De opkomst van Netflix als 's werelds primaire streamingdienst voor media was geen toevalstreffer. Het was gebaseerd op een complex recept van gegevensmanipulatie en -emotie, wat betekent dat het bedrijf weet wat je wilt kijken nog voordat je het zelf weet.
Volgens de laatste kwartaalcijfers van Netflix haalt de media-streamingservice elke maand bijna 2 miljoen nieuwe abonnees.
De reden voor deze niet aflatende groei (of je nu denkt dat het goed of slecht is) gaat dieper dan dat je een handige en redelijk geprijsde service hebt. Waarom je meer zou moeten betalen voor Netflix Waarom je meer zou moeten betalen voor Netflix Telkens wanneer Netflix toeneemt prijzen, miljoenen binge-watching gebruikers hinderen bij het vooruitzicht van het betalen van een paar dollars meer. Maar dit is dom, omdat Netflix een absoluut staaltje is. Meer lezen om te verkopen. Het gaat dieper dan zijn gigantische marketingbudget en strategieën. En het gaat zeker dieper dan Netflix 'verre-van-complete 5 manieren om Netflix, Hulu, Amazon en meer tegelijk te zoeken 5 manieren om Netflix, Hulu, Amazon en meer tegelijk te zoeken Als je het nog steeds moeilijk hebt om te beslissen welke van de online filmstreamingservices voor u geschikt is, een van de belangrijkste factoren om te overwegen als het gaat om het nemen van deze beslissing is ... Lees Meer bibliotheek.
Het is de geheime saus van Netflix van algoritmen, big data en gevoel van darmen die deze onhoudbare groei voeden. Het is deze geheime saus waarmee Netflix niet alleen inhoud kan aanbevelen die gebruikers (waarschijnlijk) leuk zullen vinden, maar ook om de creatie van die inhoud te financieren, ervan overtuigd dat het een succes zal worden.
Ongelooflijke hoeveelheden Big Data
Het is geen verrassing dat big data een grote rol speelt in Netflix 'vermogen om de juiste content aan te bevelen en te financieren. Wat echter verrassend is, is het soort gegevens en de hoeveelheid gegevens die Netflix telkens bij het gebruik van de service bijhoudt.
Volgens de officiële Netflix Tech Blog:
"Telkens wanneer een lid een film of tv-aflevering begint te bekijken, wordt een 'weergave' gemaakt in onze gegevenssystemen en wordt een verzameling gebeurtenissen verzameld die die weergave beschrijven."
Als onderdeel van dit proces houdt Netflix uw "volledige kijkgeschiedenis bij, zolang [u] bent geabonneerd". Het systeem "verzamelt periodieke signalen in elke weergave om te bepalen of een lid wel of niet kijkt". Het houdt ook uw zoekopdrachten, waarderingen, geolocatiegegevens, apparaatinformatie, surfgedrag, tijdstip van de dag / week waar u naar kijkt, bij wanneer u besluit een show te sloten, te pauzeren en snel vooruit te spoelen.
Met miljoenen Netflix-gebruikers die elke maand miljarden uren content streamen, is de hoeveelheid gegevens die het bedrijf verzamelt verbijsterend. Deze gegevens zijn enorm belangrijk voor het succes van het bedrijf.
In 2014 parafraseerde GigaOM de Senior Data Scientist van Netflix. Hoe word ik een data-wetenschapper Hoe word ik een data-wetenschapper Datakunde is van een nieuw bedachte term in 2007 uitgegroeid tot een van de meest gewilde disciplines van vandaag. Maar wat doet een data-wetenschapper? En hoe kun je in het veld breken? Lees meer, Mohammad Sabah, zeggende:
"75 procent van de gebruikers selecteert films op basis van de aanbevelingen van het bedrijf en Netflix wil dat aantal nog hoger maken."
Deze kijkergegevens zijn enorm, en het is noodzakelijk dat de service zo verslavend is. Gecombineerd met het enorme aantal gegevens dat over elke show is opgeslagen, wordt het moeilijk het oneens te zijn met de theorie van David Carr dat "Netflix originele inhoud in gebruik neemt, omdat het weet wat mensen willen voordat ze het doen" (mijn eigen accent).
Ooit-verbeterende algoritmen
Op zichzelf zijn gegevens van weinig nut. Zoals Jason Gilbert schreef; "[Het succes van [Netflix] is gebaseerd op hoe goed het programma kan kiezen dat zijn kijkers leuk vinden terwijl het nog steeds winstgevend is."
Om dit te doen, gebruikt Netflix algoritmen. Als Engineering Director, Xavier Amatriain, vertelde Wired:
"[Het bedrijf heeft] verschillende algoritmen ontwikkeld, elk geoptimaliseerd voor een ander doel. In brede zin zijn de meeste van onze algoritmen gebaseerd op de aanname dat vergelijkbare weergavepatronen dezelfde gebruikerssmaak vertegenwoordigen. We kunnen het gedrag van vergelijkbare gebruikers gebruiken om uw voorkeuren af te leiden. "
Deze focus op kijkpatronen is veel betrouwbaarder dan alleen kijken naar de beoordeling die u aan een show geeft.
Terwijl gegevens over gebruikers en inhoud aan deze machine worden toegevoegd, leren hoe intelligente software je leven gaat veranderen. Hoe intelligente software je leven gaat veranderen Skynet komt eraan en het zal ongelofelijk populair worden. Er ontstaan nieuwe AI-technologieën die de manier waarop we leven, spelen en werken, de Read More-algoritmen, het kijkersgedrag kunnen vergelijken met shows die bepaalde overeenkomsten hebben - productiejaar, cast, regisseur, enz. Zoals we kunnen zien het aantal uren media dat elke dag op Netflix wordt gestreamd, werken duidelijk goed. Maar ze zijn altijd een werk in uitvoering.
Het bedrijf voert constant grote aantallen A / B-tests uit (waardoor gebruikerservaringen en algoritmeveranderingen kunnen worden uitgerold en getest op kleine subgroepen van gebruikers) om elk algoritme iteratief te verbeteren. Volgens Amatriain deze tests "laten we radicale ideeën proberen of verschillende benaderingen tegelijkertijd testen". Het primaire doel is bijna altijd het verbeteren van "ledenbetrokkenheid (bijv. Speeluren) en retentie".
Buikgevoel
In een andere Netflix Tech Blog-post zegt Xavier Amatriain:
"De overvloed aan brongegevens, metingen en bijbehorende experimenten stellen ons in staat om een data-gedreven organisatie te exploiteren. Netflix heeft deze aanpak ingebed in haar cultuur sinds het bedrijf werd opgericht ".
Het idee dat shows worden geproduceerd en alleen op basis van gegevens worden aanbevolen, is enigszins verontrustend. Maar de tv-industrie heeft altijd sterk op gegevens vertrouwd (vaak in de vorm van focusgroepen en kijkcijfers). Netflix zet dit echter een flink aantal stappen verder.
Dat gezegd hebbende, wilde Joris Evers, de directeur van wereldwijde corporate communications van het bedrijf, het denken van gebruikers versoepelen. Hij vertelde de New York Times:
"We raken niet supergerelateerd aan de creatieve kant ... We nemen de juiste mensen aan en geven de vrijheid en het budget om goed werk te doen. Dat betekent dat wanneer Seth Rogen en Kristen Wiig worden aangekondigd als speciale gasten op aankomende afleveringen van Gearresteerde Ontwikkeling, dit niet komt omdat Netflix door een statistische analyse dit heeft gedaan. "
Met andere woorden, de waarde van big data en algoritmen informeert de Netflix-beslissing eerder dan ze te dicteren. Creatieve ideeën om films te financieren en shows om in licentie te geven zullen snel en dik worden. Degenen die zich goed voelen, zullen worden onderworpen aan de gegevens. Als het erop lijkt dat een groot genoeg deel van Netflix-gebruikers geïnteresseerd zal zijn en het gevoel van de beslissers zegt dat de show een hit zal zijn, krijgt deze een duim omhoog en een grote cheque.
Dit recept lijkt te werken
Deze mix van gegevens, voortdurend verbeterende algoritmen en instinctief gevoel lijkt te werken voor Netflix. In feite zelfs, dat het bedrijf het vertrouwen heeft om hele series shows te financieren voordat een pilot-aflevering wordt vrijgegeven. De meeste andere omroepen werken het tegenovergestelde.
Producenten en regisseurs kunnen creatieve ideeën inzetten voor Netflix. Als de big data en het buikgevoel kloppen, en suggereren dat de kosten kunnen worden terugverdiend in termen van nieuwe abonnees en toegenomen retentie, kan Netflix all-in gaan. House of Cards is daar een voorbeeld van, waar het bedrijf in twee seizoenen $ 100 miljoen investeerde zonder zelfs maar een pilot-aflevering te zien. En daarom zal 2016 Netflix meer originele inhoud produceren dan de meeste andere omroepen in verschillende jaren.
Dit zou niet mogelijk zijn als Netflix niet onnavolgbaar betrouwbaar zou zijn in het begrijpen en voorspellen van wat u (of in ieder geval de meeste mensen) graag zou willen zien. Voordat je jezelf kent.
Aan jou: vind je de aanbevelingen van Netflix geschikt voor jouw smaak? Zo niet, probeer dan deze geheime Netflix-zoekcodes 20 Geheime Netflix-codes Gegarandeerd om u te helpen nieuwe inhoud te vinden 20 Geheime Netflix-codes Gegarandeerd om u te helpen nieuwe inhoud te vinden Hier is onze lijst met de 20 geheime Netflix-codes die gegarandeerd zijn om u te helpen nieuwe inhoud te vinden. Lees verder . En voelt u zich op uw gemak als Netflix zoveel weet over uw kijkgedrag, voorkeuren en antipathieën?
Image Credit: jong stel door Andrey_Popov via Shutterstock, Server Room door Torkild Retvedt (Flickr)