Нетфликс везде.
У Netflix 110 миллионов подписчиков по всему миру. При примерно 2,5 пользователях на подписку это примерно 275 миллионов зрителей.
Успех Netflix заключается в его способности предлагать пользователям персонализированные предложения на основе их привычек просмотра, что часто приводит к зависимости. Это все благодаря большим данным, ИИ (искусственному интеллекту) и алгоритмам машинного обучения.
В Yieldr мы также сделали свою долю анализа данных. Мы изучили более 5 миллионов продаж авиабилетов за 6 месяцев, с Q1 по Q2 2017, и обнаружили некоторые интересные факты о гибкости путешественников.
Наши результаты дают ключевое представление о привычках путешественников, которые можно использовать для создания точного профиля пользователя. Авиакомпании могли бы развивать это дальше и объединять данные о пассажирах и доходах, чтобы успешно рекомендовать и продавать билеты на неэффективные рейсы.
Могут ли авиакомпании воспроизвести формулу Netflix? Могут ли они автоматизировать персонализированные рекомендации по рейсам для путешественников и, возможно, заставить их бронировать больше рейсов? Давайте проверим возможности.
Пристегните ремни и приготовьтесь к нашим выводам!
Как Netflix использует аналитику
Ни для кого не секрет, что Netflix — это компания, управляемая данными. У них есть глубокое понимание своих клиентов, что позволяет им постоянно совершенствовать свое понимание и давать более качественные рекомендации по просмотру.
Начинается достаточно просто. После регистрации пользователей просят выбрать до 3 шоу, которые им нравятся, что помогает Netflix лучше понять, что пользователь хотел бы посмотреть. В конечном итоге у зрителей появляется собственный профиль, который со временем становится все более персонализированным.
В начале 2013 года директор Netflix по глобальным коммуникациям Джорис Эверс заявил, что «существует 33 миллиона различных версий Netflix». В то время у них было 33 миллиона подписчиков по всему миру. Это подчеркивает способность Netflix обслуживать каждого отдельного пользователя для максимально персонализированного опыта.
Для этого Netflix разработал чрезвычайно интеллектуальный набор алгоритмов ранжирования. Было много отличных статей о том, как Netflix использует данные, но мы обратились прямо к источнику для упрощенного объяснения:
Мы используем алгоритм рекомендаций, который учитывает определенные факторы, такие как…
– Доступные жанры телешоу и фильмов.
– Ваша история потокового вещания и предыдущие оценки, которые вы поставили.
– Объединенные оценки всех пользователей Netflix, вкусы которых совпадают с вашими.
Мы используем эти факторы, когда рассчитываем процент совпадения, отображаемый рядом с заголовком. Эта оценка уникальна для вас и показывает, насколько вероятно, по нашему мнению, вам понравится это название.
Источник: Справочный центр Netflix | Рейтинги и рекомендации Netflix
Это гораздо глубже, чем это, конечно. Например, есть группа работников Netflix, которые занимаются добавлением метатегов к видеоконтенту — не только по жанру, но и, казалось бы, безобидным деталям, например, есть ли в сериале «сильная женская роль» или это «шоу о церебральных преступлениях». .
Когда Netflix упоминает Ваша история потокового вещания, речь идет не только о том, что вы смотрели, но и о том, как вы это смотрели. Вы посмотрели только 10 минут шоу или просмотрели весь сезон за два дня? Вы смотрите сериалы по вечерам в будние дни и откладываете фильмы на вечер воскресенья? Вы пересматриваете сцены с любимым актером? Вы смотрели Принца Рождества каждый день в течение последних 18 дней?
Netflix также использовал данные для определения рецепта создания собственного успешного контента. Первая серия Netflix Originals, Карточный домик, была основана на данных о привычках пользователей Netflix. Три фактора, казалось, перекликались со значительным количеством зрителей — фильмы режиссера Дэвида Финчера, фильмы с Кевином Спейси в главной роли и оригинальный британский телесериал Карточный домик. Это побудило к созданию американской версии сериала, а также нескольких трейлеров, адаптированных для разных типов зрителей в зависимости от их предпочтений.
Справедливо сказать, что Netflix добился персонализации.
Загрузите Что, если бы авиакомпании были похожи на Netflix?, чтобы продолжить чтение нашего отчета, в котором мы обсуждаем, как авиакомпании могут использовать машинное обучение и технологию искусственного интеллекта, чтобы заполнить пустые места и максимизировать доход. Мы углубимся в гибкость путешественников и рассмотрим гипотетический пример.
Эта статья была первоначально опубликована в Блоге Yieldr 13 февраля 2018 г.
