Netflixs stigning til at være verdens primære media streaming service var ingen fluke. Det var baseret på en kompleks opskrift af datamanipulation og følelser, som betyder, at firmaet ved hvad du vil se, selv før du kender dig selv.
Ifølge Netflix seneste kvartalsvise tal stiger mediestreaming service næsten 2 millioner nye abonnenter hver måned .
Årsagen til denne ubarmhjertige vækst (uanset om du mener det er godt eller dårligt) går dybere end at have en praktisk og rimelig service Hvorfor du bør være glad for at betale mere for Netflix Hvorfor du bør være glad for at betale mere for Netflix Hver gang Netflix øger sin priser, millioner af binge-watching brugere balk på udsigt til at betale et par dollars mere. Men det er dumt, fordi Netflix er en absolut stjæle. Læs mere for at sælge. Det går dybere end dets mammut marketing budget og strategier. Og det går helt sikkert dybere end Netflixs langt fra komplette 5 måder at søge Netflix, Hulu, Amazon og mere på én gang 5 måder at søge Netflix, Hulu, Amazon og mere på én gang, hvis du stadig har det svært at bestemme hvilken af de online film streaming tjenester er rigtige for dig, en af de vigtigste faktorer at overveje, når det kommer til at træffe denne beslutning er ... Læs mere bibliotek.
Det er Netflix 'hemmelige sauce med algoritmer, store data og gutinstinkt, der brænder denne ustoppelige vækst. Det er denne hemmelige sauce, der gør det muligt for Netflix ikke bare konsekvent at anbefale indhold, som brugerne (sandsynligvis) vil elske, men også for at finansiere oprettelsen af det indhold, der er overbevist om, at det vil være en succes.
Utrolige mængder af store data
Det er ikke overraskende, at store data spiller en stor rolle i Netflix evne til at anbefale og finansiere det rigtige indhold. Det overraskende er imidlertid den slags data og mængden af data, som Netflix sporer hver gang du bruger tjenesten.
Ifølge den officielle Netflix Tech Blog:
"Hver gang et medlem begynder at se en film- eller tv-episode, oprettes der en" visning "i vores datasystemer, og en samling af begivenheder, der beskriver denne visning, er samlet."
Som en del af denne proces følger Netflix din "hele visningshistorie, så længe [du] abonneres". Systemet "samler periodiske signaler i hvert enkelt billede for at afgøre, om et medlem er eller stadig ikke ser". Den sporer også dine søgninger, bedømmelser, geografiske data, enhedsoplysninger, browseradfærd, tidspunktet på dagen / ugen, som du ser, når du beslutter dig for at afværge et show, for at pause og for at spole frem.
Med millioner af Netflix-brugere, der strømmer over millioner af timers indhold hver måned, er mængden af data, som virksomheden samler, forvirrende. Disse data er enormt vigtige for virksomhedens succes.
I 2014 GigaOM parafraseret Netflix Senior Data Scientist Sådan Bliv Dataforsker Sådan Bliv Dataforsker Datavidenskab er gået fra en nybegyndet periode i 2007 til at være en af de mest eftertragtede discipliner i dag. Men hvad gør en datavidenskabsmand? Og hvordan kan du bryde ind i marken? Læs mere, Mohammad Sabah, siger:
"75 procent af brugerne vælger film baseret på virksomhedens anbefalinger, og Netflix ønsker at gøre dette nummer endnu højere."
Denne seer data er enorm, og det er afgørende for, hvorfor tjenesten kan være så vanedannende. Kombineret med det store antal data, der er lagret om hvert show, bliver det svært at være uenig med David Carrs teori om, at "Netflix er i gang med oprindeligt indhold, fordi det ved, hvad folk vil have, før de gør" (min egen vægt).
Ever-Improving Algorithms
På egen hånd er dataene ringe. Som Jason Gilbert skrev; "[Netflix] succes er baseret på, hvor godt det er muligt at vælge programmering, som dets seere kan lide, mens de stadig er rentable."
For at gøre dette bruger Netflix algoritmer. Som Engineering Director, Xavier Amatriain, fortalte Wired:
"[Virksomheden har udviklet] flere algoritmer, hver optimeret til et andet formål. I bred forstand er de fleste af vores algoritmer baseret på antagelsen om, at lignende visningsmønstre repræsenterer lignende brugersmag. Vi kan bruge lignende brugeres adfærd til at udlede dine præferencer. "
Dette fokus på visningsmønstre viser sig langt mere pålideligt end først og fremmest at se på den rating, du giver til et show.
Da data om brugere og indhold bliver fodret ind i denne maskinindlæring, hvordan intelligent software skal ændre dit liv, hvordan intelligent software skal ændre dit liv Skynet kommer, og det bliver utrolig populært. Nye AI teknologier kommer frem, som vil chancen for, hvordan vi lever, spiller og arbejder, Læs mere algoritmer, kan seerens adfærd matches med shows, der har visse ligheder - produktionsår, cast, direktør mv. Som vi kan se fra Antallet af medier, der bliver streamet på Netflix hver dag, disse algoritmer virker klart. Men de er altid et igangværende arbejde.
Virksomheden driver løbende et stort antal A / B-tests (der tillader brugeroplevelse og algoritmeændringer at blive rullet ud og testet på små undersæt af brugere) for iterativt at forbedre hver af disse algoritmer. Ifølge Amatriain "prøver vi at prøve radikale ideer eller teste mange tilgange på samme tid". Det primære mål er næsten altid at forbedre "medlemsinddragelse (fx timers lege) og tilbageholdelse".
Mavefornemmelse
I et andet Netflix Tech Blog-indlæg siger Xavier Amatriain:
"Overfladen af kildedata, målinger og tilhørende eksperimenter tillader os at drive en datastyret organisation. Netflix har indlejret denne tilgang i sin kultur siden virksomheden blev grundlagt. "
Ideen om at blive produceret og anbefalet udelukkende baseret på data er noget foruroligende. Men tv-industrien har altid været meget afhængig af data (ofte i form af fokusgrupper og seernumre). Netflix tager dog dette et par skridt videre.
Med det sagt, Joris Evers, selskabets direktør for global corporate kommunikation ønskede at lette brugernes sind. Han fortalte New York Times:
"Vi bliver ikke meget involverede på den kreative side ... Vi ansætter de rigtige mennesker og giver frihed og budget til at gøre godt arbejde. Det betyder, at når Seth Rogen og Kristen Wiig annonceres som særlige gæster på kommende episoder af arresteret udvikling, er det ikke fordi en statistisk analyse fortalte Netflix at gøre det. "
Med andre ord oplyser værdien af store data og algoritmer Netflix beslutning snarere end dikterer dem. Kreative ideer til film at finansiere og viser til licens vil komme tykt og hurtigt. Dem, der føler sig godt, vil blive udsat for dataene. Hvis det ser ud som om en stor nok sektion af Netflix brugere vil være interesseret, og beslutningstagerens tarmfølelse siger, at showet bliver et hit, får det en tommelfingre og en stor check.
Denne opskrift ser ud til at virke
Denne blanding af data, der løbende forbedrer algoritmer og gutinstinkt, ser ud til at fungere for Netflix. Så meget i virkeligheden, at selskabet har tillid til at finansiere hele serien af shows, inden den frigiver en pilot episode. De fleste andre tv-stationer fungerer på den modsatte måde.
Producenter og direktører kan sætte kreative ideer til Netflix. Hvis den store data- og tarmfølelse føjer sig op og foreslår, at omkostningerne kan inddrives i form af nye abonnenter, der er opnået og øget tilbageholdelse, kan Netflix gå all-in. House of Cards er et eksempel, hvor firmaet investerede $ 100 millioner i to sæsoner uden at se en pilot episode. Og det er derfor 2016 vil se Netflix producere mere originalt indhold end de fleste andre tv-stationer gør i flere år.
Dette ville ikke være muligt, hvis Netflix ikke kunne være unnervingly pålidelige til forståelse og forudsige, hvad du (eller i det mindste de fleste) ville elske at se. Før du selv kender dig selv.
Over til dig: Kan du finde Netflix anbefalinger passer til din smag? Hvis ikke, prøv disse hemmelige Netflix-søgningskoder 20 Secret Netflix-koder, der garanteres for at hjælpe dig med at finde nyt indhold 20 Secret Netflix-koder, der garanteres for at hjælpe dig med at finde nyt indhold Her er vores liste over de 20 hemmelige Netflix-koder, der garanteres for at hjælpe dig med at finde nyt indhold. Læs mere . Og har du det godt at have Netflix kender så meget om din visnings adfærd, kan lide og ikke lide?
Billedkredit: Ungt par af Andrey_Popov via Shutterstock, Serverrum af Torkild Retvedt (Flickr)