MétaCan
Menu
Retour à la cohorte
Enregistrement W4411038965 · doi:10.1108/case.kellogg.2025.000056

Viacom18: Creating a Sustainable Video Streaming (OTT) Business in India

2024· article· en· W4411038965 sur OpenAlexaff
Mohanbir Sawhney, Debdutta Choudhury, Karan Taurani

Notice bibliographique

RevueKellogg School of Management Cases · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSouth Asian Cinema and Culture
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessVideo streamingMarketingProcess managementIndustrial organizationBusiness administrationComputer science

Résumé

récupéré en direct d'OpenAlex

Viacom18, a Reliance Industries Ltd. company, acquired the streaming rights for the popular Indian Premier League (IPL) cricket tournament for 2023-2027 for a whopping $2.89 billion. Unlike the previous rights holder, Disney+Hotstar, which put the streaming behind a paywall, Viacom18 decided to offer free streaming, betting on increased advertisement revenue from a massive increase in viewership. However, the free streaming for the 2023 IPL season only brought in advertisement revenues of $276 million against a projection of $450 million. The Viacom18 team needed to rethink its mix of advertising and subscription revenue. It had three options: a pure advertising-supported model (AVoD); a subscription model with packages for the IPL, possibly including a cheaper package with ad-supported content; and a blended business model that would combine the AVoD model with a small subscription fee (sachet pricing) specifically for the IPL. If the advertising-based model had created a large enough user base, it would have attracted advertisers and generated a profit. In the 2023 season, however, it produced only 60% of projected revenues, which was insufficient to pay the IPL licensing fee. On the other hand, a subscription-based model, although likely to create more revenue per user, would dramatically reduce the customer base because of Indian consumers' price sensitivity. Such a model also might not meet revenue expectations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,010

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,223
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKellogg School of Management CasesMême sujetSouth Asian Cinema and CultureTravaux en français237 207