Netflix: verdens mest populære abonnementsbaserede videostreaming, der tilbydes verden over!
“Black Mirror, Dead to Me og Medici.” – De bedste anbefalinger på Netflix til at se næste gang.
Men hey, hvordan kan Netflix overhovedet vide, hvilken genre der passer bedst til brugerens smag?
Alt takket være de avancerede anbefalingsmotorer.
En anbefalingsmotor er et datafiltreringsværktøj, der bruger data og algoritmer til at filtrere et katalog, der forudsiger relevante elementer og produkter til brugeren. Anbefalingsmotorer kombinerer både indholdsbaserede og samarbejdsbaserede tilgange. Nu er den indholdsbaserede tilgang afhængig af de iboende elementer, som brugeren tidligere har vist interesse for, og foreslår således et lignende mønster af disse egenskaber. På den anden side analyserer en kollaborativ-baseret tilgang alle brugerne af tjenesten og anbefaler en ny bruger på baggrund af de relevante varer fra de andre brugere, der har samme smag.
1 million dollar: Prisen, som Netflix vandt for de ideer, de projicerer på bedre anbefalingsmotorer.
Million-virksomheden lagde stor vægt på at idealisere ideer fra deep learning og machine learning ind i teknikken bag produktet.
Her er, hvad Netflix’ Senior Data Scientist, Mohammad Sabah, sagde i 2014,
“75 procent af brugerne vælger film på baggrund af virksomhedens anbefalinger, og Netflix ønsker at gøre det tal endnu højere.”
I dag er Netflix utvivlsomt indbegrebet af indholdsanbefalinger og personlig brugeroplevelse.
Lang historie kort:
Hjernerne bag Netflix, Randolph og Hastings indsamler data om brugerinteraktion i forsøget på at få bedre og klarere indsigt i, hvordan kunderne bruger DVD-udlejningsprogrammet. Herefter begyndte de at indsamle data ved hjælp af undersøgelser og endda ved at foretage opkald til brugernes bopæl. Heldigvis for dem udviklede teknologien sig, og det samme gjorde deres metode til indsamling af data.
Selv efter to årtier er Netflix stadig i færd med at foretage forbedringer ved hjælp af vigtige indsigter om software-anvendelse. I sidste ende spiller kunstig intelligens og maskinlæring en større rolle, så hver abonnent kan gennemgå en oplevelse i henhold til den granulære abonnentbaseviden.
Hvilke ændringer har Netflix gennemgået?
De fleste anbefalingssystemer fungerer ved hjælp af, at brugerne klassificerer produkterne på en skala fra 1 til 5. Det er Netflix dog kommet af med. Millionvirksomheden besluttede at gå over til en enklere version af vurderingssystemet med tommelfingre op eller tommelfingre ned sammen med den procentdel, der viser kompatibiliteten mellem brugeren og filmen. Ændringen fandt sted af visse grunde som sådan, at folk generelt vurderer film på dine vegne, hvilket gør deres vurderinger forudindtagede. Netop dette har til en vis grad haft en indvirkning på algoritmerne (input og output). Så i stedet for at modtage input i form af 0 og 5 modtager den nu et mere detaljeret binært “ja” og et binært “nej” afhængigt af, om brugeren sætter pris på filmen eller ej. Og hvad angår outputtet, skal systemet give et procentvis match mellem brugeren og filmen. Du kan forestille dig, hvor meget arbejde algoritmeingeniørerne og AI-ingeniørerne har måttet lægge i det.
Og derudover har Netflix besluttet at bruge flere data til at tilbyde den bedste anbefaling. I øjeblikket er de fleste af de anbefalinger, Netflix laver, baseret på deres globale publikum. Således er forslagene ikke længere begrænset til regionsspecifikke. En anden vigtig årsag til, at Netflix havde en hurtig ekspansion.
👉Miniaturer/artpersonalisering
Miniaturer fremvisning har gjort det endnu mere simpelt for brugerne at vælge de film, de foretrækker. De fleste brugere har en tendens til at vælge film eller serier på baggrund af miniaturebilledet for at afgøre, om det er værd at se filmen eller ej. Med tiden indser Netflix, at titlen alene ikke kan overbevise brugeren om at se filmen, og dermed er deres projektion mod dynamisk personlig thumbnail.
Hvert thumbnail, der vælges, er algoritmebaseret, hvorigennem brugernes præference vælges, og baseret på den tidligere visningshistorik har det valgte thumbnail den højeste konverteringsrate. For hvert program i Netflix er der et varieret udvalg af plakater, som hver især henvender sig til en bestemt gruppe af seere. Da algoritmen indsamler data og oplysninger om brugeren på baggrund af miniaturebillederne, giver den et bedre svar ved identifikation af brugernes genre.
👉Optimal streamingkvalitet
Streamingkvaliteten er en afgørende metrik, der specifikt bidrager til bounce-raten. Med over 140 millioner abonnenter på verdensplan bliver det en udfordring for Netflix at tilbyde den bedste streamingkvalitet til sine seere. Men ved hjælp af kunstig intelligens og maskinlæring kan Netflix nu forudsige de fremtidige krav og placere aktiver på strategiske serverplaceringer langt i forvejen. Ved at placere videoaktiverne tættere på abonnenterne på forhånd kan seerne streame video i høj kvalitet selv i spidsbelastningstimer uden afbrydelser.
👉Specifikke filmanbefalinger lavet specielt til dig
Selv om to personer logger ind på Netflix på samme tid, vil de begge blive tilbudt forskellige programanbefalinger. Selv om dette kan virke indlysende på overfladen, er den indre historie dog helt anderledes. Netflix’ anbefalingssystem fungerer på algoritmebaseret, men den vigtigste faktor, der øger relevansen af disse anbefalinger, er på grund af maskinlæring og AI. Algoritmen lærer i takt med, at data bliver indsamlet. Derfor vil der blive anbefalet flere relevante programmer, jo mere tid du bruger på Netflix.
Netflix’ anbefalingsmotor til en værdi af over 1 milliard dollars om året kommer med et personligt gitter af forslag, der kun er tilpasset seernes smag.