Meer dan 75% van alle video die gebruikers consumeren op Netflix komt uit de aanbevelingen die algoritmen voor de dienst doen. Het is een teken hoe sterk het Amerikaanse bedrijf is in het analyseren van het kijkgedrag van hun leden. Of eigenlijk, het niet-kijkgedrag.
Een simpele demografie als leeftijd, geslacht en woonplaats zijn voor veel bedrijven al een startpunt om hun metingen op te baseren. Voor Netflix was dat niet anders, maar vandaag de dag zal het ze een zorg zijn of je een 21-jarige kerel uit New York bent of een 50-jarige dame uit Florida.
“It really doesn’t matter if you are a 60-year-old woman or a 20-year-old man because a 20-year-old man can watch Say Yes To The Dress and a 60-year-old woman could watch Hellboy,” – Todd Yellin, VP Product Innovation
De afgelopen jaren is Netflix steeds meer gaan kijken naar data die gebruikers niet zouden of hoeven in te geven. Daarbij is de nadruk steeds meer komen te liggen op wat je niet kijkt in combinatie met het tijdstip of moment.
En met succes: zo’n 75-80% van de gekeken video’s worden gekeken dankzij de aanbevelingen van de scherpe algoritmen. Of anders bezien: slechts 20% van de bekeken content wordt door de gebruiker zelf opgezocht en aangezet. Dat zijn strakke scores.
Between 75% to 80% of the videos that Netflix users end up watching on the service come directly from the company’s recommendations about what to watch next.
“When someone tells you they are always watching foreign films and documentaries, you want to show them that,” aldus Todd Yellin. “The truth of it is that some people are posing. Some people are really showing you their aspirational self because some people just want to watch Christmas Vacation with Chevy Chase for the 15th time, and that’s what they really want out of their night because it’s been a long day.”
Het was een inzicht dat er toe leidde dat Netflix steeds minder waarde ging hechten aan informatie die actief door de gebruiker werd ingevoerd. Ratings en comments werden links gelegd, ten faveure van ‘passieve’ data als welke content kijkt een gebruiker het langst, in welke patronen kijkt hij specifieke types content en op welke dagen of momenten van de dag geeft hij de voorkeur aan bepaalde content.
Achter de schermen zijn tientallen datawetenschappers aan honderden programmeurs geknoopt om de resultaten uit de onderzoeken direct te verwerken in de software. Zo analyseert Netflix sinds kort hoe ver je door je aanbevelingen scrollt voordat je iets aanklikt om te kijken. Die data bevat een duidelijk signaal wat je dus niet wil zien.
It’s one thing to know what people play. It’s another to know what they didn’t play. If we know what you saw in front of you, we can know how many times you saw that title.”
Intussen rijst de vraag of Netflix de formule nog verder kan optimaliseren en de score tot 100% kan brengen. Het is niet zo dat het nog héél ver weg is. Het zou Yellin wel tevreden stellen als het Amerikaanse bedrijf dichter tegen die score aan kan schurken.
“We want to make it super easy. It’s hugely important for us and the consumer. They don’t come to Netflix with a machete in their hand looking to chop through a ton of content. It’s good for them because it makes it easy to find something great to watch and it’s great for us because we want to win the moment of truth“, aldus de Amerikaan.