Comment fonctionne le moteur de recommandation de Netflix ?
Que dois-je regarder ce soir après une journée mouvementée au bureau ?
C’est la question qui vous vient à l’esprit une fois que vous êtes rentré du bureau et que vous êtes assis devant la télévision sans vous souvenir du type d’émissions que vous avez regardées récemment. Aujourd’hui, tout le monde veut une plateforme de streaming intelligente, capable de comprendre ses préférences et ses goûts sans se contenter de fonctionner en pilote automatique. De Netflix à Amazon Prime – les systèmes de recommandation gagnent en importance car ils interagissent directement (généralement dans les coulisses) avec les utilisateurs chaque jour.
Avec plus de 139 millions d’abonnés payants(total des téléspectateurs -300 millions) à travers 190 pays, 15 400 titres à travers ses bibliothèques régionales et 112 nominations aux Emmy Awards en 2018 – Netflix est le premier réseau de télévision sur Internet et le plus grand service de streaming le plus valorisé au monde. L’incroyable réussite numérique de Netflix est incomplète sans la mention de ses systèmes de recommandation qui mettent l’accent sur la personnalisation.
Vous êtes-vous déjà demandé pourquoi l’illustration de Netflix change pour différentes émissions lorsque vous vous connectez au compte ? Un jour, il peut s’agir d’une image de l’ensemble de l’équipage du pont alors que l’autre jour, c’est le Worf qui vous regarde d’un air jugeant. Si vous êtes un utilisateur de Netflix, vous avez peut-être aussi remarqué que la plateforme propose des genres très précis, comme les drames romantiques dont le personnage principal est gaucher. Comment Netflix parvient-il à proposer des genres aussi précis à sa base de plus de 100 millions d’abonnés ? Comment Netflix travaille-t-il sur le changement ? C’est l’apprentissage automatique, l’IA et la créativité en coulisses qui devinent ce qui poussera un utilisateur à choisir une émission particulière à regarder. L’apprentissage automatique et la science des données aident Netflix à personnaliser l’expérience pour vous en fonction de votre historique de choix d’émissions à regarder.
Vous le saviez?
Netflix a commencé à utiliser des outils analytiques en 2000 pour recommander aux utilisateurs des vidéos à louer.
Netflix dispose juste d’une fenêtre de 90 secondes pour aider les téléspectateurs à trouver un film ou une émission de télévision avant qu’ils ne quittent la plateforme et ne visitent un autre service. C’est l’une des principales raisons pour lesquelles Netflix est si obsédé par la personnalisation des recommandations pour accrocher les utilisateurs.
Les algorithmes de recommandation personnalisée de Netflix produisent 1 milliard de dollars par an de valeur grâce à la rétention des clients.
La majorité des utilisateurs de Netflix considèrent les recommandations avec 80% des vues de Netflix provenant des recommandations du service.
Netflix a mis en place 1300 clusters de recommandation basés sur les préférences de visionnement des utilisateurs.
Netflix segmente ses téléspectateurs en plus de 2K groupes de goût. En fonction du groupe de goût auquel appartient un téléspectateur, il dicte les recommandations.
Avec plus de 7K émissions de télévision et films dans le catalogue, il est en fait impossible pour un téléspectateur de trouver les films qu’il aime regarder par lui-même. Le moteur de recommandation de Netflix automatise ce processus de recherche pour ses utilisateurs.
Personnalisation des recommandations de films/émissions télévisées
Le directeur du contenu de Netflix, Ted Sarandos, a déclaré –
Il n’existe pas de ‘émission Netflix’. Notre marque est la personnalisation.
La personnalisation commence sur la page d’accueil de Netflix qui montre un groupe de vidéos disposées en rangées horizontales. Chaque rangée horizontale a un titre qui se rapporte aux vidéos de ce groupe. La plupart des recommandations personnalisées commencent en fonction de la façon dont les rangées sont sélectionnées et de l’ordre dans lequel les éléments sont placés. Les systèmes de recommandation chez Netflix couvrent diverses approches algorithmiques comme l’apprentissage par renforcement, les réseaux neuronaux, la modélisation causale, les modèles graphiques probabilistes, la factorisation matricielle, les ensembles, les bandits.
Les systèmes de recommandation de Netflix ont été développés par des centaines d’ingénieurs qui analysent les habitudes de millions d’utilisateurs en fonction de multiples facteurs. Chaque fois qu’un utilisateur accède aux services Netflix, le système de recommandations estime la probabilité qu’il regarde un titre particulier en se basant sur les facteurs suivants –
- Interactions de l’utilisateur avec les services Netflix comme les évaluations des spectateurs, l’historique de visionnage, etc.
- Informations sur les catégories, l’année de sortie, le titre, les genres, et plus encore.
- Autres spectateurs ayant des préférences de visionnage et des goûts similaires.
- Durée de temps d’un téléspectateur regardant une émission
- L’appareil sur lequel un téléspectateur regarde.
- L’heure de la journée à laquelle un téléspectateur regarde -C’est parce que Netflix a les données qu’il y a un comportement de visionnement différent selon l’heure de la journée, le jour de la semaine, le lieu et l’appareil sur lequel une émission ou un film est regardé.
Pour chaque nouvel abonné, Netflix leur demande de choisir des titres qu’ils aimeraient regarder. Ces titres sont utilisés comme première étape pour les recommandations personnalisées. Plus tard, à mesure que les téléspectateurs continuent à regarder au fil du temps, les recommandations sont alimentées par les titres qu’ils ont regardés plus récemment ainsi que d’autres facteurs mentionnés ci-dessus. Les recommandations de Netflix basées sur l’apprentissage automatique apprennent de leurs propres utilisateurs. Chaque fois qu’un utilisateur regarde un film ou une émission, Netflix recueille des données qui informent l’algorithme d’apprentissage automatique en coulisses et l’actualise. Plus un téléspectateur regarde, plus l’algorithme est à jour et précis.
Personnalisation de l’œuvre/des vignettes
Le principal objectif de Netflix est de fournir des recommandations personnalisées en montrant les titres appropriés à chacun des téléspectateurs au bon moment. Mais pourquoi un téléspectateur devrait-il s’intéresser aux titres recommandés par Netflix ? Comment Netflix convainc-il un téléspectateur qu’un titre vaut la peine d’être regardé ? Comment Netflix attire-t-il l’attention d’un téléspectateur sur un titre nouveau et peu familier ? Il est important de répondre à ces questions pour comprendre comment les téléspectateurs découvrent un contenu de qualité, en particulier pour les titres nouveaux et peu familiers. Netflix s’attaque à ce défi en personnalisant les œuvres d’art ou les vignettes qui dépeignent les titres.
Netflix se distingue d’une centaine d’autres sociétés de médias en personnalisant ce qu’on appelle les œuvres d’art. On dit qu’une image vaut mille mots et Netflix l’exploite avec son nouvel algorithme de recommandation basé sur les œuvres d’art. L’illustration d’un titre est utilisée pour capter l’attention du spectateur et lui donner une preuve visuelle de la raison pour laquelle il pourrait être un choix parfait pour lui de le regarder. La vignette ou l’illustration peut mettre en évidence une scène passionnante d’un film, comme une poursuite en voiture, un acteur célèbre que le spectateur reconnaît, ou une scène dramatique qui dépeint l’essence de l’émission de télévision ou du film. Pour chaque nouveau titre, plusieurs images sont attribuées de manière aléatoire à différents abonnés en fonction des communautés de goûts. Netflix présente ensuite l’image ayant la plus forte probabilité sur la page d’accueil d’un utilisateur afin qu’il l’essaie.
Netflix utilise des milliers d’images vidéo d’émissions de télévision et de films existants pour la génération de vignettes. Les images sont ensuite annotées et classées pour prédire la plus grande probabilité d’être cliquée par un spectateur. Ces calculs dépendent de ce sur quoi d’autres téléspectateurs ayant des goûts et des préférences similaires ont cliqué. Par exemple, les téléspectateurs qui aiment un acteur particulier sont plus susceptibles de cliquer sur des images avec cet acteur.
Autres applications de l’apprentissage automatique chez Netflix
- L’apprentissage automatique façonne le catalogue des émissions de télévision et des films en apprenant les caractéristiques qui font le succès du contenu auprès des téléspectateurs.
- Il alimente les dépenses publicitaires, la création publicitaire et le mix de canaux pour aider Netflix à identifier les nouveaux abonnés qui apprécieront son service.
- Optimiser la production d’émissions de télévision et de films.
- Optimiser l’encodage audio et vidéo, le CDN interne et la sélection du débit adaptatif.
Nous devons remercier l’apprentissage automatique et la science des données d’avoir totalement bouleversé le mode de fonctionnement des industries des médias et du divertissement. Il est assez clair que l’amalgame de données, d’algorithmes et de personnalisation de Netflix sont susceptibles de garder les utilisateurs collés à leurs écrans. Il sera intéressant de voir comment l’industrie des médias et du divertissement se remodèlera avec l’apprentissage automatique et l’intelligence artificielle.