Come l'algoritmo di Netflix è diventato il suo bene più prezioso

Una versione di questo articolo è apparsa originariamente nella newsletter Weekend Brief riservata ai membri di Quartz. I membri di Quartz hanno accesso a newsletter esclusive e altro ancora. Iscriviti qui.

Netflix si concede 90 secondi. È questo il tempo che la ricerca mostra che l'abbonato medio impiega a navigare prima di perdere interesse e passare a un concorrente. In questa finestra, il motore di raccomandazione dell'azienda deve proporre qualcosa di coinvolgente tra migliaia di titoli. Se ci riesce, l'abbonato rimane. Se sbaglia troppe volte, si disiscrive.

Nel 2016, quando Netflix aveva circa 80 milioni di abbonati, i dirigenti dell'azienda valutavano questo matchmaking algoritmico 1 miliardo di dollari all'anno in clienti fidelizzati. Un decennio dopo, il colosso dello streaming conta ora 325 milioni di abbonati in tutto il mondo. Sebbene Netflix non abbia aggiornato pubblicamente questa cifra, i calcoli suggeriscono che il suo sistema di raccomandazione sia diventato uno dei software di maggior valore nell'intrattenimento.

Ora, mentre Netflix punta a un acquisto da 83 miliardi di dollari di Warner Bros. Discovery, uno studio centenario che ha contribuito a inventare Hollywood, l'approccio algoritmico che ha costruito il dominio dello streamer è pronto ad assorbire completamente la vecchia guardia.

Netflix ha imparato a guardarti

Il primo sistema di raccomandazione dell'azienda si basava sulle valutazioni con le stelle — ciò che gli utenti dicevano dei film dopo averli visti. Ma nel 2017, Netflix ha abbandonato questo approccio per qualcosa di più rivelatore: i dati comportamentali.

Su cosa clicchi effettivamente. Quanto tempo guardi prima di abbandonare un titolo. A che ora della giornata guardi e su quale dispositivo. Cosa scorri senza selezionare. Questo feedback implicito si è rivelato molto più prezioso delle preferenze esplicite. I gusti dichiarati delle persone, si è scoperto, non sono narratori affidabili.

Oggi, Netflix registra ogni anno centinaia di miliardi di queste micro-interazioni, alimentandole in un sistema di algoritmi interconnessi che personalizza quasi ogni elemento dell'esperienza di visione. Lo stesso film può apparire con immagini di anteprima diverse per utenti diversi, enfatizzando il romanticismo per uno spettatore e l'azione per un altro.

Anche l’ordine delle righe nella tua homepage è calcolato appositamente per te. Dietro le quinte, team di "tagger" guardano ogni titolo e assegnano attributi dettagliati — se una serie presenta un cast corale, è ambientata nello spazio, o ha una protagonista femminile forte — che i sistemi di machine learning usano per suddividere gli spettatori in migliaia di "comunità di gusto".

L’efficienza di questo approccio ha creato una nuova categoria di intrattenimento che i critici hanno soprannominato "algorithm movie" — film pensati per attrarre il pubblico più vasto possibile combinando elementi familiari e validati dai dati.