Netflix: najpopularniejszy na świecie streaming wideo oparty na subskrypcji!
„Black Mirror, Dead to Me, and Medici”. – Najlepsze rekomendacje Netflixa do obejrzenia w następnej kolejności.
Ale hej, skąd Netflix może wiedzieć, który gatunek najlepiej pasuje do gustów użytkownika?
Wszystko dzięki najnowocześniejszym silnikom rekomendacji.
Silnik rekomendacji to narzędzie do filtrowania danych, które wykorzystuje dane i algorytmy do filtrowania katalogu przewidującego odpowiednie pozycje i produkty dla użytkownika. Silniki rekomendacji łączą w sobie zarówno podejście oparte na treści, jak i podejście oparte na współpracy. Podejście oparte na treści opiera się na nieodłącznych elementach, którymi użytkownik wcześniej wykazał zainteresowanie, sugerując w ten sposób podobny wzorzec tych właściwości. Z drugiej strony, podejście oparte na współpracy analizuje wszystkich użytkowników usługi i zaleca nowego użytkownika w oparciu o odpowiednie pozycje innych użytkowników o podobnym guście.
1-Milion dolarów: nagroda, którą Netflix zdobył za pomysły, które projektują na lepsze silniki rekomendacji.
Przedsięwzięcie o wartości miliona dolarów włożyło wiele zainteresowania w idealizowanie pomysłów z głębokiego uczenia się i uczenia maszynowego w inżynierię stojącą za produktem.
Oto co powiedział Senior Data Scientist Netflixa, Mohammad Sabah w 2014 roku,
„75 procent użytkowników wybiera filmy na podstawie rekomendacji firmy, a Netflix chce, aby ta liczba była jeszcze wyższa.”
Dzisiaj Netflix jest bez wątpienia uosobieniem rekomendacji treści i spersonalizowanych doświadczeń użytkownika.
Long story short.
The minds behind Netflix, Randolph, and Hastings gather the data of user interaction in the attempt of gaining better and clearer insights about how customers are using the DVD rental software. Po tym, zaczęli zbierać dane poprzez ankiety, a nawet wykonując telefony do miejsca zamieszkania użytkowników. Lucky for them, as technology evolved so did their method of gathering data.
Even after two decades, Netflix is still on the verge of making improvements using key software-usage-insights. Ostatecznie, AI i uczenie maszynowe mają do odegrania większą rolę, pozwalając w ten sposób każdemu subskrybentowi na doświadczenie zgodne z granularną wiedzą z bazy subskrybentów.
Jakie zmiany przeszedł Netflix?
Większość systemów rekomendacji działa z pomocą użytkowników oceniających produkty na podstawie skali od 1 do 5. Cóż, Netflix pozbył się tego. Firma milion dolarów zdecydował się przejść do prostszej wersji kciuki w górę lub kciuki w dół systemu oceny wraz z odsetek wykazujących zgodności między użytkownikiem i filmu. Zmiana nastąpiła z pewnych powodów, ponieważ ludzie zazwyczaj oceniają filmy w Twoim imieniu, pozostawiając swoje oceny stronniczości. Dokładnie, do pewnego stopnia, to nie miało wpływu na algorytmy (wejście i wyjście). Tak więc zamiast otrzymywać dane wejściowe w postaci 0 i 5, teraz otrzymuje bardziej szczegółowe binarne „tak” i binarne „nie” w zależności od tego, czy użytkownik docenia film, czy nie. A co do danych wyjściowych, system musi podać procentową zgodność pomiędzy użytkownikiem a filmem. Można sobie wyobrazić ilość pracy, jaką musieli włożyć inżynierowie algorytmów i AI.
Poza tym, Netflix postanowił wykorzystać więcej danych, aby zaoferować najlepsze rekomendacje. Obecnie, większość zaleceń Netflix sprawia, że są one oparte na ich globalnych odbiorców. Tak więc, sugestie nie są ograniczone do regionu specyficzne już. Innym głównym powodem, dla którego Netflix miał szybką ekspansję.
👉Thumbnail/artwork personalizacja
Thumbnails projekcja uczyniła go jeszcze bardziej proste dla użytkowników, aby wybrać filmy, które wolą. Większość użytkowników ma tendencję do wybierania filmów lub seriali na podstawie miniaturki, aby określić, czy warto obejrzeć film, czy nie. Z czasem Netflix zdaje sobie sprawę, że sam tytuł nie może przekonać użytkownika do obejrzenia filmu, stąd ich projekcja w kierunku dynamicznych spersonalizowanych miniatur.
Każda wybrana miniatura jest oparta na algorytmie, dzięki któremu wybierane są preferencje użytkowników, a na podstawie dotychczasowej historii oglądania, wybrana miniatura ma najwyższy wskaźnik konwersji. Dla każdego programu w Netflixie istnieje zróżnicowana oferta plakatów, z których każdy trafia do określonej grupy widzów. Ponieważ algorytm gromadzi dane i informacje o użytkowniku na podstawie miniatur, daje lepszą odpowiedź w identyfikacji gatunku użytkownika.
👉Optymalna jakość strumieniowania
Jakość strumieniowania jest kluczową metryką, która w szczególności przyczynia się do współczynnika odbić. Przy ponad 140 milionach abonentów na całym świecie, staje się to wyzwaniem dla Netflixa, aby zaoferować najlepszą jakość transmisji strumieniowej dla swoich widzów. Jednak z pomocą sztucznej inteligencji i uczenia maszynowego Netflix może teraz przewidywać przyszłe zapotrzebowanie i umieszczać zasoby w strategicznych lokalizacjach serwerów z dużym wyprzedzeniem. Dzięki wstępnemu rozmieszczeniu aktywów wideo bliżej abonentów widzowie mogą przesyłać strumieniowo wideo wysokiej jakości nawet w godzinach szczytu bez żadnych przerw.
👉Dostosowane zalecenia filmowe stworzone specjalnie dla Ciebie
Mimo że dwie osoby logują się do serwisu Netflix w tym samym czasie, obie otrzymałyby różne zalecenia dotyczące programów. Choć na pierwszy rzut oka może się to wydawać oczywiste, to jednak wewnątrz historia wygląda zupełnie inaczej. System rekomendacji Netflixa działa w oparciu o algorytmy, ale głównym czynnikiem zwiększającym trafność tych rekomendacji jest uczenie maszynowe i AI. Algorytm uczy się w miarę gromadzenia danych. Dlatego im więcej czasu spędzasz na Netflixie, tym więcej odpowiednich programów zostanie Ci poleconych.
Silnik rekomendacji Netflixa wart ponad 1 miliard dolarów rocznie jest wyposażony w spersonalizowaną siatkę sugestii, która jest dostosowana wyłącznie do gustu widzów.