More than 80 per cent of the TV shows and movies people watch on Netflix are discovered through the platform’s recommendation system. That means when you think you are choosing what to watch on Netflix you are basically choosing from a number of decisions made by an algorithm.
Netflix offers thousands of TV shows available for streaming. It recommends titles for each user. If you use Netflix you may have noticed they create reeeally precises genres: Romantic Dramas Where The Main Character is Left Handed. How do they come up with those genres? How to they deal with giving great recommendations to their 100 million-plus subscribers who are already used to getting recommendations from pretty much every platform they use? Maschinelles Lernen, Algorithmen und Kreativität. Das sind ihre Zaubertricks, um die vorgefassten Meinungen der Zuschauer zu durchbrechen und Sendungen zu finden, an die sie anfangs vielleicht nicht gedacht hätten. Wer immer noch nicht weiß, was ein Algorithmus ist, dem sei gesagt, dass es sich im Grunde um eine Reihe von datenbasierten Anweisungen handelt, die Netflix sagen, was zu tun ist.
Das Empfehlungssystem setzt Daten aus verschiedenen Quellen zusammen. Die empfohlenen Zeilen sind auf Ihre Sehgewohnheiten zugeschnitten. Deshalb können Sie erkennen, wenn Ihre kleinen Cousins und Cousinen Ihr Konto nutzen, um eine Milliarde Stunden Peppa Pig zu sehen. In diesem Fall werden oft Algorithmen eingesetzt, um das maschinelle Lernen zu erleichtern. Systeme wie Netflix, die auf maschinellem Lernen basieren, schreiben sich selbst um, da sie von ihren eigenen Nutzern lernen. Jedes Mal, wenn Sie auf „Play“ drücken und sich eine Fernsehsendung oder einen Film ansehen, sammelt Netflix Daten, die den Algorithmus informieren und ihn aktualisieren. Je mehr man schaut, desto aktueller ist der Algorithmus.
Die gesammelten Daten sind vielschichtig und komplex, aber sie umfassen weit mehr als nur die Verarbeitung des Genres eines Programms, das ein Nutzer anschaut, um ihm oder ihr Dramen, Romanzen oder Komödien zu empfehlen. Todd Yellin, Netflix‘ VP für Produktinnovation, sagte 2017 gegenüber Wired: „Was wir von diesen Profilen sehen, sind die folgenden Arten von Daten – was die Leute sehen, was sie danach sehen, was sie davor sehen, was sie vor einem Jahr gesehen haben, was sie kürzlich gesehen haben und zu welcher Tageszeit.“ Das Netflix-Erlebnis wird durch eine Reihe von Algorithmen für maschinelles Lernen gesteuert: Ranking, Suche, Ähnlichkeit, Bewertungen und mehr. Netflix kann nicht seinen gesamten Katalog auf einmal anbieten, sondern muss ihn kuratieren. Da Qualität und Geschmack selten dasselbe sind, kann Netflix nicht wie Rotten Tomatoes, Pitchfork oder IMDb arbeiten, sondern muss seine Nutzer kennen und auf jeden Einzelnen zugeschnittene Empfehlungen erhalten.
Netflix arbeitet mit Geschmacksgruppen. Jeder Zuschauer kann mehreren Gruppen zugeordnet werden, und diese Gruppen haben Einfluss darauf, welche Empfehlungen oben auf der Bildschirmoberfläche angezeigt werden, welche Genre-Reihen angezeigt werden und wie die einzelnen Reihen angeordnet sind. Wenn Ihre Sehgewohnheiten denen eines anderen Nutzers ähneln, gibt Netflix Empfehlungen, die auf dem Verhalten dieser anderen Nutzer basieren.
Die Tags, die für die Algorithmen des maschinellen Lernens verwendet werden, sind überall auf der Welt gleich. Netflix hat echte Menschen eingestellt, die alle Fernsehsendungen und Filme kategorisieren und mit Tags versehen, um hyperspezifische Mikrogenres zu schaffen, wie z. B. „visuell beeindruckende nostalgische Dramen“ oder „romantische Road-Trip-Filme“.
Alle diese Datenfaktoren kommen zusammen, um festzustellen, in welche Geschmacksgruppe Sie passen. Der Bildschirm jedes Nutzers wird von links nach rechts und von oben nach unten bevölkert, je nachdem, zu welcher Gruppe er gehört.
Warum überhaupt Reihen?
Chris Alvino, Ingenieur für maschinelles Lernen bei Netflix, erklärt, dass man sich für Reihen entschieden hat, um den Mitgliedern die Navigation durch einen großen Teil des Katalogs zu erleichtern. Indem sie zusammenhängende Gruppen von Videos in einer Reihe präsentieren, jeder Reihe einen aussagekräftigen Namen geben und die Reihen in einer sinnvollen Reihenfolge darstellen, können die Mitglieder schnell entscheiden, ob ein ganzer Satz von Videos in einer Reihe wahrscheinlich etwas enthält, das sie in diesem Moment sehen möchten. Dies ermöglicht es den Mitgliedern, entweder tiefer einzutauchen und nach weiteren Videos in diesem Thema zu suchen oder sie zu überspringen und sich eine andere Reihe anzusehen.
Jedes Gerät hat unterschiedliche Hardware-Fähigkeiten, die die Anzahl der gleichzeitig angezeigten Reihen und die Größe der gesamten Seite einschränken können, weshalb Netflix sich der Einschränkungen jedes Geräts bewusst sein muss.
Jede Zeile kann einem Mitglied einen einzigartigen und personalisierten Ausschnitt aus dem Katalog bieten, durch den es navigieren kann. Ein Teil der Herausforderung für Netflix besteht darin, nützliche Gruppierungen von Videos zu schaffen, um die Tiefe des Katalogs hervorzuheben und den Mitgliedern zu helfen, nicht nur ihre Interessengebiete zu stärken, sondern auch neue zu finden. Die Empfehlungen sollten frisch und reaktionsschnell, aber auch stabil sein, damit die Nutzer mit ihrer Homepage vertraut sind und leicht Videos finden können, die ihnen in der jüngsten Vergangenheit empfohlen wurden.
Ein Bild sagt mehr als tausend Worte
Netflix hat kürzlich einen neuen Empfehlungsalgorithmus eingeführt, der auf Kunstwerken basiert. Er bietet seinen Abonnenten einzigartige, maßgeschneiderte Bilder an. Diese Bilder wurden speziell entwickelt, um Sie bei Netflix zu halten. Dabei werden viele der von uns erwähnten Datenfaktoren berücksichtigt.
Gopal Krishnan hat in seinem technischen Blogbeitrag alles über diesen neuen Algorithmus erklärt. Netflix hat daran gearbeitet, einen Rahmen zu schaffen, der es ihnen ermöglicht, Big Data und Kreativität effektiv miteinander zu verknüpfen, damit die Nutzer schneller Sendungen und Filme finden, die ihnen gefallen, und sie nicht mit dem riesigen Netflix-Katalog überfordert sind. Als Ergebnis dieser Untersuchung haben sie nun die einzigartige Fähigkeit zu verstehen, welche Bilder für jeden Nutzer am besten funktionieren.
Sie sagen, dass, wenn sie die Aufmerksamkeit eines Nutzers nicht innerhalb von 90 Sekunden fesseln, er oder sie wahrscheinlich das Interesse verlieren und zu einer anderen Aktivität übergehen wird. Bei einer so kurzen Zeitspanne, um das Interesse des Nutzers zu wecken, sind Bilder die effizienteste und überzeugendste Methode, um ihn dazu zu bringen, den perfekten Titel so schnell wie möglich zu entdecken.
Sie haben ein System entwickelt, das eine Reihe von Bildern für viele Titel in ihrem Katalog testet und dabei hilft, ein überzeugendes Bild anzuzeigen, um die Beteiligung zu fördern. Durch viele Experimente und Tests kam Netflix zu dem Schluss, dass der Anblick eines bestimmten Spektrums an Emotionen die Menschen tatsächlich dazu bringt, sich eine Fernsehsendung oder einen Film anzusehen. Dies ist wahrscheinlich darauf zurückzuführen, dass komplexe Emotionen den Nutzern eine Fülle von Informationen über den Ton oder das Gefühl des Inhalts vermitteln, aber es ist interessant zu sehen, wie sehr die Mitglieder in Tests tatsächlich auf diese Weise reagieren. Ein Beispiel dafür ist das jüngste Siegerbild („siegreich“ bedeutet, dass es das meiste Engagement hervorrief) für die zweite Staffel von Unbreakable Kimmy Schmidt unten:
That winning image is the one that would work best for a majority of Netflix users. But they have pushed even further and given the enormous diversity in taste and preferences, they decided to put together different artwork for each user to highlight the aspects of a show or movie that are relevant to them.
In order to choose which image each user has on their feed, Netflix focuses on what other shows and movies users have been watching. For example, a member who watches many movies featuring Uma Thurman would likely respond positively to the artwork for Pulp Fiction that contains Uma. Meanwhile, a fan of John Travolta may be more interested in watching Pulp Fiction if the artwork features John.
Not all the scenarios for personalizing artwork are this clear and obvious but data does all the work in order to choose the artwork for each user and improve the Netflix experience (and keep users binging, of course).
