Hogyan működik a Netflix ajánlómotorja?
Mit nézzek ma este egy mozgalmas irodai nap után?
Ez a kérdés jut eszedbe, amint hazaérsz az irodából, és úgy ülsz a tévé előtt, hogy nem emlékszel, milyen műsorokat néztél mostanában. Ma már mindenki olyan intelligens streaming platformot szeretne, amely képes megérteni a preferenciáit és az ízlését anélkül, hogy pusztán robotpilótán futna. A Netflix-től az Amazon Prime-ig – az ajánlórendszerek egyre fontosabbá válnak, mivel nap mint nap közvetlenül (általában a színfalak mögött) lépnek kapcsolatba a felhasználókkal.
A több mint 139 millió fizetős előfizetővel (teljes nézőszám -300 millió) 190 országban, 15 400 címmel a regionális könyvtáraiban és 112 Emmy-díj jelöléssel 2018-ban – a Netflix a világ vezető internetes televíziós hálózata és a világ legértékesebb legnagyobb streaming szolgáltatása. A Netflix elképesztő digitális sikertörténete nem teljes a személyre szabásra összpontosító ajánlórendszereinek említése nélkül.
Gondolkodott már azon, hogy miért változik a Netflix műsorkép a különböző műsoroknál, amikor bejelentkezik a fiókjába? Egyik nap lehet, hogy a híd teljes legénységének képe, míg másnap Worf néz rád elítélően. Ha Netflix-felhasználó vagy, talán azt is észrevetted már, hogy a platform igazán precíz műfajokat mutat, például olyan romantikus drámákat, amelyekben a főszereplő balkezes. Hogyan talál ki a Netflix ilyen precíz műfajokat a több mint 100 milliós előfizetői bázisának? Hogyan változik a Netflix műfaja? A gépi tanulás, a mesterséges intelligencia és a színfalak mögötti kreativitás az, ami kitalálja, hogy egy felhasználó mitől választ egy adott műsort. A gépi tanulás és az adattudomány segít a Netflixnek személyre szabni az élményt a nézni kívánt műsorok kiválasztásának előzményei alapján.
Tudta?
A Netflix 2000-ben kezdett el analitikai eszközöket használni, hogy videókat ajánljon a felhasználóknak kölcsönzésre.
A Netflix csak egy 90 másodperces ablakkal segít a nézőknek megtalálni egy filmet vagy egy tévéműsort, mielőtt elhagyják a platformot és felkeresnek egy másik szolgáltatást. Ez az egyik fő oka annak, hogy a Netflix olyannyira megszállottan törekszik az ajánlások személyre szabására, hogy magához kösse a felhasználókat.
A Netflix személyre szabott ajánló algoritmusai évente 1 milliárd dollár értéket termelnek az ügyfélmegtartásból.
A Netflix-felhasználók többsége figyelembe veszi az ajánlásokat, a Netflix megtekintésének 80%-a a szolgáltatás ajánlásaiból származik.
A Netflix 1300 ajánlási klasztert hozott létre a felhasználók nézési preferenciái alapján.
A Netflix több mint 2K ízléscsoportba sorolja nézőit. Az alapján, hogy egy néző melyik ízléscsoportba tartozik, diktálja az ajánlásokat.
Mivel több mint 7K tévéműsor és film található a katalógusban, tulajdonképpen lehetetlen, hogy egy néző egyedül találjon olyan filmeket, amelyeket szívesen megnézne. A Netflix ajánlómotorja automatizálja ezt a keresési folyamatot a felhasználók számára.
A film/tévéműsor-ajánlások személyre szabása
A Netflix tartalomért felelős vezetője, Ted Sarandos azt mondta –
Nincs olyan, hogy “Netflix show”. A mi márkánk a személyre szabás.”
A személyre szabás a Netflix kezdőlapján kezdődik, amely vízszintes sorokba rendezett videók csoportját mutatja. Minden vízszintes sornak van egy címe, amely az adott csoportban található videókhoz kapcsolódik. A legtöbb személyre szabott ajánlás a sorok kiválasztásának módja és az elemek sorrendje alapján kezdődik. A Netflix ajánlórendszerei különböző algoritmikus megközelítéseket ölelnek fel, mint például megerősített tanulás, neurális hálózatok, oksági modellezés, valószínűségi grafikus modellek, mátrix faktorizáció, együttesek, banditok.
A Netflix ajánlórendszereit több száz mérnök fejlesztette ki, akik több millió felhasználó szokásait elemzik több tényező alapján. Amikor egy felhasználó hozzáfér a Netflix szolgáltatásaihoz, az ajánlórendszer a következő tényezők alapján becsüli meg annak valószínűségét, hogy a felhasználó megnéz egy adott címet –
- Nézői interakciók a Netflix szolgáltatásaival, például nézői értékelések, nézési előzmények stb.
- információk a kategóriákról, a megjelenés évéről, a címről, a műfajokról stb.
- Más hasonló nézői preferenciákkal és ízléssel rendelkező nézők.
- A nézők műsornézésének időtartama
- A készülék, amelyen a néző nézi a műsort.
- A napszak, amikor a néző nézi -Ez azért van így, mert a Netflix rendelkezik azokkal az adatokkal, hogy a napszak, a hét napja, a hely és az eszköz alapján, amelyen egy műsort vagy filmet néznek, eltérő nézési szokások vannak.
A Netflix minden új előfizető esetében megkéri őket, hogy válasszák ki azokat a címeket, amelyeket meg szeretnének nézni. Ezek a címek szolgálnak a személyre szabott ajánlások első lépéseként. Később, ahogy a nézők idővel folytatják a nézést, az ajánlásokat a közelmúltban megnézett címek és a fent említett egyéb tényezők alapján alakítják ki. A Netflix gépi tanuláson alapuló ajánlásai saját felhasználóiktól tanulnak. Minden alkalommal, amikor egy néző időt tölt egy film vagy sorozat megtekintésével, adatokat gyűjt, amelyek a színfalak mögött működő gépi tanulási algoritmust tájékoztatják és frissítik. Minél többet néz egy néző, annál naprakészebb és pontosabb az algoritmus.
A művek/ miniatűrök személyre szabása
A Netflix fő célja, hogy személyre szabott ajánlásokat nyújtson azáltal, hogy minden nézőnek a megfelelő időben a megfelelő címeket mutatja. De miért érdekli a nézőt, hogy a Netflix milyen címeket ajánl? Hogyan győzi meg a Netflix a nézőt arról, hogy egy címet érdemes megnézni? Hogyan kelti fel a Netflix a néző figyelmét egy új és ismeretlen címre? E kérdések megválaszolása fontos ahhoz, hogy megértsük, hogyan fedezik fel a nézők a nagyszerű tartalmakat, különösen az új és ismeretlen címek esetében. A Netflix ezt a kihívást a címeket bemutató műalkotások vagy miniatűrök megszemélyesítésével oldja meg.
A Netflix száz másik médiavállalattól különbözik az úgynevezett műalkotások megszemélyesítésével. Azt mondják, hogy egy kép többet ér ezer szónál, és a Netflix az új, műalkotásokon alapuló ajánló algoritmusával ezt ki is használja. Egy-egy címhez tartozó artwork arra szolgál, hogy megragadja a nézők figyelmét, és vizuális bizonyítékot adjon arra, hogy miért lehet tökéletes választás számukra a film megtekintése. A miniatűr vagy az artwork kiemelhet egy izgalmas jelenetet a filmből, például egy autós üldözést, egy híres színészt, akit a néző felismer, vagy egy drámai jelenetet, amely a tévéműsor vagy a film lényegét mutatja be. Minden új címhez különböző képek kerülnek véletlenszerűen hozzárendelésre a különböző előfizetőkhöz az ízlésközösségek alapján. A Netflix ezután a legnagyobb valószínűségű képet jeleníti meg a felhasználó kezdőlapján, hogy kipróbálja azt.
A Netflix a meglévő tévéműsorok és filmek több ezer videóképét használja fel a miniatűrök generálásához. A képeket ezután megjegyzésekkel látják el és rangsorolják, hogy megjósolják a legnagyobb valószínűséggel kattintásra kerülő képeket. Ezek a számítások attól függnek, hogy más, hasonló ízlésű és preferenciájú nézők mire kattintottak. Például azok a nézők, akik kedvelnek egy adott színészt, nagy valószínűséggel a színészt ábrázoló képekre kattintanak.
A gépi tanulás egyéb alkalmazásai a Netflixnél
- A gépi tanulás a tévéműsorok és filmek katalógusát alakítja azáltal, hogy olyan jellemzőket tanul, amelyek a tartalmat sikeressé teszik a nézők körében.
- Ez hajtja a reklámköltéseket, a reklámkreatívokat és a csatornamixet, hogy segítsen a Netflixnek azonosítani az új előfizetőket, akik élvezni fogják a szolgáltatásukat.
- Optimalizálja a tévéműsorok és filmek gyártását.
- Optimalizálja az audio- és videokódolást, a házon belüli CDN-t és az adaptív bitráta kiválasztását.
A gépi tanulásnak és az adattudománynak köszönhetjük, hogy teljesen felforgatták a média- és szórakoztatóipar működését. Elég egyértelmű, hogy a Netflix az adatok, az algoritmusok és a személyre szabás összeolvadása valószínűleg a képernyő elé fogja ragasztani a felhasználókat. Érdekes lesz látni, hogyan alakul át a média- és szórakoztatóipar a gépi tanulás és a mesterséges intelligencia segítségével.