Наука о данных в основе Netflix

«Netflix - это не только успешный сервис, но и полностью управляемый данными».

Netflix в цифрах

В прошлом году Netflix объявила о привлечении 135 миллионов платных клиентов по всему миру.

Демографические данные пользователей Netflix в США идеально представляют население США в целом с точки зрения различных факторов, таких как благосостояние, возраст и образование.

Бизнес-модель Netflix

Без рекламы бизнес-модель Netflix опирается на клиентов, которые подписываются на их сервис в долгосрочной перспективе. Чем больше клиенты довольны, тем дольше они остаются подписанными на сервис.

Вот почему в бизнесе Netflix очень важно выявлять и анализировать факторы, влияющие на удовольствие зрителя.

Факторы, влияющие на удовлетворение потребностей клиентов

С самого начала Netflix фиксирует удовольствие зрителей с помощью рейтингов, присваиваемых шоу / фильмам.

По мере того, как потоковое видео становится основным направлением деятельности, становится доступно гораздо больше точек данных, позволяющих лучше понять клиентов.

Точки данных включают…

Время суток что-то смотрели.

возраст и пол пользователя (в зависимости от имени пользователя)

Время, потраченное на выбор фильмов

Как часто фильм или программа приостанавливались / возобновлялись

Netflix предсказывает «идеальную ситуацию»

Используя все вышеперечисленные данные, специалисты по обработке данных и инженеры Netflix создают модели для прогнозирования «идеальной ситуации», в которой клиенты постоянно получают понравившиеся им программы.

Для этого он распределяет пользователей по 3–5 различным кластерам из более чем 1300 кластеров в зависимости от их предпочтений просмотра.

Категоризация фильмов на основе данных

Используя методы Data Science, служба Netflix создала 76 897 уникальных способов описания типов фильмов.

Они называются «альтернативными жанрами», что приводит к появлению у Netflix пугающе специфичных фильмов / шоу (например, «Похожий на фильм: Сердце Рождества» )

очевидно, что они выходят за рамки классических категорий, таких как драма, фантастика и комедия.

Персонализация изображения обложки

Как вы заметили, у всех пользователей разные титульные страницы в зависимости от их предпочтений в отношении фильмов, и со временем они могут меняться.

Это самое важное, что делает Netflix для привлечения новых зрителей.

Netflix моделирует обложку шоу ’с использованием цветов и стилей для успешных программ с аналогичными тегами.

Кроме того, они пробуют разные версии обложек, чтобы выяснить, какая из них более эффективна для пользователя.

Подход к достижению

Система рекомендаций Netflix основана на алгоритмах машинного обучения. Традиционно мы собираем пакет данных о том, как наши участники используют сервис. Затем мы запускаем новый алгоритм машинного обучения на этом пакете данных. Затем мы тестируем этот новый алгоритм на существующей производственной системе с помощью A / B-теста. A / B-тест помогает нам увидеть, лучше ли новый алгоритм, чем наша текущая производственная система, опробовав его на случайном подмножестве участников. Члены группы A получают текущий опыт работы с продуктом, а участники группы B получают новый алгоритм. Если участники группы B более активно взаимодействуют с Netflix, мы внедряем новый алгоритм для всего населения. К сожалению, такой пакетный подход вызывает сожаление: многие участники в течение длительного периода времени не извлекали пользы из лучшего опыта. Это показано на рисунке ниже.