Miten Netflixin suosittelukone toimii?
Mitä katselisin tänä iltana hektisen työpäivän jälkeen?
Tämä on kysymys, joka tulee mieleesi, kun olet palannut toimistolta kotiin ja istut television ääressä, etkä muista, millaisia ohjelmia olet viime aikoina katsonut. Nykyään kaikki haluavat älykkään suoratoistoalustan, joka ymmärtää heidän mieltymyksensä ja makunsa ilman, että se vain toimii autopilotilla. Netflixistä Amazon Primeen – suosittelujärjestelmien merkitys kasvaa, sillä ne ovat suorassa vuorovaikutuksessa (yleensä kulissien takana) käyttäjien kanssa joka päivä.
Netflix on maailman johtava internet-televisioverkko ja maailman arvostetuin ja suurin suoratoistopalvelu.
Netflixillä on yli 139 miljoonaa maksullista tilaajaa (katsojia yhteensä 300 miljoonaa) 190 maassa, 15 400 nimikettä alueellisissa kirjastoissaan ja 112 Emmy-palkintoehdokkuutta vuonna 2018. Netflixin hämmästyttävä digitaalinen menestystarina on epätäydellinen ilman mainintaa sen suosittelujärjestelmistä, jotka keskittyvät personointiin.
Oletko koskaan miettinyt, miksi Netflixin kuvitus vaihtuu eri ohjelmien kohdalla, kun kirjaudut tilille? Yhtenä päivänä se saattaa olla kuva koko komentosillan miehistöstä, kun taas toisena päivänä se on Worf, joka tuijottaa sinua tuomitsevasti. Jos olet Netflixin käyttäjä, olet ehkä myös huomannut, että alustalla näytetään todella tarkkoja genrejä, kuten romanttisia draamoja, joissa päähenkilö on vasenkätinen. Miten Netflix keksii näin tarkkoja genrejä yli 100 miljoonan tilaajansa käyttöön? Miten Netflix-taideteos muuttuu? Se on koneoppimista, tekoälyä ja luovuutta kulissien takana, jotka arvaavat, mikä saa käyttäjän valitsemaan tietyn sarjan katsottavaksi. Koneoppiminen ja tietojenkäsittelytiede auttavat Netflixiä henkilökohtaistamaan käyttäjäkokemuksen sen perusteella, miten olet aiemmin valinnut sarjoja katsottavaksi.
Tiesitkö?
Netflix alkoi käyttää analytiikkatyökaluja vuonna 2000 suositellakseen käyttäjille videoita vuokrattavaksi.
Netflixillä on vain 90 sekunnin aikaikkuna, joka auttaa katsojia löytämään elokuvan tai tv-ohjelman, ennen kuin he lähtevät pois foorumilta ja vierailevat jossakin muussa palvelussa. Tämä on yksi tärkeimmistä syistä, miksi Netflixillä on niin suuri pakkomielle suositusten personointiin käyttäjien koukuttamiseksi.
Netflixin personoidut suosittelualgoritmit tuottavat vuosittain miljardi dollaria arvoa asiakkaiden säilyttämisestä.
Valtaosa Netflixin käyttäjistä ottaa suositukset huomioon, sillä 80 % Netflixin katselukerroista tulee palvelun suosituksista.
Netflix on perustanut 1300 suositusklusteria, jotka perustuvat käyttäjien katselumieltymyksiin.
Netflix segmentoi katsojansa yli 2K makuryhmään. Sen perusteella, mihin makuryhmään katsoja kuuluu, se sanelee suositukset.
Valikoimassa on yli 7K TV-ohjelmaa ja elokuvaa, joten katsojan on oikeastaan mahdotonta löytää itse elokuvia, joita hän haluaa katsoa. Netflixin suosittelumoottori automatisoi tämän hakuprosessin käyttäjilleen.
Elokuva-/tv-suositusten personointi
Netflixin sisältöjohtaja Ted Sarandos sanoi –
Ei ole olemassa sellaista asiaa kuin ”Netflix-ohjelma”. Brändimme on personointi.
Henkilökohtaistaminen alkaa Netflixin etusivulta, joka näyttää vaakariviin järjestettyjä videoryhmiä. Jokaisella vaakarivillä on otsikko, joka liittyy kyseisen ryhmän videoihin. Suurin osa personoiduista suosituksista alkaa perustuen tapaan, jolla rivit valitaan ja järjestykseen, johon kohteet on sijoitettu. Netflixin suosittelujärjestelmät kattavat erilaisia algoritmisia lähestymistapoja, kuten vahvistusoppimista, neuroverkkoja, kausaalista mallintamista, probabilistisia graafisia malleja, matriisitekijöintiä, ensemblejä ja bandiitteja.
Netflixin suosittelujärjestelmiä ovat kehittäneet sadat insinöörit, jotka analysoivat miljoonien käyttäjien tottumuksia useiden tekijöiden perusteella. Aina kun käyttäjä käyttää Netflix-palveluja, suosittelujärjestelmä arvioi todennäköisyyttä, että käyttäjä katsoo tietyn nimikkeen seuraavien tekijöiden perusteella –
- Katsojien vuorovaikutus Netflix-palveluiden kanssa, kuten katsojaluokitukset, katseluhistoria jne.
- Tietoa kategorioista, ilmestymisvuodesta, nimikkeestä, genreistä ja muusta vastaavasta.
- Muita katsojia, joilla on samankaltaiset katselumieltymykset ja -maku.
- Katsojan katselun kesto
- Laite, jolla katsoja katsoo ohjelmaa.
- Vuorokauden aika, jolloin katsoja katsoo -Tämä johtuu siitä, että Netflixillä on tietoa siitä, että katselukäyttäytyminen on erilaista riippuen vuorokaudenajasta, viikonpäivästä, sijainnista ja laitteesta, jolla ohjelmaa tai elokuvaa katsotaan.
Jokaista uutta tilaajaa Netflix pyytää valitsemaan nimikkeitä, joita hän haluaisi katsoa. Näitä nimikkeitä käytetään henkilökohtaisten suositusten ensimmäisenä vaiheena. Myöhemmin, kun katsojat jatkavat katsomista ajan mittaan, suositukset perustuvat heidän viime aikoina katsomiinsa nimikkeisiin sekä muihin edellä mainittuihin tekijöihin. Netflixin koneoppimiseen perustuvat suositukset oppivat omilta käyttäjiltään. Joka kerta, kun katsoja viettää aikaa elokuvan tai sarjan katsomiseen, se kerää tietoja, jotka antavat tietoa kulissien takana toimivalle koneoppimisalgoritmille ja päivittävät sitä. Mitä enemmän katsoja katsoo elokuvia, sitä ajantasaisempi ja tarkempi algoritmi on.
Taideteosten/ pikkukuvien personointi
Netflixin päätavoitteena on tarjota personoituja suosituksia näyttämällä kullekin katsojalle sopivia nimikkeitä oikeaan aikaan. Mutta miksi katsojan pitäisi välittää Netflixin suosittelemista nimikkeistä? Miten Netflix vakuuttaa katsojan siitä, että jokin nimike on katsomisen arvoinen? Miten Netflix kiinnittää katsojan huomion uuteen ja tuntemattomaan nimikkeeseen? Näihin kysymyksiin vastaaminen on tärkeää, jotta voidaan ymmärtää, miten katsojat löytävät loistavaa sisältöä, erityisesti uusia ja tuntemattomia nimikkeitä. Netflix vastaa tähän haasteeseen personoimalla taideteoksia tai nimikkeitä kuvaavia pikkukuvia.
Netflix eroaa sadasta muusta mediayhtiöstä personoimalla niin sanottuja taideteoksia. Sanotaan, että kuva kertoo enemmän kuin tuhat sanaa, ja Netflix hyödyntää sitä uudella taideteoksiin perustuvalla suosittelualgoritmillaan. Nimikkeen taideteosta käytetään herättämään katsojan huomio ja antamaan heille visuaalista näyttöä siitä, miksi se voisi olla heille täydellinen valinta katsoa se. Pikkukuvassa tai taideteoksessa saatetaan korostaa jännittävää kohtausta elokuvasta, kuten takaa-ajoa, kuuluisaa näyttelijää, jonka katsoja tunnistaa, tai dramaattista kohtausta, joka kuvaa tv-sarjan tai elokuvan olemusta. Jokaista uutta nimikettä varten eri kuvat jaetaan satunnaisesti eri tilaajille makuyhteisöjen perusteella. Netflix esittää sitten suurimman todennäköisyyden omaavan kuvan käyttäjän etusivulla, jotta hän kokeilee sitä.
Netflix hyödyntää tuhansia videokuvia olemassa olevista tv-ohjelmista ja elokuvista pikkukuvien luomisessa. Kuvat kommentoidaan ja asetetaan paremmuusjärjestykseen, jotta voidaan ennustaa, mikä on todennäköisintä, että katsoja klikkaa niitä. Nämä laskelmat riippuvat siitä, mitä muut katsojat, joilla on samanlainen maku ja mieltymykset, ovat klikanneet. Esimerkiksi katsojat, jotka pitävät tietystä näyttelijästä, klikkaavat todennäköisimmin kuvia, joissa näyttelijä on mukana.
Muita koneoppimisen sovelluksia Netflixissä
- Koneoppiminen muokkaa televisio-ohjelmien ja -elokuvien luetteloa oppimalla ominaisuuksia, jotka tekevät sisällöstä menestyksekästä katsojien keskuudessa.
- Se tehostaa mainoskuluja, mainonnan luovuutta ja kanavayhdistelmää, jotta Netflix voi tunnistaa uusia tilaajia, jotka nauttivat heidän palvelustaan.
- Optimoi tv-sarjojen ja elokuvien tuotantoa.
- Optimoi ääni- ja videokoodausta, omaa CDN:ää ja adaptiivista bittinopeuden valintaa.
Meidän on kiitettävä koneellista oppimista ja datatiedettä siitä, että ne ovat mullistaneet media- ja viihdeteollisuuden toimintatavat täysin. On melko selvää, että Netflixin datan, algoritmien ja personoinnin yhdistelmä todennäköisesti pitää käyttäjät kiinni ruuduissaan. On mielenkiintoista nähdä, miten media- ja viihdeteollisuus muovautuu uudelleen koneoppimisen ja tekoälyn myötä.