Hur data används för att skapa en tv-succé
-
0:01 - 0:05Roy Price är en man som de flesta av er
förmodligen aldrig hört talas om, -
0:05 - 0:08även om han kan ha varit ansvarig
-
0:08 - 0:14för 22 ganska mediokra minuter
av ditt liv den 19 april 2013. -
0:14 - 0:18Han kan också ha varit ansvarig
för 22 väldigt underhållande minuter, -
0:18 - 0:20men inte för så många av er.
-
0:20 - 0:22Och allt beror på ett beslut
-
0:22 - 0:24som Roy var tvungen att ta
för ungefär tre år sen. -
0:24 - 0:29Ni förstår, Roy Price är en hög chef
inom Amazon Studios. -
0:29 - 0:32Det är Amazons produktionsbolag för tv.
-
0:32 - 0:35Han är 47 år gammal,
smal, med taggigt hår, -
0:35 - 0:40beskriver sig på Twitter
som "film, tv, teknik, tacos". -
0:40 - 0:45Roy Price har ett ansvarsfullt jobb,
för det är hans ansvar att välja -
0:45 - 0:49vilka serier, vilket originalinnehåll
som Amazon ska ta fram. -
0:49 - 0:52Självklart innebär det hög konkurrens.
-
0:52 - 0:54Det görs så många tv-serier,
-
0:54 - 0:57så Roy kan inte välja
vilken serie som helst. -
0:57 - 1:01Han måste hitta
en riktigt, riktigt bra serie. -
1:01 - 1:04Med andra ord måste han hitta serier
-
1:04 - 1:06som ligger längst ut till höger
på den här kurvan. -
1:06 - 1:09Den här kurvan är betygsfördelningen
-
1:09 - 1:13för ungefär 2 500 tv-serier
i IMDBs databas, -
1:13 - 1:16och betygssnittet
kan vara mellan 1 och 10, -
1:16 - 1:19och höjden här visar
hur många serier som får det betyget. -
1:19 - 1:24Så om en serie får ett snittbetyg
på 9 poäng eller högre är den en vinnare. -
1:24 - 1:25Då har man en serie bland de 2 procenten.
-
1:26 - 1:29Det är serier som "Breaking Bad",
"Game of Thrones", "The Wire". -
1:29 - 1:32De här serierna är beroendeframkallande,
-
1:32 - 1:35så när man har sett en säsong
säger ens hjärna liksom, -
1:35 - 1:37"Var kan jag hitta fler
sådana här avsnitt?" -
1:37 - 1:39Den sortens serie.
-
1:39 - 1:41Till vänster, här borta,
för att vara tydlig, -
1:41 - 1:45finns en serie som heter
"Toddles and Tiaras" - -
1:45 - 1:47(Skratt)
-
1:47 - 1:49- vilket borde säga nog om
-
1:49 - 1:51vad som händer på den sidan av kurvan.
-
1:51 - 1:55Roy Price är inte orolig för
att hamna på den sidan av kurvan, -
1:55 - 1:58för jag tror att man behöver ha
en riktigt skarp hjärna -
1:58 - 2:00för att bli sämre
än "Toddlers and Tiaras". -
2:00 - 2:04Vad han oroar sig för är klumpen i mitten,
-
2:04 - 2:06klumpen av halvbra tv,
-
2:06 - 2:09ni vet, sådana där serier
som varken är bra eller dåliga, -
2:09 - 2:10som inte gör någon exalterad.
-
2:10 - 2:15Så han behöver bli säker på
att han verkligen hamnar rätt. -
2:15 - 2:17Det finns ett tryck på att lyckas,
-
2:17 - 2:19och det är förstås också första gången
-
2:19 - 2:21som Amazon ens gör något sånt här,
-
2:21 - 2:25så Roy Price vill inte ta några risker.
-
2:25 - 2:27Han vill bygga framgång.
-
2:27 - 2:29Han behöver en garanterad succé,
-
2:29 - 2:31så han anordnar en tävling.
-
2:31 - 2:35Han tar ett antal tv-seriekoncept
-
2:35 - 2:37och genom att utvärdera dem
-
2:37 - 2:41tar de ut åtta kandidater till tv-serier,
-
2:41 - 2:44och sen gör han det första avsnittet
av var och en av dessa tv-serier -
2:44 - 2:47och lägger ut dem gratis online
så att alla kan se dem. -
2:47 - 2:50Och när Amazon delar ut saker gratis
-
2:50 - 2:51vill man ha dem, eller hur?
-
2:51 - 2:56Så miljoner människor tittar på avsnitten.
-
2:56 - 3:00Vad de inte inser är
att när de tittar på sina serier -
3:00 - 3:02är det de som blir betraktade.
-
3:02 - 3:04De betraktas av Roy Price och hans team,
-
3:04 - 3:06som spelar in allt.
-
3:06 - 3:09De spelar in när någon trycker play,
när någon pausar, -
3:09 - 3:12vilka delar de hoppar över,
vilka delar de ser igen. -
3:12 - 3:14De samlar in miljontals datapunkter,
-
3:14 - 3:16för de vill ha dem
-
3:16 - 3:19när de bestämmer
vilken tv-serie de ska göra. -
3:19 - 3:21Så de samlar in datan,
-
3:21 - 3:24de bearbetar informationen,
och ett svar träder fram, -
3:24 - 3:25och svaret är,
-
3:25 - 3:30"Amazon borde göra en komedi
om fyra republikanska senatorer i USA." -
3:30 - 3:32De gjorde den serien.
-
3:32 - 3:34Vet någon vad serien heter?
-
3:35 - 3:36(Publiken: "Alpha House")
-
3:36 - 3:37Ja, "Alpha House",
-
3:38 - 3:42men det verkar faktiskt inte vara
så många av er som minns den serien, -
3:42 - 3:43för den blev inte så bra.
-
3:44 - 3:45Det blev bara en medioker serie,
-
3:45 - 3:50rent bokstavligen,
för mitten på kurvan är 7,4, -
3:50 - 3:52och "Alpha House" landade på 7,5,
-
3:52 - 3:54en serie strax över genomsnittet,
-
3:54 - 3:58men det var verkligen inte
vad Roy Price och hans team siktade på. -
3:58 - 4:01Men ungefär samtidigt
-
4:01 - 4:03på ett annat företag
-
4:03 - 4:07lyckades en annan hög chef ro i land
en toppserie med hjälp av dataanalys, -
4:07 - 4:09och han heter Ted,
-
4:09 - 4:12Ted Sarandos, som är
innehållschef på Netflix, -
4:12 - 4:14och precis som Roy letar han ständigt
-
4:14 - 4:16efter den stora tv-serien,
-
4:16 - 4:18och han använder data för att göra det,
-
4:18 - 4:20men han gör det
på ett lite annorlunda sätt. -
4:20 - 4:24Så istället för att hålla en tävling,
-
4:24 - 4:27tittade han och hans team på den data
som de redan hade om Netflixtittare, -
4:27 - 4:29som de betyg de gett till deras serier,
-
4:29 - 4:32tittarhistoriken, vilka serier
de gillade, och så vidare. -
4:32 - 4:34De använde datan för att upptäcka
-
4:34 - 4:36alla små detaljer om sin publik:
-
4:36 - 4:38vilka slags serier de gillade,
-
4:38 - 4:40vilka slags producenter,
vilka slags skådespelare. -
4:40 - 4:43Och när de väl hade satt ihop alla delar
-
4:43 - 4:44gjorde de en chansning
-
4:44 - 4:47och bestämde sig för att skapa
-
4:47 - 4:49inte en komedi om fyra senatorer,
-
4:49 - 4:52utan en dramaserie om en enda senator.
-
4:53 - 4:54Vet ni vilken serie?
-
4:54 - 4:56(Skratt)
-
4:56 - 4:59Ja, "House of Cards", och Netflix
slog förstås huvudet på spiken med den, -
5:00 - 5:02iallafall de första två säsongerna.
-
5:02 - 5:06(Skratt) (Applåder)
-
5:06 - 5:09"House of Cards" får 9,1
i snittbetyg på kurvan, -
5:09 - 5:12så det är precis där de ville vara.
-
5:12 - 5:14Nu är frågan, vad hände här?
-
5:14 - 5:17Vi har två väldigt tävlingsinriktade,
datakunniga företag. -
5:17 - 5:20De kombinerar miljontals datapunkter,
-
5:20 - 5:22och sen går det utmärkt för en av dem,
-
5:22 - 5:24och det fungerar inte för den andra.
-
5:24 - 5:26Varför?
-
5:26 - 5:29För logiken säger
att det borde fungera varje gång. -
5:29 - 5:32Om man samlar ihop miljontals datapunkter
-
5:32 - 5:33om ett beslut man ska fatta
-
5:33 - 5:36så borde det bli ett ganska bra beslut.
-
5:36 - 5:38Det finns 200 år av statistik
att luta sig mot. -
5:38 - 5:41Den förstärks med kraftfulla datorer.
-
5:41 - 5:45Det minsta man kan begära
är bra tv, eller hur? -
5:46 - 5:49Om dataanalys inte fungerar på det sättet
-
5:50 - 5:52så blir det lite skrämmande,
-
5:52 - 5:55för vi lever i en tid
där vi allt oftare lutar oss mot data -
5:55 - 6:00för att fatta allvarliga beslut
som går långt bortom tv. -
6:01 - 6:04Känner någon här till
företaget Multi-Health Systems? -
6:05 - 6:07Ingen. OK, det är faktiskt bra.
-
6:07 - 6:10Multi-Health Systems
är ett mjukvaruföretag, -
6:10 - 6:13och jag hoppas att ingen i det här rummet
-
6:13 - 6:16någonsin kommer i kontakt
med deras mjukvara, -
6:16 - 6:18för det betyder att du sitter i fängelse.
-
6:18 - 6:19(Skratt)
-
6:19 - 6:23Om någon här i USA sitter i fängelse
och de ansöker om villkorlig frigivning -
6:23 - 6:26är det väldigt sannolikt
att dataanalysprogram -
6:26 - 6:31från det företaget kommer att användas
för att pröva frigivningen. -
6:31 - 6:33Så det är samma princip
som för Amazon och Netflix, -
6:33 - 6:38men istället för att bestämma
om en tv-serie ska bli bra eller dålig -
6:38 - 6:41bestämmer man om en person
ska bli bra eller dålig. -
6:41 - 6:47Och 22 minuter av medioker tv
kan vara ganska dåligt, -
6:47 - 6:49men jag antar att fler år
i fängelse är ännu värre. -
6:50 - 6:54Oturligt nog finns det faktiskt
en del bevis för att den här dataanalysen, -
6:55 - 6:58även om den har massor av data,
inte alltid producerar optimala resultat. -
6:58 - 7:01Det beror inte på att ett företag
som Multi-Health Systems -
7:01 - 7:03inte vet vad de ska göra
med informationen. -
7:03 - 7:05Även datakunniga företag gör fel.
-
7:05 - 7:08Ja, till och med Google har fel ibland.
-
7:09 - 7:132009 sa Google att de
med hjälp av dataanalys -
7:13 - 7:17kunde förutsäga utbrott av influensa,
den elaka sortens förkylning, -
7:17 - 7:21genom att genomföra dataanalys
av sina Google-sökningar. -
7:21 - 7:25Och det fungerade fint,
vilket gav stor uppmärksamhet i medierna, -
7:25 - 7:27inklusive det yttersta beviset
på vetenskaplig framgång: -
7:27 - 7:30en artikel i tidskriften "Nature".
-
7:30 - 7:33Det fungerade fint i flera år,
-
7:33 - 7:35tills det ett år inte fungerade längre.
-
7:35 - 7:37Och ingen kunde ens säga riktigt varför.
-
7:37 - 7:39Det fungerade bara inte det året,
-
7:39 - 7:41och det fick förstås
också mycket publicitet, -
7:41 - 7:43inklusive ett tillbakadragande
-
7:43 - 7:45av artikeln i "Nature".
-
7:46 - 7:49Så till och med de med
de datakunniga företagen -
7:49 - 7:52som Amazon och Google har ibland fel.
-
7:52 - 7:55Och trots alla dessa misslyckanden
-
7:55 - 7:59får data snabbt ett större inflytande
över beslut i verkliga livet - -
7:59 - 8:01på arbetsplatsen,
-
8:01 - 8:02inom rättsväsendet,
-
8:03 - 8:04inom medicin.
-
8:04 - 8:08Så vi borde verkligen ta reda på
ifall data verkligen hjälper oss. -
8:08 - 8:11Jag har personligen sett
en stor del av de här problemen, -
8:11 - 8:13för jag arbetar inom databeräknad genetik,
-
8:13 - 8:15vilken också är ett fält
där många smarta människor -
8:15 - 8:19använder oerhörda mängder data
för att fatta ganska allvarliga beslut, -
8:19 - 8:23som att välja cancerbehandling
eller utveckla en ny medicin. -
8:24 - 8:26Över åren har jag noterat
ett slags mönster, -
8:26 - 8:28eller en slags regel,
kan man säga, om skillnaden -
8:28 - 8:31mellan framgångsrikt
och icke framgångsrikt -
8:31 - 8:33beslutsfattande med data
-
8:33 - 8:37och jag har hittat ett mönster
som är värt att dela med sig av. -
8:39 - 8:41När man löser ett komplext problem
-
8:41 - 8:42gör man i grunden två saker.
-
8:42 - 8:43Den första är
-
8:43 - 8:48att plocka isär problemet i små bitar
så att man kan analysera bitarna -
8:48 - 8:50och sen gör man det andra steget.
-
8:50 - 8:53Men sätter ihop bitarna igen
-
8:53 - 8:54för att komma till slutsatsen.
-
8:54 - 8:57Ibland måste man göra om det,
-
8:57 - 8:58men det handlar alltid de två sakerna:
-
8:58 - 9:01plocka isär och sätta ihop saker igen.
-
9:02 - 9:04Det viktiga är
-
9:04 - 9:07att data och dataanalys
-
9:07 - 9:09bara är bra för det första steget.
-
9:09 - 9:12Hur kraftfulla data och dataanalys än är,
kan bara hjälpa till med -
9:12 - 9:16att plocka isär ett problem
och förstå dess delar. -
9:16 - 9:20Den passar inte för
att sätta ihop delarna igen -
9:20 - 9:21för att komma till en slutsats.
-
9:21 - 9:23Det finns ett annat verktyg
som kan göra det, -
9:23 - 9:26vi har det allihop, och det är hjärnan.
-
9:26 - 9:27Om det finns något hjärnan är bra på
-
9:27 - 9:30så är att det att sätta ihop
små delar igen, -
9:30 - 9:32även när den inte har all information,
-
9:32 - 9:33och kan nå en bra slutsats,
-
9:33 - 9:36speciellt om det är en experts hjärna.
-
9:36 - 9:39Jag tror att det är därför
Netflix blev så framgångsrika, -
9:39 - 9:43för att de använde data och hjärnor
där de passade i processen. -
9:43 - 9:46De använder data för att först förstå
många små detaljer om sin publik -
9:46 - 9:50som de annars inte skulle
ha kunnat förstå på samma djup, -
9:50 - 9:52men beslutet om hur de olika detaljerna
-
9:52 - 9:56skulle sättas ihop igen
för att bli en serie som "House of Cards" -
9:56 - 9:57fanns ingenstans i deras data.
-
9:57 - 10:01Ted Sarandos och hans team
tog beslutet att godkänna tv-serien, -
10:01 - 10:03vilket förresten också betydde
-
10:03 - 10:06att de tog en ganska stor personlig risk
när de tog det beslutet. -
10:06 - 10:09Och Amazon, å andra sidan,
de gjorde saken på fel sätt. -
10:09 - 10:11De använde data
för allt sitt beslutsfattande, -
10:11 - 10:14först när de höll tävlingen
för tv-koncept, -
10:14 - 10:18och sen när de valde "Alpha House"
till den serie de skulle göra. -
10:18 - 10:21Vilket självklart var
ett säkert val för dem, -
10:21 - 10:23för de kunde alltid peka på data och säga
-
10:23 - 10:25"Vår data säger det här."
-
10:25 - 10:29Men det ledde inte till
de enastående resultat som de hoppades på. -
10:30 - 10:33Så data är förstås
ett oerhört kraftfullt verktyg -
10:33 - 10:35för att fatta bättre beslut,
-
10:35 - 10:40men jag tror att saker går fel
när data börjar styra besluten. -
10:40 - 10:44Hur kraftfull den än är,
så är data bara ett verktyg, -
10:44 - 10:47och för att hålla det i minnet tycker jag
den här saken är användbar. -
10:47 - 10:48Många av er kommer ...
-
10:49 - 10:50(Skratt)
-
10:50 - 10:52Innan det fanns data, var det här
-
10:52 - 10:54beslutsstödet som användes.
-
10:54 - 10:55(Skratt)
-
10:55 - 10:56Många känner nog igen den.
-
10:57 - 10:58Den här leksaken heter Magic 8 Ball,
-
10:58 - 11:00och den är fantastisk,
-
11:00 - 11:02för om du har ett beslut att fatta,
en ja- eller nejfråga, -
11:02 - 11:06behöver du bara skaka bollen
för att få ett svar - -
11:06 - 11:09"Förmodligen" - just här
i den här stunden i realtid. -
11:09 - 11:11Jag kan dema den senare.
-
11:11 - 11:13(Skratt)
-
11:13 - 11:16Så här är det förstås,
att jag har fattat några beslut i mitt liv -
11:16 - 11:19där jag i efterhand har förstått
att jag borde ha lyssnat på bollen. -
11:19 - 11:22Men om man har data tillgängliga
-
11:22 - 11:26vill man såklart ersätta den här
med något lite mer sofistikerat, -
11:26 - 11:29till exempel dataanalys,
för att fatta ett bättre beslut. -
11:29 - 11:32Men det ändrar inte
de grundläggande förutsättningarna. -
11:32 - 11:35Så bollen kan bli allt smartare
-
11:35 - 11:38men jag tror att vi fortfarande
måste fatta besluten -
11:38 - 11:41om vi vill åstadkomma
något utöver det vanliga, -
11:41 - 11:43längst till höger på kurvan.
-
11:43 - 11:47Och jag tycker faktiskt att det är
ett väldigt uppmuntrande budskap, -
11:47 - 11:51att även när vi står inför
enorma mängder data -
11:51 - 11:55lönar det sig fortfarande
att fatta beslut, -
11:56 - 11:58att vara en expert på det man gör,
-
11:58 - 12:00och att ta risker.
-
12:00 - 12:03För i slutändan är det inte data
-
12:03 - 12:07utan risker som kommer att ta en
längst ut till höger på kurvan. -
12:08 - 12:09Tack.
-
12:09 - 12:12(Applåder)
- Title:
- Hur data används för att skapa en tv-succé
- Speaker:
- Sebastian Wernicke
- Description:
-
Leder mer data till bättre beslutsfattande? Tävlingsinriktade, datakunniga företag som Amazon, Google och Netflix har lärt sig att dataanalys inte på egen hand behöver ge optimala resultat. I det här föredraget förklarar dataanalytikern Sebastian Wernicke vad som går fel när vi fattar beslut som är baserade enbart på data - och föreslår ett smartare sätt att använda den.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:25
Annika Bidner approved Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk accepted Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk edited Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk edited Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk edited Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk edited Swedish subtitles for How to use data to make a hit TV show | ||
Anders Björk edited Swedish subtitles for How to use data to make a hit TV show | ||
Annika Bidner edited Swedish subtitles for How to use data to make a hit TV show |