Netflix: das weltweit beliebteste abonnementbasierte Video-Streaming-Angebot!
„Black Mirror, Dead to Me und Medici.“ – Top-Empfehlungen auf Netflix, die man sich als nächstes ansehen sollte.
Aber hey, woher soll Netflix denn wissen, welches Genre am besten zum Geschmack des Nutzers passt?
Alles dank modernster Empfehlungsmaschinen.
Eine Empfehlungsmaschine ist ein Werkzeug zur Datenfilterung, das Daten und Algorithmen verwendet, um einen Katalog zu filtern, der dem Nutzer relevante Artikel und Produkte vorschlägt. Empfehlungsmaschinen kombinieren sowohl inhaltsbasierte als auch kollaborativ-basierte Ansätze. Der inhaltsbasierte Ansatz stützt sich auf die Elemente, für die sich der Nutzer zuvor interessiert hat, und schlägt daher ein ähnliches Muster dieser Eigenschaften vor. Auf der anderen Seite analysiert ein kollaborativ-basierter Ansatz alle Nutzer des Dienstes und empfiehlt einen neuen Nutzer auf der Grundlage der relevanten Artikel der anderen Nutzer, die einen ähnlichen Geschmack haben.
1-Million-Dollar: der Preis, den Netflix für die Ideen gewonnen hat, die sie für bessere Empfehlungsmaschinen projizieren.
Das Millionen-Dollar-Unternehmen hat viel Interesse daran gezeigt, Ideen aus Deep Learning und maschinellem Lernen in die Technik hinter dem Produkt zu idealisieren.
Der Senior Data Scientist von Netflix, Mohammad Sabah, sagte 2014:
„75 Prozent der Nutzer wählen Filme auf der Grundlage der Empfehlungen des Unternehmens aus, und Netflix möchte diese Zahl noch erhöhen.“
Heute ist Netflix zweifellos der Inbegriff für Inhaltsempfehlungen und personalisierte Nutzererfahrung.
Lange Rede, kurzer Sinn.
Die Köpfe hinter Netflix, Randolph und Hastings, sammeln die Daten der Benutzerinteraktion, um bessere und klarere Erkenntnisse darüber zu gewinnen, wie die Kunden die DVD-Verleihsoftware nutzen. Daraufhin begannen sie, Daten durch Umfragen und sogar durch Anrufe bei den Nutzern zu erheben. Zum Glück hat sich die Technologie weiterentwickelt und damit auch die Methode der Datenerfassung.
Selbst nach zwei Jahrzehnten ist Netflix immer noch auf dem besten Weg, seine Software zu verbessern, indem es wichtige Erkenntnisse über die Nutzung der Software gewinnt. Schließlich spielen KI und maschinelles Lernen eine größere Rolle, so dass jeder Abonnent Erfahrungen entsprechend dem granularen Wissen der Abonnentenbasis machen kann.
Welche Änderungen hat Netflix vorgenommen?
Die meisten Empfehlungssysteme arbeiten mit Hilfe von Nutzern, die Produkte auf einer Skala von 1 bis 5 bewerten. Netflix hat das abgeschafft. Das millionenschwere Unternehmen entschied sich für eine einfachere Version des Bewertungssystems „Daumen hoch“ oder „Daumen runter“ zusammen mit dem Prozentsatz, der die Kompatibilität zwischen dem Benutzer und dem Film anzeigt. Die Änderung erfolgte aus bestimmten Gründen, da die Leute in der Regel die Filme in Ihrem Namen bewerten, so dass ihre Bewertungen voreingenommen sein können. Bis zu einem gewissen Grad wirkte sich dies auf die Algorithmen aus (die Eingabe und die Ausgabe). Anstelle der Eingaben in Form von 0 und 5 erhält das System nun ein detaillierteres binäres „Ja“ und ein binäres „Nein“, je nachdem, ob der Nutzer den Film mag oder nicht. Und was die Ausgabe betrifft, so muss das System eine prozentuale Übereinstimmung zwischen dem Benutzer und dem Film liefern. Sie können sich vorstellen, wie viel Arbeit die Algorithmus- und KI-Ingenieure zu leisten hatten.
Außerdem hat Netflix beschlossen, mehr Daten zu verwenden, um die besten Empfehlungen zu geben. Derzeit basieren die meisten Empfehlungen von Netflix auf dem weltweiten Publikum. Die Vorschläge sind also nicht mehr auf eine bestimmte Region beschränkt. Ein weiterer wichtiger Grund für die rasche Expansion von Netflix.
👉Thumbnail-/Artwork-Personalisierung
Die Projektion von Thumbnails hat es den Nutzern noch einfacher gemacht, die von ihnen bevorzugten Filme auszuwählen. Die meisten Nutzer neigen dazu, Filme oder Serien anhand des Vorschaubildes auszuwählen, um festzustellen, ob es sich lohnt, den Film anzusehen oder nicht. Mit der Zeit hat Netflix erkannt, dass der Titel allein den Nutzer nicht überzeugen kann, sich den Film anzusehen, und hat sich daher auf dynamische, personalisierte Vorschaubilder verlegt.
Jedes ausgewählte Vorschaubild basiert auf einem Algorithmus, durch den die Vorlieben der Nutzer ermittelt werden, und auf der Grundlage des bisherigen Sehverhaltens hat das ausgewählte Vorschaubild die höchste Umwandlungsrate. Für jedes Programm in Netflix gibt es eine Reihe von Postern, die jeweils eine bestimmte Zuschauergruppe ansprechen. Da der Algorithmus Daten und Informationen über den Nutzer auf der Grundlage der Thumbnails sammelt, kann er das Genre des Nutzers besser identifizieren.
👉Optimale Streaming-Qualität
Die Streaming-Qualität ist eine entscheidende Kennzahl, die speziell zur Absprungrate beiträgt. Bei über 140 Millionen Abonnenten weltweit ist es für Netflix eine Herausforderung, seinen Zuschauern die beste Streaming-Qualität zu bieten. Mithilfe von künstlicher Intelligenz und maschinellem Lernen kann Netflix nun jedoch die künftige Nachfrage vorhersagen und Assets an strategischen Serverstandorten weit im Voraus positionieren. Durch die Vorpositionierung der Video-Assets näher an den Abonnenten können die Zuschauer auch während der Stoßzeiten ohne Unterbrechung Videos in hoher Qualität streamen.
👉Maßgeschneiderte Filmempfehlungen nur für Sie
Selbst wenn sich zwei Personen gleichzeitig bei Netflix anmelden, werden beiden unterschiedliche Programmempfehlungen angeboten. Obwohl dies oberflächlich betrachtet offensichtlich erscheinen mag, ist die innere Geschichte jedoch eine ganz andere. Das Empfehlungssystem von Netflix arbeitet auf der Grundlage von Algorithmen, aber der Hauptfaktor, der die Relevanz dieser Empfehlungen erhöht, ist maschinelles Lernen und KI. Der Algorithmus lernt mit den gesammelten Daten. Je mehr Zeit man auf Netflix verbringt, desto mehr relevante Programme werden empfohlen.
Die Empfehlungsmaschine von Netflix, die mehr als 1 Milliarde Dollar pro Jahr wert ist, bietet ein personalisiertes Raster von Vorschlägen, die nur auf den Geschmack des Zuschauers zugeschnitten sind.