Les secrets du système de recommandation de Netflix – et pourquoi cela peut ne pas fonctionner pour vous

Les secrets du système de recommandation de Netflix – et pourquoi cela peut ne pas fonctionner pour vous

Quel Film Voir?
 




lucifer épisode musical

Au fil des ans, Netflix a consacré beaucoup d'énergie à affiner son système de recommandation afin de faire gagner du temps et de l'intelligence aux utilisateurs, et d'accélérer le chemin vers le film ou l'émission télévisée susceptible de les intéresser au service. le plus long.



Publicité

Si l'on se fie aux statistiques, elles ont plutôt bien réussi. Une grande majorité du temps - environ 80% – les téléspectateurs découvrent leur prochaine frénésie Netflix grâce à la recommandation (par opposition à la recherche sur le site eux-mêmes). Souvent, c'est là qu'il les regarde en face sur leur page d'accueil personnalisée.



Encore, tu n'es pas seul si vous avez l'impression que Netflix ne vous comprend pas vraiment.

Lorsque j'ai commencé chez Netflix il y a 12 ans, nous apprenions à ramper en matière de personnalisation, explique Todd Yellin, vice-président produit de Netflix. Maintenant, je dirais que nous sommes dans notre adolescence. Nous ne sommes toujours pas parfaits - nous sommes loin d'être parfaits. Je pense que nous sommes bons. Je m'efforce pour grand.

Mais comment fonctionnent réellement les recommandations ? Et où sont les défauts ? Consultez notre guide pratique du profane ci-dessous.


Quelle est la théorie derrière le système de recommandation de Netflix ?



Il y a deux idées principales en jeu ici – et elles proviennent toutes deux de ce que Netflix a appris en interrogeant les données des utilisateurs au fil des ans.

Premièrement, ils savent que la plupart de leurs utilisateurs ne veulent pas perdre trop de temps à chercher quelque chose à regarder.

La personne typique ne va pas regarder des milliers de titres, elle va regarder une moyenne de 40 à 50 titres à chaque session donnée, dit Yellin.

Netflix a donc une petite fenêtre dans laquelle piquer votre intérêt, ou risquer de perdre votre attention – leur objectif principal est donc de s'assurer que les premières choses que vous voyez lorsque vous vous connectez sont des titres que vous voulez regarder.

Deuxièmement, ils ont appris en cours de route que ce que les utilisateurs dire sur la façon dont ils utilisent le service et leur comportement réel ne sont pas toujours corrélés.

Beaucoup de gens nous disent qu'ils regardent souvent des films ou des documentaires étrangers. Mais dans la pratique, cela ne se produit pas beaucoup, a déclaré Carlos Gomez-Uribe, ancien vice-président de l'innovation produit de Netflix en une interview avec Wired en 2013 .

De même, ils savent que vous pouvez choisir de noter un documentaire intelligent que vous avez regardé une fois avec 5 étoiles, tandis que vous pouvez donner une note inférieure, ou aucune note du tout, au film d'Adam Sandler que vous avez regardé quatre fois cette année. . C'est probablement l'une des deux raisons pour lesquelles ils ont décidé de supprimer le système de notation par étoiles en faveur d'un modèle pouce levé et pouce baissé. Plus sur la deuxième raison plus tard.

Mais comment ça fonctionne?

En d'autres termes : les données.

Un certain nombre d'employés chanceux de Netflix sont payés pour regarder tous les titres et noter un certain nombre d'éléments déterminants qui se produisent. Par exemple, un film tel que Wall-E est balisé comme suit : chaleureux, dialogue clairsemé, satirique, etc. Il peut y avoir n'importe quel nombre de balises – plus il y en a, mieux c'est.

Ensuite, les algorithmes entrent en jeu. Plus vous regardez Netflix, mieux il vise à comprendre vos goûts en compilant un profil basé sur des balises récurrentes dans les émissions que vous regardez.

Donc, si vous avez regardé Jessica Jones de Marvel, qui peut être étiquetée comme sombre, avec une forte avance féminine entre autres, il est fort probable qu'Orange Is the New Black viendra au sommet de votre deck.

Chaque catégorie de votre page d'accueil est personnalisée en fonction de votre comportement de visualisation, en poussant au premier plan le contenu qui correspond aux modèles que vous avez dessinés sans le savoir. Les algorithmes prennent également en compte des informations spécifiques sur l'utilisateur - sur quel type d'appareil vous regardez et à quelles heures vous avez tendance à regarder.

Si vous souhaitez en savoir plus, Yellin a réalisé une vidéo explicative pratique – regardez-la ci-dessous.