Netflix : le streaming vidéo par abonnement le plus populaire proposé dans le monde entier !
« Black Mirror, Dead to Me, et Medici. » – Top des recommandations sur Netflix à regarder ensuite.
Mais bon, comment Netflix pourrait-il savoir quel genre correspond le mieux aux goûts de l’utilisateur ?
Tout cela grâce aux moteurs de recommandation de pointe.
Un moteur de recommandation est un outil de filtrage de données qui utilise des données et des algorithmes pour filtrer un catalogue prédisant des articles et des produits pertinents pour l’utilisateur. Les moteurs de recommandation combinent à la fois des approches basées sur le contenu et des approches basées sur la collaboration. Or, l’approche basée sur le contenu s’appuie sur les éléments intrinsèques pour lesquels l’utilisateur a précédemment montré de l’intérêt, suggérant ainsi un modèle similaire de ces propriétés. D’autre part, une approche basée sur la collaboration analyse tous les utilisateurs du service et recommande un nouvel utilisateur sur la base des articles pertinents des autres utilisateurs ayant un goût similaire.
1-Million-Dollar : le prix que Netflix a gagné pour les idées qu’ils projettent sur de meilleurs moteurs de recommandation.
L’entreprise millionnaire a mis beaucoup d’intérêt à idéaliser les idées de l’apprentissage profond et de l’apprentissage automatique dans l’ingénierie derrière le produit.
Voici ce que le scientifique principal des données de Netflix, Mohammad Sabah, a déclaré en 2014,
« 75 % des utilisateurs choisissent des films en fonction des recommandations de l’entreprise, et Netflix veut rendre ce chiffre encore plus élevé. »
Aujourd’hui, Netflix est sans aucun doute l’incarnation de la recommandation de contenu et de l’expérience utilisateur personnalisée.
Longue histoire courte.
Les esprits derrière Netflix, Randolph, et Hastings rassemblent les données de l’interaction des utilisateurs dans la tentative d’obtenir des idées meilleures et plus claires sur la façon dont les clients utilisent le logiciel de location de DVD. Ils ont alors commencé à recueillir des données par le biais d’enquêtes et même d’appels au domicile des utilisateurs. Heureusement pour eux, leur méthode de collecte de données a évolué au même rythme que la technologie.
Même après deux décennies, Netflix est toujours sur le point d’apporter des améliorations en utilisant des informations clés sur l’utilisation du logiciel. Finalement, l’IA et l’apprentissage automatique ont un plus grand rôle à jouer, permettant ainsi à chaque abonné de subir une expérience en fonction de la connaissance granulaire de la base d’abonnés.
Quels changements Netflix a-t-il subis ?
La plupart des systèmes de recommandation fonctionnent avec l’aide d’avoir des utilisateurs qui classent les produits sur une échelle de 1 à 5. Eh bien, Netflix s’en est débarrassé. L’entreprise, qui vaut des millions de dollars, a décidé de passer à une version plus simple du système d’évaluation des pouces vers le haut ou vers le bas, ainsi que du pourcentage démontrant la compatibilité entre l’utilisateur et le film. Ce changement s’explique par le fait que les gens évaluent généralement les films en votre nom et que leurs évaluations sont donc biaisées. Précisément, jusqu’à un certain point, cela a eu un impact sur les algorithmes (l’entrée et la sortie). Ainsi, au lieu de recevoir les entrées sous la forme de 0 et 5, il reçoit désormais un « oui » et un « non » binaires plus détaillés, selon que l’utilisateur apprécie ou non le film. Quant à la sortie, le système doit fournir un pourcentage de correspondance entre l’utilisateur et le film. Vous pouvez imaginer la quantité de travail que les ingénieurs en algorithme et les ingénieurs en IA ont dû fournir.
En plus de cela, Netflix a décidé d’utiliser plus de données pour offrir la meilleure recommandation. Actuellement, la plupart des recommandations de Netflix sont basées sur leurs audiences mondiales. Ainsi, les suggestions ne sont plus limitées à une région spécifique. Une autre raison majeure pour laquelle Netflix a eu une expansion rapide.
👉Personnalisation des vignettes/artworks
La projection des vignettes a rendu encore plus simple pour les utilisateurs de choisir les films qu’ils préfèrent. La plupart des utilisateurs ont tendance à choisir des films ou des séries en se basant sur la vignette pour déterminer si cela vaut la peine de regarder le film ou non. Avec le temps, Netflix se rend compte que le titre seul ne peut pas convaincre l’utilisateur de regarder le film, d’où leur projection vers la vignette personnalisée dynamique.
Chaque vignette choisie est basée sur un algorithme, à travers lequel la préférence des utilisateurs est choisie, et sur la base de l’historique de visionnage passé, la vignette sélectionnée a le plus haut taux de conversion. Pour chaque programme de Netflix, il existe une gamme variée d’affiches qui s’adressent chacune à un groupe spécifique de téléspectateurs. Comme l’algorithme recueille des données et des informations sur l’utilisateur en fonction des vignettes, il donne une meilleure réponse pour identifier le genre des utilisateurs.
👉Optimal streaming quality
La qualité du streaming est une métrique cruciale qui contribue spécifiquement aux taux de rebond. Avec plus de 140 millions d’abonnés dans le monde, il devient difficile pour Netflix d’offrir la meilleure qualité de streaming à ses spectateurs. Cependant, avec l’aide de l’IA et de l’apprentissage automatique, Netflix peut désormais prédire les demandes futures et positionner les ressources à des emplacements de serveurs stratégiques bien à l’avance. En prépositionnant les actifs vidéo plus près des abonnés, les téléspectateurs peuvent diffuser des vidéos de haute qualité même pendant les heures de pointe sans aucune interruption.
👉Des recommandations de films personnalisées faites juste pour vous
Malgré le fait que deux individus se connectent à Netflix en même temps, les deux se verraient proposer des recommandations de programmes différentes. Bien que cela puisse sembler évident en surface, cependant, l’histoire intérieure est entièrement différente. Le système de recommandation de Netflix fonctionne sur la base d’algorithmes, mais le principal facteur qui augmente la pertinence de ces recommandations est l’apprentissage automatique et l’IA. L’algorithme apprend au fur et à mesure que les données sont collectées. Par conséquent, plus vous passez de temps sur Netflix, plus les programmes pertinents seront recommandés.
Le moteur de recommandation de Netflix, qui vaut plus d’un milliard de dollars par an, est accompagné d’une grille personnalisée de suggestions qui ne répond qu’aux goûts des spectateurs.