μεγάλα δεδομένα βοηθούν επίσης στην επίλυση επιχειρηματικών θεμάτων που αποτυγχάνουν οι παραδοσιακές μέθοδοι. Τα τρία V του Big Data είναι ο όγκος, η ταχύτητα και η ποικιλία. Αυτό είναι έτσι ώστε να μπορέσουμε να υπολογίσουμε πώς να μετρήσουμε τα μεγάλα δεδομένα.

Από την άλλη πλευρά, το Hotstar είναι μια δημοφιλής υπηρεσία ροής στην Ινδία. Η Hotstar συνεργάστηκε πρόσφατα με την Disney Plus, με αποτέλεσμα την ανακατασκευή του Hostar ως Disney Plus Hotstar. Από το makeover της, η Disney Plus Hotstar έχει περάσει mainstream.

Η πλατφόρμα μεταδίδει ινδικές τηλεοπτικές εκπομπές σε διάφορες γλώσσες. Και μην ξεχάσετε τη ζωντανή ροή της Ινδικής Premier League, η οποία είναι διαθέσιμη σε έξι διαφορετικές γλώσσες. Αυτό αρκεί για να καταλάβουμε γιατί η Disney Plus Hotstar είναι τόσο δημοφιλής στους Ινδιάνους.

Από τώρα, η Disney Plus Hotstar έχει 300 εκατομμύρια ενεργούς χρήστες, με 46.4 εκατομμύρια από αυτούς που πληρώνονται συνδρομητές. Ένας άλλος λόγος για τη δημοτικότητα του Hotstar είναι ότι πωλεί τη συνδρομή του σε πολύ χαμηλή τιμή.

Ένα τεράστιο ποσό δεδομένων καταγράφεται καθημερινά για μια εταιρεία όπως το Hotstar. Επειδή το χειρισμό αυτών των δεδομένων καθίσταται ανέφικτη για τον οργανισμό, προσλαμβάνεται η τεχνολογία δεδομένων. Πριν εξετάσουμε πόσο μεγάλα δεδομένα χρησιμοποιούνται στο Hotstar, είναι σημαντικό να κατανοήσουμε ποια είναι τα μεγάλα δεδομένα και πώς μπορεί να ωφελήσει μια εταιρεία.

Πώς τα μεγάλα δεδομένα ωφελούν τις επιχειρήσεις?

Μπορούν να χρησιμοποιηθούν μεγάλα δεδομένα για την καλύτερη κατανόηση των ανταγωνιστών. Τα μεγάλα δεδομένα χρησιμοποιούνται από νεοεισερχόμενους και συναρπαστικές εταιρείες σε κάθε τομέα, είτε πρόκειται για αυτό είτε για υγειονομική περίθαλψη. Κάθε βιομηχανία χρησιμοποιεί μεγάλα δεδομένα. Τα μεγάλα βοηθήματα δεδομένων στη δημιουργία νέων επιχειρηματικών ευκαιριών.

Για εκστρατείες μάρκετινγκ, τα μεγάλα δεδομένα εισήγαγαν ένα επιστημονικό στοιχείο. Δίνει εργαλεία εμπόρων για να τους βοηθήσει με τις στρατηγικές μάρκετινγκ τους. Η πλειοψηφία αυτών των επιχειρήσεων θα βρίσκεται στο επίκεντρο των τεράστιων ροών δεδομένων, συμπεριλαμβανομένων υπηρεσιών και προϊόντων, προμηθευτών και αγοραστών, πρόθεση και προτιμήσεις καταναλωτών και πολλά άλλα.

Οι εταιρείες σε κάθε επιχείρηση πρέπει να εργάζονται για να βελτιώσουν τις μεγάλες δυνατότητες δεδομένων τους, ώστε να μπορούν να επωφεληθούν από αυτήν. Μάθετε περισσότερα σχετικά με τις εφαρμογές μεγάλων δεδομένων στην καθημερινή ζωή.

Αντίκτυπο των μεγάλων δεδομένων στο hotstar

Οι ημέρες της καραντίνας έχουν τελειώσει, αλλά όχι η συνήθεια της παρακολούθησης της παρακολούθησης. Από τη στιγμή που συνέβη το πανδημικό ζήτημα, οι άνθρωποι σε όλο τον κόσμο αναζητούν έναν τρόπο να περάσουν την ώρα.

Σχεδόν ο αγαπημένος τρόπος του καθενός για να περάσει ο χρόνος είναι η παρακολούθηση της παρακολούθησης. Η πανδημία ήταν μια περίοδος κατά την οποία οι πλατφόρμες OTT όπως το Hotstar, το Netflix και το Amazon Prime Video χρησιμοποιήθηκαν σε μεγάλο βαθμό για ταινίες και σειρές. Αυτές οι πλατφόρμες αυξάνονται σε αριθμό και γίνονται πιο τεχνολογικά προηγμένες.

Τα μεγάλα δεδομένα είναι ένας από τους σημαντικότερους διαταράκτες του αυξανόμενου ρυθμού αυτών των πλατφορμών. Δεδομένου του σημερινού πληθυσμού, αυτό είναι απαραίτητο, διότι, όπως και με όλα τα άλλα, ο στόχος είναι να μεγιστοποιηθεί ο πολλαπλασιασμός. Λοιπόν, ας δούμε πόσο μεγάλα δεδομένα επηρεάζουν τον τομέα της ψυχαγωγίας.

Στόχευση διαφημίσεων

Η διαφήμιση ξεκίνησε με τη διανομή των φυλλαδίων και στη συνέχεια μεταφέρθηκε στο ραδιόφωνο και τώρα έχουμε διαφήμιση σε πλατφόρμες κοινωνικών μέσων ενημέρωσης. Ο τομέας των μέσων ενημέρωσης διαθέτει επί του παρόντος δισεκατομμύρια θεατές. Είναι απαραίτητο να έχετε μια καλή στρατηγική τοποθέτησης για ανταγωνισμό. Η συχνότητα του παιχνιδιού διαφημίσεων είναι εξαιρετικά σημαντική στη διαφήμιση.

Το επίκεντρο της διαφήμισης αυτές τις μέρες είναι όταν το κοινό παρακολουθεί συγκεκριμένο περιεχόμενο σε ποια πλατφόρμα. Το Analytics παρέχει αξιόπιστα στατιστικά στοιχεία για το τι και πότε το κοινό παρακολουθεί ποιο περιεχόμενο. Ποιες διαφημίσεις παρακολουθεί το πλήθος και ποιες διαφημίσεις αγνοούν αποκαλύπτουν ποιες είναι οι προτιμήσεις τους και τι μπορεί να αντιπαθούν.

Πρόβλεψη της συμπεριφοράς των θεατών

Οι πελάτες είναι σημαντικοί για την επιτυχία της εταιρείας. Όσο πιο ευτυχισμένος είναι ο πελάτης, τόσο υψηλότερα είναι τα έσοδα της εταιρείας. Τα μεγάλα δεδομένα συλλέγουν όλα τα συναισθήματα των πελατών μέσω των ταχυδρομικών μηνυμάτων και της εξυπηρέτησης πελατών τους.

Τα μεγάλα δεδομένα προσφέρουν την αποτυχία των θεατών να δουν μια διαφήμιση, όπως πόσο καιρό παρακολουθούν μια διαφήμιση, τι είδους διαφημίσεις ευνοούν, τι είδους εκπομπές προτιμούν και τι είδους περιεχόμενο παραλείπουν για να παρακολουθήσουν και ούτω καθεξής.

Τα μεγάλα δεδομένα παρέχουν επίσης πληροφορίες όπως η ηλικιακή ομάδα του κοινού σε διάφορες πλατφόρμες και το είδος των κινητών τηλεφώνων που χρησιμοποιούν. Το YouTube είναι ένα φανταστικό παράδειγμα μιας πλατφόρμας που χρησιμοποιεί αυτές τις πληροφορίες για να κατανοήσει το κοινό του και να παρέχει περιεχόμενο που απολαμβάνουν.

Αξιολογήσεις βίντεο

Τα μεγάλα δεδομένα έχουν ωφελήσει υπηρεσίες όπως το Netflix, το Amazon Prime και το Hotstar. Παρόμοια με το YouTube, αυτές οι πλατφόρμες βασίζονται σε μεγάλα δεδομένα για την πρόβλεψη της συμπεριφοράς των χρηστών. Αυτά τα στατιστικά στοιχεία, από την άλλη πλευρά, είναι εξαιρετικά λεπτομερείς και επηρεάζουν άμεσα την παραγωγή και τη διατήρηση.

Αυτές οι πλατφόρμες χρησιμοποιούν μεγάλα δεδομένα για να προσδιορίσουν τους τύπους περιεχομένου προτιμώνται από τους πελάτες τους και τα οποία αποφεύγονται για να ανανεώσουν την παράσταση για την επόμενη σεζόν. Κάνουν το ίδιο πράγμα πριν ξεκινήσουν μια νέα παράσταση στις πλατφόρμες τους.

Προγραμματισμός ροής

Η έννοια της ζωντανής ροής κερδίζει την έλξη αυτές τις μέρες, είτε σε κοινωνικά μέσα είτε σε mainstream media. Το κοινό φαίνεται να του αρέσει το Live Webcast. Το Twitch είναι μια δημοφιλής πλατφόρμα για τους δημιουργούς περιεχομένου να αλληλεπιδρούν με το κοινό τους σε πραγματικό χρόνο.

Οι διαφημιζόμενοι κάνουν χρήση αυτής της ευκαιρίας για να προωθήσουν τα προϊόντα τους μπροστά από το κοινό -στόχο τους. Το Analytics βοηθά στον προσδιορισμό του καλύτερου χρόνου για ροή προκειμένου να συνδεθεί με τον μεγαλύτερο αριθμό ατόμων, καθώς και ποιο είδος προϊόντος θα βοηθήσει στη λήψη της προσοχής του κοινού γενικότερα, όπως εξηγείται από το GoodworkLabs.

Το Hotstar χρησιμοποιεί μεγάλα δεδομένα για να μετακινήσει τους χρήστες του freemium σε χρήστες premium

Η ομάδα μάρκετινγκ εξετάζει τις τέσσερις πτυχές προκειμένου να μετατρέψουν τους συνδρομητές του Freemium σε αφοσιωμένα μέλη πριμοδότησης.

Εξατομικευμένη εμπειρία χρήστη

Είναι σημαντικό να διερευνήσετε πέρα ​​από τα δημογραφικά στοιχεία για να αποκτήσετε μια καλύτερη κατανόηση ενός καταναλωτή, όπως αυτό που τους αρέσει, ποιο είναι το έργο τους και πώς το προϊόν σας θα επηρεάσει τη ζωή τους.

Πόσες φορές ο χρήστης ανοίγει την εφαρμογή και ποιο περιεχόμενο βλέπουν, πόσο καιρό παρακολουθούν ένα συγκεκριμένο κομμάτι περιεχομένου ή πόσο αργά ο καταναλωτής μπορεί να μεταβεί στη διοχέτευση και τι θα τους πείσει να γίνουν πιστοί πελάτες?

Μόλις προβλεφθεί η συμπεριφορά των χρηστών, είναι απλή να εργαστείτε γύρω από αυτό και να μετακινήσετε τους χρήστες κατά μήκος της διοχέτευσης χρησιμοποιώντας το περιεχόμενο συσκευασμένο και ωθημένο με βάση την πλήρη κατανόηση των προσώπων χρηστών και των ψυχογραφικών στοιχείων.

Προτείνετε περιεχόμενο σύμφωνα με τον τρόπο ζωής

Οι συνδρομητές μπορούν να χάσουν τα χρήματά τους εάν δεν επιστρέψουν στις πλατφόρμες για να εξετάσουν το περιεχόμενο μετά την πληρωμή για την ιδιότητα μέλους. Οι αθλητικοί οπαδοί χρησιμοποιούν το Hotstar ακριβώς όταν υπάρχει ζωντανή ροή ενός αγώνα και δεν το χρησιμοποιούν άλλες μέρες. Είναι δύσκολο να πείσουμε αυτούς τους ανθρώπους να εγγραφούν και να απολαύσουν όλη την ψυχαγωγία που έχει να προσφέρει ο Hotstar.

Για να επιτευχθεί αυτός ο στόχος, η εταιρεία προσδιορίζει και κατηγοριοποιεί τα άτομα με βάση τα ψηφιακά χαρακτηριστικά, όπως η περιήγηση και το ιστορικό προβολής, τα πρότυπα κατανάλωσης περιεχομένου και άλλες προτιμήσεις. Εάν ο χρήστης είναι δωρεάν χρήστης πλατφόρμας, μετακινήστε τα μέσω της διοχέτευσης προτείνοντας αντικείμενα από τη βιβλιοθήκη premium που είναι πιθανότερο να ενδιαφέρονται.

Εξατομικευμένα μηνύματα την κατάλληλη στιγμή

Διατηρώντας την ορμή με μια εκστρατεία που μπορεί να προσελκύσει την προσοχή των ανθρώπων και όχι απλά να μετακινηθεί στατιστικά στοιχεία. Έπρεπε να στείλουν ειδοποιήσεις ώθησης σε εκατομμύρια χρήστες, τις οποίες ολοκλήρωσαν τη χρήση της Clever Tap, μιας πλατφόρμας διαχείρισης και αφοσίωσης του τρόπου ζωής των πελατών που μπορούν να στείλουν μέχρι και 25 εκατομμύρια μηνύματα ανά δευτερόλεπτο.

Η δημιουργία της σύνδεσης ήταν μόνο μία πτυχή του σχεδίου. Ήταν επίσης σημαντικό να προσδιοριστούν οι ημέρες και οι ώρες της εβδομάδας, όταν διάφορες κατηγορίες χρηστών είναι οι πιο αφοσιωμένες και δεκτικές για την προώθηση ειδοποιήσεων. Σε αυτή τη διαδικασία, ο Hotstar αξιοποίησε αυτές τις ιδέες για να αυξήσει τις κλικ Τριάς.

Συμμετοχή με χρήστες σε πραγματικό χρόνο

Παρακολούθηση της δραστηριότητας των χρηστών για να δείτε πόσο συχνά και πρόσφατα οι χρήστες χρησιμοποίησαν το keychain όταν ένας χρήστης παρακολουθεί κάτι στην εφαρμογή και στη συνέχεια κλείνει απότομα, αυτό ερμηνεύεται ως ευκαιρία να τους δώσει μια ειδοποίηση ώθησης που τους ενθαρρύνει να τελειώσουν αυτό που ξεκίνησαν.

Αυτό επιτρέπει στο HotStar να έχει καλύτερο ποσοστό μετατροπής και κατανάλωση περισσότερου περιεχομένου από τους χρήστες. (πηγή)

Συνοψίζοντας, μπορούμε να δούμε πώς η Hotstar χρησιμοποιεί μεγάλα δεδομένα για να αναπτύξει τις δραστηριότητές του. Μπορούμε να συμφωνήσουμε έντονα ότι η Hotstar ήταν επιτυχής από αυτή την άποψη, με βάση τον αριθμό των συνδρομητών που έχει προσελκύσει. Τα μεγάλα δεδομένα έχουν τη δυνατότητα να επηρεάσουν θετικά την επιχείρηση εάν χρησιμοποιούνται σωστά.

Μοιραστείτε το blog:

Γίνετε μέρος του δικού μας Ίνσταγκραμ κοινότητα

Τεχνικά ιστολόγια

• 5 παράγοντες που επηρεάζουν τη συμπεριφορά των καταναλωτών Διαβάστε περισσότερα
• Η ελαστικότητα της ζήτησης και οι τύποι της διαβάζουν περισσότερα
• Τι είναι η ανάλυση Pestle? Όλα όσα πρέπει να ξέρετε για αυτό διαβάστε περισσότερα
• Μια επισκόπηση της περιγραφικής ανάλυσης Διαβάστε περισσότερα
• Τι είναι τα διευθυντικά οικονομικά? Ορισμός, τύποι, φύση, αρχές και πεδίο Διαβάστε περισσότερα
• 5 παράγοντες που επηρεάζουν την ελαστικότητα της ζήτησης (PED) Διαβάστε περισσότερα
• Dijkstra’S Algorithm: Ο πιο σύντομος αλγόριθμος διαδρομής Διαβάστε περισσότερα
• 6 κύριοι κλάδοι της τεχνητής νοημοσύνης (AI) Διαβάστε περισσότερα
• Πεδίο εφαρμογής των διαχειριστικών οικονομικών διαβάστε περισσότερα
• 7 Τύποι Στατιστικής Ανάλυσης: Ορισμός και Επεξήγηση Διαβάστε περισσότερα

Πώς η Disney+ Hotstar χρησιμοποιεί μεγάλα δεδομένα και τεχνητή νοημοσύνη

Η Disney+ Hotstar είναι μία από τις ανερχόμενες πλατφόρμες ροής σε όλο τον κόσμο. Αν και μόλις άρχισε να προσφέρει υπηρεσίες σε διάφορες περιοχές, αυτό’Το S έγινε ήδη αγαπημένος ανεμιστήρας λόγω της συλλογής περιεχομένου της Disney και μιας δέσμης παραστάσεων που ανήκουν στο Fox, HBO και Showtime. Επιπλέον, μπορείτε επίσης να πάρετε ζωντανές ροές αγώνα σε αυτό επίσης.

Η Disney+ Hotstar είναι σε θέση να δώσει σε άλλες πλατφόρμες ροής για τα χρήματά τους, επειδή έχει ενσωματώσει προηγμένες τεχνολογίες όπως τα μεγάλα δεδομένα και η τεχνητή νοημοσύνη για να ενισχύσουν την πλατφόρμα’δυνατότητες.

Σε περίπτωση που εμείς’Ve Piqued το ενδιαφέρον σας, μπορείτε να δοκιμάσετε το Disney Plus Bundle στο Ηνωμένο Βασίλειο για να δοκιμάσετε τον εαυτό σας πόσο καλά οι ναύλοι πλατφόρμας ροής σε σύγκριση με τους υπόλοιπους ανταγωνιστές της.

Αφήνω’να μπει σε αυτό.

Χρησιμοποιώντας μια πλατφόρμα παράδοσης σύννεφων για ροή

Η Disney+ Hotstar συγκέντρωσε τη βοήθεια των τεχνολογιών Akamai, ενώ η ροή Vivo IPL 2018. Στις 10 Απριλίου 2018, για το παιχνίδι μεταξύ των Chennai Super Kings (CSK) και των Kolkata Knight Riders (KKR), η προβολή κορυφώθηκε στις 5.5 εκατομμύρια παράλληλες απόψεις. Προφανώς, αυτό ήταν το ρεκόρ για ένα ενιαίο γεγονός streaming online από οποιονδήποτε ραδιοτηλεοπτικό φορέα.

Ακάμα’Η έξυπνη πλατφόρμα έχει αύξηση έως 75% σε ροή κινητού τηλεφώνου. Η πλατφόρμα παράδοσης σύννεφων ήταν σε θέση να παραδώσει 95 exabytes δεδομένων, πάρτε 2.5 exabytes δεδομένων και διασκεδάζουν περισσότερα από 1.3 δισεκατομμύρια συσκευές την ημέρα.

Με μια τέτοια εισροή δεδομένων, οι κινητήρες μηχανικής μάθησης (ML) μπορούν να βελτιώσουν την απόδοση, την ασφάλεια και τη συνολική αξιοπιστία της ψηφιακής εμπειρίας. Το καλύτερο από όλα, είναι εύκολα ενσωματωμένο στις εφαρμογές ιστού και κινητής τηλεφωνίας για να σας παρέχει ασφάλεια σύννεφων, αναλυτικά στοιχεία και πολλά άλλα.

Φιλοξενώντας ακίδα στην κυκλοφορία

Σύμφωνα με το Disney+ Hotstar ανεξάρτητα από τον αριθμό των αγώνων, αυτοί’ve streamed ζωντανά? Τα πρότυπα κυκλοφορίας παραμένουν απρόβλεπτα κάθε φορά. Παρ ‘όλα αυτά, βασίζονται σε προηγούμενα πρότυπα ούτως ή άλλως για να λάβουν αποφάσεις. Σύμφωνα με το Akash Saxena, ο επικεφαλής της τεχνολογίας στο Hotstar, η αύξηση της κυκλοφορίας είναι πιθανό να κατακλύσει το σύστημα backend και να προκαλέσει διαταραχές στη ροή.

Οτι’γιατί όσο το backend της κληρονομιάς υποστηρίζει το τέλος της συμφωνίας, αυτό’είναι πάντα εύκολο να καλωσορίσετε νέους χρήστες στην πλατφόρμα. Μία από τις μεθόδους που μοιράστηκε η Saxena ήταν η αυτόματη κλιμάκωση για τη διαχείριση μιας εισροής χρηστών. Πιστεύει ότι η αυτόματη κλιμάκωση έχει ως αποτέλεσμα να έχουν πολλούς διακομιστές στο χέρι έτσι ώστε οι χρήστες να μην κάνουν’t αντιμετωπίζουν προβλήματα κατά τη ροή.

Κάθε μέρα, η ομάδα στο Hotstar ασχολείται με πρωτόκολλα πανικού, προσωρινή αποθήκευση και εκθετικά backoffs για να εξασφαλίσει ότι οι πελάτες έχουν μια απρόσκοπτη εμπειρία ροής. Η Saxena συνέχισε να λέει ότι ολόκληρη η πλατφόρμα τους εξαρτάται από τρεις πυλώνες:

1. Υποδομή ροής
2. Συνδρομητής
3. Μηχανισμός μεταδεδομένων

Οι αριθμοί χαμηλής καθυστέρησης είναι επίσης ένα καλό σημάδι για μια εξορθολογισμένη διαδικασία.

Προσαρμόσιμη ροή

Ένας άλλος σημαντικός παράγοντας που μπορεί να το κάνει ή να το σπάσει με μια υπηρεσία streaming παρέχει μια άμεση και αποτελεσματική εμπειρία πελατών. Με απεριόριστες λήψεις κάθε δεύτερη μέρα, το HotStar αναπτύσσει έναν αλγόριθμο ML για να κάνει χρήση της νοημοσύνης χρηστών από ακατέργαστα δεδομένα. Με αυτόν τον τρόπο, ο αλγόριθμος θα προτείνει τρόπους μέσω των οποίων ένας χρήστης’Η εμπειρία streaming μπορεί να εξατομικευτεί.

Η εξατομικευμένη ροή θα σήμαινε ότι η πλατφόρμα θα είναι σε θέση να προτείνει περιεχόμενο ή διαφημίσεις σύμφωνα με τις εμφανίσεις σας’παρακολουθώ. Μια μέτρηση που είναι ζωτικής σημασίας για αυτή τη συλλογή πληροφοριών είναι ο χρόνος παρακολούθησης ανά χρήστη ανά μήνα. Ο αλγόριθμος ML μαθαίνει τις προτιμήσεις των χρηστών μέσω του ιστορικού ρολογιού τους και στη συνέχεια παρέχει παρόμοιες συστάσεις ανάλογα.

Το Hotstar χρησιμοποιεί επίσης την πλατφόρμα δεδομένων σε πραγματικό χρόνο Knol. Είναι κατασκευασμένο για να παρέχει μια ομαλή ανταλλαγή δεδομένων από το Hotstar. Η εφαρμογή συλλέγει ένα τεράστιο ποσό δεδομένων (i.μι. Σχεδόν 10TB) που αποτελείται από εντυπώσεις διαφημίσεων, δεδομένα υποστήριξης πελατών, συμπεριφορικό clickstream και πολλά άλλα. Έτσι ώστε ένας χρήστης να μπορεί να συνιστάται περιεχόμενο που είναι πολύ πιο ακριβές σύμφωνα με τις προτιμήσεις του.

Σκεπτόμενος έξω από το κουτί της ροής

Οι εκλογές του Πραντές πραγματοποιήθηκαν σε δύο πόλεις, Γκουτζαράτ και Χιματσάλ, στην Ινδία. Οι εκστρατείες προβολής για τις εκλογές μεταδόθηκαν από την Disney+ Hotstar ενώ συνεργάζονταν με έναν οργανισμό ψηφιακών λύσεων από άκρο σε άκρο, Performics. Εν τω μεταξύ, η Resultrix, μια σημαντική τοπική υπηρεσία ψηφιακού μάρκετινγκ βοήθησε στον εντοπισμό του κοινού και στην παροχή διαφημίσεων προγραμματικά.

Λόγω των αναλυτικών στοιχείων, ήταν ευκολότερο να παρακολουθείτε τον αριθμό των ανθρώπων, να προσδιορίσετε τα συμφέροντα τέτοιων ανθρώπων και να οδηγήσει σε μια τελική αύξηση του χρόνου που δαπανάται για τη Disney+ Hotstar. Ολόκληρη η εκστρατεία πραγματοποιήθηκε με ένα μείγμα αυτόματης, δεδομένων, αναλύσεων, πρόβλεψης μάρκετινγκ και μηχανικής μάθησης.

Η Disney+ Hotstar θα συνεχίσει να συνεργάζεται με περισσότερους οργανισμούς για να πάρει έναν αριθμό για το ακροατήριό τους και πώς να τα εξυπηρετήσει ανάλογα. Για παράδειγμα, υπέγραψαν με το ZAPPT Media Labs για να αποκτήσουν αναλύσεις κοινού κινητής τηλεφωνίας για να παρέχουν στοχοθετημένες διαφημίσεις με βάση διαφημιστικές προσφορές και εξατομικευμένη επικοινωνία.

Συνολικά, η Disney+ Hotstar σίγουρα δεν κάνει’Δεν θέλω να εγκαταλείψω αυτό το περιπετειώδες εγχείρημα σύντομα. Ποιος ξέρει τι άλλο έχει προγραμματιστεί για το μέλλον? Φαίνονται να κάνουν μια πολύ καλή δουλειά μέχρι τώρα. Αν εσύ’Περιμένω με ανυπομονησία το Hotstar στην περιοχή σας, χωρίς ανησυχίες. Αυτοί’επεκτείνεται με καλό ρυθμό. Μέχρι τότε, μπορείτε απλά να χρησιμοποιήσετε ένα VPN για να πάρετε Disney+ Hotstar έξω από την Ινδία.

Για ακόμη περισσότερα κομμάτια γνώμης όπως αυτό, κάντε κλικ εδώ.

Μοιραστείτε αυτό:

• Κάντε κλικ για κοινή χρήση στο Facebook (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Twitter (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Pinterest (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Tumblr (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο WhatsApp (ανοίγει σε νέο παράθυρο)
• Περισσότερο

• Κάντε κλικ για να στείλετε email έναν σύνδεσμο σε έναν φίλο (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο LinkedIn (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στην τσέπη (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για εκτύπωση (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Reddit (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Skype (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο Stumbleupon (ανοίγει σε νέο παράθυρο)
• Κάντε κλικ για κοινή χρήση στο τηλεγράφημα (ανοίγει σε νέο παράθυρο)

Πώς η Disney+ Hotstar απλοποίησε την αρχιτεκτονική δεδομένων της για κλίμακα

Disney+ Hotstar, Ινδία’Η πιο δημοφιλής υπηρεσία ροής, έπρεπε να βρει έναν τρόπο να συμβαδίσει με την ταχέως αναπτυσσόμενη βιβλιοθήκη περιεχομένου και τη βάση συνδρομητών.

22 Ιουνίου, 2022 7:43 π.μ. από τη Cynthia Dunlop και τον Peter Corless

Εικόνα χαρακτηριστικών που παρέχεται από τον Χορηγό.

Συνέντευξη με την Disney+ Hotstar & Myntra: Scaling AI από POC στην παραγωγή

Η τεχνητή νοημοσύνη (AI) είναι ένα καυτό θέμα σήμερα. Μερικοί άνθρωποι πιστεύουν ότι το AI ενισχύει την καθημερινή μας δουλειά και τον τρόπο ζωής μας-επιτρέποντάς μας να αφιερώσουμε την προσοχή μας σε πιο λειτουργικά καθήκοντα. Άλλοι πιστεύουν ότι αποτελεί απειλή για τις δουλειές μας και το δυναμικό σταδιοδρομίας μας. Όποια πλευρά της συζήτησης σας’ΕΝΑ, αυτό’Δεν υπάρχει αμφιβολία ότι το AI, όταν οδηγείται από βαθιά νευρωνικά δίκτυα, μπορεί να αυτοματοποιήσει (πολλές φορές κουραστική) διαδικασίες που διαφορετικά απαιτούν ανθρώπους. Στην πραγματικότητα, τα καθήκοντα που καταλαμβάνουν το 45% του χρόνου των εργαζομένων θα μπορούσαν να αυτοματοποιηθούν με την εφαρμογή της αποδεδειγμένης τεχνολογίας, σύμφωνα με την McKinsey & Company Research . Ωστόσο, η δυνατότητα διαχείρισης σύνθετων εισροών είναι μόνο το πρώτο βήμα σε αυτό το ταξίδι. Οι εφαρμογές με γνώμονα το AI οδηγούν σε σημαντική πολυπλοκότητα μεταξύ των επιχειρηματικών συστημάτων. Ο οικοδεσπότης μας HackerRank, Aadil Bandukwala, μίλησε με μια ομάδα εμπειρογνωμόνων για την κλιμάκωση του AI από την απόδειξη της έννοιας σε όλη τη διαδρομή προς την παραγωγή. Ο πίνακας περιελάμβανε:

• Akash Saxena, SVP, επικεφαλής της τεχνολογίας στο Disney+ Hotstar
• Ravindra Babu Tallamraju, αντιπρόεδρος και επικεφαλής, επιστήμη δεδομένων στη Myntra Jabong
• Harishankaran K, συνιδρυτής και CTO στο HackerRank

Παρακολουθήστε το πλήρες βίντεο παρακάτω ή συνεχίστε να διαβάζετε για μερικές στιγμές από τη συζήτηση.

Τι χρειάζεται πραγματικά για να φτιάξουμε μια εξαιρετική εφαρμογή που τροφοδοτείται από το AI?

Akash Saxena:

Πρώτον, πρέπει να ρωτήσετε: τι κάνει για τον πελάτη? Τι χρειάζεται για την οικοδόμηση οποιασδήποτε εξαιρετικής εφαρμογής?

Το AI είναι απλώς ένα άλλο εργαλείο στο εργαλείο μου. Είναι ένας πιο ενισχυμένος αλγόριθμος – είτε χρησιμοποιώ μηχανική μάθηση είτε νευρωνικά δίχτυα για να συμβούν τα πράγματα. Με την επίθεση των δεδομένων, υπάρχουν ορισμένα προβλήματα που μπορούν να λυθούν μόνο με τη χρήση τεχνικών AI. Για μένα, αυτό που κάνει μια εφαρμογή ισχυρή εξαρτάται από τις απαντήσεις στις ακόλουθες ερωτήσεις: Τι κάνει για τον πελάτη? Κάνει την πλατφόρμα χωρίς αποκλεισμούς? Κάνει την εμπειρία πλουσιότερη?

Πρέπει να ξεκινήσετε εντοπίζοντας αυτό και στη συνέχεια να εργαστείτε προς τα πίσω. Πράγματι, για πολλές περιπτώσεις χρήσης μου, το AI είναι αρκετά κυρίαρχο.

Ravindra Babu Tallamraju:

Οτιδήποτε γίνεται με το χέρι από έναν εμπειρογνώμονα τομέα που πρέπει να κλιμακωθεί είναι μόνο κλιμακωτό σε όριο.

Για παράδειγμα, ας’μιλάμε για κάποια ταξινόμηση στυλ. Στη Myntra, παίρνουμε ένα συγκεκριμένο ένδυμα και έχουμε μια εμφάνιση εμπειρογνωμόνων μόδας και βαθμολογία κάθε ένδυμα. Αυτός ο εμπειρογνώμονας έρχεται με μια μεγάλη ποσότητα εμπειρογνωμοσύνης τομέα -10 χρόνια εμπειρίας στην αξιολόγηση κάθε ρούχων. Αφήνω’S Πείτε ότι αυτό το στυλ είναι φοβερό και αγοράζουμε κάποιο n αριθμό αντικειμένων αυτού του ενδύματος. Λόγω του μεγάλου όγκου των ενδυμάτων, αντικαθιστούμε τον εμπειρογνώμονα με ένα πιθανοτικό μοντέλο, το οποίο εκτελεί καθώς και έναν άνθρωπο.

Οτι’είναι ένα παράδειγμα μιας εξαιρετικής εφαρμογής. Το’s κλιμακωτό, και θα πρέπει να εκτελέσει καθώς και τον εμπειρογνώμονα. Σίγουρα δεν μπορεί να υπερβεί την τεχνογνωσία τομέα ενός ανθρώπου, αλλά μπορεί να εκτελέσει εξίσου καλά.

Harishankaran K:

Το AI επεκτείνει τον ορίζοντα. Ο στόχος του AI είναι πόσο καλά μπορεί να κάνει ή πόσο πιο κοντά μπορεί να έρθει σε έναν άνθρωπο που εκτελεί τις ίδιες λειτουργίες. Αυτό το χάσμα μειώνεται, μέρα με τη μέρα.

Το πιο σημαντικό πράγμα που χρειάζεστε είναι τα δεδομένα. Εάν δεν έχετε αρκετά δεδομένα για να κάνετε αυτές τις προβλέψεις, τότε δεν υπάρχει τίποτα πέρα ​​από αυτό. Αλλά τώρα υπάρχουν τόσοι πολλοί τρόποι συλλογής δεδομένων, τόσα πολλά μέρη που μπορείτε να πάρετε τα δεδομένα και να κάνετε αυτές τις προβλέψεις και μοντέλα. Έτσι, νομίζω ότι απαιτεί κάποιο επίπεδο φαντασίας.

Υπάρχουν μερικά πράγματα που πάντα πίστευα ότι δεν ήταν δυνατά. Ωστόσο, υπάρχουν νέες εφαρμογές που εμφανίζονται καθημερινά και αποδεικνύετε λάθος.

Μια πρόσφατη δημιουργία είναι το CPT-3, το οποίο μπορεί να προβλέψει τι πρόκειται να γράψετε. Έχω γραπτή αλληλογραφία χρησιμοποιώντας GPT-3. Έτσι είναι μια από τις νέες βελτιώσεις που αποδεικνύουν ότι πρέπει να ξεδιπλώσετε τα πάντα και να υποθέσετε ότι όλα είναι δυνατά και πηγαίνετε με αυτή τη νοοτροπία.

Πώς οι οργανισμοί καθορίζουν πραγματικά εάν έχουν μια ισχύουσα περίπτωση χρήσης AI?

Akash Saxena:

Θέλω να μοιραστώ ένα ανέκδοτο που ένας πολύ ανώτερος ερευνητής μοιράστηκε μία φορά μαζί μου. Θα μπορούσατε να έχετε τους καλύτερους αλγόριθμους συστάσεων, αλλά λέτε ότι το UX σας είναι σπασμένο και ξαφνικά όλες αυτές οι συστάσεις βρίσκονται σε ένα μέρος όπου ο πελάτης δεν τις βλέπει. Δεν είναι λάθος του AI, ή δεν είναι αποτυχία του τι έκανε η εφαρμογή. Αυτό δείχνει ότι όλα τα προϊόντα πρέπει να κατασκευάζονται ολιστικά.

Μερικές υπέροχες περιπτώσεις όπου χρησιμοποιείται το AI είναι οτιδήποτε μπορείτε να κάνετε για να κάνετε το προϊόν σας πιο κλιμακωτό, επαναλαμβανόμενο και συνεπή. Η Ravindra μίλησε για την ταξινόμηση της μόδας ως παράδειγμα. Μπορεί να είμαι ένας πιο έντονος μαθητής μόδας έναντι λέγοντας, Ravindra. Η Ravindra μπορεί να έχει άλλες δεξιότητες, αλλά μπορείτε να διδάξετε μια μηχανή μερικά από αυτά τα χαρακτηριστικά. Είναι δύσκολο να φτάσουμε εκεί που ένας άνθρωπος πρέπει να φτάσει, και είναι πολύ περίπλοκο. Μπορείτε να προσθέσετε μια ολόκληρη δέσμη στρώσεων και να πάρετε 200 ημέρες για να υπολογίσετε μια απάντηση που κάποιος θα μπορούσε να σας δώσει ίσως μια μέρα.

Συγκεκριμένα, είμαι πραγματικά εκπλήσσει από αυτο-οδήγηση αυτοκίνητα. Είμαι τεχνολόγος, αλλά είμαι συνεχώς έκπληκτος για τα μηχανήματα που μπορούν τώρα να κάνουν και πόσο συνειδητοποιούν ότι είναι. Έτσι, είναι πολύ φανταστικό. Νομίζω ότι ο Harishan ακολούθησε ένα παρόμοιο θέμα από την άποψη του τι παίρνουμε. Προσπαθήσαμε να βρούμε πολλές επιχειρησιακές αποδόσεις. Όταν το περιεχόμενο έρχεται σε εμάς, επεξεργαζόμαστε ώρες και ώρες περιεχομένου κάθε μέρα. Όλο αυτό το περιεχόμενο πρέπει να εξεταστεί. Υπάρχουν ανωμαλίες? Υπάρχει κάτι που είναι απαράδεκτο νόμιμα? Αυτό είναι συνήθως ανθρώπινο έντονο. Και η εστίασή μας ήταν να βρούμε πού υπάρχει μια διακύμανση στον τρόπο με τον οποίο ένας άνθρωπος μπορεί να το αντιληφθεί.

Υπάρχει πάντα αυτός ο φόβος ότι ο AI πρόκειται να φάει τις δουλειές μας. Στην πραγματικότητα, θα έλεγα ότι μας απελευθερώνει να επικεντρωθούμε σε προβλήματα υψηλότερης ποιότητας, σε σχέση με την προσπάθεια επίλυσης προβλημάτων χαμηλής ποιότητας με μόνο ακατέργαστο ανθρώπινο δυναμικό. Και έχουμε χρησιμοποιήσει το AI σε μεγάλη επίδραση για όλες τις μηχανές σύστασης μας.

Αλλά έχουμε αρχίσει επίσης να εξετάζουμε το AI από τα μοντέλα πρόβλεψης κυκλοφορίας. Χρησιμοποιούμε το AI για να βάλουμε μοντέλα στον πελάτη για να καταλάβουμε πώς μπορούμε να κάνουμε AVR, τον υπολογισμό του Bitrate. Έτσι, πότε αποφασίζετε να μεταβείτε από 360p σε 480p? Αυτές οι αποφάσεις γίνονται αυτή τη στιγμή. Ο αλγόριθμος σήμερα λέει, καλά, μπορείτε να το κάνετε τώρα, όπως σε αυτή τη στιγμή? Είναι τα τελευταία μου δείγματα αρκετά καλά? Δεν συνειδητοποιείτε ότι ίσως βρίσκεστε σε μια περιοχή δικτύου που είναι πραγματικά κακή. Μπορεί να έχετε μια στιγμιαία κορυφή, buffer, και στη συνέχεια να κατεβείτε ξανά. Στον πελάτη μου, αυτή είναι μια κακή εμπειρία. Θα προτιμούσα πολύ να μην είναι σκάλα. Αυτός είναι ένας τομέας χρήσης του.

Ποια είναι τα παραδείγματα επιτυχημένων περιπτώσεων χρήσης AI που συνεχίζουν να σας εκπλήσσουν σήμερα και ποια είναι τα συναρπαστικά προβλήματα που επιλύετε?

Ravindra Babu Tallamraju:

Έχουμε μοντέλα που επηρεάζουν κάθε σημείο επαφής του πελάτη – από τη στιγμή που συνδέονται στην αρχική σελίδα, όταν η αποστολή πρέπει να παραδοθεί και στην επιστροφή. Η πρόκλησή μας έγκειται στην εξασφάλιση ότι το επιστρεφόμενο στοιχείο είναι ακριβώς το ίδιο και είναι με τη σωστή σειρά.

Εδώ’S Μια άλλη περίπτωση: Στην αποθήκη μας, προσπαθούμε να κάνουμε τη βέλτιστη ανάθεση αποστολών στους συλλέκτες. Εδώ, η ποσότητα των δεδομένων που είναι απαραίτητο είναι περιορισμένο και θα μπορούσατε ενδεχομένως να τα προσεγγίσετε μέσω ενός μοντέλου θεωρίας ουράς. Τα δεδομένα χρησιμοποιούνται κυρίως για την επικύρωση ορισμένων από αυτά. Για τις συστάσεις, όπως αναφέρει ο Akash, χρειάζεστε τεράστια σύνολα δεδομένων. Πρέπει να καταλάβετε τι αρέσει ο πελάτης, ποιες ήταν οι προηγούμενες αγορές τους, και στη συνέχεια μπορούμε να συστήσουμε το σωστό προϊόν σε αυτούς. Και εδώ έρχονται τα τεράστια σύνολα δεδομένων και γνωρίζετε όλη την πολυπλοκότητα της οικοδόμησης ενός μοντέλου.

Harishankaran K:

Ως επιχειρηματική οικοδόμηση ενός προϊόντος, πρέπει συνεχώς να wow ο πελάτης σας. Πρέπει να ενσωματώσετε το “ απόλαυση του πελάτη ” άποψη. Και το AI είναι ένα ισχυρό εργαλείο που σας βοηθά να το κάνετε πολλές φορές.

Πίσω όταν είχα το Yahoo Mail, ήμουν πολύ ενθουσιασμένος για το πώς το Gmail Spam πηγαίνει πάντα στο φάκελο SPAM. Κανένα spam δεν θα έρθει ποτέ στα εισερχόμενά μου. Τώρα, δεν είναι πλέον εντυπωσιακό. Το έχουμε συνηθίσει.

Σήμερα, καθώς αρχίζω να πληκτρολογώ, ολοκληρώνει τις δηλώσεις μου. Αυτός είναι ο επόμενος κόσμος. Σε λίγα χρόνια, θα πληκτρολογήσω το θέμα και στη συνέχεια θα γεμίσει ολόκληρο το ταχυδρομείο για μένα, και δεν πρόκειται πλέον να είναι τα σπουδαία πράγματα.

Έρχεται σε ένα σημείο όπου, αν έρθει κάποια σύσταση’όπως, ας πούμε από το Hotstar και το Myntra, και αν δεν μου αρέσει, ίσως να νομίζω εκεί’κάτι λάθος με μένα και ίσως αυτό πρέπει να είναι το πράγμα που χρειάζομαι. Έχετε την τάση να εμπιστεύεστε τόσο πολύ που προχωράτε πιστεύοντας ότι αυτό πρέπει να είναι σωστό και ίσως δεν είμαι στη σωστή κατάσταση του νου. Πιστεύω λοιπόν ότι αυτό είναι το σημείο όπου η επιτυχημένη περίπτωση του AI, όπως τα αυτοκίνητα αυτο-οδήγησης, είναι αυτή που θα ήταν η καλύτερη επιτυχημένη περίπτωση χρήσης AI.