Netflix: o streaming de vídeo baseado em assinatura mais popular do mundo oferecido em todo o mundo!
“Black Mirror, Dead to Me, and Medici”. – Recomendações de topo na Netflix para ver a seguir.
But hey, how could Netflix possible know which genre best fits the taste of the user?
All thanks to the state-of-the-art Recommendation Engines.
A recommendation engine is a data filtering tool that use data and algorithms to filterting a catalog predicting relevant items and products to the user. Os motores de recomendação combinam abordagens baseadas no conteúdo e baseadas em colaboração. Agora a abordagem baseada no conteúdo baseia-se nos itens intrínsecos nos quais o usuário mostrou interesse anteriormente, sugerindo assim um padrão semelhante dessas propriedades. Por outro lado, uma abordagem baseada em colaboração analisa todos os usuários do serviço e recomenda um novo usuário baseado nos itens relevantes dos outros usuários com gosto semelhante.
1-Milhão de dólares: o prêmio que a Netflix ganhou pelas idéias que eles projetam em melhores mecanismos de recomendação.
A empresa de um milhão de dólares colocou muito interesse em idealizar idéias desde o aprendizado profundo e o aprendizado da máquina até a engenharia por trás do produto.
Aqui está o que o Cientista de Dados Senior da Netflix, Mohammad Sabah disse em 2014,
“75% dos usuários selecionam filmes com base nas recomendações da empresa, e a Netflix quer tornar esse número ainda maior”,
Hoje, a Netflix é sem dúvida o epítome da recomendação de conteúdo e da experiência personalizada do usuário.
Curta uma longa história.
As mentes por trás da Netflix, Randolph e Hastings reúnem os dados da interação do usuário na tentativa de obter insights melhores e mais claros sobre como os clientes estão usando o software de aluguel de DVDs. Com isso, eles começaram a coletar dados através de pesquisas e até mesmo fazendo ligações para a residência dos usuários. Felizmente para eles, à medida que a tecnologia evoluiu, o mesmo aconteceu com seu método de coleta de dados.
Passadas duas décadas, a Netflix ainda está à beira de fazer melhorias usando as principais visões de utilização do software. Eventualmente, a IA e a aprendizagem da máquina têm um papel mais importante a desempenhar, permitindo assim que cada assinante possa passar por uma experiência de acordo com o conhecimento granular da base de assinantes.
Que mudanças a Netflix sofreu?
A maior parte dos sistemas de recomendação funciona com a ajuda de ter os usuários classificando os produtos de acordo com uma escala de 1 a 5. Bem, o Netflix se livrou dele. A empresa de um milhão de dólares decidiu mudar para uma versão mais simples do sistema de classificação de polegares para cima ou para baixo, juntamente com a percentagem que demonstra a compatibilidade entre o utilizador e o filme. A mudança ocorreu por determinadas razões, como tal, as pessoas geralmente classificam os filmes em seu nome, deixando suas classificações tendenciosas. Precisamente, até certo ponto, isso teve um impacto nos algoritmos (a entrada e a saída). Assim, em vez de receber as entradas na forma de 0 e 5, agora recebe um “sim” binário mais detalhado e um “não” binário, dependendo se o utilizador aprecia ou não o filme. E quanto à saída, o sistema deve fornecer uma correspondência percentual entre o usuário e o filme. Você pode imaginar a quantidade de trabalho que os engenheiros de algoritmos e engenheiros AI tiveram que colocar em.
Além disso, a Netflix decidiu usar mais dados para oferecer a melhor recomendação. Atualmente, a maioria das recomendações que a Netflix faz são baseadas em seu público global. Assim, as sugestões já não se restringem a regiões específicas. Outra razão principal pela qual a Netflix teve uma rápida expansão.
👉Thumbnail/ personalização do trabalho de arte
Projeção de miniaturas tornou ainda mais simples para os usuários a escolha dos filmes que preferem. A maioria dos usuários tende a escolher filmes ou séries com base na miniatura para determinar se vale a pena assistir ao filme ou não. Com o tempo a Netflix percebe que só o título não consegue convencer o utilizador a ver o filme, assim, a sua projecção para uma miniatura dinâmica personalizada.
Cada miniatura escolhida é baseada num algoritmo, através do qual a preferência dos utilizadores é escolhida, e com base no histórico de visualização passado, a miniatura seleccionada tem a maior taxa de conversão. Para cada programa na Netflix, há uma gama diversificada de cartazes, cada um dos quais atende a um grupo específico de telespectadores. Como o algoritmo reúne dados e informações sobre o usuário com base nas miniaturas, ele dá uma melhor resposta na identificação do gênero dos usuários.
👉Optimal qualidade de streaming
A qualidade de streaming é uma métrica crucial que contribui especificamente para as taxas de salto. Com mais de 140 milhões de assinantes em todo o mundo, é um desafio para a Netflix oferecer a melhor qualidade de streaming aos seus telespectadores. No entanto, com a ajuda da IA e da aprendizagem da máquina, a Netflix pode agora prever as futuras demandas e posicionar os ativos em locais estratégicos do servidor muito antes do tempo. Ao pré-posicionar os ativos de vídeo mais perto dos assinantes, os telespectadores podem transmitir vídeo de alta qualidade mesmo durante as horas de pico sem qualquer interrupção.
👉Tailored recomendações de filmes feitas apenas para você
Embora tenha dois indivíduos conectados à Netflix ao mesmo tempo, ambos receberiam recomendações de programas diferentes. Embora isto possa parecer óbvio na superfície, no entanto, a história interna é completamente diferente. O sistema de recomendações da Netflix funciona com base em algoritmos, mas o principal fator que aumenta a relevância dessas recomendações é por causa da aprendizagem da máquina e da IA. O algoritmo aprende à medida que os dados são recolhidos. Portanto, quanto mais tempo você gastar no Netflix, mais programas relevantes serão recomendados.
O motor recomendado pela Netflix, com valor superior a $1 Bilhão por ano, vem com uma grade personalizada de sugestões que é atendida apenas ao gosto dos espectadores.