سینما مارکت

شناخت دقیق مخاطبان به عنوان حیاتی ترین اقدام در مدیریت یک رسانه همواره موردتوجه بوده است. با توجه به ظهور رسانه های جدید، تکنیک های سنتی گذشته توانایی پاسخ به این نیاز را از دست داده و نیاز به بهره گیری از روش های نوین در مطالعه و شناخت مخاطبان و رفتارهای آن ها است. این پژوهش با بهره گیری از روش تحلیل شبکه اجتماعی، رفتار مخاطبان پلتفرم فروش آنلاین فیلم سینمامارکت را بررسی و تحلیل کرده است. داده های رفتار استفاده کاربران از این پلتفرم در زمینه تماشای فیلم (مهرماه 1397) به صورت بی نام مورد تحلیل قرار گرفت و انبار داده اولیه تشکیل شد. داده های موجود در این انبار داده پس از پاک سازی، با استفاده از نرم افزار گفی مصور شده و با هدف شناخت کاربران، اعضای آن بر اساس الگوریتم های منطقی همچون الگوریتم لوواین انجمن بندی شدند. بر اساس تحلیل رفتار کاربران سه انجمن شناسایی شده، راهبردهای پیشنهادی از منظر نوع محتوا و همچنین نوع رفتار کاربر به منظور توسعه کاربران این پلتفرم احصا شد که بر اساس این راهبردها، مدیران پلتفرم می توانند سیاست های رسانه ای خود را در راستای بارگذاری محتوای جدید در پلتفرم و پیشنهاد هدفمند محتوا به کاربران تنظیم کرده و به این ترتیب با برآورده کردن نیاز های کاربران خود میزان درگیری ایشان با پلتفرم را افزایش دهند.

هدف: با توجه به افزایش سهم مصرف و تماشای ویدئو در سبد مصرفی خانواده های ایرانی، سامانه های متعددی جهت تسهیل دسترسی مردم به این ویدئوها راه اندازی و توسعه داده شده است. یکی از مهم ترین انواع این سامانه ها، سامانه های ویدئوی درخواستی می باشند که در سال های اخیر، روند رشد بی سابقه ای را در زمینه جذب مخاطب طی کرده اند. به همان اندازه که تعدد محتوا در این سامانه ها موجب تنوع و رضایت کاربران می شود، این تعدد می تواند موجب سردرگمی بیشتر برای یافتن محتواهای مورد علاقه کاربران شود. هدف این پژوهش ارائه روش کارآمد پیشنهاددهی فیلم بر مبنای داده های مشاهده کاربران در سامانه ویدئوی درخواستی است. روش : در این پژوهش یک الگوریتم جدید پیشنهاددهی مبتنی بر سلایق کاربر و داده های تماشای فیلم کاربران در سامانه ویدئوهای درخواستی ارائه می گردد. این لگوریتم مبتنی بر مفاهیم و شاخص های تحلیل شبکه اجتماعی بوده و براساس داده های تماشای فیلم کاربران، به شناسایی و پیشنهاددهی فیلم های مورد علاقه کاربران می پردازد. نتایج: عملکرد الگوریتم پیشنهادی این پژوهش بر روی داده های 50، 100 و 200 کاربر سایت سینما مارکت ارزیابی شده که نتایج آن، نشان دهنده عملکرد بهتر الگوریتم پیشنهادی این پژوهش در مقایسه با الگوریتم های Naive bayes، k-nearest neighbors و ID3 است. نتیجه گیری: سیستم های پیشنهاد دهنده با در اختیار داشتن اطلاعات فراوان و متعددی از کاربران و سوابق رفتاری آنان به پیشنهاد محتوا می پردازند. الگوریتم پیشنهادی این پژوهش قادر است با حداقل اطلاعات ممکن یعنی اطلاعات مربوط به مشاهدات کاربران با عملکرد مطلوب و قابل قبولی وظیفه پیشنهاد محتوای مطلوب کاربران را انجام دهد.