How to use data to make a hit TV show | Sebastian Wernicke

Fordító: Tibor Somogyi Lektor: Zsuzsanna Lőrincz

Roy Price is a man that most of you have probably never heard about,

A legtöbben valószínűleg még nem hallottatok Roy Price-ről,

even though he may have been responsible

pedig lehet, hogy neki köszönhettek

for 22 somewhat mediocre minutes of your life on April 19, 2013.

az életetekből kb. 22 középszerű percet 2013. április 19-én.

He may have also been responsible for 22 very entertaining minutes,

Szintén lehet, hogy ő volt a felelős 22 nagyon szórakoztató percért

but not very many of you.

de nem sok ember számára.

And all of that goes back to a decision

És mindez egy döntésből fakad,

that Roy had to make about three years ago.

amit Roy-nak kb. 3 éve kellett meghoznia.

So you see, Roy Price is a senior executive with Amazon Studios.

Roy Price felsővezető az Amazon Studios-nál.

That's the TV production company of Amazon.

Ez az Amazon tv-s produkciós cége.

He's 47 years old, slim, spiky hair,

Roy 47 éves, vékony, tüskés hajú,

describes himself on Twitter as "movies, TV, technology, tacos."

Twitteren így jellemzi magát: "filmek, tv, technológia, taco."

And Roy Price has a very responsible job, because it's his responsibility

Roy Price-nak nagyon felelősségteljes munkája van, mert az ő felelőssége

to pick the shows, the original content that Amazon is going to make.

kiválasztani a sorozatokat, az eredeti tartalmat, amit az Amazon elkészít.

And of course that's a highly competitive space.

Ez természetesen nagyon kompetitív.

I mean, there are so many TV shows already out there,

Hiszen már most nagyon sok tv show létezik,

that Roy can't just choose any show.

Roy pedig nem választhat bármit.

He has to find shows that are really, really great.

Meg kell találnia a nagyon, nagyon jó show-kat.

So in other words, he has to find shows

Más szóval, meg kell találnia azokat a show-kat,

that are on the very right end of this curve here.

amelyek ennek a görbének a jó végén vannak.

So this curve here is the rating distribution

Ez a görbe kb. 2500 tv show

of about 2,500 TV shows on the website IMDB,

értékelési statisztikáját mutatja az IMDB weboldalán

and the rating goes from one to 10,

1-10-es skálán.

and the height here shows you how many shows get that rating.

Itt pedig azt látjuk, mennyi show kapja az adott osztályzatot.

So if your show gets a rating of nine points or higher, that's a winner.

Ha a műsorod 9 pontot, vagy többet kap, az nyerő.

Then you have a top two percent show.

Az egy top 2%-ba tartozó show.

That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"

Mint pl. a "Totál szívás", a "Trónok harca", vagy a "A drót".

so all of these shows that are addictive,

Olyan addiktív sorozatok,

whereafter you've watched a season, your brain is basically like,

amik egy évad megnézése után felvetik a kérdést:

"Where can I get more of these episodes?"

"Hol találom az újabb részeket?"

That kind of show.

Ilyenek.

On the left side, just for clarity, here on that end,

A skála bal szélén

you have a show called "Toddlers and Tiaras" --

van pl. az "Apró szépségek" --

(Laughter)

(Nevetés)

-- which should tell you enough

-- ami sokat elmond arról,

about what's going on on that end of the curve.

hogy mi zajlik a görbe rosszabbik végén.

Now, Roy Price is not worried about getting on the left end of the curve,

Roy Price nem amiatt aggódik, hogy a görbe bal felére kerül,

because I think you would have to have some serious brainpower

mert komoly agymunka kellene hozzá, hogy rosszabbat csináljon

to undercut "Toddlers and Tiaras."

mint az "Apró szépségek".

So what he's worried about is this middle bulge here,

Ami miatt aggódhat, az a középső rész,

the bulge of average TV,

az átlagos sorozatok része.

you know, those shows that aren't really good or really bad,

Azok a sorozatok, amik nem igazán jók vagy rosszak,

they don't really get you excited.

nem hoznak izgalomba.

So he needs to make sure that he's really on the right end of this.

Biztosra kell mennie, hogy ennek a jó oldalán legyen.

So the pressure is on,

Tehát nagy a nyomás,

and of course it's also the first time

és ez az első alkalom,

that Amazon is even doing something like this,

hogy az Amazon ilyesmit csinál,

so Roy Price does not want to take any chances.

tehát Roy Price semmit sem akar kockáztatni.

He wants to engineer success.

Sikert akar építeni.

He needs a guaranteed success,

Garantált sikerre van szüksége.

and so what he does is, he holds a competition.

Ennek érdekében versenyhelyzetet teremt.

So he takes a bunch of ideas for TV shows,

Fog egy csomó sorozatötletet,

and from those ideas, through an evaluation,

az ötleteket értékelik,

they select eight candidates for TV shows,

és kiválasztanak 8 sorozatjelölt show-t.

and then he just makes the first episode of each one of these shows

Aztán csak a sorozatok első részeit készíti el,

and puts them online for free for everyone to watch.

online elérhetővé teszik, ahol mindenki megnézheti.

And so when Amazon is giving out free stuff,

Amikor pedig az Amazon ingyen ad valamit,

you're going to take it, right?

lecsapunk rá, igaz?

So millions of viewers are watching those episodes.

Milliónyi néző tekinti meg ezeket az epizódokat.

What they don't realize is that, while they're watching their shows,

Amit nem realizálnak, hogy a show nézése közben

actually, they are being watched.

igazából őket figyelik.

They are being watched by Roy Price and his team,

Őket figyeli Roy Price és csapata,

who record everything.

akik mindent rögzítenek.

They record when somebody presses play, when somebody presses pause,

Rögzítik, ha valaki elindít, szünetel egy videót,

what parts they skip, what parts they watch again.

melyik részeket ugorja át, mely részeket néznek újra.

So they collect millions of data points,

És így milliónyi adatpontokat gyűjtenek,

because they want to have those data points

mert szükségük van az adatpontokra,

to then decide which show they should make.

hogy eldönthessék, melyik show-t rendeljék be.

And sure enough, so they collect all the data,

És be is gyűjtik az adatokat,

they do all the data crunching, and an answer emerges,

kielemzik őket, és előáll egy válasz.

and the answer is,

A válasz pedig:

"Amazon should do a sitcom about four Republican US Senators."

"Az Amazonnak csinálnia kell egy szitkomot 4 republikánus amerikai szenátorról."

They did that show.

Meg is csinálták.

So does anyone know the name of the show?

Ismeri valaki a sorozatot?

(Audience: "Alpha House.")

(Közönség: "Alpha House")

Yes, "Alpha House,"

Igen, "Alpha House,"

but it seems like not too many of you here remember that show, actually,

de úgy tűnik, igazából nem sokan emlékeztek rá,

because it didn't turn out that great.

mert nem volt jó.

It's actually just an average show,

Csak egy átlagos sorozat volt.

actually -- literally, in fact, because the average of this curve here is at 7.4,

Tényleg átlagos, mert a görbe átlaga 7,4 körül van,

and "Alpha House" lands at 7.5,

Az "Alpha House"-t pedig 7,5-re értékelték,

so a slightly above average show,

picit jobbra, mint egy átlagos show-t.

but certainly not what Roy Price and his team were aiming for.

De Roy Price és csapata célja egyáltalán nem ez volt.

Meanwhile, however, at about the same time,

Eközben nagyjából ugyanekkor,

at another company,

egy másik cégnél

another executive did manage to land a top show using data analysis,

egy másik vezető top sorozatot gyártott adatelemzés segítségével,

and his name is Ted,

az ő neve Ted,

Ted Sarandos, who is the Chief Content Officer of Netflix,

Ted Sarandos, a Netflix tartalmakért felelős nagyfőnöke.

and just like Roy, he's on a constant mission

Akinek állandó feladata Roy-hoz hasonlóan

to find that great TV show,

rátalálni a sikersorozatokra.

and he uses data as well to do that,

Ő is adatokat elemez ennek érdekében,

except he does it a little bit differently.

viszont egy kicsit másképp csinálja.

So instead of holding a competition, what he did -- and his team of course --

Ahelyett, hogy versenyeztetné a sorozatokat,

was they looked at all the data they already had about Netflix viewers,

csapatával megvizsgálta a Netflix már létező adatait a nézőkről.

you know, the ratings they give their shows,

Olyanokat, mint az értékelések,

the viewing histories, what shows people like, and so on.

a korábban nézett sorozatok, mely show-kat kedvelik stb.

And then they use that data to discover

És ezeket az adatokat arra használják,

all of these little bits and pieces about the audience:

hogy minden apró részletet megtudjanak a közönségről:

what kinds of shows they like,

milyen sorozatokat kedvelnek,

what kind of producers, what kind of actors.

milyen producereket, milyen színészeket.

And once they had all of these pieces together,

És amikor összerakták a kirakót,

they took a leap of faith,

hittek benne, és úgy döntöttek,

and they decided to license

hogy nem egy 4 szenátorról

not a sitcom about four Senators

szóló szitkomot készítenek,

but a drama series about a single Senator.

hanem egy drámasorozatot egy szenátorról.

You guys know the show?

Ismeritek a sorozatot?

(Laughter)

(Nevetés)

Yes, "House of Cards," and Netflix of course, nailed it with that show,

Igen, a "Kártyavár", ami nagyon bejött a Netflixnek,

at least for the first two seasons.

legalábbis az első két évadban.

(Laughter) (Applause)

(Nevetés) (Taps)

"House of Cards" gets a 9.1 rating on this curve,

A "Kártyavár" 9,1-es értékelést kapott ezen a görbén,

so it's exactly where they wanted it to be.

ezzel pontosan ott van, ahova tervezték.

Now, the question of course is, what happened here?

A kérdés a következő: mi történt?

So you have two very competitive, data-savvy companies.

Adott két nagyon kompetitív, adatmániás cég.

They connect all of these millions of data points,

Milliónyi adatpontokat gyűjtenek,

and then it works beautifully for one of them,

aztán az egyiküknek összejön,

and it doesn't work for the other one.

míg a másiknak nem.

So why?

Miért?

Because logic kind of tells you that this should be working all the time.

A logika szerint mindig működnie kellene.

I mean, if you're collecting millions of data points

Úgy értem, ha egy meghozandó döntésről

on a decision you're going to make,

milliónyi adatpontot összegyűjtesz,

then you should be able to make a pretty good decision.

abból elég jó döntésre lehetne következtetni.

You have 200 years of statistics to rely on.

200 évnyi statisztikára alapozhatod,

You're amplifying it with very powerful computers.

nagyon erős számítógépek segítségével.

The least you could expect is good TV, right?

A minimum, amit elvársz, az a jó tv, nem igaz?

And if data analysis does not work that way,

Amikor pedig az adatelemzés nem így működik,

then it actually gets a little scary,

egy kissé ijesztővé válik a helyzet,

because we live in a time where we're turning to data more and more

mert olyan korban élünk, amikor egyre többször fordulunk az adatokhoz,

to make very serious decisions that go far beyond TV.

hogy a tv-nél sokkal komolyabb döntéseket hozzunk.

Does anyone here know the company Multi-Health Systems?

Ismeri valaki a Multi-Health Systems céget?

No one. OK, that's good actually.

Senki. Oké, az a jó.

OK, so Multi-Health Systems is a software company,

A Multi-Health Systems egy szoftvercég,

and I hope that nobody here in this room

és remélem, a jelenlévők közül

ever comes into contact with that software,

soha, senkinek nem kell használnia a szoftverüket.

because if you do, it means you're in prison.

Mert aki használja, börtönben van.

(Laughter)

(Nevetés)

If someone here in the US is in prison, and they apply for parole,

Ha valaki az USA-ban börtönben van, és feltételest kérvényez,

then it's very likely that data analysis software from that company

nagy eséllyel a cég adatelemző szoftverét

will be used in determining whether to grant that parole.

fogják használni a döntésnél.

So it's the same principle as Amazon and Netflix,

Az elv ugyanaz, mint az Amazonnál és a Netflixnél,

but now instead of deciding whether a TV show is going to be good or bad,

de nem egy tv show-ról döntik el, hogy jó, vagy rossz-e,

you're deciding whether a person is going to be good or bad.

hanem arról, hogy egy ember jó, vagy rossz-e.

And mediocre TV, 22 minutes, that can be pretty bad,

Egy középszerű, 22 perces sorozat is elég rossz lehet,

but more years in prison, I guess, even worse.

de több év börtönben szerintem még rosszabb.

And unfortunately, there is actually some evidence that this data analysis,

Sajnos van rá bizonyíték, hogy ez az adatelemzés

despite having lots of data, does not always produce optimum results.

a sok adat ellenére, nem mindig zárul optimális eredményekkel.

And that's not because a company like Multi-Health Systems

De nem azért, mert a Multi-Health Systems és hasonló cégek

doesn't know what to do with data.

nem tudják az adatokat kezelni.

Even the most data-savvy companies get it wrong.

Még a legprofibb adatelemző cégek is elrontják.

Yes, even Google gets it wrong sometimes.

Igen, néha még a Google is.

In 2009, Google announced that they were able, with data analysis,

2009-ben a Google bejelentette, hogy adatelemzéssel

to predict outbreaks of influenza, the nasty kind of flu,

előre tudják jelezni az influenzajárvány kitöréseit,

by doing data analysis on their Google searches.

a Google keresések adatelemzésével.

And it worked beautifully, and it made a big splash in the news,

Nagyszerűen működött, nagy visszhangja volt a hírekben,

including the pinnacle of scientific success:

többek között a tudományos siker tetőpontján,

a publication in the journal "Nature."

a "Nature" folyóiratban is publikálták.

It worked beautifully for year after year after year,

Gyönyörűen működött évről évre,

until one year it failed.

amíg egyszer csak mégsem.

And nobody could even tell exactly why.

Senki sem tudta, hogy pontosan miért.

It just didn't work that year,

Egyszerűen nem működött akkor,

and of course that again made big news,

persze megint nagy visszhangot keltett,

including now a retraction

visszavonták a "Nature"-ben

of a publication from the journal "Nature."

megjelent publikációt is.

So even the most data-savvy companies, Amazon and Google,

Tehát még a legjobb adatelemző cégek, az Amazon és a Google is

they sometimes get it wrong.

elrontja néha.

And despite all those failures,

Mindezen kudarcok ellenére

data is moving rapidly into real-life decision-making --

az adatok villámgyorsan épülnek be az igazi döntéshozatalba

into the workplace,

a munkahelyen,

law enforcement,

a jogalkalmazásban,

medicine.

a gyógyászatban.

So we should better make sure that data is helping.

Ezért biztosra kell mennünk, hogy az adatok segítenek.

Now, personally I've seen a lot of this struggle with data myself,

Személy szerint sok küzdelmet megéltem adatokkal,

because I work in computational genetics,

mert számítógépes genomikával foglalkozom

which is also a field where lots of very smart people

és ezen a területen sok nagyon okos ember

are using unimaginable amounts of data to make pretty serious decisions

használ elképzelhetetlen mennyiségű adatot fontos döntések meghozatalára,

like deciding on a cancer therapy or developing a drug.

pl. rákterápiát és új gyógyszereket érintő kérdésekben.

And over the years, I've noticed a sort of pattern

Az évek során észrevettem egy mintát

or kind of rule, if you will, about the difference

vagy egy szabályt

between successful decision-making with data

az adatok segítségével történő sikeres és sikertelen

and unsuccessful decision-making,

döntéshozatal között.

and I find this a pattern worth sharing, and it goes something like this.

Úgy gondolom, érdemes megosztanom ezt a mintát.

So whenever you're solving a complex problem,

Amikor egy komplex problémával nézünk szembe,

you're doing essentially two things.

lényegében két dolgot csinálunk.

The first one is, you take that problem apart into its bits and pieces

Az első: darabokra szedjük a problémát,

so that you can deeply analyze those bits and pieces,

hogy azokat a darabokat behatóan elemezzük.

and then of course you do the second part.

Aztán jön a második rész,

You put all of these bits and pieces back together again

amikor újra összerakjuk a darabkákat,

to come to your conclusion.

hogy konklúzióra jussunk.

And sometimes you have to do it over again,

Néha újra és újra meg kell csinálnunk,

but it's always those two things:

de mindig ez a két rész a fontos:

taking apart and putting back together again.

szétszedni és újra összerakni.

And now the crucial thing is

A kritikus rész az,

that data and data analysis

hogy az adatok és az adatelemzés

is only good for the first part.

csak az első részre jók.

Data and data analysis, no matter how powerful,

Az adatok és az adatelemzés, mindegy, milyen jó,

can only help you taking a problem apart and understanding its pieces.

csak a probléma szétszedésében és a darabok megértésében segíthet.

It's not suited to put those pieces back together again

Nem alkalmas a darabok újbóli összerakására,

and then to come to a conclusion.

majd a konklúzió meghozatalára.

There's another tool that can do that, and we all have it,

Van erre egy másik eszközünk, amivel mindenki rendelkezik.

and that tool is the brain.

Ez az eszköz az agyunk.

If there's one thing a brain is good at,

Ha valamire jó az agyunk,

it's taking bits and pieces back together again,

az a darabkák újra összerakása,

even when you have incomplete information,

akkor is, ha az információ nem teljes,

and coming to a good conclusion,

és a jó következtetés,

especially if it's the brain of an expert.

különösképp, ha az agy egy szakértőé.

And that's why I believe that Netflix was so successful,

Szerintem a Netflix azért olyan sikeres,

because they used data and brains where they belong in the process.

mert ott használják az adatokat és az agyat, ahol szükséges.

They use data to first understand lots of pieces about their audience

Először az adatokat használják, hogy megtudjanak sok mindent a közönségről,

that they otherwise wouldn't have been able to understand at that depth,

amit másképp nem tudnának olyan mélyen megérteni,

but then the decision to take all these bits and pieces

de a döntés a darabkák összerakásáról

and put them back together again and make a show like "House of Cards,"

egy olyan sorozat létrehozásánál, mint a "Kártyavár",

that was nowhere in the data.

az nem az adatoknak köszönhető.

Ted Sarandos and his team made that decision to license that show,

Ted Sarandos és csapata hozta a döntést a sorozat berendeléséről,

which also meant, by the way, that they were taking

ami azt is jelentette, hogy elég nagy

a pretty big personal risk with that decision.

személyes kockázatot vállaltak vele.

And Amazon, on the other hand, they did it the wrong way around.

Az Amazonnál pedig rosszul csinálták.

They used data all the way to drive their decision-making,

Végig adatokat használtak a döntéshozatalban.

first when they held their competition of TV ideas,

Először amikor versenyeztették az ötleteket,

then when they selected "Alpha House" to make as a show.

majd amikor kiválasztották az "Alpha House"-t.

Which of course was a very safe decision for them,

Ami persze nagyon biztonságos döntés volt számukra,

because they could always point at the data, saying,

mert mindig mutogathattak az adatokra, mondván, hogy

"This is what the data tells us."

"Az adatokból ez következik."

But it didn't lead to the exceptional results that they were hoping for.

De mégsem hozta az elvárt kiugró eredményeket.

So data is of course a massively useful tool to make better decisions,

Az adatelemzés persze nagyon hasznos eszköz a jobb döntéshozatalban,

but I believe that things go wrong

de szerintem az már rossz,

when data is starting to drive those decisions.

ha adatok kezdik meghatározni a döntéseket.

No matter how powerful, data is just a tool,

Mindegy, milyen erőteljes, az adat csak eszköz.

and to keep that in mind, I find this device here quite useful.

Van egy nagyon hasznos eszköz arra, hogy ezt ne felejtsük el.

Many of you will ...

Ez ismerős lesz...

(Laughter)

(Nevetés)

Before there was data,

Az adatelemzés előtt

this was the decision-making device to use.

ezt az eszközt használták döntéshozatalra.

(Laughter)

(Nevetés)

Many of you will know this.

Sokan ismeritek.

This toy here is called the Magic 8 Ball,

Ez a játék a Varázslatos 8-as golyó,

and it's really amazing,

és valóban lenyűgöző.

because if you have a decision to make, a yes or no question,

Ha van egy eldöntendő kérdésed,

all you have to do is you shake the ball, and then you get an answer --

csak megrázod a labdát, és választ kapsz rá:

"Most Likely" -- right here in this window in real time.

"Nagyon valószínű" olvasható rajta máris.

I'll have it out later for tech demos.

Később kipróbálhatjátok.

(Laughter)

(Nevetés)

Now, the thing is, of course -- so I've made some decisions in my life

Hoztam pár olyan döntést az életben,

where, in hindsight, I should have just listened to the ball.

amikor csak a golyóra kellett volna hallgatnom.

But, you know, of course, if you have the data available,

De persze, ha van elérhető háttérinformáció,

you want to replace this with something much more sophisticated,

valami ennél kifinomultabbat is használnánk,

like data analysis to come to a better decision.

mint például az adatelemzést, hogy jobb döntést hozzunk.

But that does not change the basic setup.

De ez nem változtat az alapfelálláson.

So the ball may get smarter and smarter and smarter,

lehet, hogy a golyó egyre okosabb lesz,

but I believe it's still on us to make the decisions

de még mindig nekünk kell döntenünk,

if we want to achieve something extraordinary,

ha valami rendkívülit akarunk elérni

on the right end of the curve.

a görbe jó végén.

And I find that a very encouraging message, in fact,

Nagyon ösztönzőnek tartom,

that even in the face of huge amounts of data,

hogy még hatalmas adathalmazok

it still pays off to make decisions,

mellett is kifizetődik a döntéshozatal,

to be an expert in what you're doing

hogy szakértője legyél a témának,

and take risks.

és hogy kockáztass.

Because in the end, it's not data,

Mert végül is nem az adatok,

it's risks that will land you on the right end of the curve.

hanem a kockázat segít át a görbe jó oldalára.

Thank you.

Köszönöm.

(Applause)

(Taps)