Netflix: maailman suosituin tilauspohjainen videostriimaus, jota tarjotaan maailmanlaajuisesti!
”Black Mirror, Dead to Me ja Medici”. – Netflixin parhaat suositukset seuraavaksi katsottavaksi.
Mutta hei, mistä Netflix voi tietää, mikä genre sopii parhaiten käyttäjän makuun?
Kaikki kiitos huippuluokan suosittelumoottoreiden.
Suosittelumoottori on datan suodatustyökalu, joka käyttää dataa ja algoritmeja suodattaakseen katalogia ennustaen käyttäjälle relevantteja kohteita ja tuotteita. Suosittelumoottoreissa yhdistyvät sekä sisältöpohjaiset että yhteistyöhön perustuvat lähestymistavat. Nyt sisältöpohjainen lähestymistapa luottaa niihin luontaisiin kohteisiin, joista käyttäjä on aiemmin osoittanut kiinnostusta, ja ehdottaa siten samankaltaista mallia näistä ominaisuuksista. Toisaalta yhteistoimintaan perustuva lähestymistapa analysoi kaikkia palvelun käyttäjiä ja suosittelee uudelle käyttäjälle muiden käyttäjien, joilla on samanlainen maku, relevantteja kohteita.
1 miljoonan dollarin palkinto: Netflix voitti palkinnon ideoista, joita he projisoivat parempiin suosittelumoottoreihin.
Miljoonan dollarin yritys laittoi paljon kiinnostusta ideoimaan ideoita syväoppimisesta (deep learning) ja koneellisesta oppimisesta (machine learning) insinöörityöhön tuotteen takana.
Tänään Netflixin vanhempi data-asiantuntija Mohammad Sabah sanoi vuonna 2014,
”75 prosenttia käyttäjistä valitsee elokuvia yrityksen suositusten perusteella, ja Netflix haluaa nostaa tuota lukua vieläkin korkeammaksi.”
Tänä päivänä Netflix on epäilemättä sisällön suosittelun ja personoidun käyttäjäkokemuksen ruumiillistuma.
Pitkä tarina lyhyesti.”
Netflixin takana olevat Randolph ja Hastings keräävät tietoja käyttäjien vuorovaikutuksesta yrittäessään saada parempaa ja selkeämpää tietoa siitä, miten asiakkaat käyttävät DVD-vuokrausohjelmistoa. Tämän jälkeen he alkoivat kerätä tietoja kyselyiden avulla ja jopa soittamalla puheluita käyttäjien asuntoihin. Heidän onnekseen tekniikan kehittyessä myös heidän tiedonkeruumenetelmänsä kehittyi.
Kahden vuosikymmenen jälkeenkin Netflix on edelleen tekemässä parannuksia tärkeimpien ohjelmistokäyttöä koskevien oivallusten avulla. Lopulta tekoälyllä ja koneoppimisella on suurempi rooli, jolloin jokainen tilaaja voi kokea kokemuksen rakeisen tilaajakantatiedon mukaan.
Mitä muutoksia Netflixissä on tapahtunut?
Useimmat suosittelujärjestelmät toimivat sen avulla, että käyttäjät rankkaavat tuotteita asteikolla 1-5. No, Netflix pääsi siitä eroon. Miljoonayhtiö päätti siirtyä yksinkertaisempaan versioon peukut ylös tai peukut alas -arviointijärjestelmästä yhdessä käyttäjän ja elokuvan yhteensopivuutta osoittavan prosenttiosuuden kanssa. Muutos tapahtui tietyistä syistä, sillä ihmiset yleensä arvioivat elokuvia puolestasi, jolloin heidän arvionsa voivat olla puolueellisia. Tämä vaikutti tiettyyn rajaan asti algoritmeihin (syötteeseen ja tulosteeseen). Sen sijaan, että se olisi saanut syötteet muodossa 0 ja 5, se saa nyt yksityiskohtaisemman binäärisen ”kyllä” ja binäärisen ”ei” riippuen siitä, arvostaako käyttäjä elokuvaa vai ei. Tuotoksen osalta järjestelmän on annettava prosentuaalinen vastaavuus käyttäjän ja elokuvan välillä. Voit kuvitella, kuinka paljon työtä algoritmi- ja tekoälyinsinöörit joutuivat tekemään.
Tämän lisäksi Netflix on päättänyt käyttää enemmän dataa voidakseen tarjota parhaan suosituksen. Tällä hetkellä suurin osa Netflixin suosituksista perustuu niiden maailmanlaajuiseen yleisöön. Näin ollen ehdotukset eivät enää rajoitu aluekohtaisesti. Tämä on toinen merkittävä syy Netflixin nopeaan laajentumiseen.
👉Thumbnail/artwork personalization
Thumbnails-projektio on tehnyt käyttäjille entistä helpommaksi valita haluamansa elokuvat. Useimmilla käyttäjillä on tapana valita elokuvia tai sarjoja pikkukuvan perusteella, jotta he voivat päättää, kannattaako elokuva katsoa vai ei. Ajan myötä Netflix ymmärtää, että pelkkä otsikko ei saa käyttäjää vakuuttuneeksi elokuvan katsomisesta, joten heidän projisointinsa kohti dynaamisia personoituja pikkukuvia.
Jokainen valittu pikkukuva perustuu algoritmiin, jonka kautta valitaan käyttäjien mieltymys, ja aikaisemman katseluhistorian perusteella valitulla pikkukuvalla on korkein muuntumisaste. Jokaista Netflixin ohjelmaa varten on olemassa monenlaisia julisteita, joista jokainen palvelee tiettyä katsojaryhmää. Koska algoritmi kerää tietoa ja tietoja käyttäjästä pikkukuvien perusteella, se antaa paremman vastauksen käyttäjien genren tunnistamisessa.
👉Optimaalinen suoratoiston laatu
Suoratoiston laatu on ratkaiseva metriikka, joka vaikuttaa nimenomaan hyppyprosenttiin. Kun Netflixillä on maailmanlaajuisesti yli 140 miljoonaa tilaajaa, Netflixin on haastavaa tarjota katsojilleen parasta suoratoiston laatua. Tekoälyn ja koneoppimisen avulla Netflix voi nyt kuitenkin ennustaa tulevia vaatimuksia ja sijoittaa resursseja strategisiin palvelinpaikkoihin hyvissä ajoin etukäteen. Kun videovarat sijoitetaan etukäteen lähemmäs tilaajia, katsojat voivat suoratoistaa korkealaatuista videokuvaa jopa ruuhka-aikoina ilman keskeytyksiä.
👉Räätälöidyt elokuvasuositukset, jotka on tehty juuri sinua varten
Vaikka kaksi henkilöä kirjautuisi Netflixiin samaan aikaan, molemmille tarjottaisiin erilaisia ohjelmasuosituksia. Vaikka tämä saattaa pintapuolisesti vaikuttaa ilmeiseltä, sisäinen tarina on kuitenkin täysin erilainen. Netflixin suosittelujärjestelmä toimii algoritmipohjaisesti, mutta merkittävä tekijä, joka lisää näiden suositusten relevanssia, johtuu koneoppimisesta ja tekoälystä. Algoritmi oppii, kun dataa kerätään. Siksi mitä enemmän aikaa vietät Netflixissä, sitä enemmän relevantteja ohjelmia suositellaan.
Netflixin suosittelukone, jonka arvo on yli miljardi dollaria vuodessa, sisältää personoidun ehdotusten ruudukon, joka on räätälöity vain katsojien maun mukaan.