Résumé

Dans cet article, nous explorons comment Disney Hotstar utilise les mégadonnées et l’intelligence artificielle. Hotstar, un service de streaming populaire en Inde, s’est récemment associé à Disney Plus et renommé Disney Plus Hotstar. Avec plus de 300 millions d’utilisateurs actifs, Hotstar s’appuie sur les mégadonnées pour obtenir des informations, améliorer l’expérience utilisateur et prendre des décisions basées sur les données. Voici dix points clés sur la façon dont Hotstar utilise les mégadonnées:

1. Les mégadonnées aident à l’analyse et à l’organisation d’ensembles de données importants et complexes que les méthodes traditionnelles ont du mal à gérer.
2. Les trois V de Big Data – volume, vitesse et variété – sont cruciaux pour comprendre son ampleur.
3. Hotstar propose une large gamme d’émissions de télévision indiennes et diffuse des matchs en direct de la Premier League indienne en plusieurs langues.
4. Avec 46.4 millions d’abonnés payants, l’abonnement à bas prix de Hotstar contribue à sa popularité massive.
5. Hotstar utilise la technologie des données pour gérer la grande quantité de données générées par la plate-forme.
6. Big Data profite aux entreprises en fournissant des informations sur les concurrents et en créant de nouvelles opportunités commerciales.
7. Big Data propose un élément scientifique aux campagnes de marketing, permettant aux spécialistes du marketing de réaliser des stratégies basées sur les données.
8. Hotstar a connu une augmentation de l’utilisation pendant la pandémie, contribuant à la croissance des plateformes OTT.
9. Les mégadonnées jouent un rôle important dans le ciblage des annonces, aidant les annonceurs à comprendre les préférences du public et à optimiser les placements d’annonces.
10. L’analyse des mégadonnées permet la prédiction du comportement du spectateur, permettant aux plateformes de répondre à leurs préférences et d’améliorer l’expérience utilisateur.

15 questions uniques

1. Comment les mégadonnées aident-elles à l’analyse des ensembles de données grands et complexes?

Les mégadonnées aident à analyser et à organiser des ensembles de données que les méthodes traditionnelles ont du mal à gérer en raison de leur volume, de leur vitesse et de leur variété. Il permet aux entreprises d’obtenir des informations précieuses et de prendre des décisions basées sur les données.

2. Quels sont les trois V du Big Data?

Les trois V de Big Data sont le volume, la vitesse et la variété. Le volume fait référence à la quantité massive de données générées, la vitesse signifie la vitesse à laquelle les données sont générées et traitées, et la variété représente les différents types et sources de données.

3. Pourquoi Hotstar est-il populaire parmi les Indiens?

Hotstar est populaire parmi les Indiens en raison de son offre d’un large éventail d’émissions de télévision indiennes et du streaming en direct des matchs de Premier League indiens en plusieurs langues. De plus, son prix d’abonnement abordable contribue à sa popularité.

4. Comment Hotstar gère-t-il la grande quantité de données générées sur la plate-forme?

Hotstar utilise la technologie des données pour gérer la quantité importante de données générées quotidiennement. Cela garantit un stockage, une organisation et une analyse efficaces des données, permettant à Hotstar de prendre des décisions éclairées.

5. Quels sont les avantages du Big Data pour les entreprises?

Big Data offre plusieurs avantages pour les entreprises, notamment une meilleure compréhension des concurrents, l’identification de nouvelles opportunités commerciales et la capacité de réaliser des stratégies de marketing basées sur les données.

6. Comment la pandémie a-t-elle affecté les plates-formes OTT comme Hotstar?

La pandémie a conduit à une utilisation accrue de plates-formes OTT comme Hotstar alors que les gens cherchent des moyens de passer le temps. L’observation de la frénésie est devenue une activité populaire pendant la période de quarantaine, contribuant à la croissance de ces plateformes.

7. Comment les mégadonnées jouent-elles un rôle dans le ciblage d’annonces?

Les mégadonnées permettent un ciblage d’annonces précis en fournissant un aperçu des préférences et des comportements d’audience. Analyser des données sur le contenu que le public regarde, avec lesquels les annonces avec lesquelles ils s’engagent, et leurs préférences aident les annonceurs à optimiser leurs stages d’annonces.

8. Comment les mégadonnées aident-elles à prédire le comportement du spectateur?

L’analyse des mégadonnées permet aux plateformes comme Hotstar de prédire le comportement du spectateur en comprenant des facteurs tels que l’engagement des annonces, des préférences, des préférences, des habitudes de sauté de contenu et des informations démographiques. Cela aide à personnaliser l’expérience utilisateur et à améliorer la satisfaction des clients.

9. Comment les mégadonnées influencent-elles les évaluations vidéo sur des plateformes comme Hotstar?

Big Data contribue à déterminer les cotes vidéo sur des plateformes comme Hotstar. En analysant le comportement et les préférences des utilisateurs, Hotstar peut identifier quels types de contenu sont préférés par leur public et utiliser ces données pour prendre des décisions concernant les renouvellements de spectacles et les lancements de nouveaux spectacles.

10. Comment les mégadonnées contribuent-elles à la planification des flux sur des plateformes comme Hotstar?

Avec la montée en puissance du streaming en direct, les mégadonnées jouent un rôle dans la planification des flux. En analysant les données sur le comportement et les préférences du spectateur, des plates-formes comme Hotstar peuvent planifier stratégiquement leurs flux pour maximiser l’engagement du public et fournir une expérience de visualisation transparente.

11. Comment les analyses sont-elles utilisées pour améliorer les stratégies publicitaires?

Les analyses fournissent des statistiques fiables sur les habitudes de visualisation, les préférences et les interactions AD. Les annonceurs peuvent tirer parti de ces données pour affiner leurs stratégies publicitaires, optimiser la fréquence publicitaire et cibler des publics spécifiques, ce qui entraîne des campagnes publicitaires plus efficaces et ciblées.

12. De quelle manière les mégadonnées contribuent-ils à la satisfaction du client?

Les mégadonnées aident à comprendre les préférences, les besoins et les sentiments des clients en analysant les données provenant de diverses sources telles que les messages de publication et les interactions du service client. Ces informations peuvent être utilisées pour personnaliser les expériences des clients, améliorer les offres de produits et améliorer la satisfaction globale du client.

13. Quel rôle joue les mégadonnées dans la production et la rétention des plateformes de streaming?

L’analyse des mégadonnées permet aux plateformes de streaming de comprendre quels types de contenu résonnent avec leur public et lesquels doivent être évités. Ces informations influencent les décisions concernant les renouvellements des émissions, les lancements de nouveaux spectacles et la production de contenu qui s’aligne sur les préférences du spectateur, conduisant à une rétention plus élevée du spectateur.

14. Comment les mégadonnées contribuent-elles au succès des plateformes comme YouTube?

Des plateformes comme YouTube utilisent les mégadonnées pour comprendre la démographie, les préférences et les comportements de leur public. Ces données aident à fournir du contenu ciblé, à recommander des vidéos basées sur les intérêts des utilisateurs et à fournir une expérience utilisateur personnalisée.

15. Quelles étapes les entreprises devraient-elles prendre pour améliorer leurs capacités de mégadonnées?

Les entreprises devraient investir dans l’amélioration de leurs capacités de Big Data en collectant des données pertinentes, en mettant en œuvre des outils d’analyse de données et en embauchant des professionnels de données qualifiées. De plus, rester à jour avec les dernières tendances et progrès de la technologie des mégadonnées est crucial pour exploiter son potentiel.

16. Quels sont les principaux facteurs que les entreprises doivent considérer dans l’application des mégadonnées?

Lors de l’application des mégadonnées, les entreprises devraient prendre en compte des facteurs tels que la sécurité des données et la confidentialité, l’utilisation éthique des données, l’évolutivité de l’infrastructure de données, la qualité des données et la précision et l’alignement des initiatives de Big Data avec les stratégies et objectifs commerciaux globaux.

Comment Disney Hotstar utilise les mégadonnées et l’intelligence artificielle

Les entreprises de chaque entreprise devraient travailler pour améliorer leurs capacités de mégadonnées afin qu’elles puissent en bénéficier. En savoir plus sur les applications du Big Data dans la vie quotidienne.

Comment Hotstar utilise-t-il les mégadonnées?

Le Big Data est un domaine qui facilite l’analyse des données, l’organisation systématique des données ou la gestion de grands ensembles de données qui dépassent les capacités du logiciel d’analyse des données typique.

En d’autres termes, les mégadonnées se réfèrent à un grand nombre d’ensembles de données complexes, en particulier ceux dérivés de nouvelles sources. Ces données sont si grandes que les méthodes traditionnelles ont du mal à les comprendre. C’est à ce moment que les mégadonnées jouent un grand rôle.

Les mégadonnées contribuent également à la résolution des problèmes commerciaux que les méthodes traditionnelles ne parviennent pas à détecter. Les trois V de Big Data sont le volume, la vitesse et la variété. C’est pour que nous puissions comprendre comment mesurer les mégadonnées.

D’un autre côté, Hotstar est un service de streaming populaire en Inde. Hotstar s’est récemment associé à Disney Plus, ce qui a entraîné le rebranding of hostar sous le nom de Disney Plus Hotstar. Depuis sa cure de jouvence, Disney Plus Hotstar est devenu courant dominant.

La plate-forme diffuse des émissions de télévision indiennes dans une variété de langues. Et n’oubliez pas le streaming en direct de la Premier League indienne, qui est disponible en six langues différentes. Cela suffit pour comprendre pourquoi Disney Plus Hotstar est si populaire parmi les Indiens.

Pour l’instant, Disney Plus Hotstar compte 300 millions d’utilisateurs actifs, avec 46.4 millions de ceux qui sont des abonnés payés. Une autre raison de la popularité de Hotstar est qu’elle vend son abonnement à un prix très bas.

Une grande quantité de données est enregistrée quotidiennement pour une entreprise comme Hotstar. Étant donné que la gestion de ces données devient irréalisable pour l’organisation, la technologie des données est embauchée. Avant de voir comment les mégadonnées sont utilisées dans Hotstar, il est important de comprendre ce qu’est le Big Data et comment il peut bénéficier à une entreprise.

Comment les mégadonnées profitent-elles aux entreprises?

Les mégadonnées peuvent être utilisées pour mieux comprendre les concurrents. Les mégadonnées sont utilisées par les nouveaux entrants et les entreprises passionnantes dans tous les domaines, qu’il s’agisse d’informations ou de soins de santé. Chaque industrie utilise les mégadonnées. Le Big Data aide à la création de nouvelles opportunités commerciales.

Pour les campagnes marketing, Big Data a introduit un élément scientifique. Il donne aux spécialistes du marketing des outils pour les aider avec leurs stratégies de marketing. La majorité de ces entreprises seront au centre des flux de données massifs, y compris les services et les produits, les fournisseurs et les acheteurs, l’intention et les préférences des consommateurs, et plus.

Les entreprises de chaque entreprise devraient travailler pour améliorer leurs capacités de mégadonnées afin qu’elles puissent en bénéficier. En savoir plus sur les applications du Big Data dans la vie quotidienne.

Impact du Big Data sur Hotstar

Les jours de quarantaine sont terminés, mais pas l’habitude de regarder la frénésie. Depuis le problème de la pandémie, des gens du monde entier cherchaient un moyen de passer le temps.

Presque le moyen préféré de tout le monde de passer le temps est de regarder la frénésie. Pandemic était une période où les plates-formes OTT telles que Hotstar, Netflix et Amazon Prime Video étaient fortement utilisées pour le streaming de films et de séries. Ces plateformes augmentent en nombre et deviennent plus avancées technologiquement.

Les mégadonnées sont l’un des perturbateurs les plus importants du taux croissant de ces plateformes. Compte tenu de la population d’aujourd’hui, c’est un must car, comme pour tout le reste, l’objectif est de maximiser la prolifération. Alors, regardons comment les mégadonnées affectent le secteur du divertissement.

Ciblage publicitaire

La publicité a commencé avec la distribution des brochures, puis est passée à la radio jingles, et maintenant nous avons de la publicité sur les plateformes de médias sociaux. Le secteur des médias compte actuellement des milliards de téléspectateurs. Il est essentiel d’avoir une bonne stratégie de placement pour rivaliser. La fréquence du jeu publicitaire est extrêmement importante dans la publicité.

L’objectif principal de la publicité de nos jours est lorsque le public regarde un contenu spécifique sur quelle plate-forme. Analytics fournit des statistiques fiables sur quoi et quand le public regarde quel contenu. Quelles publicités que la foule regarde et quelles publicités qu’ils ignorent révèlent quelles sont leurs préférences et ce qu’ils peuvent ne pas aimer.

Prédiction du comportement des téléspectateurs

Les clients sont importants pour le succès de l’entreprise. Plus le client est heureux, plus les revenus de l’entreprise sont élevés. Big Data recueille toutes les émotions des clients via leurs messages de publication et leur service client.

Big Data offre l’échec des téléspectateurs en voyant une publicité, comme combien de temps ils regardent une annonce, quel type de publicités ils favorisent, quel type de spectacles ils préfèrent et quel type de contenu ils sautent pour regarder, etc.

Les mégadonnées donnent également des informations telles que le groupe d’âge du public sur diverses plateformes et le type de téléphones mobiles qu’ils utilisent. YouTube est un exemple fantastique d’une plate-forme qui utilise ces informations pour comprendre son public et fournir du contenu qu’ils apprécient.

Notes vidéo

Big Data a profité aux services tels que Netflix, Amazon Prime et Hotstar. Semblable à YouTube, ces plateformes reposent sur les mégadonnées pour prévoir le comportement des utilisateurs. Ces statistiques, en revanche, sont extrêmement détaillées et influencent directement la production et la rétention.

Ces plateformes utilisent les mégadonnées pour déterminer quels types de contenu sont préférés par leurs clients et lesquels sont évités afin de renouveler le spectacle pour la saison prochaine. Ils font la même chose avant de lancer un nouveau spectacle sur leurs plateformes.

Planification des flux

Le concept de streaming en direct gagne du terrain ces jours-ci, que ce soit sur les réseaux sociaux ou dans les médias grand public. Le public semble aimer la webdiffusion en direct. Twitch est une plate-forme populaire pour les créateurs de contenu pour interagir avec leur public en temps réel.

Les annonceurs utilisent cette opportunité pour promouvoir leurs produits devant leur public cible. L’analytique aide à déterminer le meilleur moment pour diffuser afin de se connecter avec le plus grand nombre de personnes, ainsi que le type de produit aidera à capter l’attention du public dans son ensemble, comme l’explique GoodworkLabs.

Hotstar utilise les mégadonnées pour déplacer ses utilisateurs de freemium dans des utilisateurs premium

L’équipe marketing examine les quatre aspects afin de convertir les abonnés de Freemium en membres premium engagés.

Expérience utilisateur individualisée

Il est important d’explorer au-delà.

Combien de fois l’utilisateur ouvre l’application et le contenu qu’il regarde, combien de temps il regarde un contenu spécifique ou la lenteur du consommateur à aller dans l’entonnoir et ce qui les persuadera de devenir des clients fidèles?

Une fois le comportement de l’utilisateur prévu, il est simple de le contourner et de déplacer les utilisateurs le long de l’entonnoir en utilisant du contenu emballé et poussé en fonction d’une compréhension approfondie des personnages des utilisateurs et des psychographies.

Recommander le contenu en fonction du style de vie

Les abonnés peuvent gaspiller leur argent s’ils ne retournent pas sur les plateformes pour examiner le contenu après avoir payé l’adhésion. Les fans de sport utilisent Hotstar juste au moment où il y a du streaming en direct d’un match, et ils ne l’utilisent pas les autres jours. Il est difficile de persuader ces personnes de s’abonner et de profiter de tous les divertissements que Hotstar a à offrir.

Pour atteindre cet objectif, l’entreprise identifie et classe les individus en fonction des caractéristiques numériques telles que la navigation et la visualisation de l’historique, les modèles de consommation de contenu et d’autres préférences. Si l’utilisateur est un utilisateur de plate-forme gratuit, déplacez-le dans l’entonnoir en proposant des articles de la bibliothèque premium qui sont les plus susceptibles d’être intéressés par.

Messagerie personnalisée au bon moment

Maintenir l’élan avec une campagne qui peut attirer l’attention des gens plutôt que de simplement déplacer des statistiques. Ils ont dû envoyer des notifications push à des millions d’utilisateurs, qu’ils ont accomplies à l’aide de Clever Tap, une plate-forme de gestion et d’engagement de style de vie des clients qui peuvent envoyer jusqu’à 25 millions de messages push par seconde.

Faire la connexion n’était qu’un aspect du plan. Il était également important d’identifier les jours et les heures de la semaine où diverses catégories d’utilisateurs sont les plus engagées et les plus réceptives aux notifications push. Dans cette procédure, Hotstar a exploité ces informations pour augmenter les clics trois fois.

S’engager avec les utilisateurs en temps réel

Surveillance de l’activité de l’utilisateur pour voir à quelle fréquence et récemment les utilisateurs ont utilisé le trousseau lorsqu’un utilisateur regarde quelque chose sur l’application, puis le ferme brusquement, cela est interprété comme une opportunité de leur donner une notification push les encourageant à terminer ce qu’ils ont commencé.

Cela permet à Hotstar d’avoir un meilleur taux de conversion et une meilleure consommation de plus de contenu par les utilisateurs. (source)

Pour résumer, nous pouvons voir comment Hotstar utilise les mégadonnées pour développer son entreprise. Nous pouvons fortement convenir que Hotstar a réussi à cet égard, en fonction du nombre d’abonnés qu’il a attirés. Les mégadonnées ont le potentiel d’avoir un impact positif sur l’entreprise si elles sont utilisées correctement.

Partager Blog:

Faire partie de notre Instagram communauté

Blogs tendance

• 5 facteurs influençant le comportement des consommateurs en savoir plus
• L’élasticité de la demande et de ses types en savoir plus
• Qu’est-ce que l’analyse du pilon? Tout ce que vous devez savoir à ce sujet en lisez la suite
• Un aperçu de l’analyse descriptive en savoir plus
• Qu’est-ce que l’économie managériale? Définition, types, nature, principes et portée Lire la suite
• 5 facteurs affectant l’élasticité des prix de la demande (PED) Lire la suite
• Dijkstra’Algorithme S: l’algorithme de chemin le plus court en savoir plus
• 6 branches majeures de l’intelligence artificielle (IA) Lire la suite
• Portée de l’économie managériale en savoir plus
• 7 Types d’analyse statistique: définition et explication Lire la suite

Comment Disney + Hotstar utilise les mégadonnées et l’intelligence artificielle

Disney + Hotstar est l’une des plates-formes de streaming montantes du monde entier. Bien qu’il ait juste commencé à offrir des services dans diverses régions, il’S devenue déjà un favori des fans en raison de sa collection de contenu Disney et d’un tas de spectacles appartenant à Fox, HBO et Showtime. De plus, vous pouvez également attraper des flux de matchs en direct.

Disney + Hotstar est capable de donner à d’autres plateformes de streaming une course pour leur argent car il a intégré des technologies avancées comme les mégadonnées et l’intelligence artificielle pour améliorer la plate-forme’S Capacités.

Dans le cas, nous’Ve a piqué votre intérêt, vous pouvez essayer Disney Plus Bundle au Royaume-Uni pour tester par vous-même la façon dont la plate-forme de streaming se réalise par rapport au reste de ses concurrents.

Laisser’s entrez dedans.

Utilisation d’une plate-forme de livraison cloud pour le streaming

Disney + Hotstar a enrôlé l’aide d’Akamai Technologies tout en streaming Vivo IPL 2018. Le 10 avril 2018, pour le jeu entre Chennai Super Kings (CSK) et Kolkata Knight Riders (KKR), le téléspectateur a culminé à 5.5 millions de vues simultanées. Apparemment, c’était tout à fait le record d’un seul événement de streaming en ligne par n’importe quel diffuseur.

Akamai’La plate-forme intelligente a une augmentation de 75% dans le streaming de téléphones mobiles. La plate-forme de livraison cloud a pu livrer 95 exaoctets de données, adopter 2.5 exabytets de données et divertir plus de 1.3 milliards d’appareils par jour.

Avec un tel afflux de données, les moteurs d’apprentissage automatique (ML) peuvent améliorer les performances, la sécurité et la fiabilité globale de l’expérience numérique. Mieux encore, il est facilement intégrable avec les applications Web et mobiles pour vous fournir une sécurité cloud, des analyses et bien plus encore.

Accommoder la pointe de la circulation

Selon le Disney + Hotstar, quel que soit le nombre de matchs, ils’ve a diffusé en direct; Les modèles de trafic restent imprévisibles à chaque fois. Malgré cela, ils comptent de toute façon sur les modèles passés pour prendre des décisions. Selon Akash Saxena, responsable de la technologie à Hotstar, l’augmentation du trafic devrait submerger le système backend et provoquer des perturbations dans le streaming.

Ce’s pourquoi tant que le backend hérité maintient sa fin de négociation, il’est toujours facile d’accueillir les nouveaux utilisateurs sur la plateforme. L’une des méthodes partagées par Saxena était la mise à l’échelle automatique pour gérer un afflux d’utilisateurs. Il croit que la mise à l’échelle automatique entraîne un grand nombre de serveurs à portée de main afin que les utilisateurs’T est confronté à des problèmes pendant le streaming.

Chaque jour, l’équipe de Hotstar s’occupe des protocoles de panique, de la mise en cache et des backoffs exponentiels pour s’assurer que les clients ont une expérience de streaming sans couture. Saxena a poursuivi en disant que toute leur plate-forme dépend de trois piliers:

1. Infrastructure en streaming
2. Moteur d’abonnement
3. Moteur de métadonnées

Les faibles numéros de latence sont également un bon signe pour un processus rationalisé.

Streaming personnalisable

Un autre facteur majeur qui peut le faire ou le casser avec un service de streaming consiste à offrir une expérience client rapide et efficace. Avec des téléchargements illimités tous les deux jours, Hotstar développe un algorithme ML pour utiliser l’intelligence des utilisateurs à partir de données brutes. De cette façon, l’algorithme suggérera des moyens par lesquels un utilisateur’S L’expérience de streaming peut être personnalisée.

Le streaming personnalisé signifierait que la plate-forme sera en mesure de suggérer du contenu ou des annonces selon les émissions que vous’Regarder. Une métrique qui est essentielle pour une telle collection d’informations est le temps de montre par utilisateur par mois. L’algorithme ML apprend les préférences des utilisateurs à travers son historique de montre, puis fournit des recommandations similaires en conséquence.

Hotstar utilise également la plate-forme de données en temps réel Knol. Il est conçu pour fournir un échange de données en douceur de Hotstar. L’application recueille une énorme quantité de données (i.e. près de 10 To) qui se compose d’impressions publicitaires, de données sur le support client, de flux de clic comportemental et de bien d’autres. Afin qu’un utilisateur puisse être recommandé de contenu qui est beaucoup plus précis en fonction de ses goûts.

Sortir des sentiers battus du streaming

Les élections de l’État du Pradesh ont eu lieu dans deux villes, Gujarat et Himachal, en Inde. Les campagnes d’affichage pour les élections ont été diffusées par Disney + Hotstar tout en collaborant avec une agence de solutions numériques de bout en bout, Performics. Pendant ce temps, Resultrix, une grande agence de marketing numérique locale a aidé à identifier le public et à diffuser des publicités par programme.

En raison de l’analyse, il était plus facile de garder une trace du nombre de personnes, d’identifier les intérêts de ces personnes et de conduire à une augmentation éventuelle du temps passé sur Disney + Hotstar. Toute la campagne a été réalisée avec un mélange de données automatiques, de données, d’analyses, de marketing prédictif et d’apprentissage automatique.

Disney + Hotstar continuera de collaborer avec plus d’agences pour obtenir un numéro pour leur public et comment les répondre en conséquence. Par exemple, ils se sont inscrits avec Zappr Media Labs pour obtenir des analyses d’audience mobiles pour fournir des annonces ciblées basées sur des offres publicitaires et une communication personnalisée.

Dans l’ensemble, Disney + Hotstar ne le fait certainement pas’Je veux abandonner cette aventure aventureuse de sitôt. Qui sait ce qu’ils ont prévu d’autre pour l’avenir? Ils semblent faire un très bon travail jusqu’à présent. Si tu’attendant avec impatience Hotstar dans votre région, pas de soucis. Ils’se détendre à un bon rythme. Jusque-là, vous pouvez simplement utiliser un VPN pour obtenir Disney + Hotstar en dehors de l’Inde.

Pour plus de pièces d’opinion comme celle-ci, cliquez ici.

Partagez ceci:

• Cliquez pour partager sur Facebook (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Twitter (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Pinterest (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Tumblr (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur WhatsApp (s’ouvre dans une nouvelle fenêtre)
• Plus

• Cliquez pour envoyer un lien par e-mail à un ami (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur LinkedIn (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Pocket (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour imprimer (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur reddit (ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Skype (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur StumbleUpon (s’ouvre dans une nouvelle fenêtre)
• Cliquez pour partager sur Telegram (s’ouvre dans une nouvelle fenêtre)

Comment Disney + Hotstar a simplifié son architecture de données pour l’échelle

Disney + Hotstar, Inde’S le service de streaming le plus populaire, a dû trouver un moyen de suivre sa bibliothèque de contenu et sa base d’abonnés en expansion rapide.

22 juin, 2022 7h43 par Cynthia Dunlop et Peter Corless

Image de fonctionnalité fournie par le sponsor.

Entretien avec Disney + Hotstar & Myntra: mise à l’échelle de l’IA du POC à la production

L’intelligence artificielle (IA) est un sujet brûlant de nos jours. Certaines personnes croient que l’IA améliore notre travail et notre style de vie quotidien. D’autres croient que c’est une menace pour nos emplois et notre potentiel de carrière. Quel que soit le côté du débat’reg on, it’Il ne fait aucune question que l’IA, lorsqu’elle est entraînée par des réseaux de neurones profonds, peut automatiser (souvent fastidieux) des processus qui nécessitent autrement des humains. En fait, les tâches qui occupent 45% du temps des employés pourraient être automatisées en mettant en œuvre une technologie démontrée, selon McKinsey & Company Research . Cependant, la capacité de gérer des entrées complexes n’est que la première étape de ce voyage. Les applications axées sur l’IA entraînent une complexité significative entre les systèmes commerciaux. Notre animateur de Hackerrank, Aadil Bandukwala, s’est entretenu avec un panel d’experts de la mise à l’échelle de l’IA de la preuve de concept jusqu’à la production. Le panneau comprenait:

• Akash Saxena, SVP, responsable de la technologie chez Disney + Hotstar
• Ravindra Babu Tallamraju, vice-président et chef, science des données à Myntra Jabong
• Harishankaran K, co-fondateur et CTO à HackerRank

Regardez la vidéo complète ci-dessous ou continuez à lire pour certains faits saillants de la discussion.

Que faut-il vraiment pour faire une excellente application qui est alimentée par l’IA?

Akash Saxena:

Tout d’abord, vous devez demander: que fait-il pour le client? Que faut-il pour créer une excellente application?

L’IA n’est qu’un autre outil de ma boîte à outils. C’est un algorithme plus amélioré – que j’utilise l’apprentissage automatique ou les réseaux de neurones pour faire bouger les choses. Avec l’assaut des données, certains problèmes ne peuvent être résolus qu’en utilisant des techniques d’IA. Pour moi, ce qui rend une application puissante dépend des réponses aux questions suivantes: que fait-elle pour le client? Cela rend-il la plate-forme inclusive? Cela rend-il l’expérience plus riche?

Vous devez commencer par l’identifier et ensuite faire un chemin en arrière. En effet, pour beaucoup de mes cas d’utilisation, l’IA est assez dominante.

Ravindra Babu Tallamraju:

Tout ce qui est fait manuellement par un expert du domaine qui doit se développer est uniquement évolutif à une limite.

Par exemple, laissez’S parlez de la classement de style. Chez Myntra, nous prenons un vêtement particulier, et avons un look d’expert de la mode, et notons chaque vêtement. Cet expert vient avec une grande quantité d’expertise du domaine – 10 ans d’expérience dans l’évaluation de chaque vêtement. Laisser’S Dis que ce style est génial et que nous achetons un nombre n nombre d’articles de ce vêtement. En raison du grand volume de vêtements, nous remplaçons l’expert par un modèle probabiliste, qui fonctionne ainsi qu’un humain.

Ce’s un exemple d’une grande application. Il’s évolutif, et il devrait fonctionner ainsi que l’expert. Il ne peut certainement pas dépasser l’expertise du domaine d’un humain, mais il peut aussi bien fonctionner.

Harishankaran K:

L’IA élargit l’horizon. L’objectif de l’IA est de savoir à quel point il peut faire ou à quel point il peut se rapprocher d’un humain remplissant les mêmes fonctions. Cet écart réduit, jour après jour.

La chose la plus importante dont vous avez besoin est les données. Si vous n’avez pas assez de données pour faire ces prédictions, alors il n’y a rien au-delà. Mais maintenant, il y a tellement de façons de collecter des données, tant d’endroits que vous pouvez obtenir les données et faire ces prédictions et modèles. Donc, je pense que cela nécessite un certain niveau d’imagination.

Il y a des choses que j’ai toujours cru n’étaient pas possibles. Pourtant, il y a de nouvelles applications qui émergent tous les jours et me prouvent tort.

Une création récente est le CPT-3, qui peut prédire ce que vous allez écrire. J’ai écrit du courrier en utilisant gpt-3. C’est donc l’une des nouvelles améliorations qui prouvent que vous devez tout désapprendre et supposer que tout est possible et aller avec cet état d’esprit.

Comment les organisations déterminent-elles vraiment si elles ont un cas d’utilisation d’IA applicable?

Akash Saxena:

Je veux partager une anecdote qu’un chercheur très senior a partagé une fois avec moi. Vous pourriez avoir les meilleurs algorithmes de recommandation, mais dites que votre UX est cassée, et soudain, toutes ces recommandations sont dans un endroit où le client ne les voit pas. Ce n’est pas la faute de l’IA, ou ce n’est pas un échec de ce que faisait l’application. Cela illustre que tous les produits doivent être construits de manière holistique.

Quelques grands cas où l’IA est utilisé est tout ce que vous pouvez faire pour rendre votre produit plus évolutif, reproductible et cohérent. Ravindra a parlé du classement de la mode comme exemple. Je suis peut-être un élève de mode plus net contre dire, Ravindra. Ravindra peut avoir d’autres compétences, mais vous pouvez enseigner à une machine certains de ces attributs. Il est difficile d’arriver là où un humain doit se rendre, et c’est très complexe. Vous pouvez ajouter tout un tas de couches et prendre 200 jours pour calculer une réponse que quelqu’un pourrait vous donner peut-être une journée.

Plus précisément, je suis vraiment époustouflé par des voitures autonomes. Je suis technologue, mais je suis constamment étonné de ce que les machines peuvent maintenant faire et à quel point ils sont conscients. Donc, c’est assez fantastique. Je pense que Harishan a suivi un thème similaire en termes de ce que nous ramassons. Nous avons essayé de trouver beaucoup d’efficacité opérationnelle. Lorsque le contenu nous arrive, nous traitons des heures et des heures de contenu tous les jours. Tout ce contenu doit être examiné. Y a-t-il des anomalies? Y a-t-il quelque chose qui est répréhensible légalement? C’est généralement à forte intensité humaine. Et notre objectif a été de découvrir où il y a une variance dans la façon dont un humain peut le percevoir.

Il y a toujours cette peur que l’IA va manger notre travail. En réalité, je dirais que cela nous déclenche de nous concentrer sur des problèmes plus de haute qualité, par rapport à essayer de résoudre des problèmes de faible qualité avec juste une main-d’œuvre brute. Et nous avons utilisé l’IA avec un grand effet pour tous nos moteurs de recommandation.

Mais nous avons également commencé à examiner l’IA à partir des modèles de prédiction du trafic. Nous utilisons l’IA pour mettre des modèles dans le client pour déterminer comment nous pouvons faire AVR, le calcul de débit. Alors, quand prenez-vous une décision de passer de 360p à 480p? Ces décisions sont prises dans l’instant. L’algorithme dit aujourd’hui, eh bien, pouvez-vous le faire maintenant, comme en cet instant? Mes derniers échantillons sont-ils assez bons? Ne réalisant pas que vous êtes peut-être dans une zone de réseau qui est vraiment mauvaise. Vous pouvez avoir un pic momentané, un tampon, puis vous rendre à nouveau. À mon client, c’est une mauvaise expérience. Je préfère de ne pas ne pas échec. C’est un domaine de l’utilisation.

Quels sont les exemples de cas d’utilisation d’IA réussis qui continuent de vous étonner aujourd’hui et quels sont les problèmes passionnants que vous résolvez?

Ravindra Babu Tallamraju:

Nous avons des modèles qui ont un impact sur chaque point de contact client – au moment où ils se connectent à la page d’accueil, à la date de livraison, et à la remise. Notre défi consiste à garantir que l’article retourné est exactement le même et est dans le bon ordre.

Ici’s un autre cas: dans notre entrepôt, nous essayons de faire l’affectation optimale des expéditions aux cueilleurs. Ici, la quantité de données nécessaires est limitée, et vous pourriez éventuellement l’aborder via un modèle de théorie de la file d’attente. Les données sont principalement utilisées pour valider une partie de cela. Pour les recommandations, comme le mentionne Akash, vous avez besoin d’ensembles de données massifs. Vous devez comprendre ce que le client aime, quels ont été ses achats précédents, et puis-nous recommander le bon produit à leur. Et c’est là que les ensembles de données massifs viennent et vous connaissez toute la complexité de la construction d’un modèle.

Harishankaran K:

En tant qu’entreprise, créant un produit, vous devez constamment épater votre client. Vous devez incorporer le “ satisfaction du client ” aspect. Et l’IA est un outil fort qui vous aide à le faire plusieurs fois.

À l’époque où j’avais Yahoo Mail, j’étais super excité par la façon dont le spam Gmail va toujours dans le dossier Spam. Aucun spam ne viendrait jamais dans ma boîte de réception. Maintenant, ce n’est plus impressionnant. Nous nous sommes habitués à cela.

Aujourd’hui, alors que je commence à taper, il termine mes déclarations. C’est le prochain monde. Dans quelques années, je vais simplement taper le sujet, puis il remplira tout le courrier pour moi, et ce ne sera plus le super truc.

Il s’agit d’un point où si une recommandation vient en ce que je ne fais pas’T comme, dis de Hotstar et Myntra, et si je n’aime pas ça, je pourrais penser là’Il ne va pas avec moi et peut-être que ce doit être la chose dont j’ai besoin. Vous avez tendance à y faire tellement confiance que vous allez de l’avant en croyant que cela devrait être juste et peut-être que je ne suis pas dans le bon état d’esprit. Je crois donc que c’est le point où le cas réussi de l’IA, comme les voitures autonomes, est celui qui serait le cas d’utilisation de l’IA le plus performant.