Proč vám Netflix doporučí lepší večerní film než váš kamarád

Eliška Lorenzová
EDTECH KISK
Published in
7 min readJun 14, 2020

Streamovací služby, jako je Netflix, HBO GO, české Voyo, nebo Prime video společnosti Amazon, jsou na trhu již pěknou řádku let. U mnohých lidí získaly oblibu, někteří i nadále využívají pirátské zprostředkovatele a věřím, že část populace — zejména starší generace — o jejich existenci netuší. Díky světové pandemii se to však změnilo. Současná situace je pro poskytovatele těchto služeb neobvykle příhodná a jejich obliba a využívanost se rapidně zvyšuje. Celkově má Netflix přes sto osmdesát milionů uživatelů z celého světa a jen za posledního čtvrt roku zaznamenal nárůst o neuvěřitelných šestnáct milionů.

Co je to Netflix?

Jedná se o předplatnou službu, která uživatelům poskytuje neomezený přístup k filmům a seriálům všech žánrů, od animovaných pohádek až po historické dokumenty. V současné době je v databázi přístupných přes tři tisíce filmů a více než dva tisíce seriálů. Nabídka se ale podle uživatelovi lokality liší, a to z různých důvodů. Nejčastěji je nedostupnost zapříčiněna autorskými právy. Netflix je přístupný ve všech zemích světa, výjimkou je pouze Čína, Severní Korea, Sýrie a Krym. Nedostupnost v těchto zemích nejspíš není ničím překvapivým. Uživatelská základna je tak tvořena lidmi odlišných kultur, náboženství, mateřských jazyků, a proto není nic snadného pro každého platícího nabízet personalizovanou nabídku. Přesto to ale Netflix dělá a nutno říci, že úspěšně, v současné době je totiž nejvyužívanější streamovací službou. Tvrdí, že až 80 % hodin strávených streamováním je na základě jejich personalizovaného doporučení. Otázkou tedy zůstává, co stojí za tímto úspěchem?

První přihlášení

Vše začíná již prvním přihlášením, u kterého se ale překvapivě neklade příliš velký důraz na osobní údaje zaregistrovaného jedince, jako je věk, pohlaví a země původu. Mnohem důležitější je výzva, aby uživatel z vybrané nabídky určil, které filmy a seriály viděl a jestli se mu líbily, nebo nelíbily. Jedná se o model známý pod názvem collaborative filtering a využívá jej například i YouTube a Spotify. Již tímto krokem Netflix začíná sbírat data, která poté zpracuje a využije v neustále se obměňující nabídce řad.

Řady

Nabídka filmů a seriálů je uspořádána do řad. Jsou vždy tematicky zaměřené, v nabídce jich mají desítky tisíc. Můžeme zde najít například řadu s novinkami, romantickými komediemi, akčními pořady. Nechybí i nabídka s vítězi filmových cen. Některé mohou působit až bizarně, příkladem může být nabídka s pořady o korupcích v korporátních firmách. (Nejspíš uváděna pod názvem Get inspired) Nabídka obsahuje vždy několik pořadů, kde každý z nich má svůj obrázek, artwork, s náležitým popisem a vaší procentuální shodou. A právě artworky jsou klíčovým faktorem úspěchu personalizované nabídky.

Zdroj: Vlastní.

Artwork

Lidé v Netflixu věří, že „obrázek je více než tisíc slov“ a na to kladou náležitý důraz. Všechny pořady proto nemají jen jednu variantu, mají jich až několik tuctů a pro každého uživatele mají ten pravý. Věří, že tak pro každý titul vytváří nejlepší podmínky. Snímek by měl být přizpůsoben estetickému cítění jedince. Měl by zachycovat něco, co předplatitele osloví a dá mu pocit, že konkrétní titul je ten, na který se chce podívat. Jako lákadlo může působit konkrétní herec nebo herečka, dramatická scéna, která zachycuje klíčový moment pořadu, nebo zachycení vzrušujícího akčního okamžiku jako je například honička aut. Artworky se personalizují na základě preferovaných žánrů a tematik. Pokud chceme jedinci nabídnout film Dobrý Will Hunting a víme, že sleduje romantické komedie, zvolíme obrázek s Mattem Damonem a Minnie Driver, kteří se nejspíš každým okamžikem políbí. Pokud chceme stejný film doporučit sledovateli komedií, je lepší zvolit obrázek se známým komikem Robinem Williamsem.

Zdroj: https://netflixtechblog.com/artwork-personalization-c589f074ad76

Jelikož si uvědomují, že jsou lidé vizuálně založení, snaží se pochopit, jak konkrétní artwork daného uživatele ovlivnil, a proč se rozhodl titul přehrát anebo nepřehrát. A zdali by si ho přehrál anebo nepřehrál, ať už by byl obrázek jakýkoliv. Dále zkoumají, jak na předplatitele působí jejich změna. Například jestli zhlédnutí titulu zváží znovu, pokud jim ukážeme lépe personalizovaný artwork, nebo jestli jejich měnění zapříčiňuje snížení rozpoznatelnosti a nalezitelnosti titulu — uživatel sledování jen odkládal a teď jej nemůže najít.

Diverzita artworků

Protože člověk preferuje určité žánry a ve filmech se mnohdy náměty a zápletky opakují, nesmí si být titulní obrázky a videové ochutnávky příliš podobné, jejich variabilita je přímo nutná. Mohlo by se stát, že by si uživatel nemohl vybrat, protože by mu všechno přišlo stejné a splývalo to do sebe, anebo naopak by měl pocit, že všechno vypadá zajímavě a lákavě a nemohl by se rozhodnout, co si pustit.

Další faktory

Netflix sbírá data i z našich sledovacích návyků. Zajímá je, jak film nebo seriál sledujeme a kolik hodin denně nebo týdně streamováním strávíme. Důležité je i to, jak dlouho dokážeme udržet u pořadu pozornost, aniž bychom ho pozastavili. Zdali ho vůbec zhlédneme celý — ať během jedné či více návštěv — a pokud ne, v jaký moment jsme sledování ukončili.

Přestože pohlaví a věk není klíčovým ukazatelem, může jím být kultura a náboženské vyznání. Musí předpokládat, že si muslim nejspíš nepustí dokument o pěší pouti do Santiaga de Compostela a pravoslavný křesťan z Petrohradu si spíše nepustí seriál Our boys nebo Fauda.

Pod jedním účtem může být více individuálních profilů. Může se jednat o rodinný účet, společný účet partnerů nebo kamarádů. Přestože se jejich vkus může naprosto lišit, čas od času se v nabídce zobrazí i to, co sledují uživatelé ostatních profilů. Pokud se tak milovníkovi Vikingů zobrazí v nabídce Tidying up with Marie Kondo, neznamená to nutně, že mu Netflix naznačuje, aby uklidil. Pořad nejspíš sleduje jeho máma nebo přítelkyně, a proto se mu zobrazil.

Zdroj: Vlastní.

Nabídka se upravuje i podle času. Pokud je pozdě večer, Netflix nám doporučí spíše seriál, který máme rozdívaný, anebo nový, ale s kratší minutáží. Pokud je den, doporučí nám film nebo seriál s delší minutáží, vhodný k binge watching-u, což je sledování jedné epizody za druhou po dlouhé hodiny, až se může stát, že jsou čtyři hodiny ráno a vy jste zhlédli celou sérii Jak jsem poznal vaši matku, …

Je nutné si uvědomit, že se neustále vyvíjíme a lidské preference a vkus prochází změnou. Nabídka s tím musí počítat a být schopna se tomu přizpůsobit.

Zdroj: https://twitter.com/nathanwpyle/status/1111089027170648066

Každá předplatitelova interakce přináší nová a nová data, která je potřeba za použití algoritmických strojů zpracovat. Otázkou zůstává — jak?

A/B testování

V Netflixu tvrdí, že jsou A/B testováním přímo posedlí. Jedná se o druh testování, které probíhá na dvou skupinách — A a B — rozdělených na poloviny. Cílem je zjistit, která ze dvou zobrazovaných metod přináší více prokliku, v našem případě větší sledovanost pořadu. Testovací vzorky musí být dostatečně pestré a obsáhlé, aby nedošlo ke zkreslení výsledku. Každé polovině je představena jedna varianta. Pozoruje se jejich chování a interakce, a poté jsou získaná data statisticky vyhodnocena. Úspěšnější metoda se pak bude zobrazovat všem. Ne vždy je vítězná metoda lepší z dlouhodobého hlediska. Z tohoto důvodu Netflix dotáhl testování na novou úroveň. Testuje uživatelovo chování průběžně a neustále.Každé kliknutí na titul, jeho přehlédnutí, shlédnutí popisku nebo traileru se do tohoto testování počítá. Ke změnám v nabídce tak dochází in real-time, přestože je vyžadováno, aby testování probíhalo po určitý čas. K tomu používají contextual bandits.

Contextual bandits

Jedná se o online nástroj založený na algoritmech, který na základě uživatelova kontextu personalizuje zobrazené pořady s artworky, u nichž předpokládá, že budou nejpreferovanější. A to, aniž by musel po určitou dobu sbírat data a teprve poté je mohl vyhodnotit.

Offline replay technika

Za pomoci offline replay techniky sledují, jaký — a jestli vůbec nějaký — nárůst personalizace přináší. Toho dosáhnou porovnáváním personalizovaných výsledků s výsledky hypotetickými, které by se objevily, pokud by k personalizaci nedošlo. Zjištění vás nejspíš nepřekvapí, u personalizovaných doporučení je v metrice zaznamenaný značný nárůst.

Pravidlo tří sekund, ale trochu jinak

Je všeobecně známo, že pokud vám na zem upadne jídlo, platí pravidlo tří sekund, během kterých ho můžete zvednout a po sfouknutí drobků sníst. Pokud se jedná o kus čokolády, prodlužuje se ze tří na deset sekund, v případě oliv si ani nemusíte namáhat kolena a záda zohýbáním se. Podobné pravidlo platí i pro Netflix. Tam se řídí pravidlem, že pokud se nepodaří zachytit uživatelovu pozornost do devadesáti sekund, je pravděpodobné, že službu opustí a půjde se zabavit jinak a jinam. Je nutné si uvědomit, že selhání této návštěvy nemusí být vinou špatné nabídky. Nabídka byla pravděpodobně zvolena správně, ale nebyla dostatečně přesvědčivá, aby si předplatitel vybral.

Závěrem

Klíčem ke spokojenosti předplatitelů a k téměř dokonalé personalizaci je obsáhlá nabídka trailerů a artworků, které jsou neustále tříděny za pomoci různých technik tak, aby se přizpůsobily přáním a požadavkům každého jedince.

Zdroje:

BURGESS, Matt. This is how Netflix’s secret recommendation system works. WIRED [online]. Londýn: Condé Nast Publications, 2010, 18.8.2018 [cit. 2020–05–02]. Dostupné z: https://www.wired.co.uk/article/netflix-data-personalisation-watching

CHANDRASHEKAR, Ashok, Fernando AMAT, Justin BASILICO a Tony JEBARA. Artwork Personalization at Netflix. Netflix TechBlog [online]. 7.12.2017 [cit. 2020–05–02]. Dostupné z: https://netflixtechblog.com/artwork-personalization-c589f074ad76

CHEN, Jessie. How Netflix does A/B Testing. UX Collective: For designers, thinkers and makers [online]. 27.7.2016 [cit. 2020–05–02]. Dostupné z: https://uxdesign.cc/how-netflix-does-a-b-testing-87df9f9bf57c

EINSTEIN, Mara. The Ugly Truth Behind Netflix’s Record Quarter. Marker [online]. 22.4.2020 [cit. 2020–05–02]. Dostupné z: https://marker.medium.com/the-ugly-truth-behind-netflixs-record-quarter-559852d6ffcd

KHANDELWAL, Astha. How Does Amazon & Netflix Personalization Work? VWO [online]. 19.3.2020 [cit. 2020–05–02]. Dostupné z: https://vwo.com/blog/deliver-personalized-recommendations-the-amazon-netflix-way/

STELTER, Brian. Countries where Netflix is now available. CNN [online]. 6.1.2016 [cit. 2020–05–02]. Dostupné z: https://money.cnn.com/2016/01/06/media/netflix-global-launch-countries/

A/B testování. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2001- [cit. 2020–05–02]. Dostupné z: https://cs.wikipedia.org/wiki/A/B_testován%C3%AD

--

--