Come funziona il motore di raccomandazione di Netflix?
Cosa dovrei guardare questa sera dopo una frenetica giornata in ufficio?
Questa è la domanda che ti viene in mente quando torni a casa dall’ufficio e ti siedi davanti alla TV senza ricordare che tipo di programmi hai guardato di recente. Oggi, tutti vogliono una piattaforma di streaming intelligente che possa capire le loro preferenze e gusti senza limitarsi a funzionare con il pilota automatico. Da Netflix ad Amazon Prime – i sistemi di raccomandazione stanno guadagnando importanza in quanto interagiscono direttamente (di solito dietro le quinte) con gli utenti ogni giorno.
Con oltre 139 milioni di abbonati a pagamento (pool totale di spettatori -300 milioni) in 190 paesi, 15.400 titoli nelle sue librerie regionali e 112 nomination agli Emmy Award nel 2018 – Netflix è la rete televisiva Internet leader nel mondo e il più apprezzato servizio di streaming più grande del mondo. L’incredibile storia di successo digitale di Netflix è incompleta senza la menzione dei suoi sistemi di raccomandazione che si concentrano sulla personalizzazione.
Hai mai pensato perché la grafica di Netflix cambia per diversi spettacoli quando accedi all’account? Un giorno potrebbe essere un’immagine dell’intero equipaggio del ponte mentre l’altro giorno è Worf che ti guarda con aria di sfida. Se sei un utente di Netflix potresti anche aver notato che la piattaforma mostra generi molto precisi come i drammi romantici dove il personaggio principale è mancino. Come fa Netflix a proporre generi così precisi per la sua base di oltre 100 milioni di abbonati? Come cambia l’opera d’arte di Netflix? Sono l’apprendimento automatico, l’intelligenza artificiale e la creatività dietro le quinte che indovinano cosa farà sì che un utente scelga un particolare spettacolo da guardare. L’apprendimento automatico e la scienza dei dati aiutano Netflix a personalizzare l’esperienza dell’utente in base alla sua storia di scelta dei programmi da guardare.
Lo sapevi?
Netflix ha iniziato a usare strumenti analitici nel 2000 per consigliare agli utenti i video da noleggiare.
Netflix ha solo una finestra di 90 secondi per aiutare gli spettatori a trovare un film o una serie TV prima che lascino la piattaforma e visitino qualche altro servizio. Questo è uno dei motivi principali per cui Netflix è così ossessionato dalla personalizzazione delle raccomandazioni per agganciare gli utenti.
Gli algoritmi di raccomandazione personalizzata di Netflix producono 1 miliardo di dollari all’anno di valore dalla fidelizzazione dei clienti.
La maggioranza degli utenti di Netflix prende in considerazione le raccomandazioni con l’80% delle visualizzazioni di Netflix provenienti dalle raccomandazioni del servizio.
Netflix ha creato 1300 cluster di raccomandazioni basati sulle preferenze di visione degli utenti.
Netflix segmenta i suoi spettatori in oltre 2K gruppi di gusto. In base al gruppo di gusto in cui rientra uno spettatore, detta le raccomandazioni.
Con oltre 7K spettacoli televisivi e film in catalogo, è effettivamente impossibile per uno spettatore trovare i film che gli piacciono da guardare da solo. Il motore di raccomandazione di Netflix automatizza questo processo di ricerca per i suoi utenti.
Personalizzazione delle raccomandazioni di film/show televisivi
Il chief content officer di Netflix Ted Sarandos ha detto –
Non esiste una cosa come una ‘serie Netflix’. Il nostro marchio è la personalizzazione.
La personalizzazione inizia sulla homepage di Netflix che mostra gruppi di video disposti in file orizzontali. Ogni riga orizzontale ha un titolo che si riferisce ai video in quel gruppo. La maggior parte delle raccomandazioni personalizzate iniziano in base al modo in cui le righe sono selezionate e all’ordine in cui gli elementi sono collocati. I sistemi di raccomandazione di Netflix abbracciano vari approcci algoritmici come il reinforcement learning, le reti neurali, la modellazione causale, i modelli grafici probabilistici, la fattorizzazione della matrice, gli ensemble, i banditi.
I sistemi di raccomandazione di Netflix sono stati sviluppati da centinaia di ingegneri che analizzano le abitudini di milioni di utenti sulla base di molteplici fattori. Ogni volta che un utente accede ai servizi di Netflix, il sistema di raccomandazioni stima la probabilità che un utente guardi un particolare titolo in base ai seguenti fattori –
- Le interazioni degli utenti con i servizi di Netflix come le valutazioni degli spettatori, la cronologia delle visualizzazioni, ecc.
- Informazioni sulle categorie, l’anno di uscita, il titolo, i generi e altro.
- Altri spettatori con preferenze e gusti simili.
- Durata di tempo di uno spettatore che guarda uno spettacolo
- Il dispositivo su cui uno spettatore sta guardando.
- L’ora del giorno in cui uno spettatore guarda – Questo perché Netflix ha i dati che ci sono diversi comportamenti di visione in base all’ora del giorno, il giorno della settimana, il luogo e il dispositivo su cui uno spettacolo o un film viene visto.
Per ogni nuovo abbonato, Netflix chiede loro di scegliere i titoli che vorrebbero guardare. Questi titoli sono usati come primo passo per le raccomandazioni personalizzate. Più tardi, man mano che gli spettatori continuano a guardare nel tempo, le raccomandazioni sono alimentate dai titoli che hanno guardato più di recente insieme ad altri fattori menzionati sopra. Le raccomandazioni basate sull’apprendimento automatico di Netflix imparano dai loro stessi utenti. Ogni volta che uno spettatore passa del tempo a guardare un film o uno spettacolo, raccoglie dati che informano l’algoritmo di apprendimento automatico dietro le quinte e lo aggiorna. Più uno spettatore guarda, più l’algoritmo è aggiornato e accurato.
Personalizzazione di opere d’arte/ miniature
L’obiettivo principale di Netflix è quello di fornire raccomandazioni personalizzate mostrando i titoli adatti a ciascuno degli spettatori al momento giusto. Ma perché uno spettatore dovrebbe interessarsi ai titoli che Netflix raccomanda? Come fa Netflix a convincere uno spettatore che vale la pena guardare un titolo? Come fa Netflix a catturare l’attenzione di uno spettatore su un titolo nuovo e sconosciuto? Rispondere a queste domande è importante per capire come gli spettatori scoprono grandi contenuti, in particolare per i titoli nuovi e non familiari. Netflix affronta questa sfida attraverso la personalizzazione delle opere d’arte o la personalizzazione delle miniature che ritraggono i titoli.
Netflix si differenzia da un centinaio di altre aziende di media personalizzando le cosiddette opere d’arte. Si dice che un’immagine vale più di mille parole e Netflix lo sta sfruttando con il suo nuovo algoritmo di raccomandazione basato sulle opere d’arte. L’opera d’arte di un titolo viene utilizzata per catturare l’attenzione dello spettatore e dà loro una prova visiva sul perché potrebbe essere una scelta perfetta per loro di guardarlo. La miniatura o l’opera d’arte potrebbe evidenziare una scena emozionante di un film come un inseguimento in auto, un attore famoso che lo spettatore riconosce, o una scena drammatica che rappresenta l’essenza dello show televisivo o di un film. Per ogni nuovo titolo varie immagini vengono assegnate casualmente a diversi abbonati in base alle comunità di gusto. Netflix presenta quindi l’immagine con la più alta probabilità sulla homepage di un utente in modo che lo provi.
Netflix fa uso di migliaia di fotogrammi video da spettacoli televisivi e film esistenti per la generazione di miniature. Le immagini sono poi annotate e classificate per prevedere la più alta probabilità di essere cliccata da uno spettatore. Questi calcoli dipendono da ciò che altri spettatori con gusti e preferenze simili hanno cliccato. Per esempio, gli spettatori a cui piace un particolare attore hanno maggiori probabilità di cliccare sulle immagini con l’attore.
Altre applicazioni del Machine Learning a Netflix
- Il machine learning modella il catalogo dei programmi TV e dei film imparando le caratteristiche che rendono i contenuti di successo tra gli spettatori.
- Alimenta la spesa pubblicitaria, la creatività pubblicitaria e il mix di canali per aiutare Netflix a identificare nuovi abbonati che apprezzeranno il suo servizio.
- Ottimizza la produzione di spettacoli televisivi e film.
- Ottimizza la codifica audio e video, il CDN interno e la selezione adattiva del bitrate.
Dobbiamo ringraziare il machine learning e la scienza dei dati per aver completamente stravolto il modo in cui operano le industrie dei media e dell’intrattenimento. È abbastanza chiaro che l’amalgama di dati, algoritmi e personalizzazione di Netflix probabilmente terrà gli utenti incollati ai loro schermi. Sarà interessante vedere come l’industria dei media e dell’intrattenimento si rimodellerà con l’apprendimento automatico e l’intelligenza artificiale.