¿Cómo funciona el motor de recomendaciones de Netflix?
¿Qué debería ver esta noche después de un agitado día en la oficina?
Esta es la pregunta que te viene a la cabeza cuando vuelves a casa de la oficina y te sientas frente al televisor sin recordar qué tipo de programas has visto recientemente. Hoy en día, todo el mundo quiere una plataforma de streaming inteligente que pueda entender sus preferencias y gustos sin limitarse a funcionar con el piloto automático. Desde Netflix hasta Amazon Prime, los sistemas de recomendación están ganando importancia, ya que interactúan directamente (normalmente entre bastidores) con los usuarios cada día.
Con más de 139 millones de suscriptores de pago (un total de 300 millones de espectadores) en 190 países, 15.400 títulos en sus bibliotecas regionales y 112 nominaciones a los premios Emmy en 2018, Netflix es la principal red de televisión por Internet y el servicio de streaming más valorado del mundo. La increíble historia de éxito digital de Netflix está incompleta sin la mención de sus sistemas de recomendación que se centran en la personalización.
¿Has pensado alguna vez por qué las ilustraciones de Netflix cambian para los diferentes programas cuando inicias sesión en la cuenta? Un día puede ser una imagen de toda la tripulación del puente, mientras que el otro día es el Worf mirándote con desprecio. Si eres usuario de Netflix también te habrás dado cuenta de que la plataforma muestra géneros muy precisos como los dramas románticos en los que el protagonista es zurdo. ¿Cómo consigue Netflix géneros tan precisos para su base de más de 100 millones de suscriptores? ¿Cómo cambia el trabajo artístico de Netflix? Son el aprendizaje automático, la IA y la creatividad entre bastidores los que adivinan lo que hará que un usuario elija un programa concreto para verlo. El aprendizaje automático y la ciencia de los datos ayudan a Netflix a personalizar la experiencia del usuario basándose en su historial de elección de programas para ver.
¿Sabías que?
Netflix comenzó a utilizar herramientas analíticas en el año 2000 para recomendar vídeos a los usuarios para que los alquilaran.
Netflix sólo tiene una ventana de 90 segundos para ayudar a los espectadores a encontrar una película o un programa de televisión antes de que abandonen la plataforma y visiten algún otro servicio. Esa es una de las principales razones por las que Netflix está tan obsesionado con la personalización de las recomendaciones para enganchar a los usuarios.
Los algoritmos de recomendación personalizada de Netflix producen 1.000 millones de dólares al año en valor por la retención de clientes.
La mayoría de los usuarios de Netflix tienen en cuenta las recomendaciones, ya que el 80% de las visualizaciones de Netflix proceden de las recomendaciones del servicio.
Netflix ha establecido 1300 grupos de recomendaciones basados en las preferencias de visualización de los usuarios.
Netflix segmenta a sus espectadores en más de 2K grupos de gustos. En función del grupo de gustos en el que se encuentre un espectador, dicta las recomendaciones.
Con más de 7K programas de televisión y películas en el catálogo, es realmente imposible que un espectador encuentre por sí mismo las películas que le gustan. El motor de recomendaciones de Netflix automatiza este proceso de búsqueda para sus usuarios.
Personalización de las recomendaciones de películas y programas de televisión
El director de contenidos de Netflix, Ted Sarandos, dijo –
No existe un «programa de Netflix». Nuestra marca es la personalización.
La personalización comienza en la página de inicio de Netflix que muestra un grupo de vídeos dispuestos en filas horizontales. Cada fila horizontal tiene un título que se relaciona con los vídeos de ese grupo. La mayoría de las recomendaciones personalizadas comienzan basándose en la forma en que se seleccionan las filas y el orden en que se colocan los elementos. Los sistemas de recomendación de Netflix abarcan varios enfoques algorítmicos como el aprendizaje por refuerzo, las redes neuronales, el modelado causal, los modelos gráficos probabilísticos, la factorización matricial, los conjuntos y los bandidos.
Los sistemas de recomendación de Netflix han sido desarrollados por cientos de ingenieros que analizan los hábitos de millones de usuarios en función de múltiples factores. Cada vez que un usuario accede a los servicios de Netflix, el sistema de recomendaciones estima la probabilidad de que un usuario vea un título concreto basándose en los siguientes factores –
- Interacciones del usuario con los servicios de Netflix, como las valoraciones de los espectadores, el historial de visionado, etc.
- Información sobre las categorías, el año de estreno, el título, los géneros, etc.
- Otros espectadores con preferencias y gustos de visionado similares.
- Tiempo de duración de un espectador viendo un programa
- El dispositivo en el que un espectador está viendo.
- La hora del día en que un espectador ve -Esto se debe a que Netflix tiene los datos de que hay un comportamiento de visionado diferente según la hora del día, el día de la semana, la ubicación y el dispositivo en el que se ve un programa o película.
Para cada nuevo suscriptor, Netflix les pide que elijan los títulos que les gustaría ver. Estos títulos se utilizan como primer paso para las recomendaciones personalizadas. Más tarde, a medida que los espectadores continúan viendo a lo largo del tiempo, las recomendaciones se alimentan de los títulos que vieron más recientemente junto con otros factores mencionados anteriormente. Las recomendaciones basadas en el aprendizaje automático de Netflix aprenden de sus propios usuarios. Cada vez que un espectador ve una película o un programa, se recopilan datos que informan al algoritmo de aprendizaje automático entre bastidores y lo actualizan. Cuanto más ve un espectador, más actualizado y preciso está el algoritmo.
Personalización de ilustraciones/ miniaturas
El objetivo principal de Netflix es ofrecer recomendaciones personalizadas mostrando los títulos adecuados a cada uno de los espectadores en el momento oportuno. Pero, ¿por qué debería un espectador preocuparse por los títulos que recomienda Netflix? ¿Cómo convence Netflix al espectador de que vale la pena ver un título? ¿Cómo consigue Netflix captar la atención de un espectador hacia un título nuevo y desconocido? Responder a estas preguntas es importante para entender cómo los espectadores descubren los grandes contenidos, especialmente los títulos nuevos y desconocidos. Netflix aborda este reto a través de la personalización de las ilustraciones o miniaturas que retratan los títulos.
Netflix se diferencia de un centenar de otras empresas de medios de comunicación por la personalización de las llamadas ilustraciones. Dicen que una imagen vale más que mil palabras y Netflix lo está aprovechando con su nuevo algoritmo de recomendación basado en obras de arte. El material gráfico de un título se utiliza para captar la atención del espectador y le ofrece una prueba visual de por qué podría ser una opción perfecta para verlo. La miniatura o la ilustración puede destacar una escena emocionante de una película, como una persecución de coches, un actor famoso que el espectador reconozca o una escena dramática que represente la esencia del programa de televisión o de la película. Para cada nuevo título se asignan aleatoriamente varias imágenes a diferentes suscriptores en función de las comunidades de gustos. A continuación, Netflix presenta la imagen con mayor probabilidad en la página de inicio del usuario para que lo pruebe.
Netflix utiliza miles de fotogramas de vídeo de programas de televisión y películas existentes para generar miniaturas. A continuación, las imágenes se anotan y clasifican para predecir la mayor probabilidad de que un espectador haga clic en ellas. Estos cálculos dependen de lo que hayan hecho otros espectadores con gustos y preferencias similares. Por ejemplo, los espectadores a los que les gusta un actor concreto tienen más probabilidades de hacer clic en las imágenes con el actor.
Otras aplicaciones del aprendizaje automático en Netflix
- El aprendizaje automático da forma al catálogo de programas de televisión y películas al aprender las características que hacen que el contenido tenga éxito entre los espectadores.
- Potencia el gasto publicitario, la creatividad publicitaria y la combinación de canales para ayudar a Netflix a identificar nuevos suscriptores que disfrutarán de su servicio.
- Optimiza la producción de programas de televisión y películas.
- Optimiza la codificación de audio y vídeo, la CDN interna y la selección de la tasa de bits adaptativa.
Tenemos que agradecer al aprendizaje automático y a la ciencia de los datos que hayan trastocado totalmente el funcionamiento de las industrias de los medios de comunicación y el entretenimiento. Está bastante claro que la amalgama de datos, algoritmos y personalización de Netflix probablemente mantendrá a los usuarios pegados a sus pantallas. Será interesante ver cómo se reconfigura la industria de los medios de comunicación y el entretenimiento con el aprendizaje automático y la inteligencia artificial.