Wie funktioniert die Empfehlungsmaschine von Netflix?
Was soll ich mir heute Abend nach einem hektischen Tag im Büro ansehen?
Das ist die Frage, die einem in den Sinn kommt, wenn man vom Büro nach Hause kommt und vor dem Fernseher sitzt, ohne sich zu erinnern, welche Sendungen man kürzlich gesehen hat. Heute wünscht sich jeder eine intelligente Streaming-Plattform, die seine Vorlieben und Geschmäcker versteht und nicht nur auf Autopilot läuft. Von Netflix bis Amazon Prime – Empfehlungssysteme gewinnen immer mehr an Bedeutung, da sie jeden Tag direkt (meist hinter den Kulissen) mit den Nutzern interagieren.
Mit über 139 Millionen zahlenden Abonnenten (Gesamtzuschauerzahl -300 Millionen) in 190 Ländern, 15.400 Titeln in den regionalen Bibliotheken und 112 Emmy Award-Nominierungen im Jahr 2018 ist Netflix das weltweit führende Internet-Fernsehnetzwerk und der wertvollste größte Streaming-Dienst der Welt. Die erstaunliche digitale Erfolgsgeschichte von Netflix ist unvollständig ohne die Erwähnung seiner Empfehlungssysteme, die sich auf die Personalisierung konzentrieren.
Haben Sie schon einmal darüber nachgedacht, warum sich die Netflix-Grafik für verschiedene Shows ändert, wenn Sie sich bei Ihrem Konto anmelden? An einem Tag könnte es ein Bild der gesamten Brückenbesatzung sein, während es an einem anderen Tag Worf ist, der Sie abschätzig anschaut. Wenn Sie Netflix-Nutzer sind, haben Sie vielleicht auch schon bemerkt, dass die Plattform sehr genaue Genres wie romantische Dramen zeigt, bei denen die Hauptfigur Linkshänder ist. Wie schafft es Netflix, für seine über 100 Millionen Abonnenten solch präzise Genres auszuwählen? Wie verändert Netflix seine Kunstwerke? Es sind maschinelles Lernen, KI und die Kreativität hinter den Kulissen, die erraten, was einen Nutzer dazu bringt, sich eine bestimmte Sendung anzusehen. Mithilfe von maschinellem Lernen und Datenwissenschaft kann Netflix das Erlebnis für den Nutzer auf der Grundlage seiner bisherigen Auswahl von Sendungen personalisieren.
Wussten Sie schon?
Netflix begann im Jahr 2000 mit dem Einsatz von Analysetools, um den Nutzern Videos zum Ausleihen zu empfehlen.
Netflix hat nur ein 90-Sekunden-Fenster, um den Zuschauern zu helfen, einen Film oder eine Fernsehsendung zu finden, bevor sie die Plattform verlassen und einen anderen Dienst besuchen. Das ist einer der Hauptgründe, warum Netflix so besessen davon ist, Empfehlungen zu personalisieren, um die Nutzer zu fesseln.
Netflix‘ personalisierte Empfehlungsalgorithmen erzeugen einen Wert von 1 Milliarde Dollar pro Jahr durch Kundenbindung.
Die Mehrheit der Netflix-Benutzer berücksichtigt Empfehlungen, wobei 80 % der Netflix-Aufrufe von den Empfehlungen des Dienstes stammen.
Netflix hat 1300 Empfehlungscluster auf der Grundlage der Sehvorlieben der Benutzer eingerichtet.
Netflix teilt seine Zuschauer in über 2K Geschmacksgruppen ein. Auf der Grundlage der Geschmacksgruppe, in die ein Zuschauer fällt, werden die Empfehlungen festgelegt.
Bei über 7.000 Fernsehsendungen und Filmen im Katalog ist es für einen Zuschauer eigentlich unmöglich, selbst Filme zu finden, die er gerne sieht. Netflix‘ Empfehlungsmaschine automatisiert diesen Suchprozess für seine Nutzer.
Personalisierung von Film-/Fernsehempfehlungen
Netflix‘ Chief Content Officer Ted Sarandos sagte –
Es gibt so etwas wie eine ‚Netflix-Show‘ nicht. Unsere Marke ist die Personalisierung.
Die Personalisierung beginnt auf der Netflix-Startseite, auf der eine Gruppe von Videos in horizontalen Reihen angeordnet ist. Jede horizontale Reihe hat einen Titel, der sich auf die Videos in dieser Gruppe bezieht. Die meisten personalisierten Empfehlungen basieren auf der Art und Weise, wie die Reihen ausgewählt werden und in welcher Reihenfolge die Elemente angeordnet sind. Empfehlungssysteme bei Netflix umfassen verschiedene algorithmische Ansätze wie Reinforcement Learning, neuronale Netze, kausale Modellierung, probabilistische grafische Modelle, Matrixfaktorisierung, Ensembles und Bandits.
Die Empfehlungssysteme von Netflix wurden von Hunderten von Ingenieuren entwickelt, die die Gewohnheiten von Millionen von Nutzern auf der Grundlage mehrerer Faktoren analysieren. Wann immer ein Nutzer auf die Netflix-Dienste zugreift, schätzt das Empfehlungssystem die Wahrscheinlichkeit, dass ein Nutzer einen bestimmten Titel anschaut, auf der Grundlage der folgenden Faktoren:
- Interaktionen des Nutzers mit den Netflix-Diensten, wie Zuschauerbewertungen, Zuschauerhistorie usw.
- Informationen über Kategorien, Erscheinungsjahr, Titel, Genres und mehr.
- Andere Zuschauer mit ähnlichen Sehvorlieben und ähnlichem Geschmack.
- Zeitdauer eines Zuschauers, der eine Sendung anschaut
- Das Gerät, auf dem ein Zuschauer gerade schaut.
- Tageszeit des Zuschauers – Netflix verfügt über die Daten, dass das Sehverhalten je nach Tageszeit, Wochentag, Ort und Gerät, auf dem eine Sendung oder ein Film angesehen wird, unterschiedlich ist.
Für jeden neuen Abonnenten bittet Netflix ihn, Titel auszuwählen, die er ansehen möchte. Diese Titel werden als erster Schritt für personalisierte Empfehlungen verwendet. Später, wenn die Zuschauer im Laufe der Zeit weiterschauen, werden die Empfehlungen von den Titeln, die sie in letzter Zeit gesehen haben, sowie von anderen oben genannten Faktoren bestimmt. Die auf maschinellem Lernen basierenden Empfehlungen von Netflix lernen von ihren eigenen Nutzern. Jedes Mal, wenn ein Zuschauer einen Film oder eine Sendung anschaut, werden Daten gesammelt, die den maschinellen Lernalgorithmus hinter den Kulissen informieren und ihn aktualisieren. Je mehr ein Zuschauer schaut, desto aktueller und genauer ist der Algorithmus.
Personalisierung von Bildern/Miniaturansichten
Das Hauptziel von Netflix ist es, personalisierte Empfehlungen zu geben, indem jedem Zuschauer zur richtigen Zeit die passenden Titel angezeigt werden. Aber warum sollte sich ein Zuschauer für die Titel interessieren, die Netflix empfiehlt? Wie überzeugt Netflix einen Zuschauer davon, dass ein Titel sehenswert ist? Wie erregt Netflix die Aufmerksamkeit eines Zuschauers für einen neuen und unbekannten Titel? Die Beantwortung dieser Fragen ist wichtig, um zu verstehen, wie die Zuschauer großartige Inhalte entdecken, insbesondere bei neuen und unbekannten Titeln. Netflix begegnet dieser Herausforderung mit der Personalisierung von Kunstwerken oder Miniaturbildern, die die Titel darstellen.
Netflix unterscheidet sich von hundert anderen Medienunternehmen durch die Personalisierung der sogenannten Kunstwerke. Man sagt, ein Bild sagt mehr als tausend Worte, und Netflix macht sich dies mit seinem neuen, auf Kunstwerken basierenden Empfehlungsalgorithmus zunutze. Das Artwork eines Titels wird verwendet, um die Aufmerksamkeit des Zuschauers zu erregen und ihm einen visuellen Hinweis darauf zu geben, warum der Titel für ihn die perfekte Wahl sein könnte, um ihn anzusehen. Das Thumbnail oder Artwork könnte eine spannende Szene aus einem Film wie eine Verfolgungsjagd, einen berühmten Schauspieler, den der Zuschauer wiedererkennt, oder eine dramatische Szene, die die Essenz der Fernsehsendung oder des Films darstellt, hervorheben. Für jeden neuen Titel werden verschiedene Bilder nach dem Zufallsprinzip auf der Grundlage der Geschmacksgemeinschaften verschiedenen Abonnenten zugewiesen. Netflix präsentiert dann das Bild mit der höchsten Wahrscheinlichkeit auf der Startseite eines Nutzers, damit dieser es ausprobiert.
Netflix verwendet Tausende von Videobildern aus bestehenden Fernsehsendungen und Filmen für die Erstellung von Miniaturansichten. Die Bilder werden dann mit Kommentaren versehen und in eine Rangfolge gebracht, um die höchste Wahrscheinlichkeit vorherzusagen, dass sie von einem Zuschauer angeklickt werden. Diese Berechnungen hängen davon ab, was andere Betrachter mit ähnlichem Geschmack und ähnlichen Vorlieben angeklickt haben. Zum Beispiel werden Zuschauer, die einen bestimmten Schauspieler mögen, am ehesten auf Bilder mit diesem Schauspieler klicken.
Weitere Anwendungen des maschinellen Lernens bei Netflix
- Maschinelles Lernen formt den Katalog von Fernsehsendungen und Filmen, indem es Eigenschaften lernt, die Inhalte bei den Zuschauern erfolgreich machen.
- Es steuert die Werbeausgaben, die Werbekreativität und den Kanalmix, um Netflix dabei zu helfen, neue Abonnenten zu finden, die ihren Service genießen werden.
- Optimieren Sie die Produktion von Fernsehsendungen und Filmen.
- Optimieren Sie die Audio- und Videocodierung, das hauseigene CDN und die Auswahl der adaptiven Bitrate.
Wir müssen dem maschinellen Lernen und der Datenwissenschaft dafür danken, dass sie die Art und Weise, wie die Medien- und Unterhaltungsbranche arbeitet, völlig umgestoßen haben. Es ist ziemlich klar, dass Netflix‘ Verschmelzung von Daten, Algorithmen und Personalisierung die Nutzer wahrscheinlich an ihre Bildschirme fesseln wird. Es wird interessant sein zu sehen, wie sich die Medien- und Unterhaltungsindustrie mit Hilfe von maschinellem Lernen und künstlicher Intelligenz umgestalten wird.