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? 機械学習、アルゴリズム、そしてクリエイティビティ。 これらは、視聴者の先入観を打ち破り、最初は見ようと思わなかったような番組を見つけるための魔法のトリックなのです。 アルゴリズムとは何かというと、基本的にはNetflixに何をすべきかを指示する、データベースに基づいた命令の集合体です。
推薦システムは、異なる場所から集められたデータをまとめて動作します。 推奨される行は、あなたの視聴習慣に合わせて調整されます。 そのため、小さないとこがあなたのアカウントを使って、Peppa Pig を何十億時間も見ていることがわかるのです。 この場合、機械学習を促進するためにアルゴリズムが使われることが多い。 機械学習に基づくNetflixのようなシステムは、自分たちのユーザーから学びながら、自分たちを書き換えていく。 あなたが再生ボタンを押してテレビ番組や映画を見る時間を過ごすたびに、Netflixはアルゴリズムに情報を与えるデータを収集し、それを更新しているのです。
収集されたデータは多面的で複雑ですが、ユーザーが見ている番組のジャンルを処理して、ドラマやロマンス、コメディーを勧めるだけではありません。 Netflixのプロダクト・イノベーション担当副社長であるトッド・イェリンは、2017年にWiredにこう語っている。 “それらのプロファイルから見えるのは、次のような種類のデータです。”人々が何を見、何を後に見、何を前に見、1年前に何を見、最近何を見、どの時間帯に見たか “です。 Netflixの体験は、ランキング、検索、類似性、評価など、多くの機械学習アルゴリズムによって駆動されています。 一度に全カタログを提供することはできないので、キュレーションする必要がある。 品質とテイストが同じであることはほとんどないので、NetflixはRotten TomatoesやPitchfork、IMDbのようにはいかず、ユーザーを知り、各個人に合わせたレコメンドを得る必要がある。
Netflix は味覚グループと連携しています。 各視聴者は複数のグループに分類され、これらは、画面上のすべてのインターフェースのトップに表示されるおすすめや、どのジャンルの列が表示されるか、各列がどのように構成されているかに影響します。
機械学習アルゴリズムに使用されるタグは、世界中で同じものです。
機械学習アルゴリズムに使用されるタグは、世界中で共通です。Netflix は、現実の人間を雇って、テレビ番組や映画をすべて分類し、「視覚に訴えるノスタルジックドラマ」や「控えめなロマンチックロードトリップ映画」といった超特定ミクロジャンルを作成するために、それぞれにタグを適用してきました。
Why Rows Anyway?
Netflix の機械学習エンジニアである Chris Alvino は、メンバーがカタログの大部分を簡単にナビゲートできるように、列を選択したと説明します。 動画のまとまったグループを列で表示し、各列に意味のある名前を付け、便利な順序で列を表示することにより、メンバーは、列の動画セット全体に、その瞬間に見たいものが含まれていそうかどうかをすばやく判断することができます。
デバイスごとにハードウェア機能が異なるため、一度に表示される行の数やページ全体の大きさが制限されることがあり、そのため Netflix はデバイスごとの制約を認識する必要があります。
各行ではメンバーがカタログからナビゲーションできるユニークでパーソナライズしたスライスを提供することができます。 Netflix の課題の 1 つは、カタログの奥行きを強調し、メンバーが興味のある分野を強化するだけでなく、新しい分野を見つけられるように、ビデオの便利なグループ分けを作成することです。 レコメンデーションは、新鮮で反応の良いものであるべきですが、人々が自分のホームページに慣れ親しみ、最近おすすめされたビデオを簡単に見つけられるような安定したものでなければなりません。
An Image is Worth a Thousand Words
Netflix は最近、アートワークに基づいた新しいレコメンデーション アルゴリズムを実装しています。 これは、購読者にユニークなテーラーメイドの画像を提供するものです。 これらの画像は、あなたが Netflix から離れられなくなるように特別にデザインされています。
Gopal Krishnan は、自身の技術ブログ投稿で、この新しいアルゴリズムについてすべて説明しています。 Netflix は、ビッグ データと創造性を効果的に交差させるフレームワークを作成し、ユーザーがより速く楽しめる番組や映画を発見し、Netflix の膨大なカタログに圧倒されるのを防ぐために取り組んできました。
彼らは、90 秒以内にユーザーの注意を引かなければ、ユーザーはおそらく興味を失い、別の活動に移ってしまうだろうと述べています。
彼らは、カタログの多くのタイトルについて一連の画像をテストするシステムを構築し、エンゲージメントを高めるために魅力的な画像を表示するのに役立ちました。 多くの実験とテストを経て、Netflixは、ある範囲の感情を見ることで、実際に人々がテレビ番組や映画を見ようとする気持ちになるという結論に達しました。 これは、複雑な感情は、コンテンツのトーンやフィーリングに関する豊富な情報をユーザーに伝えるという事実によるものだと思われますが、テストで実際にどの程度のメンバーがこのように反応するのか、興味深いところです。 この例として、最近の「アンブレイカブル・キミー・シュミット」第2シーズンの受賞画像（「受賞」とは、最もエンゲージメントを高めたことを意味します）を以下に紹介します。
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).
