In questo secondo articolo voglio condividere con te altri due esempi di successo di Data Science.
Nel pezzo precedente “Casi di studio di scienza dei dati: commercio al dettaglio” ho raccontato di come Walmart e Amazon integrino nei loro servizi la scienza dei dati, e di come ciò consenta loro di fare la differenza nel proprio settore.
Oggi invece voglio parlarti di due aziende famose a livello globale che hanno rivoluzionato l’industria dell’intrattenimento cinematografico e musicale: sto parlando di Netflix e Spotify.
Questi leader mondiali non solo sfruttano la Data Science per migliorare i propri servizi, ma la utilizzano anche per aprire nuove linee di business diventando subito competitivi nel nuovo settore in cui si cimentano.
Ma vediamo ora concretamente come queste aziende applicano la scienza dei dati nella quotidianità.
Netflix
Netflix ha iniziato come servizio di noleggio di DVD nel 1997, per poi espandersi nel business dello streaming.
Per un decennio abbondante ha operato nel solo territorio statunitense, cercando di competere con il leader mondiale dei film a noleggio: Blockbuster.
Dopo un’attenta valutazione di come si stava sviluppando il mercato dell’intrattenimento, Netflix ha invertito il suo trend investendo sul mondo digitale e espandendosi in tutto il globo.
Con sede a Los Gatos, in California, Netflix oggi è la più grande azienda di streaming di contenuti al mondo.
Attualmente ha oltre 208 milioni di abbonati a pagamento, e con migliaia di dispositivi intelligenti conta circa 3 miliardi di ore di visione ogni mese.
Il segreto di questa massiccia crescita e popolarità di Netflix è proprio l’uso avanzato della scienza dei dati.
Ad esempio, Netflix sfrutta le informazioni raccolte per creare sistemi di raccomandazione che forniscono consigli su contenuti personalizzati e pertinenti.
Basti pensare che i dati che vengono analizzati ogni giorno provengono da oltre 100 miliardi di eventi sulla piattaforma.
1. Sistemi di raccomandazione personalizzati
Netflix utilizza oltre 1300 cluster (gruppi di server) di consigli basati sulle preferenze di visualizzazione dei clienti per fornire un’esperienza personalizzata ad ognuno di essi.
Alcuni dei dati che Netflix raccoglie dai suoi utenti sono: tempo di visualizzazione, ricerche tramite parole chiave, informazioni relative all’abbandono, tempo in pausa sui contenuti, rewatch.
Utilizzando questi dati, Netflix può prevedere cosa guarderà uno spettatore, e fornire una lista personalizzata a ogni abbonato.
Altri algoritmi utilizzati dal sistema di consigli di Netflix sono determinati dalle liste personalizzate dei video degli utenti, dalle fasce orarie di tendenza, e dal tempo continuativo di visualizzazione dei contenuti.
2. Sviluppo di nuovi contenuti
Netflix utilizza la scienza dei dati per analizzare il comportamento dei suoi utenti, creando modelli per individuare temi e categorie che le masse preferiscono guardare.
Questi dati vengono utilizzati per produrre spettacoli come “The umbrella academy”, “Orange Is the New Black” e “Queen’s Gambit”.
La realizzazione di questi programmi può sembrare un azzardo per Netflix, ma si basa sull’analisi dei dati, cosa che assicura all’azienda una previsione pertinente sul successo che avranno con il pubblico.
La Data Science insomma sta aiutando Netflix a creare contenuti che i suoi spettatori vorrebbero guardare ancor prima di saperlo!
3. Analisi marketing per le campagne
Netflix utilizza l’analisi dei dati per trovare il momento giusto per lanciare spettacoli e campagne pubblicitarie di massimo impatto sul pubblico di destinazione.
L’analisi di marketing aiuta l’azienda a creare trailer e miniature diversi per i gruppi di spettatori selezionati.
Ad esempio, il trailer della quinta stagione di “House of Cards” con una gigantesca bandiera americana è stato lanciato durante le elezioni presidenziali americane poiché avrebbe “risuonato” bene con il pubblico.
Spotify
In un mondo in cui l’acquisto di musica è un ricordo del passato e lo streaming è una tendenza consolidata, Spotify è emersa come una delle piattaforme più popolari al mondo.
Con 320 milioni di utenti mensili, circa 4 miliardi di playlist e circa 2 milioni di podcast, è in testa al gruppo comprendente Apple Music, Wynk, Songza e Amazon Music.
Anche in questo caso il successo di Spotify è dipeso principalmente dalla Data Analysis.
Analizzando enormi volumi di dati sugli ascoltatori, l’azienda fornisce servizi personalizzati e in tempo reale.
Ed è per questo che la maggior parte delle entrate di Spotify proviene da abbonamenti premium a pagamento.
1. Personalizzazione dei contenuti tramite sistemi di raccomandazione
Spotify utilizza specifici algoritmi per generare consigli musicali per i suoi ascoltatori in tempo reale.
Uno di questi ignora qualsiasi canzone che un utente ascolti per meno di 30 secondi.
Il modello viene riqualificato ogni giorno per fornire raccomandazioni aggiornate.
Un nuovo brevetto concesso a Spotify per un’applicazione di Intelligenza Artificiale viene utilizzato per identificare i gusti musicali di un utente in base a segnali audio, sesso, età, e molte altre caratteristiche.
Spotify crea playlist giornaliere per i suoi ascoltatori, basate su profili di gusto chiamati “Daily Mixes”, che contengono brani che l’utente ha aggiunto alle proprie playlist, o creati dagli artisti che ha incluso nelle proprie playlist.
Include anche nuovi artisti e brani con cui l’utente potrebbe non avere familiarità, ma che potrebbero migliorare la sua playlist giornaliera.
Simili al “Daily Mixes” sono le playlist settimanali “Release Radar”, che contengono brani di artisti appena pubblicati che l’ascoltatore segue o ha apprezzato in precedenza.
2. Marketing mirato attraverso la segmentazione del cliente
Spotify utilizza l’enorme “set” di dati raccolti per creare campagne pubblicitarie mirate e consigli di servizi personalizzati per i suoi utenti.
Usa modelli Machine Learning per analizzare il comportamento dell’ascoltatore e raggrupparlo in cluster in base a preferenze musicali, età, sesso, etnia, ecc.
Questi approfondimenti aiutano Spotify a creare campagne pubblicitarie per un pubblico specifico.
Una delle più famose è quella degli annunci ispirati ai meme per potenziali clienti target, che è stato un enorme successo a livello globale.
3. Reti neurali per la classificazione di brani e tracce audio
Spotify crea modelli audio per valutare i brani e le tracce, il che aiuta a sviluppare playlist e consigli migliori per gli ascoltatori.
Questi modelli consentono a Spotify di filtrare nuovi brani in base ai loro testi e ritmi, e consigliare agli iscritti pezzi simili.
Spotify utilizza anche la PNL (elaborazione del linguaggio naturale) per scansionare articoli e blog che analizzano le parole usate per descrivere le canzoni e gli artisti.
Queste informazioni analitiche possono aiutare a raggruppare e identificare artisti e brani simili e sfruttarli per creare playlist.
Conclusioni
Come abbiamo visto, la chiave del successo per Netflix e Spotify è l’analisi dei dati.
Questa ossessione per lo studio delle informazioni raccolte dall’attività quotidiana degli utenti consente alle aziende di anticipare le scelte degli abbonati e di tenerli legati ai servizi.
Conoscere prima il successo di una nuova serie – o creare campagne pubblicitarie specifiche per utenti selezionati – permette a Netflix e Spotify di ridurre il rischio di investimento e puntare in maniera decisa su nuove scelte di business.
Nel prossimo articolo ti parlerò di altre due piattaforme di successo mondiale: Airbnb e Uber.
Come puoi ben immaginare anche queste due aziende hanno fondato il loro successo sulla scienza dei dati.
