Alla som har sett "Bridget Jones's Diary" vet att ett av hennes nyårslöften är "Gå inte ut varje kväll utan stanna inne och läs böcker och lyssna på klassisk musik."

Verkligheten, dock, är väsentligt annorlunda. Vad folk faktiskt gör på sin fritid stämmer ofta inte överens med vad de säger att de ska göra.

Ekonomer har kallat detta fenomen för "hyperbolisk rabatt". I en berömd studie med titeln "Att betala för att inte gå till gymmet, "ett par ekonomer fann att, när människor erbjöds att välja mellan ett betal-per-besök-kontrakt och en månadsavgift, de var mer benägna att välja månadsavgift och slutade faktiskt med att betala mer per besök. Det beror på att de överskattade sin motivation att träna.

Hyperbolisk rabatt är bara en utmaning för att verka i en kreativ industri. Smaken är mycket subjektiv, och de delar av handling och berättelse som gör en film till en enorm hit kan lätt göra en annan till ett kritiskt och kommersiellt misslyckande.

I årtionden, annonsörer och marknadsförare kämpade för att förutsäga konsumtionen av fritidsprodukter som filmer och böcker. Det är lika utmanande att bestämma tidpunkten. Vilken helg ska en studio släppa en ny film? När ett förlag ger ut en papperskopia av en bok, hur bestämmer de när de ska släppa e-bokversionen?

I dag, big data ger ny insyn i hur människor upplever underhållning. Som en forskare som studerar effekten av artificiell intelligens och sociala medier, Det finns tre krafter som framstår för mig som särskilt kraftfulla när det gäller att förutsäga mänskligt beteende.

1. Den långa svansens ekonomi

Internet gör det möjligt att distribuera underhållningsprodukter som är mindre populära än vanliga framgångar. Strömmande program kan få en större publik än vad som är ekonomiskt möjligt för distribution via bästa sändningstid. Detta ekonomiska fenomen kallas den långa svanseffekten,

Eftersom streamingmedieföretag som Netflix inte behöver betala för att distribuera innehåll på biografer, de kan producera fler shower som vänder sig till nischade publik. Netflix använde data från sina individuella kunders tittarvanor för att besluta sig för att backa "House of Cards, " som avvisades av tv-nätverk. Netflix data visade att det fanns en fanbas för filmer regisserade av Fincher och filmer med Spacey, och att ett stort antal kunder hade hyrt DVD -skivor av den ursprungliga BBC -serien.

2. Socialt inflytande under artificiell intelligenss tidevarv

Med sociala medier, människor kan dela vad de tittar på med sina vänner, gör att annars oberoende underhållningsupplevelser blir mer sociala.

Genom att utvinna data från sociala webbplatser som Twitter och Instagram, företag kan spåra i realtid vad biobesökare tycker om en viss film, show eller sång. Filmstudior kan använda en skattkammare av digital data för att bestämma hur man ska marknadsföra serier och släppdatum för filmer. Till exempel, volymen av Google-sökningar på en filmtrailer under månaden före premiären är en ledande förutsägelse för Oscarsvinnare såväl som biljettintäkter. Filmstudior kan kombinera historisk information om filmsläppdatum och kassaprestanda med söktrender för att förutsäga idealiska släppdatum för nya filmer.

Att bryta data från sociala medier hjälper också företag att identifiera negativa känslor innan det går in i en kris. En enda tweet från en olycklig inflytelserik kund kan bli viral, forma den allmänna opinionen.

I en studie jag genomförde med Yong Tan från University of Washington och Cath Oh från Georgia State University, vi visade hur sådant socialt inflytande inte bara avgör vilka YouTube-videor som blir mer populära, men också att videor som delas av inflytelserika användare blir ännu bredare.

En studie visar att när studior uppmärksammar sociala medier innan en film släpps, skillnaden mellan den förväntade intäkten och den faktiska intäkten, känd som prognosfelet, minskat med 31 procent.

3. Konsumtionsanalys

Big data ger bättre insyn i vilka böcker och visar folk faktiskt spenderar sin tid på att njuta.

Matematikern Jordan Ellenberg banade väg för användningen av Hawking-index, ett mått på det genomsnittliga sidnumret för de fem mest markerade avsnitten i en Kindle-bok som en andel av den bokens totala längd. Hawking-indexet visar när människor ger upp en bok. Om en 250-sidig boks genomsnittliga Kindle-höjdpunkt visas på sidan 250, det skulle ge det ett Hawking -index på 100 procent.

Teorin får sitt namn från Stephen Hawkings "A Brief History in Time". Även om den här boken fortfarande säljs i miljontals exemplar per år, den läses också sällan, med ett dystert Hawking -index på 6,6 procent.

När ett företag som Amazon bestämmer sig för vilka böcker som ska rekommenderas till potentiella läsare eller vilka Prime-program som ska produceras, de tittar på detaljerade digitala spår av vilka plotpunkter som engagerade publik och vilka som inte gjorde det. Detta kan hjälpa dem att marknadsföra en kommande release eller ge bättre rekommendationer till enskilda användare.

Vad mer, nya typer av artificiell intelligens kan undersöka vad som får människor att engagera sig i kreativt innehåll. Till exempel, ett företag som heter Epagogix banade väg för ett tillvägagångssätt med hjälp av ett neuralt nätverk – ett verktyg för artificiell intelligens som letar efter mönster i mycket stora mängder data – på en uppsättning manus som betygsatts av experter inom underhållningsbranschen. Datorn kunde då förutsäga den ekonomiska framgången för en film. Enligt vissa rapporter, sådan artificiell intelligens kan förutsäga upp till 75 procent av filmernas faktiska öppningsintäkter.

Med tanke på nya big data-insikter som dessa, underhållningsföretag kanske snart vet vad Bridget Jones skulle vilja göra med sin fritid bättre än Bridget själv gör.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.