Qualquer pessoa que assistiu a "O Diário de Bridget Jones" sabe que uma das resoluções de Ano Novo dela é "Não sair todas as noites, mas ficar em casa e ler livros e ouvir música clássica."

A realidade, Contudo, é substancialmente diferente. O que as pessoas realmente fazem em seu tempo de lazer muitas vezes não combina com o que dizem que farão.

Os economistas chamaram esse fenômeno de "desconto hiperbólico". Em um estudo famoso intitulado "Pagando para não ir à academia, "alguns economistas descobriram que, quando as pessoas tinham a opção de escolher entre um contrato de pagamento por visita e uma taxa mensal, eram mais propensos a escolher a mensalidade e acabavam pagando mais por visita. Isso porque eles superestimaram sua motivação para malhar.

O desconto hiperbólico é apenas um desafio de operar em uma indústria criativa. Os gostos são altamente subjetivos, e os elementos da trama e da narrativa que fazem de um filme um tremendo sucesso podem facilmente fazer de outro um fracasso comercial e crítico.

Por décadas, anunciantes e profissionais de marketing lutaram para prever o consumo de produtos de lazer, como filmes e livros. É igualmente desafiador decidir o momento. Em que fim de semana o estúdio deve lançar um novo filme? Quando uma editora lança uma cópia impressa de um livro, como eles decidem quando lançar a versão do e-book?

Hoje, o big data oferece uma nova visibilidade de como as pessoas experimentam o entretenimento. Como um pesquisador que estuda o impacto da inteligência artificial e da mídia social, existem três forças que se destacam para mim como especialmente poderosas na previsão do comportamento humano.

1. Economia da cauda longa

A Internet possibilita a distribuição de produtos de entretenimento menos populares do que os sucessos convencionais. Os programas de streaming podem adquirir uma audiência maior do que é economicamente viável para distribuição através do horário nobre da televisão. Este fenômeno econômico é conhecido como efeito de cauda longa,

Como as empresas de streaming de mídia, como a Netflix, não precisam pagar para distribuir conteúdo nas salas de cinema, eles podem produzir mais programas que atendam a públicos de nicho. A Netflix usou dados dos hábitos de visualização de seus clientes individuais para decidir apoiar "House of Cards, "que foi rejeitado pelas redes de televisão. Dados do Netflix mostraram que havia uma base de fãs para filmes dirigidos por Fincher e filmes estrelados por Spacey, e que um grande número de clientes alugou DVDs da série original da BBC.

2. Influência social na era da inteligência artificial

Com a mídia social, as pessoas podem compartilhar o que estão assistindo com seus amigos, fazer com que experiências de entretenimento independentes se tornem mais sociais.

Ao extrair dados de sites sociais como Twitter e Instagram, as empresas podem rastrear em tempo real o que os cinéfilos pensam sobre um determinado filme, show ou música. Os estúdios de cinema podem usar um tesouro de dados digitais para decidir como promover programas e datas de lançamento de filmes. Por exemplo, o volume de pesquisas do Google sobre o trailer de um filme durante o mês anterior à sua estreia é um indicador importante dos vencedores do Oscar, bem como da receita de bilheteria. Os estúdios de cinema podem combinar dados históricos sobre datas de lançamento de filmes e desempenho de bilheteria com tendências de pesquisa para prever as datas de lançamento ideais para novos filmes.

A mineração de dados de mídia social também ajuda as empresas a identificar o sentimento negativo antes que ele se transforme em uma crise. Um único tweet de um cliente infeliz e influente pode se tornar viral, formando a opinião pública.

Em um estudo que conduzi com Yong Tan da University of Washington e Cath Oh da Georgia State University, mostramos como essa influência social determina não apenas quais vídeos do YouTube se tornam mais populares, mas também que os vídeos compartilhados por usuários influentes se tornem ainda mais vistos.

Um estudo mostra que quando os estúdios prestam atenção ao burburinho da mídia social antes do lançamento de um filme, a diferença entre a receita prevista e a receita real, conhecido como erro de previsão, reduzido em 31 por cento.

3. Análise de consumo

Big data fornece melhor visibilidade sobre quais livros e programas as pessoas realmente gastam seu tempo desfrutando.

O matemático Jordan Ellenberg foi o pioneiro no uso do índice de Hawking, uma medida do número médio de páginas das cinco passagens mais destacadas em um livro Kindle como uma proporção do comprimento total desse livro. O índice Hawking mostra quando as pessoas desistem de um livro. Se o destaque médio do Kindle de um livro de 250 páginas aparecer na página 250, isso lhe daria um índice de Hawking de 100%.

A teoria recebe o nome de "A Brief History in Time", de Stephen Hawking. Embora este livro ainda venda milhões de cópias por ano, também raramente é lido, com um índice Hawking sombrio de 6,6 por cento.

Quando uma empresa como a Amazon decide quais livros recomendar aos leitores em potencial ou quais programas da Prime produzir, eles olham para rastros digitais detalhados de quais pontos de trama envolveram o público e quais não. Isso pode ajudá-los a promover um lançamento futuro ou a fazer recomendações melhores para usuários individuais.

O que mais, novos tipos de inteligência artificial podem investigar o que faz as pessoas se envolverem com conteúdo criativo. Por exemplo, uma empresa chamada Epagogix foi pioneira em uma abordagem usando uma rede neural - uma ferramenta de inteligência artificial que busca padrões em grandes quantidades de dados - em um conjunto de roteiros avaliados por especialistas da indústria do entretenimento. O computador poderia então prever o sucesso financeiro de um filme. De acordo com alguns relatórios, essa inteligência artificial pode prever até 75% do faturamento real de estreia dos filmes.

Com novos insights de Big Data como esses, as empresas de entretenimento podem em breve saber o que exatamente Bridget Jones gostaria de fazer com seu tempo de lazer melhor do que a própria Bridget.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.