미디어 플라이휠: 검토 및 의견

이 기사는 '미디어 전략의 현실 점검' 시리즈의 7부입니다. 미디어 업계의 많은 노련한 전문가들은 미디어 사업이 중요하다고 주장합니다.

Many seasoned professionals in the media industry argue that the media business is inherently dynamic. Therefore, tactical agility and rapid time-to-🧃market are more critical than other trade-offs, such as adherence to strategy, the quality of the technology built, and maintaining data standards.

미디어 업계의 많은 노련한 전문가들은 미디어 비즈니스가 본질적으로 역동적이라고 주장합니다. 따라서 전술적 민첩성과 빠른 출시 시간🧃은 전략 준수, 구축된 기술의 품질, 데이터 표준 유지와 같은 다른 절충안보다 더 중요합니다.

Yes, this is partially true because media companies earn by capitalizing in bursts of short-lived topics that are in public imagination. This articulates why content teams need to be constantly on their feet but it doesn’t explain why business-product-technology functions value tactical agility over strategic asset building.

예, 이는 부분적으로 사실입니다. 왜냐하면 미디어 회사는 대중의 상상 속에 있는 단기적인 주제를 폭발적으로 활용하여 수익을 창출하기 때문입니다. 이는 콘텐츠 팀이 지속적으로 준비해야 하는 이유를 설명하지만 비즈니스-제품-기술 기능이 전략적 자산 구축보다 전술적 민첩성을 더 중요하게 여기는 이유를 설명하지 않습니다.

My working theory is that media companies, having ceded strategic control to algorithmic marketplaces, are forced into premature revenue diversification to mitigate black swan risks and seasonal fluctuations. This leads to a portfolio of revenue streams, each generating small amounts of money.

내 작업 이론은 알고리즘 시장에 전략적 통제권을 양도한 미디어 회사가 블랙 스완 위험과 계절적 변동을 완화하기 위해 조기 수익 다각화를 강요당한다는 것입니다. 이는 각각 소액의 돈을 창출하는 수익원 포트폴리오로 이어집니다.

Let’s explore both ideas — revenue maximization and revenue diversification.

수익 극대화와 수익 다각화라는 두 가지 아이디어를 모두 살펴보겠습니다.

Revenue Maximization

수익 극대화

To maintain focus and maximize ROI, businesses typically prioritize maximizing revenue from a single model before considering diversification. Below are few examples of successful revenue maximization:

초점을 유지하고 ROI를 극대화하기 위해 기업은 일반적으로 다각화를 고려하기 전에 단일 모델의 수익 극대화에 우선순위를 둡니다. 다음은 성공적인 수익 극대화의 몇 가지 예입니다.

Netflix: Streaming service

넷플릭스: 스트리밍 서비스

Spotify: Music streaming service

Spotify: 음악 스트리밍 서비스

Coinbase: Cryptocurrency exchange

코인베이스: 암호화폐 거래소

Stripe: Payment processing service

Stripe: 결제 처리 서비스

Zoom: Video conferencing service

Zoom: 화상회의 서비스

These businesses have prioritized building a single revenue stream and scaled it to become clear leaders in their respective categories. They have not diversified into other models prematurely.

이들 기업은 단일 수익원을 구축하는 데 우선순위를 두고 이를 확장하여 해당 카테고리에서 확실한 리더가 되었습니다. 그들은 조기에 다른 모델로 다양화하지 않았습니다.

Revenue Diversification

수익다각화

Media companies, like hedge funds, diversify into a portfolio of revenue streams: direct and indirect ads, sponsored content, affiliate marketing, subscriptions, and micro-transactions.

헤지 펀드와 같은 미디어 회사는 직접 및 간접 광고, 스폰서 콘텐츠, 제휴 마케팅, 구독 및 소액 거래 등 수익원 포트폴리오를 다양화합니다.

In 2023-2024, OpenAI has signed deals with News Corp., Financial Times, Associated Press, Axel Springer, Le Monde, Reddit, where media companies provide content for AI models in exchange for financial compensation. This quick-win licensing strategy helps diversify revenue in the short-term while shifting costs/externalities that are hard to measure, like impact on brand and direct relationship with audience, into the future.

2023~2024년에 OpenAI는 News Corp., Financial Times, Associated Press, Axel Springer, Le Monde, Reddit과 계약을 체결했습니다. 여기서 미디어 회사는 금전적 보상의 대가로 AI 모델용 콘텐츠를 제공합니다. 이러한 빠른 성공 라이선스 전략은 단기적으로 수익을 다양화하는 동시에 브랜드에 대한 영향 및 청중과의 직접적인 관계와 같이 측정하기 어려운 비용/외부 효과를 미래로 전환하는 데 도움이 됩니다.

Why It Matters

중요한 이유

Premature revenue diversification has several drawbacks:

조기 수익 다각화에는 몇 가지 단점이 있습니다.

It prevents the company from scaling a single revenue stream to become a clear category leader.

이는 회사가 단일 수익 흐름을 확장하여 확실한 카테고리 리더가 되는 것을 방해합니다.

This leads to lower revenue per stream and higher costs to service each stream.

이로 인해 스트림당 수익이 낮아지고 각 스트림을 서비스하는 데 드는 비용이 높아집니다.

It makes the company less valuable to partners and investors because there is no clear franchise.

명확한 프랜차이즈가 없기 때문에 파트너와 투자자에게 회사의 가치가 떨어집니다.

It prevents the company from making bold bets on new technologies because there is less money available for R&D.

이는 R&D에 사용할 수 있는 자금이 적기 때문에 회사가 신기술에 과감하게 투자하는 것을 방해합니다.

It makes the company more vulnerable to changes in the market because there is less diversification of revenue sources.

수익원의 다양화가 덜하기 때문에 회사는 시장 변화에 더욱 취약해집니다.

For example, if media companies had focused on building their own algorithmic marketplaces instead of prematurely diversifying into quick-win licensing deals, they would have been able to make bold bets on AI models that could have sustained gains over the long term.

예를 들어, 미디어 회사가 성급하게 라이선스 거래로 다각화하는 대신 자체 알고리즘 마켓플레이스를 구축하는 데 집중했다면 장기적으로 지속적인 이익을 얻을 수 있는 AI 모델에 과감한 투자를 할 수 있었을 것입니다.

Implications on AI

AI에 대한 시사점

In the absence of clear abstractions defined by the product function, the pressure to make decisions quickly results in side effects that make deploying AI at scale a challenge: concept drift, data drift, label drift, feature drift, covariate drift, etc. Let’s evaluate two of these:

제품 기능에 의해 정의된 명확한 추상화가 없는 경우 신속하게 결정을 내려야 한다는 압박으로 인해 개념 드리프트, 데이터 드리프트, 라벨 드리프트, 기능 드리프트, 공변량 드리프트 등 대규모 AI 배포를 어렵게 만드는 부작용이 발생합니다. 다음 중 두 가지:

AI models learn to predict output by relying on patterns in the input data. Concept drift occurs when this relationship is no longer valid. For example, if the product and editorial teams introduce a new content format that shifts user interest, concept drift will occur. This is especially true if the feature was launched to reduce time to market without updating data standards and algorithms.

AI 모델은 입력 데이터의 패턴을 기반으로 출력을 예측하는 방법을 학습합니다. 개념 드리프트는 이 관계가 더 이상 유효하지 않을 때 발생합니다. 예를 들어, 제품 및 편집팀이 사용자의 관심을 바꾸는 새로운 콘텐츠 형식을 도입하면 컨셉 드리프트가 발생합니다. 데이터 표준 및 알고리즘을 업데이트하지 않고 출시 시간을 단축하기 위해 기능이 출시된 경우 특히 그렇습니다.

Data drift occurs when an undocumented change to data structure, semantics, or distribution happens. For example, sudden changes to the user interface result in a change in how users navigate the website. This is one of the reasons why most algorithmic marketplaces, like Google, X, Facebook, Instagram, LinkedIn, etc., have broadly maintained their user experience over the last two decades.

데이터 드리프트는 데이터 구조, 의미 또는 분포에 대한 문서화되지 않은 변경이 발생할 때 발생합니다. 예를 들어, 사용자 인터페이스가 갑자기 변경되면 사용자가 웹 사이트를 탐색하는 방식도 변경됩니다. 이것이 Google, X, Facebook, Instagram, LinkedIn 등과 같은 대부분의 알고리즘 마켓플레이스가 지난 20년 동안 사용자 경험을 광범위하게 유지해온 이유 중 하나입니다.

Constant diversification and frequent changes make the overall system highly susceptible to drift, which makes sustaining gains from AI models unreliable.

지속적인 다양화와 빈번한 변경으로 인해 전체 시스템이 드리프트에 매우 취약해지며, 이로 인해 AI 모델의 지속적인 이익을 신뢰할 수 없게 됩니다.

Conclusion

결론

To escape this predicament, media companies must regain strategic control by investing in becoming algorithmic marketplaces themselves. If transformation is not feasible, they must accept low ROI due to revenue diversification as a necessary cost of doing business.

이러한 곤경에서 벗어나기 위해 미디어 회사는 알고리즘 시장 자체가 되는 데 투자하여 전략적 통제력을 회복해야 합니다. 변화가 불가능하다면 수익 다각화로 인한 낮은 ROI를 비즈니스 수행에 필요한 비용으로 받아들여야 합니다.

Curious how I’m managing to write? I created a CustomGPT for myself, which serves as my go-to editor and audits my first draft. Here’s the link—give it a spin! It’s free to use.

내가 어떻게 글을 쓰고 있는지 궁금하시죠? 나는 내 편집자 역할을 하고 첫 번째 초안을 감사하는 CustomGPT를 만들었습니다. 링크는 다음과 같습니다. 한번 시도해 보세요! 무료로 사용할 수 있습니다.

https://chatgpt.com/g/g-hgI62sWPm-mediaflywheels-review-opinion-pieces

Want to republish it? This post was released under CC BY-ND — you can republish it as is with the following credit and backlinks: ‘Originally published by Ritvvij Parrikh on The Times of India. The author retains the copyright and any other ancillary rights to the post.

다시 게시하시겠습니까? 이 게시물은 CC BY-ND로 공개되었습니다. 다음 크레딧과 백링크를 사용하여 있는 그대로 다시 게시할 수 있습니다. '원본은 Ritvvij Parrikh가 The Times of India에 게시했습니다. 게시물에 대한 저작권 및 기타 부수적인 권리는 작성자에게 있습니다.