Scenario-Based Markov Modelling: An Exploratory Analysis of AI's Potential Impact on Customer Retention -- The Netflix Case
यह अन्वेषणात्मक अध्ययन एक मार्कोव चेन सिमुलेशन और सैद्धांतिक ढांचों का उपयोग यह प्रदर्शित करने के लिए करता है कि, विशिष्ट धारणाओं के तहत, एआई-संचालित वैयक्तिकरण तंत्र सैद्धांतिक रूप से नेटफ्लिक्स के लिए कम-एआई बेसलाइन की तुलना में ग्राहक प्रतिधारण को दोगुना कर सकता है, जबकि साथ ही संबद्ध नैतिक विचारों पर भी प्रकाश डालता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
स्ट्रीमिंग मनोरंजन की भीड़भाड़ वाली दुनिया में, जहाँ सैकड़ों प्लेटफॉर्म एक दर्शक का ध्यान खींचने के लिए प्रतिस्पर्धा कर रहे हैं, एक सब्सक्राइबर के एक और साल तक बने रहने या "कैंसिल" बटन दबाने के बीच का अंतर अक्सर एक ही भावना पर निर्भर करता है: क्या मुझे वह मिला जो मैं देखना चाहता था? दशकों से, कंपनियों ने ग्राहकों से यह पूछकर या उन्हें वही लोकप्रिय शो दिखाकर इसे हल करने की कोशिश की है जो बाकी सब देख रहे हैं, या फिर यह पूछकर कि उन्हें क्या पसंद है। हालाँकि, एक नया दृष्टिकोण कृत्रिम बुद्धिमत्ता (AI) का उपयोग एक अथक, अति-सतर्क मार्गदर्शक के रूप में करने के लिए करता है। यह तकनीक केवल अनुमान नहीं लगाती; यह अरबों सूक्ष्म क्रियाओं से सीखती है, जैसे कि कोई व्यक्ति कब पॉज करता है, रिवाइंड करता है, या स्किप करता है, ताकि उनकी पसंद का एक अनूक मानचित्र बनाया जा सके। इसका लक्ष्य साधारण सुझावों से आगे बढ़कर एक ऐसा व्यक्तिगत अनुभव बनाना है जो विशेष रूप से तैयार किया गया लगे, जिससे दर्शक जुड़ा रहे और उसके जाने की संभावना कम हो जाए। यह उन शोधकर्ताओं द्वारा खोजा गया केंद्रीय प्रश्न है जो नेटफ्लिक्स का अध्ययन कर रहे हैं, जो इस उद्योग का एक दिग्गज है और लंबे समय से ऐसे सिस्टम पर निर्भर रहा है। वे न केवल यह समझना चाहते थे कि ये उपकरण कैसे काम करते हैं, बल्कि ग्राहकों को खुश रखने और लंबे समय तक सब्सक्राइबर बनाए रखने पर उनके प्रभाव के पैमाने को भी मापना चाहते थे।
इसका उत्तर देने के लिए, यूनिवर्सिटी ऑफ गुएलमा के शोधकर्ताओं ने केवल उपयोगकर्ताओं की राय नहीं ली या पिछले बिक्री आंकड़ों को नहीं देखा। इसके बजाय, उन्होंने एक डिजिटल सिमुलेशन बनाया, एक आभासी प्रयोगशाला जहाँ वे देख सकते थे कि दस लाख काल्पनिक ग्राहक एक वर्ष के दौरान कैसे व्यवहार करेंगे। उन्होंने तुलना करने के लिए दो अलग-अलग दुनिया बनाई। पहले विश्व में, "हाई-एआई" परिदृश्य में, प्लेटफॉर्म ने अनुभव के हर पहलू को व्यक्तिगत बनाने के लिए उन्नत उपकरणों का उपयोग किया, जैसे कि दिखाए जाने वाले मूवी थंबनेल से लेकर नए शो चुनने के तरीके तक। दूसरे विश्व में, "लो-एआई" परिदृश्य में, प्लेटफॉर्म केवल बुनियादी, गैर-व्यक्तिगत सिफारिशों के साथ संचालित हुआ, जो एक ऐसी सेवा का प्रतिनिधित्व करता था जिसमें इन स्मार्ट फीचर्स की कमी थी। शोधकर्ताओं ने मार्कोव सिमुलेशन नामक एक विधि का उपयोग किया, जो अनिवार्य रूप से यह ट्रैक करने का एक तरीका है कि लोग जुड़ाव की विभिन्न अवस्थाओं के बीच कैसे चलते हैं—जैसे कि सक्रिय होना, छोड़ने के जोखिम में होना, या पहले ही देखना बंद कर देना—जो नियमों पर आधारित है जिस दुनिया में वे हैं। परिणामों को स्थिर सुनिश्चित करने के लिए इस सिमुलेशन को सौ बार चलाने के बाद, वे देख सके कि दैनिक बातचीत में छोटे अंतर कैसे बारह महीनों के बाद कौन रुकता है और कौन जाता है, इसमें बड़े अंतर पैदा कर सकते हैं।
इस आभासी प्रयोग के परिणाम चौंकाने वाले थे। उन्नत कृत्रिम बुद्धिमत्ता वाले विश्व में, सिमुलेशन ने दिखाया कि एक साल के बाद लगभग 69 प्रतिशत सब्सक्राइबर अभी भी सक्रिय थे। इसके विपरीत, इन स्मार्ट उपकरणों के बिना वाले विश्व में, केवल लगभग 33 प्रतिशत सब्सक्राइबर ही बचे रहे। इसका मतलब है कि परिष्कृत एआई वाले परिदृश्य ने बुनियादी परिदृश्य की तुलना में दोगुने से अधिक ग्राहकों को बनाए रखा। शोधकर्ताओं ने इसे 110 प्रतिशत से अधिक के सापेक्ष सुधार के रूप में गणना की, एक ऐसा अंतर जो प्रत्येक बीतते महीने के साथ बढ़ता गया। सिमुलेशन ने सुझाव दिया कि इस अंतर को चलाने वाला सबसे शक्तिशाली कारक उन उपयोगकर्ताओं को वापस जीतने की क्षमता थी जो अपनी रुचि खोने लगे थे। जब कोई दर्शक कम देखना शुरू करता, तो स्मार्ट सिस्टम उन्हें वापस लाने के लिए पर्याप्त आकर्षक कुछ दिखाने में बहुत बेहतर था, जबकि बुनियादी सिस्टम उन्हें फिर से जोड़ने में संघर्ष करता था। इसके अतिरिक्त, एआई ने उन उपयोगकर्ताओं को रोकने में मदद की जिन्होंने एक महीने तक देखना बंद कर दिया था कि वे पूरी तरह से सदस्यता रद्द कर दें, जो यह सुझाव देता है कि अच्छे सुझावों का इतिहास एक सुरक्षा जाल बनाता है जो शांत अवधि के दौरान भी लोगों को सब्सक्राइबर बनाए रखता है।
अध्ययन ने तीन विशिष्ट तरीकों की पहचान की जिनसे कृत्रिम बुद्धिमत्ता ने ये परिणाम प्राप्त किए। पहला, इसने हाइपर-पर्सनलाइज्ड कंटेंट रिकमेंडेशन प्रदान किया, जटिल एल्गोरिदम का उपयोग करके ऐसे मूवी और शो सुझाए जो उपयोगकर्ता की छिपी हुई प्राथमिकताओं से मेल खाते थे, प्रभावी रूप से वह काम किया जो कुछ खोजने के लिए उपयोगकर्ता को करना पड़ता। दूसरा, इसने निरंतर परीक्षण के माध्यम से यूजर इंटरफेस को अनुकूलित किया, स्क्रीन के चित्रों और लेआउट को बदलकर इसे प्रत्येक व्यक्ति के लिए अधिक आकर्षक बनाया। तीसरा, सिस्टम ने कंपनी को यह तय करने में मार्गदर्शन किया कि कौन से नए शो का उत्पादन या खरीद की जाए, दर्शकों की पसंद का पूर्वानुमान लगाने के लिए डेटा का उपयोग किया गया। ये तीन तंत्र मिलकर एक सहज अनुभव बनाने के लिए काम करते थे जहाँ सही समय पर सही सामग्री दिखाई देती थी, जिससे मनोरंजन खोजने के लिए आवश्यक प्रयास कम हो जाता था और संतुष्टि की संभावना बढ़ जाती थी।
हालाँकि, शोधकर्ता ने अपने निष्कर्षों की सीमाओं को समझाने में सावधानी बरती। उन्होंने इस बात पर जोर दिया कि उनके आंकड़े इस बात की भविष्यवाणी नहीं हैं कि क्या होगा यदि नेटफ्लिक्स अचानक अपना एआई बंद कर दे, और न ही वे भविष्य के प्रदर्शन की गारंटी हैं। उनके द्वारा बनाई गई "लो-एआई" दुनिया एक सैद्धांतिक चरम थी; वास्तव में, लगभग हर प्रमुख स्ट्रीमिंग सेवा किसी न किसी रूप में बुनियादी अनुशंसा प्रणाली का उपयोग करती है, इसलिए कोई भी वास्तविक प्रतिस्पर्धी उतना खराब प्रदर्शन नहीं करता जितना सिमुलेशन ने सुझाया है। अध्ययन को यह दिखाने के लिए डिज़ाइन किया गया था कि आदर्श स्थितियों में ये उपकरण कितने शक्तिशाली हो सकते हैं, न कि वास्तविक दुनिया के राजस्व का सटीक पूर्वानुमान प्रदान करने के लिए। लेखक ने यह भी नोट किया कि उनके मॉडल ने मानव व्यवहार को सरल बनाया यह मानकर कि एक उपयोगकर्ता की अगली कार्रवाई केवल उनकी वर्तमान स्थिति पर निर्भर करती है, उनके पिछले इंटरैक्शन के जटिल इतिहास को अनदेखा करते हुए। इन सरलीकरणों के बावजूद, सिमुलेशन ने एक स्पष्ट, मात्रात्मक चित्रण प्रदान किया कि कैसे वैयक्तिकरण एक सेवा को वीडियो के साधारण पुस्तकालय से मनोरंजन के एक गतिशील साथी में बदल सकता है।
संख्याओं से परे, पेपर ने इस तकनीक के व्यवसायों और समाज दोनों के लिए व्यापक निहितार्थों पर प्रकाश डाला। कंपनियों के लिए, अध्ययन सुझाव देता है कि कृत्रिम बुद्धिमत्ता में निवेश करना केवल एक तकनीकी अपग्रेड नहीं है बल्कि प्रतिस्पर्धी बाजार में अस्तित्व के लिए एक मौलिक रणनीति है। दर्शकों के लिए, यह गोपनीयता और उन एल्गोरिदम की नैतिकता के बारे में महत्वपूर्ण प्रश्न उठाता है जो उनकी आदतों के बारे में इतना कुछ जानते हैं। शोधकर्ता ने तर्क दिया कि हालांकि ये उपकरण प्रभावी हैं, उन्हें जिम्मेदारी से तैनात किया जाना चाहिए, जिसमें निर्णय कैसे लिए जाते हैं इसके बारे में पारदर्शिता और पूर्वाग्रह के खिलाफ सुरक्षा उपाय होने चाहिए। उन्होंने प्रस्तावित किया कि सबसे अच्छा रास्ता डेटा का उपयोग करके मूल्य बनाने और उपयोगकर्ता के गोपनीयता और विकल्प के अधिकार का सम्मान करने के बीच संतुलन बनाना है। अंततः, अध्ययन कृत्रिम बुद्धिमत्ता को एक जादुई समाधान के रूप में नहीं, बल्कि एक शक्तिशाली क्षमता के रूप में प्रस्तुत करता है जो, जब समझदारी से उपयोग किया जाता है, तो हमारे कहानियों से जुड़ने के तरीके को बदल सकता है, जिससे एक साधारण सदस्यता को एक स्थायी रिश्ते में बदला जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।