Como funciona o motor recomendado da Netflix?
O que devo observar esta noite, depois de um dia agitado no escritório?
>
Esta é a pergunta que lhe vem à cabeça quando está de volta do escritório e sentado em frente à televisão, sem se lembrar de que tipo de programas assistiu recentemente. Hoje, todos querem uma plataforma de streaming inteligente que possa compreender as suas preferências e gostos sem se limitar a correr no piloto automático. Da Netflix ao Amazon Prime – os sistemas de recomendação estão ganhando importância, pois interagem diretamente (geralmente nos bastidores) com os usuários todos os dias.
Com mais de 139 milhões de assinantes pagos (total de espectadores -300 milhões) em 190 países, 15.400 títulos em suas bibliotecas regionais e 112 indicações ao prêmio Emmy em 2018 – a Netflix é a rede líder mundial de televisão pela Internet e o maior serviço de streaming mais valorizado do mundo. A incrível história de sucesso digital da Netflix está incompleta sem a menção de seus sistemas de recomendação que se concentram na personalização.
Você já pensou por que a arte da Netflix muda para diferentes programas quando você acessa a conta? Um dia pode ser uma imagem de toda a tripulação da ponte enquanto outro dia é o Worf a olhar para si de forma julgadora. Se você é usuário do Netflix, você também deve ter notado que a plataforma mostra gêneros realmente precisos como Romantic Dramas, onde o personagem principal é canhoto. Como é que a Netflix consegue encontrar géneros tão precisos para a sua base de mais de 100 milhões de subscritores? Como é que o trabalho artístico da Netflix muda? É a aprendizagem da máquina, IA, e a criatividade por trás dos bastidores que adivinha o que fará um usuário escolher um determinado show para assistir. O aprendizado da máquina e a ciência dos dados ajudam a Netflix a personalizar a experiência para você com base em seu histórico de escolha de programas para assistir.
Did You Know?
Netflix começou a usar ferramentas analíticas em 2000 para recomendar vídeos para os usuários alugar.
Netflix só tem uma janela de 90 segundos para ajudar os espectadores a encontrar um filme ou um programa de TV antes de sair da plataforma e visitar algum outro serviço. Essa é uma das principais razões porque a Netflix está tão obcecada em personalizar as recomendações para enganchar os usuários.
Os algoritmos de recomendação personalizada da Netflix produzem $1 bilhão de dólares por ano em valor a partir da retenção de clientes.
A maioria dos usuários da Netflix considera recomendações com 80% das visualizações da Netflix provenientes das recomendações do serviço.
A Netflix configurou 1300 clusters de recomendações baseadas nas preferências de visualização dos usuários.
Os segmentos da Netflix segmentam seus visualizadores em mais de 2K grupos de gosto. Com base no grupo de gostos que um telespectador cai, ele dita as recomendações.
Com mais de 7K programas de TV e filmes no catálogo, é realmente impossível para um telespectador encontrar filmes que ele gosta de assistir por conta própria. O mecanismo de recomendações da Netflix automatiza esse processo de busca para seus usuários.
Personalização de Filmes/TV Show Recomendações
O diretor de conteúdo da Netflix, Ted Sarandos, disse –
Não existe um ‘Netflix show’. Nossa marca é personalização.
A personalização começa na página inicial da Netflix que mostra um grupo de vídeos dispostos em linhas horizontais. Cada linha horizontal tem um título que se relaciona com os vídeos desse grupo. A maioria das recomendações personalizadas começa com base na forma como as linhas são selecionadas e na ordem em que os itens são colocados. Os sistemas de recomendação na Netflix abrangem várias abordagens algorítmicas como a aprendizagem de reforço, redes neurais, modelagem causal, modelos gráficos probabilísticos, factorização matricial, conjuntos, bandidos.
Os sistemas de recomendação da Netflix foram desenvolvidos por centenas de engenheiros que analisam os hábitos de milhões de utilizadores com base em múltiplos factores. Sempre que um usuário acessa os serviços da Netflix, o sistema de recomendações estima a probabilidade de um usuário assistir a um determinado título com base nos seguintes fatores –
- Interações do visualizador com os serviços da Netflix, como classificação do visualizador, histórico de visualização, etc.
- Informações sobre as categorias, ano de lançamento, título, gêneros e mais.
- Outros visualizadores com preferências e gostos similares.
- Duração do tempo de um espectador a ver um espectáculo
- O dispositivo no qual um espectador está a ver.
- A hora do dia em que um espectador assiste – Isto porque o Netflix tem os dados de que existe um comportamento de visualização diferente com base na hora do dia, no dia da semana, no local e no dispositivo em que um programa ou filme é visto.
Para cada novo assinante, o Netflix pede-lhes para escolherem os títulos que gostariam de ver. Estes títulos são usados como o primeiro passo para recomendações personalizadas. Mais tarde, como os espectadores continuam a assistir ao longo do tempo, as recomendações são alimentadas pelos títulos que eles assistiram mais recentemente, juntamente com outros fatores mencionados acima. As recomendações baseadas na aprendizagem da máquina da Netflix aprendem com os seus próprios utilizadores. Cada vez que um espectador passa tempo assistindo a um filme ou show, ele coleta dados que informam o algoritmo de aprendizagem da máquina nos bastidores e o atualiza. Quanto mais um espectador assiste, mais atualizado e preciso é o algoritmo.
Personalização do trabalho artístico/ Thumbnails
O objetivo principal do Netflix é fornecer recomendações personalizadas mostrando os títulos aptos para cada um dos espectadores na hora certa. Mas, por que um espectador deve se preocupar com os títulos que a Netflix recomenda? Como o Netflix convence um telespectador de que vale a pena assistir a um título? Como o Netflix capta a atenção de um telespectador para um título novo e desconhecido? Responder a estas perguntas é importante para entender como os telespectadores descobrem grandes conteúdos, particularmente para títulos novos e desconhecidos. A Netflix enfrenta este desafio através da personalização de obras de arte ou da personalização de miniaturas que retratam os títulos.
A Netflix difere de uma centena de outras empresas de mídia pela personalização das chamadas obras de arte. Dizem que uma imagem vale mais que mil palavras e a Netflix está a aproveitar o seu novo algoritmo de recomendação baseado em obras de arte. A arte para um título é usada para captar a atenção do espectador e dá-lhes uma prova visual do porquê de poder ser uma escolha perfeita para eles a verem. A miniatura ou obra de arte pode destacar uma cena emocionante de um filme como uma perseguição de carro, um ator famoso que o espectador reconhece, ou uma cena dramática que retrata a essência do programa de TV ou de um filme. Para cada novo título, várias imagens são atribuídas aleatoriamente a diferentes assinantes, com base nas comunidades de gosto. Netflix então apresenta a imagem com maior probabilidade na página inicial do usuário para que ele experimente.
Netflix faz uso de milhares de quadros de vídeo de programas de TV e filmes existentes para a geração de miniaturas. As imagens são então anotadas e classificadas para prever a maior probabilidade de serem clicadas por um telespectador. Estes cálculos dependem do que outros espectadores com gostos e preferências semelhantes tenham clicado. Por exemplo, os telespectadores que gostam de um determinado ator têm maior probabilidade de clicar nas imagens com o ator.
Outras Aplicações da Aprendizagem Mecânica na Netflix
- Aprendizagem Mecânica molda o catálogo de programas de TV e filmes através de características de aprendizagem que tornam o conteúdo bem sucedido entre os telespectadores.
- Podera gastar em publicidade, publicidade criativa e mistura de canais para ajudar a Netflix a identificar novos assinantes que irão desfrutar do seu serviço.
- Optimizar a produção de programas de TV e filmes.
- Optimizar a codificação de áudio e vídeo, CDN interno e selecção de bitrate adaptável.
>
Temos de agradecer à aprendizagem automática e à ciência dos dados por ter perturbado totalmente a forma como as indústrias de media e entretenimento operam. É bastante claro que a amálgama de dados, algoritmos e personalização da Netflix é susceptível de manter os utilizadores colados às suas telas. Será interessante ver como a indústria da mídia e do entretenimento irá se remodelar com a aprendizagem de máquinas e inteligência artificial.