Como o algoritmo da Netflix se tornou seu ativo mais valioso

Uma versão deste artigo foi publicada originalmente na newsletter Weekend Brief exclusiva para membros do Quartz. Membros do Quartz têm acesso a newsletters exclusivas e muito mais. Inscreva-se aqui.

A Netflix se dá 90 segundos. Esse é o tempo que pesquisas mostram que o assinante médio navega antes de perder o interesse e migrar para um concorrente. Nesse intervalo, o sistema de recomendações da empresa precisa destacar algo atraente em um catálogo com milhares de títulos. Se acertar, o assinante permanece. Se errar com frequência, ele cancela.

Em 2016, quando a Netflix tinha cerca de 80 milhões de assinantes, executivos da empresa avaliaram esse casamento algorítmico em US$ 1 bilhão por ano em clientes retidos. Uma década depois, o gigante do streaming agora conta com 325 milhões de assinantes no mundo todo. Embora a Netflix não tenha atualizado esse número publicamente, a matemática sugere que seu sistema de recomendações se tornou um dos softwares mais valiosos do entretenimento.

Agora, enquanto a Netflix busca uma aquisição de US$ 83 bilhões da Warner Bros. Discovery, um estúdio centenário que ajudou a inventar Hollywood, a abordagem algorítmica que construiu a dominância do streamer está pronta para absorver totalmente a velha guarda.

A Netflix aprendeu a observar você de volta

O sistema inicial de recomendações da empresa dependia de avaliações por estrelas — o que os usuários diziam sobre os filmes após assisti-los. Mas em 2017, a Netflix abandonou essa abordagem por algo mais revelador: dados comportamentais.

O que você realmente clica. Quanto tempo assiste antes de abandonar um título. Em que horário do dia você está assistindo, e em qual dispositivo. O que você passa sem selecionar. Esse feedback implícito se mostrou muito mais valioso do que preferências explícitas. O gosto declarado das pessoas, ao que parece, é um narrador pouco confiável.

Hoje, a Netflix registra centenas de bilhões dessas microinterações anualmente, alimentando um sistema de algoritmos interligados que personaliza quase todos os elementos da experiência de visualização. O mesmo filme pode aparecer com imagens de capa diferentes para usuários distintos, enfatizando o romance para um espectador e ação para outro.

Até mesmo a ordem das linhas na sua página inicial é calculada especificamente para você. Nos bastidores, equipes de “taggers” assistem a todos os títulos e atribuem atributos detalhados — se um programa tem um elenco de conjunto, se se passa no espaço ou se é protagonizado por uma mulher forte — que sistemas de aprendizado de máquina usam para agrupar espectadores em milhares de “comunidades de gosto”.

A eficiência dessa abordagem criou uma nova categoria de entretenimento que críticos apelidaram de “filme algorítmico” — filmes projetados para agradar ao público mais amplo possível, combinando elementos familiares e validados por dados.