Jak Netflix wykorzystuje uczenie maszynowe i sztuczną inteligencję do lepszych rekomendacji?

Z prawie 74 milionami subskrybentów w USA i Kanadzie oraz 200 milionami subskrybentów na całym świecie, Netflix jest liderem na arenie streamingu.

Netflix został założony w 1997 roku jako wypożyczalnia filmów. Kiedyś wysyłali klientom płyty DVD pocztą, aw 2007 roku uruchomili usługę przesyłania strumieniowego online. Reszta jest historią. Obecnie kapitalizacja rynkowa firmy znacznie przekracza 200 miliardów dolarów i przeszła długą drogę.

Jaki jest sekret ich fenomenalnego sukcesu?

Niektórzy mogą powiedzieć, że mogą wprowadzać innowacje, podczas gdy inni mogą powiedzieć, że odnoszą sukcesy tylko dlatego, że byli pierwsi. Jednak niewielu wie, że największym powodem sukcesu Netflix jest to, że zaczął wykorzystywać ML, zanim zrobili to jego konkurenci.

Uzyskaj najlepsze certyfikaty uczenia maszynowego online z najlepszych światowych uniwersytetów — studia magisterskie, programy podyplomowe dla kadry kierowniczej oraz program zaawansowanych certyfikatów w zakresie uczenia się maszynowego i sztucznej inteligencji, aby przyspieszyć swoją karierę.

Zanim jednak porozmawiamy o tym, jak Netflix wykorzystuje uczenie maszynowe, aby osiągnąć przewagę w branży, zapoznajmy się najpierw z uczeniem maszynowym:

Co to jest uczenie maszynowe?

Uczenie maszynowe odnosi się do badania algorytmów komputerowych, które poprawiają się automatycznie dzięki danym i doświadczeniu. Wykonują zadania i uczą się na ich wykonywaniu samodzielnie, bez konieczności interwencji człowieka.

Uczenie maszynowe ma wiele zastosowań w naszym codziennym życiu, takich jak rozpoznawanie obrazów, rozpoznawanie mowy, sprawdzanie pisowni i filtrowanie spamu.

Oprócz Netflixa istnieje wiele innych firm i organizacji, które wykorzystują uczenie maszynowe do usprawnienia swoich działań. Należą do nich Amazon, Apple, Google, Facebook, Walmart itp.

Na co wpływa uczenie maszynowe w Netflix?

Zdziwiłbyś się, wiedząc, jak głębokie uczenie maszynowe działa w infrastrukturze Netflix. Od doświadczenia użytkownika po tworzenie treści, uczenie maszynowe ma do odegrania rolę w prawie każdym aspekcie Netflix.

Wpływ uczenia maszynowego można znaleźć w następujących obszarach Netflix:

Strona główna Netflix

Po otwarciu Netflix najpierw wita Cię strona główna, wypełniona programami, które oglądałeś i programami, które Netflix poleca Ci oglądać.

Czy wiesz, w jaki sposób Netflix określa, jakie programy powinien Ci polecić?

Zgadłeś – używają uczenia maszynowego.

Netflix używa technologii ML zwanej „silnikiem rekomendacji”, aby sugerować programy i filmy Tobie i innym użytkownikom. Jak sama nazwa wskazuje, system rekomendacji rekomenduje użytkownikom produkty i usługi na podstawie dostępnych danych.

Netflix ma jeden z najbardziej wyrafinowanych systemów rekomendacji na świecie. Niektóre z rzeczy, które ich systemy rekomendacji uważają za sugerowanie ci programu, to:

1. Twoje wybrane gatunki (gatunki wybrane podczas zakładania konta).
2. Gatunek programów i filmów, które oglądałeś
3. Aktorzy i reżyserzy, których oglądałeś.
4. Programy i filmy ludzi o podobnym guście do Twojego zegarka.

Istnieje prawdopodobnie wiele innych czynników, które Netflix wykorzystuje do określenia, które programy warto polecić. Ich cel: utrzymać Cię przy ekranie tak długo, jak to możliwe.

Miniatury

Miniatury serialu lub filmu, które widzisz, niekoniecznie muszą być tymi, które widzi Twój najlepszy przyjaciel, przewijając swoją stronę główną.

Netflix wykorzystuje uczenie maszynowe, aby określić, które miniatury masz największą szansę na kliknięcie. Mają różne miniatury dla każdego programu i filmu, a ich algorytmy ML stale testują je z użytkownikami.

Miniatury, które uzyskują najwięcej kliknięć i generują największe zainteresowanie, mają pierwszeństwo przed tymi, które nie uzyskują kliknięć.

Uczenie maszynowe umożliwia Netflixowi udostępnianie spersonalizowanych, automatycznie generowanych miniatur do każdego programu i filmu. Wybrana miniatura zależy od Twoich preferencji i historii oglądania, aby zapewnić największą szansę na kliknięcie.

Na przykład Riverdale może mieć dwie miniatury, poważną tajemniczą i romantyczną. Ten, który zobaczysz, będzie zależeć od preferowanego gatunku. Kliknięcie miniatury zwiększa Twoje szanse na obejrzenie programu lub filmu. Dlatego Netflix skupia się głównie na pokazywaniu miniatury, która najbardziej Ci się podoba.

Jakość przesyłania strumieniowego

Kiedy oglądasz program, jaka najgorsza rzecz może się wydarzyć? Buforowanie.

Buforowanie może stanowić ogromny problem bez względu na to, z jakiej usługi przesyłania strumieniowego korzystasz. Ludzie mają tendencję do natychmiastowego opuszczania platformy po odczekaniu kilku sekund z powodu buforowania. Netflix doskonale zdaje sobie sprawę z tego problemu.

Buforowanie może zrujnować wrażenia klientów i utrudnić Netflixowi odzyskanie cennego czasu. Co więcej, klient może zmienić platformę i zacząć oglądać coś na platformach konkurencji, takich jak Hulu, Amazon Prime, HBO MAX czy Disney+.

Wdrożyli wiele rozwiązań, aby przeciwdziałać temu problemowi, z których jednym jest uczenie maszynowe.

Uczenie maszynowe umożliwia im baczne monitorowanie korzystania przez subskrybentów z ich usług. Algorytmy te przewidują wzorce oglądania swoich użytkowników, aby określić, kiedy większość osób korzysta z ich usług i kiedy ta liczba jest najniższa.

Następnie wykorzystują te informacje do buforowania serwerów regionalnych znajdujących się najbliżej przeglądających, zapewniając, że podczas korzystania z usługi przez tych użytkowników nie występuje buforowanie (lub minimalne buforowanie).

Miejsce przedstawienia (lub filmu)

Netflix to nie tylko platforma do strumieniowego przesyłania filmów i programów. Są również firmą produkcyjną. Tworzenie unikalnych treści pomaga zwiększyć ich przychody i rentowność.

Jak dotąd ta strategia działała zadziwiająco dobrze, ponieważ z biegiem lat ilość oryginalnych treści Netflix znacznie wzrosła. W 2019 roku wyprodukowali 2769 godzin oryginalnej treści , o 80% więcej niż w poprzednim roku.

Każdy pokaz wymaga lokalizacji zdjęciowej. Netflix wykorzystuje uczenie maszynowe, aby określić, która lokalizacja będzie idealna dla konkretnego programu lub filmu.

Wykorzystują algorytmy uczenia maszynowego, aby sprawdzić koszty i harmonogramy załogi i obsady, wymagania dotyczące fotografowania (miasto, pustynia, wieś itp.), pogodę, możliwość uzyskania pozwolenia i wiele innych istotnych czynników. Uczenie maszynowe pozwala im szybko sprawdzić i przeanalizować te liczne czynniki, zapewniając szybkie znalezienie odpowiedniego miejsca do fotografowania.

Kreatywność

Prawdopodobnie największym zastosowaniem uczenia maszynowego w Netflix jest tworzenie treści. W przeciwieństwie do większości firm produkcyjnych, Netflix zachowuje się jak przedsiębiorstwo technologiczne. Nie tworzą treści wyłącznie w oparciu o kreatywność kilku pisarzy lub twórców treści. Zamiast tego używają algorytmów uczenia maszynowego do przeprowadzania badań rynkowych i znajdowania, jaki rodzaj treści byłby najbardziej odpowiedni dla danego segmentu rynku.

Algorytmy ML pomagają im wyprzedzać trendy rynkowe i tworzyć programy i filmy dla każdego. Ich podejście znacznie im pomogło, ponieważ osiem z 10 najpopularniejszych oryginalnych seriali wideo od dostawców transmisji strumieniowych w USA pochodzi z serwisu Netflix.

Ich badania pomagają im penetrować różne segmenty rynku. Na przykład preferencja treściowa nastolatków drastycznie różniłaby się od preferencji par małżeńskich. Dzięki dokładnym badaniom rynku i wdrożeniu ML, Netflix może z powodzeniem zaspokoić wymagania dotyczące treści zróżnicowanej bazy odbiorców.

Sekret wyszedł na jaw

Teraz znasz sekret fenomenalnego sukcesu Netflixa. Korzystają z najnowszych technologii, takich jak uczenie maszynowe i data science w niemal każdej dziedzinie swojej działalności.

Pomaga im to wyprzedzać konkurencję i zapewniać lepsze wrażenia użytkownika. To ważny powód, dla którego są największym dostawcą usług przesyłania strumieniowego w USA.

Co sądzisz o Netflix i jego wykorzystaniu uczenia maszynowego? Która aplikacja do uczenia maszynowego wydała Ci się najbardziej intrygująca?

Dzięki wszystkim wyuczonym umiejętnościom możesz aktywować się na innych konkurencyjnych platformach, aby sprawdzić swoje umiejętności i zdobyć jeszcze więcej praktycznych umiejętności. Jeśli chcesz dowiedzieć się więcej o kursie, odwiedź stronę Master of Science in Machine Learning & AI i porozmawiaj z naszym doradcą zawodowym, aby uzyskać więcej informacji.