• 거의 20년 전에 Chris Anderson은 The Long Tail을 썼는데 , 인터넷이 관심을 분산시키고 소비가 "꼬리"로 이동할 것이라고 정확하게 예측했습니다. 하지만 탑건 매버릭은 지난해 국내 박스오피스에서 7억 달러 이상을 벌어들였고 , 배드 버니는 지난해 스포티파이에서 185억 스트림을 기록했으며 , 오징어 게임 시즌 1을 첫 28일 동안 1억 4200만 가구가 시청한 것으로 알려졌다 . 조각난 세상에서 여전히 히트작이 나오는 이유는 무엇입니까?
• 최근 Forget Peak TV, Here Comes Infinite TV 라는 에세이를 올렸습니다 . 향후 10년 동안 비디오는 텍스트, 사진 및 음악의 경로를 따를 것이며 "전문적으로 제작된" 콘텐츠와 "독립/크리에이터/사용자 생성" 콘텐츠 사이의 품질 구분이 점차 모호해질 것이라는 사실을 입증했습니다. 이로 인해 사실상 무한한 품질의 비디오 콘텐츠가 생성됩니다. 그때도 히트작이 계속 나올까요, 아니면 개인화된 틈새 시장만 있을까요?
• 왜 그렇게 많은 블록버스터 영화가 슈퍼히어로에 관한 것인지 궁금한 적이 있습니까? 헐리우드는 게으른 것일까, 아니면 소비자의 취향이 점점 더 멍청해지고 균질화되고 있는 것일까? 아니면 둘 다?
• 어쨌든 바이러스가 퍼지는 이유는 무엇입니까?
• 콘텐츠 추천을 통해 가장 인기 있는 프로그램, 영화, 노래를 찾게 됩니까, 아니면 귀하에게만 맞춤화된 것입니까? 아니면 다른 의제가 있습니까?
• web3는 정말 소규모 크리에이터의 구세주가 될까요?
• Billie Eilish, Lil Nas X, Mr. Beast 또는 PewDiePie가 무명에서 나왔을 때 그들의 재능을 인정받는 것은 불가피한 일이었습니까?
• Amazon의 최고 평점 리뷰 또는 Quora의 답변이 정말 가장 유용합니까?

이 에세이는 약간 이상할 수 있지만 주제는 제가 10년 이상 생각해 온 것입니다. (꺼졌다 켜졌다가 계속되는 것이 아닙니다.)

나는 몇 번의 엄청난 적중과 엄청난 수의 실패를 의미하는 권력 법칙과 같은 분포가 네트워크의 고유한 특징인 이유를 설명합니다. 추천 시스템이 사회적 신호를 약화시키거나 강화하는 방법을 설명합니다. 영화, TV, 음악 및 제작자 경제 전반에 걸쳐 미디어에서 권력 법칙과 같은 분배가 지속되는 몇 가지 예를 보여줍니다. 이 모든 것이 왜 중요한지 토론하십시오.

요약:

• 명백한 모순으로 인터넷은 관심을 분산시키고 집중 시킵니다.
• 전자의 이유는 직관적입니다. 더 많은 물건, 물건 단위당 관심은 적습니다. 후자의 이유는 아닙니다. 네트워크가 강력한 포지티브 피드백 루프의 영향을 받기 때문에 발생합니다. 네트워크에서 사람들의 선택은 다른 사람들의 결정에 영향을 받아 "히트"를 증폭시킵니다.
• 여기에는 정보 캐스케이드(사람들이 다른 사람의 선택을 품질의 신호로 취급할 때)와 평판 캐스케이드(사람들이 그룹 결정에 따를 때)의 두 가지 메커니즘이 있습니다. 인터넷에서 선택이 폭발적으로 증가하고 다른 사람의 선택을 관찰하고 자신의 선택을 공유하는 것이 더 쉬워짐에 따라 이러한 메커니즘은 더욱 강력해졌습니다.
• 또한 소비자는 의도적이든 비의도적이든 선택을 하기 위해 추천 알고리즘에 크게 의존합니다. 구성 방식에 따라 이러한 시스템은 네트워크에서 발생하는 사회적 신호를 높이거나 약화시킬 수 있습니다.
• 그 결과 거의 모든 미디어의 소비 분포가 지속적으로 그리고 어떤 경우에는 점점 더 멱법칙처럼 보입니다. 나는 배포의 "극단성"에 대해 생각할 수 있는 프레임워크를 제공하고 박스 오피스, Netflix 오리지널 시리즈, Spotify 스트림 및 Patreon 후원자와 같은 몇 가지 예를 보여줍니다.
• 미디어 회사에는 여러 가지 중요한 의미가 있습니다. 희소식은 실질적으로 무한한 콘텐츠의 세계에서도 항상 대박 히트작이 있을 가능성이 높다는 것입니다. 나쁜 소식은 그 밖의 모든 것입니다. 수익성이 좋은 중간이 비워지고 있습니다. 히트를 생성하는 데 있어 무작위성(따라서 위험)이 증가하고 있습니다. 꼬리는 안타에 대해 더 경쟁력이 있습니다. 더 많은 경제적 임대료가 재능으로 전환될 가능성이 높습니다. 콘텐츠 제작자는 점점 더 큐레이터의 알고리즘에 의존하고 있습니다. 유료 미디어는 평가 절하되고 있습니다.

인터넷이 미디어 파편화를 일으킬 것이라는 생각은 거의 현대 인터넷 그 자체만큼이나 오래되었습니다. (아니면 더 오래되었을 수도 있습니다. "미래에는 모든 사람이 15분 동안 세계적으로 유명해질 것입니다."라는 앤디 워홀의 말은 종종 인터넷이 파편화되기 전에 예측한 것이었습니다.) 1999년에 Qwest Communications는 "모든 언어로 제작된 모든 영화"(그림 1). 롱테일2004년에 출판된 는 인터넷이 정보 상품을 저장하고 운송하는 비용을 극적으로 낮추었기 때문에 사실상 무한한 선반 공간을 초래할 것이라고 주장했습니다. 훨씬 더 많은 선택권에 직면한 소비자들은 대부분의 소비를 "꼬리"로 옮겨 매스 컬처의 종말을 알리고 히트작의 중요성이 줄어들 것입니다. 어쨌든 Anderson은 소셜 미디어를 예상하지 않았기 때문에 꼬리의 크기를 과소 평가했습니다. 꼬리는 아이슬란드 신스 팝이 아니라 끝없이 많은 양의 사용자 생성 콘텐츠입니다.

그림 1. 25년 전 Qwest가 구상한 미디어 파편화

출처: Quest Communications 인쇄 광고, 1999.

인터넷이 더 많은 선택권을 제공하고 따라서 더 많은 파편화가 그 당시에는 직관적이었고 지금은 논쟁의 여지가 없습니다. 그러나 그것은 이야기의 절반만을 말해줍니다. 모순되는 것처럼 보이지만 인터넷은 주의를 분산시키고 집중시킵니다 . 이 후자의 아이디어는 Anita Elberse가 그녀의 저서 Blockbusters: Hit-making, Risk-taking, and the Big Business of Entertainment 에서 탐구했으며 부분적으로는 The Long Tail 에 대한 반박이었습니다 . 그러나 그 책은 공급업체가 블록버스터 전략을 추구해야 하는 이유에 더 중점을 두었고 히트작을 만드는 근본적인 수요 측면 역학에 대해서는 덜 중점을 두었습니다.

이러한 역학 관계를 이해하는 것이 중요합니다. 여전히 히트작이 있다는 주장은 논쟁의 여지가 없는 것처럼 보일 수 있으며 확실히 직관적으로 옳다고 느낍니다. 우리는 비욘세나 테일러 스위프트가 앨범을 발표하거나 기묘한 이야기 나 왕좌의 게임의 다음 시즌이 나오면 사우론의 눈과 같은 대중 문화의 집단적 관심이 적어도 다음 시즌이 나올 때까지 그것에 훈련될 것이라는 것을 알고 있습니다. 함께 따라옵니다. 그러나 여전히 히트작이 있는 이유를 이해 하면 콘텐츠 공급이 수요보다 빠르게 증가함에 따라 이것이 계속될 것인지에 대한 통찰력을 얻을 수 있습니다.

여전히 히트가 있는 이유를 이해하면 이것이 지속되는지 여부와 그 의미에 대한 통찰력을 제공합니다.

인터넷이 주목받는 이유는 모두를 거대한 네트워크로 연결하기 때문이다. 그리고 네트워크는 강력한 피드백 루프의 영향을 받습니다. 점점 더 많은 소비자가 정보 네트워크를 통해 콘텐츠를 발견하고 소비하기 때문에 그들의 결정은 점점 더 다른 사람들의 결정에 영향을 받습니다. 이러한 피드백 루프는 소수의 선택 항목(적중 항목)의 인기를 증폭시킵니다.

분열과 집중이라는 이러한 상반되는 힘의 최종 결과는 미디어 소비와 보다 광범위하게는 문화가 지속적으로, 어떤 경우에는 분배와 같은 권력 법칙을 점점 더 준수하고 있다는 것입니다. 즉, 소수의 TV 쇼, 영화, 노래, 책, 비디오 게임, 저널 기사, 뉴스레터, 짧은 형식의 비디오 및 트윗이 큰 인기를 얻게 되는 반면, 방대한(광대한, 방대한, 방대한…) 대다수는 거의 소비되지 않을 것입니다.

멱법칙이란 무엇입니까?

평균, 중앙값 및 최빈값 바로 다음으로 학교에서 가르치는 첫 번째 통계 개념 중 하나는 정규 또는 가우시안 분포 라고도 하는 "종형 곡선"입니다 . 정규 분포의 이면에 있는 직관은 임의의 독립적인 관측값 이 충분하면 대부분의 관측값이 상대적으로 평균(또는 평균)에 가깝고 양쪽에 균등하게 분포된다는 것입니다. 많은 독립적인 자연 현상은 특히 키, 몸무게, 시험 점수 또는 두 개의 육면체 주사위 굴림과 같이 극단이 제한될 때 이 분포에 근접합니다.

그림 2. 정규 및 거듭제곱 법칙 분포

반대로 멱법칙 분포는 매우 다르게 보입니다. 거듭제곱 법칙은 단순히 종속 변수가 독립 변수의 "제곱"임을 의미합니다. 예를 들어, 정육면체의 부피는 변 길이의 "제곱"입니다. 길이가 1단위일 때마다 부피가 3단위 증가하기 때문입니다. 일반적으로 다음과 같이 표현할 수 있습니다.

멱법칙 확률 분포에서 지수는 음수이므로 아래쪽으로 기울어진 곡선이 됩니다(그림 2에 대략적으로 나와 있음). 표시된 바와 같이, 멱법칙 분포는 다수의 매우 작은 관측값과 적은 수의 매우 큰 관측값으로 특징지어집니다.

여기에서 무료로 제공되는 훌륭한 책인 Networks, Crowds and Markets를 포함하여 정규 분포와 거듭제곱 법칙 분포 사이의 기술적 차이점을 탐구할 수 있는 곳이 많이 있습니다 (18장 참조).

우리의 목적을 위해 이 비교의 요점은 그림 2의 가장 오른쪽에 있는 그래프에 표시되어 있습니다. 이 그래프는 정규 분포에 거듭제곱 법칙 분포를 중첩합니다. 극히 작은 관측치와 매우 큰 관측치의 가능성은 전자에서 훨씬 더 큽니다. 후자보다.

요점: 멱법칙에서 극히 작은 관측값과 매우 큰 관측값이 모두 훨씬 더 일반적입니다.

아마도 이러한 차이점에 대해 생각하는 가장 좋은 방법은 The Black Swan 에서 Nassim Nicholas Taleb이 대중화한 프레임워크일 것입니다 . 정규분포의 세계를 Mediocristan (모든 것이 평균 주위 어딘가에 있는 곳)으로 생각하고 power-law 분포의 세계를 Extremistan (극단적으로 보이는 일이 훨씬 더 자주 발생하는 곳)으로 생각하십시오.

멱법칙이 문화에서 발생하는 이유는 무엇입니까? 네트워크

위에서 언급했듯이 인터넷이 미디어 파편화를 유발한다는 생각은 직관적이지만 인터넷이 조회수를 증폭시킨다는 생각은 그렇지 않습니다. 왜 그런 일이 일어나는지 알아봅시다.

멱함수 법칙(또는 엄밀히 말하면 분포 와 같은 멱함수 법칙)은 많은 곳 에서 나타납니다 : 지진의 발생률, 주어진 출판물에서 단어의 발생률(Zipf의 법칙이라고 함), 도시의 인구, 포유류 사이의 신진대사 규모 그리고 다른 많은 것.

이러한 멱법칙 이면의 메커니즘이 항상 명확한 것은 아닙니다( 멱법칙이 복잡한 시스템의 고유 속성인지 여부에 대한 논쟁이 있습니다 ). 그러나 전력 법칙은 네트워크 현상이 종속적인 경향이 있기 때문에 네트워크에서 일반적입니다 . 즉, 피드백 루프가 있음을 의미합니다 . 네트워크의 각 노드는 다른 노드에 영향을 미치고 영향을 받습니다.

사람들의 선택은 피드백 루프의 영향을 받기 때문에 인기는 분포와 같은 멱법칙을 따릅니다.

이것은 특히 인기에 해당됩니다. 분포와 같은 권력 법칙은 Michael Tauberg 의 이 기사 에서 볼 수 있듯이 미디어의 모든 곳에 있습니다 .

사회적 신호는 우리의 선택에 영향을 미칩니다

따라서 사람들이 종종 다른 사람들이 하는 것을 본 것에 따라 선택을 하기 때문에 네트워크가 조회수를 증폭시키는 경향이 있다면 다음 질문은 다음과 같습니다. 왜? 두 가지 이유가 있습니다. 1) 다른 사람의 선택에 가치 있는 정보가 포함되어 있다고 가정하는 것이 종종 이성적입니다. 2) 사람들은 다른 사람들이 자신에 대해 어떻게 생각하는지 관심을 갖습니다.

이것은 사회과학자들이 "정보 캐스케이드"와 "평판 캐스케이드"라고 부르는 두 가지 별개의 현상입니다.

• 정보 캐스케이드.선택을 해야 하고 불완전한 정보가 있을 때 어떻게 합니까? 옵션의 품질을 직접 결정하는 것이 얼마나 어려운지("검색 비용")와 잘못된 선택의 결과(가역성 포함)("기회 비용")에 따라 달라질 수 있습니다. 검색 비용은 선택 항목의 수와 각 선택 항목의 품질을 확인하는 데 필요한 시간의 함수입니다. 예를 들어 TikTok을 스크롤할 때는 품질을 빠르게 판단하기 쉽고 다음 멀티 시즌 TV 시리즈를 찾을 때는 어렵습니다. Spotify에서 추천곡의 처음 8초를 듣는 기회비용은 베이비시터를 구하고 영화를 보러 가는 것과는 매우 다릅니다. 검색 및 기회 비용이 낮을 때 스스로 알아낼 수 있습니다. 그들이 높고 다른 사람들이 한 일을 볼 수 있을 때, (집합적으로) 다른 사람들이 당신보다 더 많은 정보를 가지고 있다고 가정하고 그들의 결정에 근거하는 것이 합리적입니다. 많은 사람들이 이 작업을 연속적으로 수행하면 "정보 캐스케이드 .” 이것은 때때로 누적 이점, 우대적 애착 또는 " 더 부자가 되는 효과 "라고 ​​불리며 인기 있는 것은 더 인기를 얻고 인기 없는 것은 인기가 없는 상태로 유지됩니다.

• 사회적 순응 및 평판 캐스케이드. 당신이 사람들의 선택을 볼 수 있고 그들이 당신의 선택을 볼 수 있을 때, 당신은 의식적으로나 무의식적으로 순응할 수 있습니다. 일반적으로 우리 모두는 솔로몬 애쉬(Solomon Asch) 가 수행한 것과 같은 1950년대-1970년대의 유명한 사회 과학 실험에 의해 확증된 것처럼 순응해야 한다는 압력을 느낍니다 . 또는 충성심과 소속 가치를 알리고 싶기 때문에 의도적으로 그룹의 결정을 따르기로 선택할 수도 있습니다.

사회적 신호가 더욱 중요해지고 있습니다.

따라서 사람들은 다음과 같은 경우에 다른 사람들이 하는 일에 영향을 받을 가능성이 더 큽니다. 2) 다른 사람들이 하는 일을 쉽게 관찰할 수 있습니다.

지난 20년 동안 캐스케이드로 이어지는 조건이 더욱 널리 퍼졌습니다.

이 두 가지 조건은 지난 수십 년 동안 극적으로 증가했습니다.

• 사용 가능한 콘텐츠의 양이 폭발적으로 증가하여 검색 비용이 천문학적으로 증가하고 기회 비용이 증가했습니다. 더 많은 선택이 더 높은 검색 비용을 의미한다는 것은 명백합니다. 그것은 또한 더 높은 기회 비용을 의미합니다. 왜냐하면 오늘 선택을 할 때 하지 않기로 선택한 일이 더 많기 때문입니다.
• 온라인 네트워크로 인해 사람들은 다른 사람들이 선택하는 것에 (직간접적으로) 영향을 받을 가능성이 훨씬 더 높습니다.많은 사람들이 자신의 콘텐츠 큐레이션을 친구(Facebook 뉴스피드에 의존), 직접 선택한 "전문가" 패널(Twitter 타임라인에서) 또는 좋아하는 유명인 또는 인플루언서(Instagram에서)에게 명시적으로 아웃소싱합니다. 그러나 때때로 우리는 소셜 네트워킹의 요소가 비소셜 네트워킹 애플리케이션에도 내장되어 있다는 사실을 잊습니다. Apple 앱 스토어, Amazon, OpenTable로 이동하거나 Google 지도에서 "가까운 레스토랑"을 찾아보세요. 모든 경우에 다른 사람의 의견에 영향을 받을 수 있습니다. 또한 대부분의 추천 알고리즘은 그룹 또는 하위 그룹의 집합적 선택을 기반으로 하는 아래에서 자세히 설명하는 협업 필터링에 부분적으로 의존합니다. 알고리즘의 권장 사항을 수락하면 알든 모르든 다른 사람이 선택하는 항목에 간접적으로 영향을 받는 경우가 많습니다.

추천 엔진은 도움이 될 수도 있고 해가 될 수도 있습니다

너무 많은 선택에 직면한 소비자는 네트워크에서 받는 유기적인 사회적 신호에만 의존하는 것이 아니라 추천 시스템에도 의존합니다(사람과 미디어 유형에 따라 정도는 다름). 이러한 시스템은 엔지니어링 방법에 따라 네트워크의 영향을 증폭하거나 약화시킬 수 있습니다.

추천 알고리즘은 협업 필터링 과 콘텐츠 모델 이라는 두 가지 기본 유형의 모델을 기반으로 합니다 . 전자에서 알고리즘은 다른 사람들이 선택한 것을 기반으로 콘텐츠나 제품을 추천합니다. 후자에서 권장 사항은 콘텐츠 또는 제품 자체의 특정 속성을 기반으로 합니다.

추천 시스템은 구축 방법에 따라 사회적 신호를 증폭하거나 약화시킬 수 있습니다.

이러한 알고리즘은 두 모델의 요소를 모두 포함하는 것이 일반적입니다. 예를 들어 추천 시스템 에서 Netflix는 각 콘텐츠 자산(감독, 배우, 장르, 연령 등급, 어조) 및 인기도(시청률, 완료율 및 등급)와 관련된 모든 종류의 메타데이터를 고객과 유사하다고 생각되는 코호트 중에서 통합합니다. 뿐만 아니라 고객의 이전 시청 행동(기기, 하루 중 시간, 시청에 소요된 시간). TikTok은 유사하게 사용자 행동, 협업 필터링 및 특정 콘텐츠 속성 에 알고리즘을 기반으로 합니다 . 대조적으로 Pandora의 추천 시스템은 협업 필터링이 아닌 콘텐츠 속성에만 기반하기 때문에 일반적이지 않습니다 .

간단한 프레임워크

언급한 바와 같이 분포와 같은 권력 법칙은 미디어에서 어디에나 있지만 그 정도는 다양합니다. 마지막 두 섹션을 종합하여 분포가 어느 정도 극단적일지 예측하기 위한 몇 가지 경험 법칙을 제안합니다.

• 더 높은 검색 비용 = 더 극단적인 분포 (사람들이 사회적 신호에 더 많이 의존해야 하기 때문에)
• 더 높은 기회 비용 = 더 극단적인 분배 (또한 사람들이 커밋하기 전에 사회적 신호를 찾을 가능성이 높기 때문)
• 협업 필터링 에 크게 의존하는 추천 시스템 = 더 극단적인 분포 (알고리즘이 사회적 신호를 증폭하기 때문에)

인기 분포가 멱법칙이라는 것을 어떻게 알 수 있으며 "극단적인" 정도를 어떻게 측정할 수 있습니까?

이에 답하려면 조금 더 많은 수학이 필요합니다. 위에 표시된 대로 멱법칙의 일반적인 수학적 표현은 다음과 같습니다.

순수 거듭제곱 법칙에서 c 는 상수이며 배율 인수로 생각할 수 있습니다. 멱법칙 분포에서 c 도 음수이므로 곡선이 아래쪽으로 기울어집니다. 이 배율 인수가 일정한지, 따라서 이것이 실제로 거듭제곱 법칙인지 여부를 구분하기 어려울 수 있습니다. 더 쉬운 방법은 데이터를 로그-로그 플롯으로 변환하고 결과 관계가 선형인지 확인하는 것입니다. 이유를 알아보기 위해 위 방정식의 양변에 로그를 취합니다.

그것은 y = b + mx와 같은 선형 함수입니다. 다시 말해, 우리가 정말로 멱법칙(또는 멱법칙과 같은 것)을 가지고 있다면 로그-로그 플롯은 기울기가 c 이고 c 의 값이 클수록(또는 더 음수일수록) 직선처럼 보여야 합니다. , 더 "극단적"입니다. 또한 r²를 계산하여 얼마나 직선적인지, 따라서 스케일링 계수가 실제로 일정한지 여부를 테스트할 수 있습니다.

그림 3. 인기도 분포는 일반적으로 확률(또는 순위)의 함수로 가치를 나타냅니다.

몇 가지 예(및 주의 사항)

아래에서는 박스 오피스, Netflix의 TV 시리즈, Spotify의 스트림 및 Patreon 크리에이터와 같은 몇 가지 미디어에 대한 소비 분포의 대표적인 시계열을 살펴봅니다.

(한 가지 빠른 참고 사항: 위 그림 2의 멱함수 분포에서 Y축은 확률 이고 X축은 정규 분포와 멱함수 분포를 더 잘 비교할 수 있는 값 입니다. 인기도 분포를 논의하는 보다 직관적이고 일반적인 방법은 축이 Y축이 값 이고 X축이 확률 이며 이는 거듭제곱 법칙이기도 합니다(그림 3). ”) 그리고 대다수는 매우 작을 것입니다(“꼬리”). 이것이 제가 아래에서 인기 분포에 대해 논의하는 방법입니다.)

이 분석은 몇 가지 이유로 불완전합니다. 여기에서 보여드리는 것보다 더 긴 시계열을 갖고 싶습니다(박스 오피스는 ~20년으로 훌륭하지만 20년의 음악 데이터도 있으면 좋을 것입니다). 또한 Spotify 및 Patreon의 데이터는 곡선의 헤드에서 소비 분포만 보여줍니다. 멱함수 법칙은 자기유사(또는 "척도 불변")이기 때문에 이론적으로 곡선의 시작점에 있는 분포는 전체 분포를 나타내지만 순수한 멱 법칙이 아닌 경우 그렇지 않을 수 있습니다.

그것들을 제쳐두고, 이 네 가지 예는 모두 거듭제곱 법칙에 근접한 지속적으로 극단적인 분포를 보여줍니다.

박스 오피스

대부분의 다른 미디어에 비해 영화 관람객은 선택의 폭이 매우 적지만 기회 비용이 엄청나게 높습니다. 놀랄 것도 없이, 소비의 상대적 분포는 최근 몇 년 동안 상위 히트작에 더욱 집중되었습니다. 그림 4는 2000년, 2010년, 2019년, 2022년의 미국 전체 박스오피스 분포와 로그-로그 기반의 동일한 데이터를 보여줍니다. 로그-로그 플롯의 r-제곱 값에서 알 수 있듯이 이들은 멱함수 분포에 가깝습니다. 또한 표시된 것처럼 해당 기간 동안 분포가 점점 더 극단적이 되었습니다(즉, 로그-로그 플롯의 기울기가 점점 더 음수가 되었습니다). 상대적으로 가장 큰 히트는 그 어느 때보 다 큽니다.

그림 4. 점점 더 극심해지는 박스오피스 분포

출처: Box Office Mojo, 저자 분석.

넷플릭스 TV 시리즈

TV에서 TV 시리즈를 찾고 커밋하는 데 드는 검색 및 기회 비용은 상당히 높기 때문에 상대적으로 극단적인 배포로 이어져야 합니다. 그러나 좋은 교차 플랫폼(선형 및 스트리밍) 측정이 없기 때문에 모든 TV에 대해 시간이 지남에 따라 인기 분포의 변화를 테스트하기가 어렵습니다. Nielsen이 이제 스트리밍 등급을 제공하지만 몇 년 동안만 제공하고 있습니다.

내가 찾을 수 있는 최고의 데이터는 Netflix 오리지널 시리즈에 대한 글로벌 수요의 시계열을 제공한 Parrot Analytics 의 좋은 사람들에게서 얻은 것입니다. Parrot의 수요 메트릭 은 각 스트리밍 서비스에서 각 시리즈와 영화의 인기도를 측정하기 위해 다양한 입력 (소셜, 팬 및 비평가 평점, 불법 복제, 위키, 블로그 등)을 통합합니다.

이 데이터에서 가장 주목할 만한 점은 이 기간 동안 Netflix의 대규모 국제적 추진에도 불구하고 상대적으로 왜곡되어 있고 시간이 지남에 따라 더욱 권력 법칙이 되고 있다는 것입니다. 언급한 바와 같이 이것은 글로벌 수요이며 Netflix의 구독자가 약 1억 명(거의 모두 해외)에 추가되고 연간 현금 콘텐츠 지출이 130억 달러에서 170억 달러로 증가한 기간을 측정합니다. 이 중 대부분은 현지 콘텐츠였습니다.

성장과 해외 지출 증가에도 불구하고 그림 5에서 볼 수 있듯이 전 세계 수요는 상대적으로 소수의 타이틀에 집중되어 있습니다. 2018년, 2020년, 2022년에 원본의 상위 10%가 Netflix 전체 글로벌 수요의 ~95%, 85%, 75%를 차지했습니다.

그림 5. 대규모 해외 확장에도 불구하고 Netflix 시리즈에 대한 수요는 여전히 왜곡되어 있음

참고: Parrot Analytics의 수요 메트릭은 시리즈 및 영화의 인기를 측정하기 위해 다양한 입력을 통합합니다. 출처: Parrot Analytics, 저자 분석.

스트리밍 스트리밍

음악은 양방향으로 작용하는 요인이 있기 때문에 흥미로운 경우입니다. 한편으로는 선택의 폭이 매우 넓어(Spotify에는 매일 8천만 개 이상의 트랙 과 10만 개 이상의 신곡이 업로드됨 ) 청취자들은 소셜 신호와 추천 엔진을 모두 사용하여 새로운 음악을 발견합니다. 그리고 대부분의 스트리밍 서비스의 추천 엔진은 협업 필터링에 크게 의존합니다( 여기에서 Spotify의 추천 엔진에 대한 설명 참조 ). 이는 상대적으로 극단적인 분포를 의미합니다.

반면에 새로운 곡을 시도하는 검색 비용과 기회 비용은 매우 낮고 쉽게 반전됩니다(다음 곡으로 쉽게 건너뛸 수 있음). 이 두 가지 요인 모두 더 넓은 소비 분산을 지원합니다.

그 결과 머리 부분의 소비가 가장 큰 타격을 받은 쪽으로 극도로 치우쳐 있지만 더 많은 총 소비가 꼬리 부분으로 이동하고 있습니다. 함축적으로 "중간"은 순수 거듭제곱 법칙에서 볼 수 있는 것보다 훨씬 얇습니다.

그림 6은 2017년과 2022년 모두 Spotify의 Global Top 200 Weekly에 최소 한 번 이상 등장한 모든 노래의 소비 분포를 보여줍니다(동일한 데이터는 로그-로그 기준). 두 해 모두 약 1,000곡이었습니다. (이것은 곡선의 맨 앞부분입니다. 8천만 곡 중 상위 1,000곡 또는 상위 0.001%입니다.) 로그-로그 플롯의 기울기로 설명된 것처럼 분포가 매우 극단적이며 상자보다 훨씬 더 심합니다. 사무실. 또한 명백한 바와 같이 기울기는 일정하지 않습니다. 가장 인기 있는 100번째 노래를 지나갈수록 더 부정적이 됩니다. 이는 가장 큰 적중이 상대적으로 훨씬 더 크고 실제 전력 법칙에서 발생하는 것보다 꼬리에서 훨씬 더 많은 소비가 발생함을 의미합니다.

그림 6. Spotify 곡선의 헤드는 여전히 극단적입니다…

출처: Spotify, 저자 분석.

더 많은 소비가 꼬리 쪽으로 이동하고 있다는 생각은 총 소비 데이터에 의해 확증됩니다. 그림 7에서 볼 수 있듯이 Spotify의 보고에 따르면 3개 메이저(Universal, Sony 및 Warner Music)와 Merlin(독립 레이블의 파트너십)이 2021년 전체 스트림의 77%를 차지하여 2017년보다 10% 포인트 감소했습니다.

그림 7. …하지만 더 많은 소비가 꼬리로 이동하고 있습니다.

출처: Spotify 회사 보고서, Music Business Worldwide를 통해.

Patreon 크리에이터

Patreon은 플랫폼에서 250,000명 이상의 크리에이터와 1,300만 명의 후원자를 통해 크리에이터가 구독을 판매할 수 있는 백엔드 솔루션을 제공합니다. 소비 분포가 추천 알고리즘에 영향을 받지 않는다는 점에서 흥미로운 사례이기도 합니다. Patreon.com의 랜딩 페이지에는 소수의 크리에이터가 있지만 방문하는 소비자는 거의 없습니다. 그들은 주로 YouTube, Apple 팟캐스트 또는 웹사이트와 같이 창작자의 작품이 나오는 모든 위치에서 크리에이터의 Patreon 페이지로 직접 이동합니다.

추천 알고리즘의 증폭 효과가 없기 때문에 다른 예보다 약간 덜 편향된 분포를 보여야 합니다. 그림 8은 2016년과 2022년 말 상위 1,000명의 크리에이터 분포와 로그-로그 데이터를 보여줍니다. 다시 말하지만, 이것은 2022년에 0.4%의 창작자에 해당하는 곡선의 머리입니다. 표시된 것처럼 분포는 거의 멱함수 법칙과 동일하게 추적되지만 기울기는 이전 예보다 덜 극단적입니다.

그림 8. 크리에이터 이코노미는 멱법칙도 준수합니다

출처: Graphtreon, 저자 분석.

그래서 뭐? 멱법칙의 전반적인 의미 이해

나의 11학년 역사 교사로서 Mr. Conroy는 "그래서 뭐?"라고 말하곤 했습니다. 이러한 고도로 왜곡된 소비 분포의 지속성은 미디어 비즈니스와 문화에 보다 광범위하게 매우 중요한 실질적인 영향을 미칩니다.

히트는 무한한 콘텐츠 세계에서 지속될 것입니다

위에서 언급했듯이 최근 프로페셔널 콘텐츠와 독립/크리에이터 콘텐츠의 품질 구분이 모호해짐에 따라 인피니트 TV 의 필연성에 대해 글을 쓰고 있습니다 .

제가 받은 질문 중 하나는 이런 세상에도 여전히 히트작이 있을까요?

짧은 대답: 더 큰 히트는 아니더라도 항상 히트가 있을 가능성이 높습니다. 위에서 설명한 것처럼 선택의 폭이 넓을수록 검색 비용을 관리하기 위해 더 많은 소비자가 소셜 신호 및 추천 엔진(이는 소셜 신호에 의존함)에 의존해야 합니다. 이것은 이미 음악에서 분명합니다. 고생산 가치 도구가 민주화되어 실질적으로 무한한 양의 고생산 가치 음악이 탄생했습니다. 그러나 엄청난 타격은 계속됩니다.

좋아, 하지만 "항상"이라는 단어를 정말 사용할 수 있을까? 정말 멀리 가봅시다. 궁극적으로 제너레이티브 AI가 각 개인에 대해 고유한 개인화 콘텐츠를 생성할 수 있다면 어떨까요? 생성 AI에 대한 최근 게시물에서 Sequoia는 2030 년 까지 영화가 "개인화된 꿈"이 될 것이라고 가정했습니다(그림 9).

그림 9. 모든 콘텐츠가 "개인화된 꿈"이 될까요?

출처: 세쿼이아.

이것은 적어도 기술적으로는 들리는 것처럼 멀리 가져오지 않을 수 있습니다. 2035년까지 우리 모두가 구글과 페이스북을 부끄럽게 만드는 우리에 대한 데이터를 기록하는 AR 안경을 착용하고 있다고 가정해 봅시다. 그들은 우리가 어떤 것에 머문 시간, 동공 확장, 호흡 및 심박수(h/t Rony Abovitz )를 포함하여 우리의 시선을 추적합니다. 그들은 우리가 우리 자신을 아는 것보다 우리에 대해 더 많이 알고 있을지도 모릅니다. 더 나아가자. 아마도 우리는 잠자는 동안 뇌 활동을 기록하고 꿈에서 이미지를 재구성하는 장치를 착용할 것입니다. 미친 소리? 일본의 연구원들은 이것이 이미 가능하다는 것을 보여주었습니다 .

개별화된 콘텐츠의 개념을 반증할 방법은 없습니다. 하지만 기술적으로 가능하다고 해서 인기가 있는 것은 아닙니다. 그것은 두 가지 근본적인 인간의 필요에 반합니다. 1) 사람들은 그들의 선택에 있어서 행위주체(또는 적어도 행위자의 모습)를 원합니다. 그들은 알고리즘으로 축소되기를 원하지 않습니다. (이것이 바로 Netflix가 최근에 "Surprise Me" 버튼을 제거한 이유입니다 .) 2) 더 중요한 점은 우리는 궁극적으로 사회적 동물이며 일반적인 경험을 중심으로 통합할 필요가 있다는 것입니다. 최근의 또 다른 에세이 에서 논의한 것처럼 많은 사람들에게 이러한 공유 경험은 엔터테인먼트(스포츠, 음악, 게임, 영화, TV 쇼)입니다. 외로움이 공중보건의 위기로 여겨지는 이 시대에, 공유 경험을 포기하고 외로운 극장으로 후퇴한다고 상상하기 어렵습니다.

안녕, 안녕 미들

가장 큰 히트가 그 어느 때보다 크고 꼬리도 커지고 있다면 중간이 사라지고 있다는 또 다른 의미가 있습니다.

중간이 뭐야? 주로 신디케이트된 뉴스로 구성된 지역 신문, 지역 보도가 약한 TV 방송국, 특징적인 온에어 성격이 없는 라디오 방송국, 인구가 밀집된 중간 수준의 일반 엔터테인먼트 케이블 네트워크 2단계 재방송 또는 저렴한 리얼리티 프로그램, 중간 예산의 미투 연극 개봉 등. "중간"을 정확하게 정의하기는 어렵지만, 역사적으로 중간은 모든 미디어 수직.

감소하는 중간은 모든 미디어 수직에서 수익의 상당 부분을 창출했습니다.

히트곡에는 엄청난 행운이 따른다

이 "권력 법칙"의 또 다른 중요한 의미는 정보 캐스케이드가 작동하는 방식 때문에 적중이 점점 더 무작위적이라는 것입니다. 분명히 말씀드리자면, 모든 히트가 무작위라고 주장하는 것은 아니지만 그 행운이 점점 더 중요해지고 있습니다.

히트는 완전히 무작위는 아니지만 운의 역할이 증가하고 있습니다.

15년 전 연구원 Matthew Salganik, Peter Dodds 및 Duncan Watts는 콘텐츠 선택에 대한 사회적 영향의 영향을 확인하기 위한 실험을 수행했습니다. 그들은 14,000명의 피험자를 9개의 그룹, 즉 하나의 "독립적인 그룹"과 8개의 "사회적 영향 그룹"으로 나누었습니다. 모든 피험자들은 알려지지 않은 밴드의 알려지지 않은 48곡의 노래를 평가하도록 요청받은 웹사이트를 방문하도록 초대되었습니다. 원하는 경우 노래를 다운로드할 수 있습니다. 8개의 사회적 영향 그룹에서 피험자는 그룹의 이전 방문자가 각 노래를 몇 번 다운로드했는지 확인할 수 있었습니다. 독립 그룹에서는 할 수 없었습니다. 마지막으로 연구원들은 각 그룹의 노래 인기도를 집계했습니다.

주요 결론은 두 가지였습니다. 1) 9개 그룹 각각의 노래 순위가 달랐습니다(일부 노래는 더 인기 있는 경향이 있었고 일부 노래는 지속적으로 덜 인기 있는 경향이 있었지만 순위가 상당히 달랐습니다). 2) 사회적 영향력 집단 내에서 인기 분포가 독립 집단보다 극단적이었다. 두 번째 결론은 이 에세이의 요점, 즉 사회적 신호의 존재로 인해 인기 분포가 더 왜곡될 것이라는 점을 뒷받침합니다. (그리고 이 실험에서 유일한 신호는 이전 다운로드 횟수였기 때문에 참가자는 정보 캐스케이드에만 영향을 받았고 순응 압력이나 평판 캐스케이드에는 영향을 받지 않았습니다. 실제 세계에서는 사회적 신호가 훨씬 더 강합니다. )

하지만 첫 번째 결론, 즉 각 그룹이 다른 인기 순위를 산출했다는 의미에 대해 생각해 봅시다. 안타에는 고도의 운이 필요하다는 뜻이다 .

왜 이런 일이 발생하는지 알아보려면 사고 실험(Michael Mauboussin에서 차용)을 시도하십시오. 1,000개의 공이 들어 있는 통을 상상해 보십시오. 각 공은 1~10까지 번호가 매겨져 있고 각 숫자는 100개입니다(#1 100개, #2 100개 등). 또한 각각 1-10으로 표시된 10개의 항아리가 있다고 상상해 보십시오. 이제 통에서 무작위로 공 10개를 골라 각 공에 표시된 숫자에 따라 해당 항아리에 넣습니다. 배럴에서 제거한 10개의 공을 새 공으로 교체하지만 이번에는 새 공의 분포가 항아리에 있는 공의 분포와 동일합니다. (만약 항아리 #2에 두 개의 공이 있고 #3에 하나도 없다면, 새 공 중 두 개는 #2로 표시하고 #3에는 아무 것도 표시하지 않아야 합니다.) 프로세스를 계속 실행하여 배럴에서 무작위로 10개의 공을 제거합니다. 해당 항아리에 넣습니다. 항아리의 공 분포에 따라 배럴에 새 공을 추가합니다. 충분한 주기 동안 이 프로세스를 실행한 후 더 많은 볼이 있는 항아리가 매번 더 많은 볼을 추가할 가능성이 점점 더 높아진다는 사실을 알게 됩니다.

또는 실제 사례인 Amazon 리뷰를 생각해 보십시오. Amazon 알고리즘은 가장 "유용한" 투표를 받은 리뷰를 맨 위에 배치합니다. 당연히 대부분의 사람들은 맨 위에서 시작하여 몇 개의 리뷰만 읽습니다. 새 책에 대해 작성된 첫 번째 리뷰는 페이지 상단에 표시됩니다(리뷰가 많지 않음). 따라서 후속 리뷰보다 읽고 도움이 되는 것으로 간주될 가능성이 더 큽니다. 이렇게 하면 긍정적인 피드백 루프가 생성됩니다. 페이지 상단 근처에 머물 가능성이 높아져 새로운 방문자가 도움이 된다고 표시하여 페이지 상단에서 위치를 확고히 할 수 있습니다.

네트워크 환경에서 적중은 초기 조건에 매우 민감합니다.

이 현상(위에서 내가 부자가 되는 효과, 누적 이점 또는 우대 애착이라고 함)은 네트워크 환경에서 인기가 운에 의해 영향을 받고 초기 조건에 매우 민감함을 보여줍니다. 우연히 먼저 선택되는 공(또는 먼저 작성된 리뷰)이 지배할 가능성이 훨씬 더 높습니다. 모든 콘텐츠의 품질이 동일한 가상의 세계에서도 여전히 대량의 무작위 히트가 있을 것입니다. PewDiePie나 Charlie Puth의 성공은 필연적이었습니까? 말하기 어렵다.

콘텐츠 소비가 네트워크 역학의 영향을 점점 더 많이 받게 됨에 따라 조회수를 예측할 수 없게 됩니다. 그리고 금융 시장에서와 마찬가지로 변동성이 높을수록 위험이 높아지고 위험이 높을수록 수익이 낮아집니다.

조회수는 꼬리에서 나타날 수 있습니다.

이전 요점의 결과는 적중이 꼬리에서 나올 수 있고 나올 것이라는 것입니다. 다시 말하지만 이것은 이미 음악에서 분명합니다. 내가 Infinite TV 에 ​​쓴 것처럼 :

[A]The Weeknd, Billie Eilish, Lil Uzi Vert, XXXTentacion, Bad Bunny, Post Malone, Migos 등과 같은 지난 몇 년간의 거의 모든 새로운 돌파구는 자체 배포 콘텐츠의 꼬리에서 나타났습니다. 마지막 행동을 위해 새벽 2시에 돌아다니는 A&R 담당자가 아닙니다.

설득력 있는 소설을 쓰고, 귀에 쏙쏙 들어오는 팝송을 작곡하고, 혁신적인 게임플레이를 구상하고, 훌륭한 각본을 쓰는 것은 매우 드문 재능입니다. 끈기와 운으로 이러한 일을 할 수 있는 많은 사람들이 전통적인 콘텐츠 제작 채널을 통해 성공할 수 있고 HarperCollins와 같은 곳에서 자원을 관리하는 소수의 사람들의 지원을 얻을 수 있다고 생각하는 것이 합리적입니다. Republic Records, Blizzard 또는 Universal Pictures. 그러나 얼마나 많은 창의적인 " 잃어버린 아인슈타인 "이 균열을 통해 떨어졌습니까? 수천? 수만의? 수십만?

음반사에서 흔히 볼 수 있듯이 모든 유형의 콘텐츠를 생산하는 모든 전통적인 프로듀서는 꼬리에서 나오는 재능을 발견하고 경쟁할 준비를 해야 합니다.

모든 영화배우가 스타킹을 신는 이유가 있다

때때로 모든 영화가 전편이나 속편 또는 슈퍼히어로(또는 둘 다)에 관한 것처럼 느껴지고 모든 새로운 TV 쇼가 스핀오프 또는 재부팅인 것처럼 느껴진다면, 그 중 비율이 불균형하기 때문입니다(Adam Mastroianni가 이 기사에서 논의한 바와 같이 ) .

이에 대해 자주 언급되는 이유는 엔터테인먼트 회사의 저속한 상업주의, 창의성의 죽음, 미국 소비자의 멍청함 등이 있습니다. 그러나 이 에세이에 설명된 네트워크 역학의 렌즈를 통해 이를 살펴보면 몇 가지 다른 강화 이유가 제시됩니다. 확립된 IP는 다음과 같은 이유로 위험을 줄입니다.

• 소비자 검색 비용을 낮춥니다. 위에서 논의한 바와 같이 소비자는 선택에 압도당하고 결과적으로 높은 검색 비용이 발생합니다. 잘 알려진 브랜드, 인재 및 프랜차이즈는 이러한 비용을 줄여 소비자가 네트워크 신호에 덜 의존하도록 합니다.
• 기존 커뮤니티의 혜택. 또한 논의된 바와 같이 소비자는 때때로 커뮤니티에 가입하거나 커뮤니티 내에서 자신의 위치를 ​​강화하려는 욕구 때문에 콘텐츠를 선택합니다. 기존 IP는 커뮤니티를 구축하여 커뮤니티의 영향력을 높였습니다.

임대료는 최고의 인재를 향해 훨씬 더 많이 이동할 가능성이 높습니다.

창의적인 비즈니스에서 인재가 어떻게 보상을 받는지에 대한 세부 사항은 매우 복잡하고 불투명할 수 있습니다. 그러나 그것을 추상화하면 궁극적으로 인재 보상은 그들이 운영하는 산업의 기본 경제 구조의 기능입니다.

성과 데이터의 투명성이 높아지고 슈퍼스타를 향한 경쟁이 치열해지는 상황에서 소비의 극단적인 분배는 최고의 인재에게 훨씬 더 많은 협상력을 옮길 가능성이 높습니다.

아무도 알고리즘을 감시하지 않습니다.

알고리즘은 분명히 소비 분배에 영향을 미치며 점점 더 중요해질 것입니다. Spotify에 따르면 새로운 음악 발견의 1/3은 알고리즘 추천을 통해 발생합니다 . Netflix는 시청 시간의 80%는 추천에서, 20%는 직접 검색에서 나온다고 말합니다 (그러나 " 사용자는 특정 프로그램, 영화 또는 장르를 염두에 두고 서비스에 오는 경향이 있다 "는 점도 인정합니다). 모든 조건이 동일하고 선택의 폭이 넓을수록 네트워크 또는 추천 시스템에서 발생하는 유기적인 사회적 신호에서 선택하는 데 있어 더 많은 소비자가 도움을 구할 것입니다.

플랫폼은 최고의 권장 사항을 표시할 강력한 인센티브가 있습니다. 사용량이 많을수록 소비자 친화도가 높아지고 유지율이 향상되며 광고 지원 플랫폼의 경우 수익이 증가합니다. 그러나 적어도 여백에서 그들은 다른 인센티브를 가질 수 있습니다. Spotify와 Netflix는 모두 최대 공급업체에 대한 의존도를 줄일 인센티브가 있습니다. Spotify 와 TikTok은 모두 "상업적 고려 사항"이 권장 사항에 영향을 미친다고 밝혔습니다. 이에 대해 할 수 있는 일이 많지 않거나 할 가능성이 높지만 알고리즘의 불투명성과 중요성은 시간이 지남에 따라 콘텐츠 애그리게이터에게 점점 더 중요한 경쟁 우위가 될 것입니다.

크리에이터 경제와 Web3도 극단주의에 살고 있습니다.

크리에이터 경제의 부상과 크리에이터가 팬(Patreon뿐만 아니라 Substack, OnlyFans, Cameo 등)과 직접 연결하고 팬으로부터 수익을 창출할 수 있는 도구와 플랫폼의 부상에 대해 많은 글이 작성되었습니다(저 포함 ) . Web3는 그 방향으로 훨씬 더 결정적인 단계를 약속합니다. web3 애플리케이션은 분산되어 있기 때문에 데이터는 중앙 집중식 서버에 의해 조정되지 않으며 작성자는 제품 소유권을 보유합니다. 많은 사람들에게 web3의 가장 큰 약속은 중앙 집중식 기관에서 제작자와 사용자에게 권력과 가치를 재분배하는 것입니다.

크리에이터 경제의 진화와 web3 모두 더 많은 크리에이터가 생활 임금을 받을 수 있도록 해야 하지만, 재분배를 여기서도 논의한 균등 분배와 혼동해서는 안 됩니다 . 위의 Patreon 크리에이터에 대한 인기 분포에서 볼 수 있듯이 네트워크 역학이 있는 한 인기 분포와 같은 멱법칙이 있을 것입니다.

언드 미디어의 중요성이 점점 더 커지고 있습니다.

잠시 Salganik, Dodds 및 Watts로 돌아가십시오. 언급한 바와 같이 일부 피험자는 사회적 신호를 전혀 받지 않는 독립적인 그룹에 배치되었습니다. 연구원들은 이 그룹의 노래 인기도 순위를 "품질"의 대용물로 사용했습니다. 그들이 다른 그룹들 사이에서 발견한 것은 독립 그룹이 가장 좋은 것으로 간주하는 노래는 거의 잘 안 되는 경우가 거의 없었고 가장 안 좋은 것으로 간주되는 노래는 잘 되는 경우가 드물지만 다른 일이 일어날 수 있다는 것이었습니다.

품질은 인기에서 중요합니다. 완전한 쓰레기는 실패합니다. 그러나 품질의 일부 ​​임계값 이상에서 인기는 네트워크 역학에 크게 의존합니다.

그 의미는 모든 마케터가 말하듯이 마케팅이 중요하다는 것입니다. 품질은 반드시 자연스럽게 상위권으로 올라가는 것은 아닙니다. 문제는 마케팅 방법입니다.

마케팅 담당자는 유료, 적립 및 소유 미디어를 구분합니다. 유료는 TV, 옥외 광고, 인쇄물, 라디오, 소매 매체, 디스플레이, 검색 및 소셜과 같은 전통적인 광고입니다. 점점 더 영향력 있는 사람들을 통해 PR과 입소문을 얻습니다. 브랜드 콘텐츠, 웹사이트, 소매점, 카탈로그 등과 같은 브랜드 고유의 마케팅 채널도 소유하고 있습니다. 미디어 회사는 유료 미디어에 크게 의존하는 경향이 있습니다. 새 쇼나 영화를 시작하기 위한 대규모 광고 캠페인을 생각해 보십시오. 더 많은 콘텐츠가 네트워크 자체를 통해 발견됨에 따라 유료 미디어의 가치는 점점 희석되고 있습니다. 또한 마케터가 어떤 신호가 유기적으로 나타나고 있는지, 유료 및 획득 미디어를 모두 사용하여 이러한 신호를 증폭하거나 대응하는 방법을 이해하는 것이 더 중요해졌습니다.

우리는 더 이상 캔자스에 있지 않습니다

Netscape의 IPO 이후 거의 30년이 지났지만 미디어 산업은 여전히 ​​인터넷의 의미를 파악하고 있습니다. 그것이 주의를 분산시킨다는 현실은 직관적입니다. 히트를 증폭시키는 이유는 잘 알려져 있지 않습니다.

미디어 회사의 경우 네트워크로 연결된 세계에서 운영한다는 의미는 기껏해야 혼합 가방입니다. 좋은 소식은 조회수는 여전히 중요하며 앞으로도 그럴 것이라는 점입니다. 나쁜 소식은 그 밖의 모든 것입니다. 수익성이 좋은 중간이 비워지고 있습니다. 위험이 증가하고 있습니다. 꼬리는 안타에 대해 더 경쟁력이 있습니다. 협상력은 최고의 인재에게로 이동하고 있습니다. 콘텐츠 제작자는 점점 더 큐레이터의 알고리즘에 의존하고 있습니다. 유료 미디어는 평가 절하되고 있습니다. 소비자들이 점점 늘어나는 쓰나미와 씨름함에 따라 이러한 역학 관계는 더욱 두드러질 것입니다. 이 중 어느 것도 쉬워지지 않을 것입니다.