Kako Netflix točno zna što želite gledati

Netflixov uspon da postane primarna svjetska usluga za streaming medija nije bio pravi rezultat. Temelji se na složenom receptu za obradu podataka i osjećaja koji znači da tvrtka zna što želite gledati čak i prije nego što spoznate sebe.

Prema posljednjim tromjesečnim podacima Netflixa, usluga za strujanje medija prikupila je gotovo 2 milijuna novih pretplatnika svaki mjesec.

Razlog ovog nemilosrdnog rasta (bilo da vjerujete da je to dobro ili loše) ide sve dublje od toga da imate prikladnu i povoljnu uslugu Zašto biste trebali biti sretni što više platite za Netflix Zašto biste trebali biti sretni što više platite za Netflix Svaki put kada Netflix povećava cijene, milijuni korisnika koji gledaju bingete plaču na račun plaćanja nekoliko dolara više. Ali ovo je glupo, jer je Netflix apsolutna krađa. prodati. To ide dublje od mamutova marketinškog proračuna i strategija. I to sigurno ide dublje od dalekosežnih 5 načina pretraživanja Netflixa, Hulua, Amazona i više odjednom 5 načina pretraživanja Netflixa, Hulua, Amazona i više odjednom Ako se i dalje teško odlučujete koji od internetskih servisa za streaming filmova je pravi za vas, jedan od najvažnijih faktora koji treba uzeti u obzir pri donošenju ove odluke je… knjižnica.

Netflixov tajni umak algoritama, velikih podataka i instinkta crijeva potiču ovaj nezaustavljivi rast. Upravo taj tajni umak omogućuje Netflixu da ne samo dosljedno Preporuči sadržaj koji će korisnici (vjerojatno) voljeti, ali i financirati stvaranje tog sadržaja, uvjeren da je htjeti biti uspjeh.

Nevjerojatne količine velikih podataka

Nije iznenađujuće da veliki podaci igraju veliku ulogu u Netflixovoj mogućnosti da preporuče i financiraju pravi sadržaj. Ono što iznenađuje je vrsta podataka i količina podataka koje Netflix prati svaki put kada koristite uslugu.

Prema službenom Netflix Tech Blog-u:

“Svaki put kada član počne gledati filmsku ili TV epizodu, u našim se podatkovnim sustavima stvara 'prikaz' i skuplja se zbirka događaja koji opisuju taj prikaz.”

Kao dio ovog postupka, Netflix prati vaše “cijelu povijest gledanja sve dok ste [vi] pretplaćeni”. Sustav “okuplja periodične signale tijekom svakog prikaza kako bi utvrdio je li član još uvijek ne gleda”. Prati i vaša pretraživanja, ocjene, podatke o zemljopisnoj lokaciji, informacije o uređaju, ponašanje pregledavanja, doba dana / tjedna koje gledate, kada se odlučite odustati od emisije, pauzirati i premjestiti unaprijed.

Sa milijunima korisnika Netflixa struji se milijarde sati sadržaja sadržaja svakog mjeseca, količina podataka koje tvrtka prikuplja je zbunjujuća. Ovi podaci su izuzetno važni za uspjeh tvrtke.

Godine 2014. GigaOM je parafrazirao Netflixov stariji znanstvenik o podacima kako postati znanstvenik podataka Kako postati znanstvenik podataka Data Science prešao je iz tek skovanog naziva u 2007. u jednu od najtraženijih disciplina danas. Ali što radi znanstvenik podataka? I kako se možeš probiti na teren? , Mohammed Sabah, rekavši:

“75 posto korisnika odabire filmove na temelju preporuka tvrtke, a Netflix želi taj broj učiniti još većim.”

Ti su podaci o gledateljima ogromni i nužno je zašto usluga može biti toliko zarazna. U kombinaciji s ogromnim rasponom podataka pohranjenih o svakoj emisiji, postaje teško ne slagati se s teorijom Davida Carra da “Netflix naručuje originalni sadržaj jer zna što ljudi žele prije nego što to učine” (naglasak moj).

Algoritmi koji se stalno poboljšavaju

Podaci sami po sebi nisu od koristi. Kao što je napisao Jason Gilbert; “[Netflixov] uspjeh zasnovan je na tome koliko je u mogućnosti odabrati program koji gledatelji vole dok je i dalje profitabilan.”

Da bi to postigao, Netflix koristi algoritme. Kao direktor inženjeringa, Xavier Amatriain, rekao je Wiredu:

“[Tvrtka je razvila] nekoliko algoritama, od kojih je svaki optimiziran za drugu svrhu. U širokom smislu, većina naših algoritama temelji se na pretpostavci da slični obrasci gledanja predstavljaju slične ukuse korisnika. Možemo koristiti ponašanje sličnih korisnika da zaključimo vaše postavke.”

Ovaj fokus na gledanje obrazaca pokazalo se daleko pouzdanijim nego prije svega gledati ocjenu koju dajete emisiji.

Kao podaci o korisnicima i Sadržaj se ubacuje u ovo strojno učenje Kako inteligentni softver mijenja svoj život Kako će Inteligentni softver promijeniti svoj život Skynet će postati nevjerojatno popularan. Pojavljuju se nove AI tehnologije koje će donijeti način na koji živimo, igramo i radimo, algoritmi i ponašanje gledatelja mogu se uskladiti s emisijama koje imaju određene sličnosti - godina proizvodnje, igranje, režiser itd. Kao što vidimo iz broja sati medija koji se svakodnevno prenose na Netflixu, ovi algoritmi očito djeluju. Ali oni su uvijek u tijeku.

Tvrtka stalno izvodi veliki broj A / B testova (omogućujući korisničko iskustvo i promjene algoritama da se provedu i testiraju na malim podskupinama korisnika) da iterativno poboljšaju svaki od tih algoritama. Prema Amatriainu ovi testovi “pokušajmo s radikalnim idejama ili istodobno testirati mnoge pristupe”. Osnovni je cilj gotovo uvijek poboljšati “angažman članova (npr. sati igranja) i zadržavanje”.

Instinkti crijeva

U drugom postu na Netflix Tech blogu, Xavier Amatriain navodi:

“Obilje izvorskih podataka, mjerenja i pridruženi pokusi omogućuju nam da upravljamo organizacijom koja se temelji na podacima. Netflix je taj pristup ugradio u svoju kulturu od osnivanja tvrtke”.

Ideja emisija se proizvodi i temelji se na preporuci jedino podaci su pomalo uznemirujući. Ali TV industrija uvijek se oslanjala na podatke (često u obliku fokusnih grupa i broja gledatelja). Međutim, Netflix to vodi nekoliko koraka dalje.

Uz to, Joris Evers, direktor tvrtke za globalnu korporativnu komunikaciju, želio je olakšati umove korisnika. Rekao je New York Timesu:

“S kreativne strane se ne uključujemo super ... Angažiramo prave ljude i dajemo im slobodu i proračun za dobar posao. To znači da će Seth Rogen i Kristen Wiig biti najavljeni kao posebni gosti u nadolazećim epizodama revije Uhapšeni razvoj to nije zato što je statistička analiza rekla Netflixu da to učini.”

Drugim riječima, vrijednost velikih podataka i algoritama informira Netflixovu odluku umjesto da ih diktira. Kreativne ideje za filmove za financiranje i emisije s licencama postat će guste i brze. Oni koji osjećati dobro, podvrgnuti će se podacima. Ako izgleda kao da će biti zainteresiran dovoljno veliki dio korisnika Netflixa, a osjećaj guštera donositelja odluka kaže da će emisija biti pun pogodak, bit će dodijeljena palčevima i velika provjera.

Čini se da ovaj recept djeluje

Čini se da ova mješavina podataka, kontinuirano poboljšavajući algoritme i instinkt crijeva djeluje za Netflix. U stvari, toliko da tvrtka ima povjerenja financirati čitav niz emisija prije puštajući pilot epizodu. Većina ostalih emitera djeluje suprotno.

Producenti i redatelji mogu kreativne ideje prenijeti na Netflix. Ako se veliki podaci i osjećaj crijeva zbroje i sugeriraju da se troškovi mogu nadoknaditi s obzirom na broj novih pretplatnika i povećano zadržavanje, Netflix je u mogućnosti sve poboljšati. Kula od karata jedan je primjer, kada je tvrtka uložila 100 milijuna dolara u dvije sezone, a da nije ni pogledala pilot epizodu. Stoga će se tijekom 2016. godine Netflix producirati originalnijim sadržajem od većine ostalih emitera kroz nekoliko godina.

To ne bi bilo moguće ako Netflix ne bude u stanju biti nepovjerljivo pouzdan u razumijevanju i predviđanju onoga što biste (ili barem većina ljudi) voljeli gledati. Prije nego što i sami spoznate.

Za vas: smatrate li da Netflixove preporuke odgovaraju vašem ukusu? Ako ne, isprobajte ove tajne Netflix kodove pretraživanja 20 Tajni Netflix kodovi zajamčeni kako bi vam pomogli da pronađete novi sadržaj 20 tajnih Netflix kodova zajamčeno da vam pomognu u pronalaženju novog sadržaja Ovdje je naš popis 20 tajnih Netflix kodova za koje vam jamčimo da vam pomognu u pronalaženju novog sadržaja. , I je li vam ugodno što Netflix ovo zna puno o svom ponašanju, simpatijama i nesviđanjima u pogledu gledanja?

Kreditna slika: mladi par Andrey_Popov preko Shutterstock, Server Room od Torkild Retvedt (Flickr)