Netflixs stigning til å være verdens primære media streaming tjeneste var ingen fluke. Det var basert på en kompleks oppskrift på datapersonell og følelser som betyr at selskapet vet hva du vil se selv før du kjenner deg selv.
Ifølge Netflix siste kvartalsvise tall, rager media streaming-tjenesten opp nesten 2 millioner nye abonnenter hver måned .
Årsaken til denne ubøyelige veksten (om du tror det er bra eller dårlig) går dypere enn å ha en praktisk og rimelig service Hvorfor du bør være glad for å betale mer for Netflix Hvorfor du bør være glad for å betale mer for Netflix Hver gang Netflix øker sin priser, millioner av binge-watching brukere balk på utsiktene for å betale et par dollar mer. Men dette er dumt, fordi Netflix er en absolutt stjele. Les mer for å selge. Det går dypere enn det mammutiske markedsføringsbudsjettet og strategiene. Og det går sikkert dypere enn Netflixs langt fra-komplette 5 måter å søke på Netflix, Hulu, Amazon og mer, en gang 5 måter å søke på Netflix, Hulu, Amazon og mer på en gang. Hvis du fortsatt har det vanskelig å bestemme seg hvilken av de elektroniske filmstrømmingstjenestene som er riktig for deg, er en av de viktigste faktorene å vurdere når det gjelder å ta denne avgjørelsen, ... Les mer bibliotek.
Det er Netflix hemmelige saus med algoritmer, store data og gutinstinkt som brenner denne ustoppelige veksten. Det er denne hemmelige sausen som gjør at Netflix ikke bare konsekvent kan anbefale innhold som brukere vil (sannsynligvis) elske, men også for å finansiere opprettelsen av det innholdet, trygg på at det vil bli en suksess.
Utrolig mengder store data
Det er ingen overraskelse at store data spiller en stor rolle i Netflix evne til å anbefale og finansiere det riktige innholdet. Det som er overraskende, er imidlertid den typen data og mengden data som Netflix sporer hver gang du bruker tjenesten.
Ifølge den offisielle Netflix Tech Blog:
"Hver gang et medlem begynner å se en film- eller tv-episode, opprettes en" visning "i våre datasystemer, og en samling av hendelser som beskriver denne visningen er samlet."
Som en del av denne prosessen sporer Netflix din "hele visningshistorikk så lenge du abonnerer". Systemet "samler periodiske signaler gjennom hver visning for å avgjøre om et medlem er eller ikke ser fremdeles". Den sporer også søkene dine, rangeringer, geografisk data, enhetsinformasjon, nettleseradferd, tidspunktet på dagen / uken du ser på når du bestemmer deg for å dike et show, for å pause og for å spole fremover.
Med millioner av Netflix-brukere som sender millioner av timer med innhold hver måned, er mengden data som selskapet samler, forvirrende. Disse dataene er enormt viktige for bedriftens suksess.
I 2014 GigaOM parafrasert Netflix Senior Data Scientist Hvordan Bli Dataforsker Hvordan Bli Dataforsker Datavitenskap har gått fra en nybegynt periode i 2007 til å være en av de mest etterspurte disipliner i dag. Men hva gjør en datavitenskapsmann? Og hvordan kan du gå inn i feltet? Les mer, Mohammad Sabah, og si:
"75 prosent av brukerne velger filmer basert på selskapets anbefalinger, og Netflix ønsker å gjøre dette nummeret enda høyere."
Denne seerinformasjonen er enorm, og det er viktig at tjenesten kan være så vanedannende. Kombinert med det store spekteret av data lagret om hvert show, blir det vanskelig å være uenig med David Carrs teori om at "Netflix er i gang med opprinnelig innhold fordi det vet hva folk vil ha før de gjør" (min egen vekt).
Ever-Improving Algorithms
På egenhånd er dataene lite brukt. Som Jason Gilbert skrev; "[Netflix] suksess er basert på hvor godt det er i stand til å velge programmering som dets seere liker, mens de fortsatt er lønnsomme."
For å gjøre dette bruker Netflix algoritmer. Som Engineering Director, Xavier Amatriain, fortalte Wired:
"[Selskapet har utviklet] flere algoritmer, hver optimalisert for et annet formål. I bred forstand er de fleste av våre algoritmer basert på antagelsen om at lignende visningsmønstre representerer lignende brukersmag. Vi kan bruke oppførselen til lignende brukere for å utlede dine preferanser. "
Dette fokuset på visningsmønstre viser seg å være langt mer pålitelig enn å se først og fremst på karakteren du gir til et show.
Som data om brukere og innhold blir matet inn i denne maskinlæringen Hvordan intelligent programvare skal forandre livet Hvor intelligent programvare skal endre livet ditt Skynet kommer, og det kommer til å bli utrolig populært. Nye AI-teknologier kommer fram som vil sjansen måten vi lever, leker og jobber med, Les mer algoritmer, seerferdigheter kan matches med show som har visse likheter - år med produksjon, cast, regissør osv. Som vi kan se fra Antallet mediedimer som blir streamet på Netflix hver dag, disse algoritmene virker tydelig. Men de er alltid et pågående arbeid.
Selskapet driver kontinuerlig et stort antall A / B-tester (slik at brukeropplevelsen og algoritmen endres ut og testes på små delsett av brukere) for å forbedre iterativt hver av disse algoritmer. Ifølge Amatriain, "la oss prøve radikale ideer eller teste mange tilnærminger på samme tid". Hovedformålet er nesten alltid å forbedre "medlemsengasjementet (f.eks. Timer med lek) og oppbevaring".
Magefølelse
I et annet Netflix Tech Blog-innlegg sier Xavier Amatriain:
"Overflod av kildedata, målinger og tilhørende eksperimenter tillater oss å drive en data-drevet organisasjon. Netflix har innebygd denne tilnærmingen til sin kultur siden selskapet ble grunnlagt. "
Ideen om show som blir produsert og anbefalt basert utelukkende på data, er noe forstyrrende. Men TV-bransjen har alltid stått sterkt på data (ofte i form av fokusgrupper og seernumre). Men Netflix tar dette ganske mange skritt videre.
Når det er sagt, ville Joris Evers, selskapets direktør for global bedriftskommunikasjon, lette brukernes sinn. Han fortalte New York Times:
"Vi blir ikke helt involvert på den kreative siden ... Vi ansetter de riktige personene og gir frihet og budsjett til å gjøre godt arbeid. Det betyr at når Seth Rogen og Kristen Wiig blir annonsert som spesielle gjester på kommende episoder av Arrested Development, er det ikke fordi en statistisk analyse fortalte Netflix å gjøre det. "
Med andre ord informerer verdien av store data og algoritmer Netflixs beslutning snarere enn dikterer dem. Kreative ideer for filmer å finansiere, og viser til lisens vil komme tykk og rask. De som føler seg godt, vil bli utsatt for dataene. Hvis det ser ut som om en stor nok del av Netflix brukere vil være interessert, og beslutningstakernes tarmfølelse sier at showet vil bli en hit, blir det gitt en tommelen opp og en stor sjekk.
Denne oppskriften ser ut til å fungere
Denne blandingen av data, kontinuerlig forbedring av algoritmer og gutinstinkt ser ut til å fungere for Netflix. Så mye, faktisk, at selskapet har tillit til å finansiere hele seriens serier før du slipper en pilot episode. De fleste andre kringkastere jobber motsatt måte.
Produsenter og styremedlemmer kan legge kreative ideer til Netflix. Hvis den store data- og tarmfølelsen øker, og foreslår at kostnadene kan heves når det gjelder nye abonnenter, og økt oppbevaring, kan Netflix gå all-in. House of Cards er et eksempel, hvor selskapet investerte $ 100 millioner i to sesonger uten å se en pilot episode. Og det er derfor 2016 vil se Netflix produsere mer originalt innhold enn de fleste andre kringkastere gjør i flere år.
Dette ville ikke være mulig hvis Netflix ikke kunne være unnervingly pålitelig for å forstå og forutsi hva du (eller i det minste de fleste) ville elske å se på. Før du selv kjenner deg selv.
Over til deg: Finnes Netflix anbefalinger til din smak? Hvis ikke, prøv disse hemmelige Netflix-søketeknene. 20 Hemmelige Netflixkoder garantert for å hjelpe deg med å finne nytt innhold. 20 Hemmelige Netflixkoder garantert for å hjelpe deg med å finne nytt innhold. Her er vår liste over de 20 hemmelige Netflix-kodene som garantert hjelper deg med å finne nytt innhold. Les mer . Og føler du deg komfortabel med at Netflix vet så mye om visningsadferd, liker og misliker?
Image Credit: ungt par av Andrey_Popov via Shutterstock, Server Room av Torkild Retvedt (Flickr)