Jak algorytm Netflixa stał się jego najcenniejszym atutem

Wersja tego artykułu pierwotnie ukazała się w newsletterze Weekend Brief, dostępnym wyłącznie dla członków Quartz. Członkowie Quartz mają dostęp do ekskluzywnych newsletterów i nie tylko. Zapisz się tutaj.

Netflix daje sobie 90 sekund. Tyle czasu, jak pokazują badania, przeciętny subskrybent przeszukuje ofertę, zanim straci zainteresowanie i przejdzie do konkurencji. W tym krótkim oknie czasowym mechanizm rekomendacji firmy musi wyłonić coś naprawdę interesującego z katalogu liczącego tysiące tytułów. Jeśli się uda – subskrybent zostaje. Jeśli nie – i to wystarczająco często – rezygnuje z usługi.

W 2016 roku, gdy Netflix miał około 80 milionów subskrybentów, kierownictwo firmy wyceniało to algorytmiczne dopasowywanie na 1 miliard dolarów rocznie w utrzymanych klientach. Dekadę później gigant streamingowy ma już 325 milionów subskrybentów na całym świecie. Choć Netflix nie zaktualizował publicznie tej wyceny, matematyka sugeruje, że ich system rekomendacji stał się jednym z najbardziej wartościowych programów rozrywkowych na świecie.

Teraz, gdy Netflix dąży do przejęcia Warner Bros. Discovery za 83 miliardy dolarów – stuletniego studia, które współtworzyło Hollywood – algorytmiczne podejście, które zbudowało dominację platformy, ma szansę całkowicie wchłonąć starą gwardię.

Netflix nauczył się obserwować ciebie

Wczesny system rekomendacji firmy opierał się na ocenach gwiazdkowych — czyli na tym, co użytkownicy mówili o filmach po ich obejrzeniu. Jednak w 2017 roku Netflix porzucił to podejście na rzecz czegoś bardziej odkrywczego: danych behawioralnych.

To, co faktycznie klikasz. Jak długo oglądasz, zanim porzucisz tytuł. O której porze dnia oglądasz i na jakim urządzeniu. Co przewijasz, nie wybierając. Takie ukryte informacje okazały się o wiele cenniejsze niż jawne preferencje. Okazało się, że deklarowane gusta ludzi są mało wiarygodne.

Obecnie Netflix rejestruje setki miliardów takich mikrointerakcji rocznie, zasilając nimi system powiązanych algorytmów, które personalizują niemal każdy element doświadczenia oglądania. Ten sam film może mieć różne miniatury dla różnych użytkowników — dla jednych podkreślając wątek romantyczny, dla innych akcję.

Nawet kolejność rzędów na stronie głównej jest wyliczana specjalnie dla ciebie. W tle zespoły „taggerów” oglądają każdy tytuł i przypisują mu szczegółowe atrybuty — czy w serialu występuje obsada zespołowa, czy akcja dzieje się w kosmosie, czy główną rolę gra silna kobieta — które systemy uczenia maszynowego wykorzystują do przypisywania widzów do tysięcy „społeczności gustu”.

Wydajność tego podejścia stworzyła nową kategorię rozrywki, którą krytycy nazwali „filmem algorytmicznym” — produkcje zaprojektowane tak, by spodobały się jak najszerszej publiczności przez połączenie znanych, potwierdzonych danymi elementów.