ویرگول
ورودثبت نام
Mehdi Saeedi
Mehdi Saeedi
Mehdi Saeedi
Mehdi Saeedi
خواندن ۵ دقیقه·۴ سال پیش

تحلیل داده، ابزار تصمیم‌های بزرگ در سرویس‌های VOD


طی هفته‌‏های گذشته در خبرها خواندیم که پلت‏‌فرم «فیلیمو» فصل دوم «می‌‏خواهم زنده بمانم» را نخواهد ساخت.

این سریال یکی از پربیننده‏‌ترین سریال‌‏های پلت‌فرم‌‏های VOD در چند سال اخیر بوده است. اما چه شده که پلت‌فرمی ‏‌که کیفیت و استقبال مخاطبان از محتوا اصلی‌‏ترین رکن درآمدزایی آن است، یکی از پربیننده‌‏ترین سریال‏‌های خود را به فصل دوم نمی‌‏برد؟ یا چرا در ادامه یکی از ناموفق‌‏ترین پروژه‌‏هایش در حال ساخت فصل دوم آن است؟

به این بهانه می‌خواهم به یکی از پایه‌‏ای‌‏ترین مفاهیم حوزه VOD اشاره کنم و کمی ‏در مورد آن و تجربه‌‏های موفق دنیا بپردازم.

چگونه پلتفرم‏‌های موفق دنیا در تولید، انتخاب محتوا و تصمیم‏ گیری‌‏های چند میلیون دلاری از تجزیه و تحلیل داده‌‏ها استفاده می‏کنند؟

حقیقت ماجرا این است که داده‏‌ها تقریبا بزرگترین راهبران سرویس‏‌ها در تولید و انتخاب محتوا هستند. در واقع پلت‏فرم‌‏های موفق دنیا خصوصا «نتفلیکس»، سرویس‏‌های کاملا «داده محورند». این فرهنگی است که نه تنها در میان سازمان‏‌ها و ساختارهای تصمیم‏‌گیری نهادینه شده است که سازندگان و تولیدکنندگان نیز آن را آموخته و برای آن اصالت قائلند.

سال‏‌های پیش، نتفلیکس در جریان یک پژوهش بزرگ فهمید که کاربرانی که حداقل ده تا پانزده ساعت محتوا در ماه تماشا می‏‌کنند، اشتراک خود را در ماه‌‏های بعد تمدید خواهند کرد. از این رو باید با سیاستی به سمت تولید محتواهایی می‌‏رفت که بیننده را به تماشای حداقل پانزده ساعت محتوا در ماه ترغیب کند. این محتوا نمی‌‏توانست فیلم‌‏های سینمایی باشد. از دل این پژوهش بود که سیاست تولید سریال اتخاذ شد. محتوایی که می‏توان بعد از کار و قبل از خواب یک ساعت آن را تماشا کرد و در طول ماه آن را تکرار کرد. نتفلیکس پس از آن با پژوهش‏‌های بسیار مفصل در خصوص ذائقه و علاقه‏‌مندی‏‌های مخاطبان تلاش کرد که موضوع و قصه اولین سریال خود را بیابد. نتایج این پژوهش‏ها به خلق سریال موفق «خانه پوشالی» منجر شد و آغازگر مسیر تغییر در صنعت سریال سازی دنیا.


شاید در آینده مسیر پژوهش و جمع‌‏آوری داده‌‏ها و تحلیل آن را در پروژه خانه پوشالی به تفصیل توضیح دادم. اما به صورت خلاصه در مسیر این جمع آوری داده‌‏ها، نتفلیکس متوجه شد که بخش زیادی از کاربرانش به مینی سریال خانه پوشالی 1990 ساخت انگلیس علاقه مندند. علاوه بر آن بخش زیادی از آن‏ها دو وجه اشتراک دیگر هم دارند؛ بازیگر مورد علاقه آن‏ها «کوین اسپیسی» است و تقریبا بخش زیادی از آن‏ها به آثار «دیوید فینچر» نیز علاقه‏‌مندند. از همه مهمتر در حال حاضر هیچ محصول رسانه‏ای شبیه به داستان خانه پوشالی وجود ندارد. شما بودید بر اساس این نتایج چه تصمیمی ‏می‏‌گرفتید؟

داده‌‏ها، از آن پس بود که تبدیل به بازیگر اصلی تصمیم ‏گیری‏‌های سرویس‌‏های پخش فیلم و سریال شدند و امروز این سرویس‌‏ها خصوصا نت‏فلکیس از داده‌‏ها برای تمامی ‏تولیدات و تصمیم‏ گیری‏‌های خود استفاده می‏‌کنند. شاید درست‌‏تر باشد که بگوییم داده‌‏ها از هر گزاره‌‏ی دیگری مهم‏ترند.

آن‏ها تقریبا فرماندهی می‏‌کنند.

من نقطه ضعف تصمیم ‏گیری‏‌های تولید و انتخاب محتوا در سرویس‏های VOD ایرانی را همین نقطه می‏‌دانم. شهرت کارگردان، روابط تهیه‏‌کنندگان، علاقه مدیران سرویس‌‏ها و هزار عامل دیگر در بسیاری از پروژه‏‌ها تبدیل به شکست شده‌‏اند. شکستی که در یک فرآیند معیوب و ساختار غلط، نمی‌‏توان آن را به سازندگان سریال ثابت کرد. در مقابل هیچ سیستم تصمیم‌‏گیری درستی برای شناختن پروژه‌‏های موفق وجود ندارد.

در کنار آن سرویس‌‏های VOD و در راس آن‏ها نتفلیکس، به سرعت فهمیدند که چگونه سازندگان را در مقابل محتوایی که می‌‏سازند مسئولیت‎‌‏پذیر کنند. آن‏‌ها از طریق فرمول‏‌های ساده در عقد قرارداد توانستند سیستم‌‏های نظارتی قدرتمندی را روی کیفیت تولید اعمال کنند.

اما چه آمارهایی در این تحلیل داده‌‏ها اهمیت دارند و اصولا چگونه طراحی می‏‌شوند :

در ابتدا، می‏‌شود «نرخ تکمیل» برنامه‌‏ها و سریال‌‏ها را دید. نرخ تکمیل مفهومی است که به دلیل نبود ترجمه بهتر برای « completion rate » به کار رفته است. نرخی که طی آن می‏‌شود فهمید چه مقدار از کاربران، هر محتوا را به پایان رسانده‌‏اند. برای مثال می‌‏توان در مقیاس بزرگ روی تمامی ‏کاربران، بررسی کرد که چه میزان آن‌ها برنامه «شب‌‏های مافیا» را دیده‌‏اند. در مرحله بعد می‌‏توان بررسی کرد که از این تعداد چه میزانی فصل یک را به پایان برده‌‏اند و به سراغ فصل دو رفته‌‏اند. بیایید فرض کنیم 70 درصد. سوال بعدی این جاست که آن 30 درصد دیگر چه کرده‌‏اند؟ فاصله بین تماشای هر قسمت و یا هر فصل چقدر بوده؟ در فاصله بین این دو قسمت سراغ چه برنامه‏‌ها و محتواهایی رفته‌‏اند؟

از کنار هم قراردادن تمامی‏ این جواب‏ها می‏توان به درکی درست و عمیق از میزان مشارکت و تعامل کاربران رسید.

اما ممکن است برای شما هم مثل من جالب باشد که هم داده‏‌های عمیق‏‌تری برای بررسی وجود دارند و هم این داده‌‏ها علاوه بر نشان دادن مسیر و دست فرمان تولید می‏‌توانند تبدیل به راهنمایی برای بخش هنری هم باشند. سر و شکل، اتمسفر و زیبایی شناسی بصری هم می‏‌تواند از تحلیل داده‌‏ها به دست بیاید.

می‏توانیم خیلی خلاصه نگاهی بیاندازیم به برخی از سرفصل‏های جمع آوری داده‌‏ها :

  • چه زمانی کاربران روی یک محتوا مکث می‏‌کنند، عقب می‌‏روند و یا سریع جلو می‌‏روند. همچنین چه زمانی محتوا را نگه می‌دارند و برای مدتی آن را رها می‏‌کنند.
  • چه محتواهایی در چه روزهایی تماشا می‎‌‌‏‌شوند و همچنین در چه تاریخ‌‏هایی (نتفلیکس دریافته است که مردم در طول هفته برنامه‏‌های تلویزیونی و سریال و در آخر هفته فیلم تماشا می‌‏کنند)
  • چه ساعتی محتوا را تماشا می‌‏کنند و از کجا و در چه شهرهایی؟
  • از چه دستگاهی برای تماشا استفاده می‌کنند؟
  • بررسی دقیق رتبه بندی داده شده و جستجوهای روزانه

جالب است که در نتفلیکس همچنین به داده‌‏های درون هر اثر نیز نگاه می‏‌کنند و آن را بررسی می‌‏کنند. نگاه به حجم، رنگ و مناظر و نقاطی که برای بینندگان جذابند. پلان‏‌هایی که بیشتر دیده شده‏‌اند و احیانا از روی آن‏ها اسکرین شات گرفته شده است.


می‌دانم که این داده‌‏ها جزیی از طبقه بندی شده‏‌ترین داده‏‌های هر سرویس و بخش مهمی از «دارایی» آن‏هاست اما دوست داشتم بخشی از این داده‌‏ها را در مورد دو سریال «همگناه» و «می‏‌خواهم زنده بمانم» داشته باشم و این دو را با هم مقایسه کنم. تا دقیق‏‌تر بدانم چگونه یکی به فصل دوم رفت و دیگری برای همیشه تمام شد. این مقایسه‌‏ها و بررسی‏‌ها را در مورد بسیاری دیگر نیز می‏‌توانیم به کار بگیریم.

این مسیر است که احتمالا به مدیران و تصمیم‌‏گیران سرویس‌‏های محتوایی جرات تصمیم‏‌گیری‏‌های بزرگ می‏‌دهد. برای اهالی رسانه، بخشی از درک و دریافت از بازار همیشه در طول تاریخ رسانه، شهودی بوده است. اما این شهود لزوما نمی‌‏تواند مبنای تصمیم‌‏گیری‏‌های بزرگ باشد. امروز شاهد سرمایه‌‏گذاری‏‌های میلیاردی در حوزه ساخت سریال و برنامه در VOD ها هستیم. تصمیم‏‌های میلیاردی که لزوما نتایج بزرگی در پی ندارند. نگاه کردن به شیوه‏‌ی عملکرد سرویس‏های موفق دنیا، احتمالا مسیر خوبی برای حفظ منابع مالی است.

امیدوارم در آینده بشود در مورد سیستم‏ها و الگوریتم‏‌های پیشنهاد محتوا، بررسی جستجوهای روزانه، تاثیر این داده‌‏ها بر افزایش درآمد و نحوه عملکرد این سرویس‏‌ها در افزایش خرید اشتراک نیز بیشتر بگویم. تا این جا به نظرم بیش از حد طولانی آمد.

تحلیل دادهvodسریالنمایش خانگیتولید محتوا
۴
۱
Mehdi Saeedi
Mehdi Saeedi
شاید از این پست‌ها خوشتان بیاید