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

Çeviri: Ozay Ozaydin Gözden geçirme: Sancak Gülgen

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

Roy Price, 19 Nisan 2013 tarihinde geçirdiğiniz 22 sıradan dakikanın

even though he may have been responsible

sorumlusu olsa da, büyük olasılıkla

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

çoğunuzun duymadığı bir isim.

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

O, aynı zamanda en eğlenceli 22 dakikanın da sorumlusu,

but not very many of you.

tabii hepiniz için değil.

And all of that goes back to a decision

Bunlar bizi Roy'un üç sene önce

that Roy had to make about three years ago.

almak zorunda olduğu bir karara götürüyor.

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

Roy Price, Amazon Stüdyoları'nda bir üst düzey yönetici.

That's the TV production company of Amazon.

Bu, Amazon'un TV yapım şirketi.

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

47 yaşında, zayıf ve dik saçlı biri olan Roy, kendini Twitter'da

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

"filmler, televizyon, teknoloji ve tako" anahtar kelimelerini ile tanıtıyor.

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

Roy Price sorumluluğu ağır bir işi yürütüyor, çünkü onun işi

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

Amazon'un yapacağı özgün içerikli programları seçmek.

And of course that's a highly competitive space.

Ve bu alanda rekabet oldukça yüksek.

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

Demek istediğim, şu anda o kadar çok dizi var ki,

that Roy can't just choose any show.

Roy'un herhangi bir dizi seçmesi mümkün değil.

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

Onun, çok ama çok iyi dizileri bulması gerekiyor.

So in other words, he has to find shows

Başka bir deyişle, onun, bu eğrinin en sağında yer alacak

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

bir dizi bulması gerekiyor.

So this curve here is the rating distribution

Bu eğri IMDB sitesinde bulunan 2500 dizinin,

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

1-10 puan arasındaki puan dağılımının eğrisi

and the rating goes from one to 10,

ve yükseklik, kaç dizinin

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

bu reytinge ulaştığını gösteriyor.

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

Yani eğer dizi 9'un üstünde bir reyting puanı alırsa bu bir zafer demektir.

Then you have a top two percent show.

Bir de en iyi %2'lik kesim var.

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

Breaking Bad, Game of Thrones, The Wire gibi diziler mesela.

so all of these shows that are addictive,

Bu dizilerin hepsi, bir sezon izledikten sonra

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

beyninize "Diğer bölümleri nasıl bulurum?" sorusunu

"Where can I get more of these episodes?"

sorduracak kadar bağımlılık yapar.

That kind of show.

Bu tür diziler.

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

Sol tarafta, biraz daha açık olmak gerekirse en sonda,

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

"Toddlers and Tiaras" adında

(Laughter)

(Kahkahalar)

-- which should tell you enough

eğrinin sonunda neler olduğunu

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

yeterince iyi açıklayan bir dizi var.

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

Şu an Roy Price'ın eğrinin en solunda kalmak gibi bir endişesi yok

because I think you would have to have some serious brainpower

çünkü bence Toddlers and Tiaras'ın gerisine düşmek için ciddi

to undercut "Toddlers and Tiaras."

bir beyin gücünüzün olması lazım.

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

Onun endişelendiği nokta ortadaki çıkıntı bölüm,

the bulge of average TV,

yani ortalama bir dizi,

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

bildiğiniz gibi çok iyi veya çok kötü olmayan diziler

they don't really get you excited.

bizi pek heyecanlandırmaz.

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

O yüzden onun hep eğrinin sağında kaldığından emin olması lazım.

So the pressure is on,

Üzerinde hissettiği baskı bu şekilde

and of course it's also the first time

ve Amazon ilk defa böyle şeyler

that Amazon is even doing something like this,

yapmaya başladığında Roy Price,

so Roy Price does not want to take any chances.

işini şansa bırakmak istemedi.

He wants to engineer success.

Başarıyı elde etmek istedi.

He needs a guaranteed success,

Başarıyı garantilemeye ihtiyacı vardı

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

ve şuan yaptığı şey ise bir yarışı sürdürmek.

So he takes a bunch of ideas for TV shows,

Bu yüzden diziler için bir dizi fikir topluyor ve

and from those ideas, through an evaluation,

bu fikirleri değerlendirip

they select eight candidates for TV shows,

aralarından sekiz aday seçiyor ve

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

her birinin ilk bölümünü çekiyor.

and puts them online for free for everyone to watch.

Bu bölümleri ücretsiz olarak bir websitesinden yayınlıyor.

And so when Amazon is giving out free stuff,

Amazon ücretsiz olarak bir şey verirse

you're going to take it, right?

bu şeyi alırsınız değil mi?

So millions of viewers are watching those episodes.

Dolayısıyla milyonlarca kişi bu bölümleri izliyor.

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

Onlarında farketmedikeri şey şu ki onlar bu bölümleri izlerken

actually, they are being watched.

asıl izlenen onlar.

They are being watched by Roy Price and his team,

Her şeyi kaydeden Roy Price ve takımı

who record everything.

tarafından izleniyorlar.

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

İzleyicinin oynat tuşuna basmasını, durdurmasını,

what parts they skip, what parts they watch again.

atladığı yerleri ve tekrar izlediği yerleri kaydediyorlar.

So they collect millions of data points,

Böylece milyonlarca veri parçacığı topluyorlar,

because they want to have those data points

çünkü hangi diziyi yapmak istediklerine

to then decide which show they should make.

karar verirken bu verilere sahip olmak istiyorlar.

And sure enough, so they collect all the data,

Pek tabii olarak bu verileri topluyorlar,

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

hepsini işledikten sonra cevap ortaya çıkıyor.

and the answer is,

Cevap şu ki:

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

"Amazon Dört Cumhuriyetçi ABD senatörü hakkında bir sit-com yapmalı."

They did that show.

Diziyi yaptılar.

So does anyone know the name of the show?

Bu dizinin ismini hatırlayan var mı?

(Audience: "Alpha House.")

(Seyirci: "Alpha House.")

Yes, "Alpha House,"

Evet, "Alpha House."

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

aslında bir çoğunuz bu diziyi hatırlamıyor gibi gözüküyor,

because it didn't turn out that great.

çünkü çok büyük bir patlama yapmadı.

It's actually just an average show,

Yalnızca ortalama bir diziydi,

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

çünkü aslında bu eğrinin ortalaması tam olarak 7.4 ve

and "Alpha House" lands at 7.5,

"Alpha House" 7.5 puanda.

so a slightly above average show,

Yani ortalamanın biraz üstünde ama

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

bu Roy Price ve takımının amaçladığı şey kesinlikle bu değil.

Meanwhile, however, at about the same time,

Bu arada, her nasılsa, aynı zamanda

at another company,

başka bir şirkette,

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

Netflix'te İçerik Yönetim Şefi olan Ted, Ted Sarandos, veri analizini kullanarak

and his name is Ted,

en üst reytinge yerleşen bir dizi

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

yapmayı başardı.

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

Onun da işi, aynı Roy'unki gibi

to find that great TV show,

sürekli olarak çok iyi diziler bulmak.

and he uses data as well to do that,

O da bunu yapmak için verileri kullanıyor

except he does it a little bit differently.

ama biraz daha farklı yapıyor.

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

O ve takımı bir yarışma düzenlemek yerine

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

halihazırda Netflix izleyicileri ile ilgili toplanmış, dizilere verilen

you know, the ratings they give their shows,

puanlar, izlenme geçmişleri, sevilen diziler

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

ve bunun gibi verilere bakıyorlar.

And then they use that data to discover

Bu verileri kullanarak,

all of these little bits and pieces about the audience:

seyirciler hakkında hangi tür dizileri,

what kinds of shows they like,

hangi tür yapımcıları,

what kind of producers, what kind of actors.

hangi tür aktörleri sevdikleri gibi veri kırıntılarına ulaşıyorlar.

And once they had all of these pieces together,

Bu kırıntıları bir araya getiriyorlar,

they took a leap of faith,

bu verilerle bir sıçrama yapıyorlar

and they decided to license

ve 4 senatör hakkında bir sitcom yapmaktansa

not a sitcom about four Senators

yalnızca bir senatör hakkında

but a drama series about a single Senator.

drama dizisi yapmaya karar veriyorlar.

You guys know the show?

Bu dizinin adını biliyor musunuz?

(Laughter)

(Kahkaha)

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

Evet, "House of Cards" ve Netflix elbette bu diziyle kasıp kavurdu,

at least for the first two seasons.

en azından ilk iki sezon.

(Laughter) (Applause)

(Kahkahalar)(Alkışlar)

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

"House of Cards" bu eğride 9.1 puanda,

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

yani tam olarak istedikleri yerde.

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

Şimdi soru şu, bu iki durumda ne oldu?

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

Şimdi, veri depolayan, rekabet içinde olan iki şirket var.

They connect all of these millions of data points,

Milyonlarca veri parçalarını birleştiriyorlar

and then it works beautifully for one of them,

ve bu veriler biri için çok işe yarıyor ama

and it doesn't work for the other one.

diğeri için iyi bir sonuç vermiyor?

So why?

Peki neden?

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

Çünkü mantığınız size bunun her zaman işe yaraması gerektiğini söylüyor.

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

Demem o ki, milyonlarca veri parçası topluyorsanız,

on a decision you're going to make,

bir karar vereceğiniz zaman

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

iyi bir karar vermiş olmanız lazım.

You have 200 years of statistics to rely on.

Güvenebileceğiniz 200 yıllık istatistikler var.

You're amplifying it with very powerful computers.

Bu verileri güçlü bilgisayarlarla büyütüyorsunuz.

The least you could expect is good TV, right?

En azından iyi bir dizi bekliyorsunuz, değil mi?

And if data analysis does not work that way,

Eğer veri analizi bu şekilde çalışmıyorsa,

then it actually gets a little scary,

durum biraz daha korkutucu bir hâl alıyor.

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

Çünkü günümüzde televizyonun da ötesinde daha ciddi kararlar almak için

to make very serious decisions that go far beyond TV.

verilere başvuruyoruz.

Does anyone here know the company Multi-Health Systems?

Aranızda Multi-Health Systems adlı şirketi bilen var mı?

No one. OK, that's good actually.

Hiç kimse. Tamam, çok iyi.

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

Evet, Multi-Health Systems bir yazılım şirketi ve

and I hope that nobody here in this room

ve umarım bu odadaki hiç kimse

ever comes into contact with that software,

bu programla karşılaşmamıştır çünkü

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

eğer karşılaştıysanız hapistesiniz demektir.

(Laughter)

(Kahkahalar)

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

Eğer buradaki herhangi biri ABD'de hapse girerse ve

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

şartlı tahliye başvurusu yaparsa büyük olasılıkla başvuruyu onaylamak veya

will be used in determining whether to grant that parole.

reddetmek için bu şirketin veri analiz yazılımı kullanılacak.

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

Amazon ve Netflix ile aynı esaslarla ama

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

şimdi bir dizinin iyi veya kötü olacağı değil, bir insanın

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

iyi veya kötü olacağı hakkında karar veriyorsunuz.

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

Vasat bir dizi, 22 dakika, biraz kötü olabilir,

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

hapiste uzun yıllar, sanırım çok daha kötü.

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

Ve maalesef veri analizi ile ilgili bazı bulgular bize şunu gösteriyor ki,

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

ne kadar çok veri olursa olsun, her zaman optimum sonuçlar elde edemiyorsunuz.

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

Bu, Multi-Health Systems gibi bir şirketin elindeki verilerle

doesn't know what to do with data.

ne yapacağını bilmediğinden değil.

Even the most data-savvy companies get it wrong.

Veri depolamaya en meraklı şirketler bile hatalar yapıyor.

Yes, even Google gets it wrong sometimes.

Evet, Google bile bazen hatalar yapıyor.

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

2009 yılında, Google, grip salgınını tahmin etmek için,

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

daha doğrusu kötü bir grip türünü,

by doing data analysis on their Google searches.

veri analizi yapabileceğini duyurdu.

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

Veri analizi bu konuda çok iyi çalıştı ve haberlerde de büyük sükse yaptı,

including the pinnacle of scientific success:

hatta bilimsel başarının zirvesini yakaladı,

a publication in the journal "Nature."

"Nature" dergisinde yayınlandı.

It worked beautifully for year after year after year,

Çalışma başarısız olduğu o yıla kadar

until one year it failed.

her yıl çok iyi sonuç verdi.

And nobody could even tell exactly why.

Ve kimse tam olarak nedenini bile söyleyemedi.

It just didn't work that year,

Sadece o yıl çalışmadı ve

and of course that again made big news,

tabii olarak haberlerde çok duyuldu ve

including now a retraction

"Nature" dergisi

of a publication from the journal "Nature."

yayını geri çekti.

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

Evet, veri uzmanı en büyük firmalar, Amazon ve Google bile

they sometimes get it wrong.

zaman zaman hatalar yapıyor.

And despite all those failures,

Tüm bu başarısızlıklara rağmen veri analizi,

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

kanun hükümleri, tıp gibi birçok hayati alanda

into the workplace,

kararı etkileyen

law enforcement,

bir unsur olarak

medicine.

kayıyor.

So we should better make sure that data is helping.

Bu yüzden veri analizinin işe yaradığına emin olmalıyız.

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

Ben, kişisel olarak verilerle ilgili çok fazla zorluk gördüm

because I work in computational genetics,

çünkü kanser tedavisi veya

which is also a field where lots of very smart people

ilaç geliştirmek gibi alanlarda,

are using unimaginable amounts of data to make pretty serious decisions

hayal edemeyeceğiniz kadar çok verilerle uğraşan zeki insanların olduğu

like deciding on a cancer therapy or developing a drug.

bir dal olan bilişimsel genetik üzerinde çalışıyorum.

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

Ve yıllar içinde verilerle karar verme konusunda

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

başarılı olmak veya olmamak arasında

between successful decision-making with data

niyet ettiğimizde paylaşmaya değer bir kural veya kalıp

and unsuccessful decision-making,

farkettim. Bu kalıp ise

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

şöyle bir şey:

So whenever you're solving a complex problem,

Karışık bir problemi çözerken

you're doing essentially two things.

temel olarak iki şey yapıyorsunuz.

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

İlki, problemi küçük parçalara ayırıyorsunuz, böylece bu parçaları

so that you can deeply analyze those bits and pieces,

derinlenemesine analiz edebilirsiniz ve

and then of course you do the second part.

sonra ikinci bölüme geçiyorsunuz.

You put all of these bits and pieces back together again

Sonuca ulaşmak için bu küçük parçaları tekrar

to come to your conclusion.

bir araya getiriyorsunuz.

And sometimes you have to do it over again,

Bazen bu işi tekrar yapmanız gerekebilir ama yaptığınız

but it's always those two things:

her zaman iki şeydir:

taking apart and putting back together again.

parçalara ayırmak ve parçaları birleştirmek.

And now the crucial thing is

Burada kritik olan nokta şu ki,

that data and data analysis

veri ve veri analizi yalnızca

is only good for the first part.

ilk bölüm için önemli.

Data and data analysis, no matter how powerful,

Veri ve veri analizi ne kadar güçlü olursa olsun,

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

yalnızca problemi parçalara ayırmanıza ve parçaları anlamanıza yardımcı olur.

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

Parçaları tekrar birleştirip

and then to come to a conclusion.

bir sonuca ulaşmak için uygun değildir.

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

Bunu yapabilecek olan araç herkeste mevcut

and that tool is the brain.

ve bu araç beyin.

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

Eğer beynin iyi olduğu bir şey varsa,

it's taking bits and pieces back together again,

sahip olduğunuz bilgiler tam olmasa bile

even when you have incomplete information,

parçaları alıp tekrar araya getirmek ve

and coming to a good conclusion,

iyi bir sonuca ulaşmak,

especially if it's the brain of an expert.

özellikle bu beyin bir uzmanın beyniyse.

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

Bence Netflix'in bu kadar başarılı olmasının sebebi,

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

veriyi ve beyni süreçte olması gerektiği yerde kullanmaları.

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

Onlar önce seyircilerle alakalı bir şeyler öğrenmek için verileri kullanıyor,

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

yoksa seyirciler hakkında bu derinlikte bilgilere sahip olamazlardı.

but then the decision to take all these bits and pieces

Sonra karar vermek için bütün bu parçaları birleştiriyor

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

ve ortaya hiçbir veride adı geçmeyen "House of Cards" gibi

that was nowhere in the data.

bir dizi çıkıyor.

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

Ted Sarantos ve takımı büyük bir kişisel risk alarak

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

bu diziyi yapmak için

a pretty big personal risk with that decision.

bir karar verdi.

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

Ama diğer yandan Amazon bu işi yanlış bir şekilde yaptı.

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

İlk olarak dizi önerilerini bir yarışa soktuklarında ve

first when they held their competition of TV ideas,

"Alpha House" dizisinde karar kıldıklarında

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

karar alma mekanizmasını harekete geçirmek için verileri kullandılar.

Which of course was a very safe decision for them,

Bu onlar için güvenli bir karardı çünkü verilere

because they could always point at the data, saying,

baktıklarında şunu söyleyebiliyorlardı:

"This is what the data tells us."

"Bize verilerin söylediği şey bu."

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

Ama bu veriler onları umut ettikleri gibi istisnai bir sonuca götürmedi.

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

Sonuç olarak veriler karar alırken çok yararlı araçlar fakat

but I believe that things go wrong

bence bizi karara götüren tek şey veriler olduğunda

when data is starting to drive those decisions.

işler sarpa sarıyor.

No matter how powerful, data is just a tool,

Ne kadar güçlü olursa olsun, veriler yalnızca birer araç ve

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

şunu unutmayın bu araç burada benim çok işime yaradı.

Many of you will ...

Aranızdan bir çoğunuz...

(Laughter)

(Kahkahalar)

Before there was data,

Veriler yokken

this was the decision-making device to use.

karar alma aracı buydu.

(Laughter)

(Kahkahalar)

Many of you will know this.

Bir çoğunuz bunu biliyor.

This toy here is called the Magic 8 Ball,

Bu oyuncağın ismi Sihirli 8 Topu,

and it's really amazing,

ve gerçekten inanılmaz.

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

Çünkü eğer bir karar vermeniz gerekiyorsa,

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

cevabı evet veya hayır olan bir soruysa, tüm yapmanız gereken topu sallamak

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

ve cevabı almak. Şuanda şu küçük pencerede "Büyük ihtimalle" yazıyor.

I'll have it out later for tech demos.

Bunu daha sonra teknoloji tanıtımlarında kullanacağım.

(Laughter)

(Kahkahalar)

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

Olay şu ki, hayatımda bir çok konuda kararlar aldım ve şimdi geriye dönüp

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

baktığımda şunu söyleyebilirim, keşke topu dinleseydim.

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

Ama bildiğiniz gibi, eğer elinizde veriler varsa, daha iyi

you want to replace this with something much more sophisticated,

bir karar vermek için bunun yerine veri analizi gibi daha

like data analysis to come to a better decision.

gelişmiş şeyleri kullanmak istersiniz.

But that does not change the basic setup.

Ama bu kurguyu değiştirmiyor.

So the ball may get smarter and smarter and smarter,

Bu yüzden top, çok daha zeki olabiliyor, ama şuna inanıyorum ki

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

eğer eğrinin sağ tarafında,

if we want to achieve something extraordinary,

sıra dışı bir şey başarmak istiyorsak

on the right end of the curve.

bu hala karar vermemiz için hazır bekliyor ve

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

aslında çok teşvik edici bir şey buldum,

that even in the face of huge amounts of data,

çok büyük sayıda verilere karşın

it still pays off to make decisions,

yaptığınız şeyde uzman olmak için

to be an expert in what you're doing

karar vermeye ve

and take risks.

risk almaya değer.

Because in the end, it's not data,

Çünkü en sonunda veriler yok, en sonunda sizi eğrinin

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

sağına veya soluna yerleştirecek şey yalnızca aldığınız riskler.

Thank you.

Teşekkür ederim.

(Applause)

(Alkışlar)