Как работает система рекомендаций Netflix, с помощью которой компания зарабатывает миллиарды

Сейчас уже трудно припомнить, какой была телевизионная отрасль в до-стриминговую эпоху. До Netflix люди брали в прокате VHS-кассеты или DVD-диски, а также смотрели всё, что шло по разным каналам. Сегодня потребители могут мгновенно транслировать контент на любое устройство в любом месте. Netflix всё изменил — вы больше не привязаны к телевизору, и не нужно смотреть рекламу. Но плата за эту благость — вас «зомбируют» :)

Для потокового сервиса очень важно, чтобы вы продолжали платить каждый месяц, а не поштучно за прокат одного любимого фильма.

Netflix создал свою собственную «иглу одобрения» — алгоритмы, которые рекомендуют вам сериалы, кино и программы для просмотра. Чтобы вы не соскочили и возобновляли подписку, вам должно быть приятно видеть в рекомендованном что-то бьющее прямо в сердце именно вас. Компьютерная программа изучает ваши привычки, и создает такой персональный пузырек контента.

Всё началось еще в 2000 году — тогда компания стала использовать аналитические инструменты, чтобы рекомендовать пользователям видео для проката. Сегодня алгоритмы персонализированных рекомендаций приносят Netflix 1 миллиард долларов в год за счет удержания клиентов. Но не волнуйтесь — они никого не приковывают к батарее, вставляя спички в глаза и заставляя смотреть свои видосы. Оказывается, использование динамического оптимизатора помогает сжимать кодеки и улучшать передачу сетевых данных. Короче говоря, искусственный интеллект (ИИ) предотвращает перегруженность каналов и нестабильную связь. Фильмы не зависают благодаря программке, и подписчики не отваливаются!

Ещё несколько показателей:
— Большинство подписчиков пролистывают рекомендации, при этом 80% просмотров всего стриминга делаются как раз на основании этих советов.
— Netflix настроил 1300 кластеров рекомендаций на основе предпочтений пользователей.
— Все зрители разделены более чем на 2000 групп по интересам. На основании того, в какую группу вы попадете, вам будут транслироваться рекомендации.
— У Netflix 61 млн подписчиков в США и еще 106 млн по всему миру.

Директор по контенту Netflix Тед Сарандос считает главной фишкой компании вовсе не собственные фильмы и сериалы, а именно круто настроенных роботов, подсказывающих, что смотреть:
— Нет такого понятия, как «шоу Netflix». Наш бренд — это персонализация.

Успеть за 90 секунд

За основу взято 90-секундное окно, чтобы помочь зрителям найти фильм или телепередачу, прежде чем они покинут платформу и уйдут на какой-то другой сервис. Что можно показать человеку за полторы минуты?

На главной странице вы видите группу видео горизонтальными рядами. Персональные рекомендаций начинаются с выбора строк и порядка размещения элементов. В создании этих вот привычных уже полосочек с картинками задействованы нейронные сети, причинное моделирование, вероятностные графические модели, матричная факторизация и другие выкрутасы программирования. Атас, да?!

Это уже не просто «Если вы смотрели «Друзья», вам понравится «Как я встретил вашу маму». Платформа покажет настолько точные варианты, что аж не по себе. Например, романтические драмы, где главный герой — левша. Машин лёрнинг, йопта! Сотни разработчиков сидят, клепают самообучающуюся систему, которая анализирует привычки миллионов залипших на экраны и оценивает вероятность того, что выберет каждый конкретный человек. Для этой умной программы имеют значение:
— взаимодействия зрителя со службами сервиса — рейтинги, история просмотров;
— информация о категориях, годе выпуска, названии, жанрах и многом другом;
— другие зрители с похожими предпочтениями и вкусами просмотра;
— продолжительность просмотра;
— устройство просмотра;
— время дня, в которое зритель что-то смотрит (это связано с тем, что Netflix располагает данными о различном поведении при просмотре, в зависимости от времени дня, дня недели, местоположения и устройства, на котором просматривается шоу или фильм).

Весёлые картинки

Другое поле рекомендаций, где топчется ИИ — картиночка и слоган к каждому видео. Это приводит к тому, что разным зрителям к одним и тем сериалам и фильмам транслируются совершенно разные изображения.

На миниатюру могут выделить захватывающую сцену из фильма, например автомобильную погоню, известного актера, которого вы любите, или драматическую сцену. Программа сама решит, что показать именно вам. Вы увидите то, что заставит кликнуть на видео — сопротивление бесполезно. Меня мурашки пробирают, когда я думаю о том, что некий кусок программного кода знает меня лучше всех на земле.

Рассмотрим, как это работает, по пунктам:
— В часовом эпизоде ​​Stranger Things >86 000 статичных видеокадров.
— Каждому из этих видеокадров по отдельности могут быть назначены определенные атрибуты, которые впоследствии используются для фильтрации до лучших кандидатов-миниатюр с помощью набора инструментов и алгоритмов, называемых эстетическим визуальным анализом (AVA).
— Для аннотации создаются метаданные для каждого кадра, включая яркость, количество граней, тон кожи, ​​вероятность обнажённого тела, уровень размытия движения, симметрию.
— Ранжирование изображений проводится по метаданным, чтобы выбрать конкретные изображения высочайшего качества (хорошее освещение, отсутствие размытия в движении, возможно, содержит некоторые лица главных героев под приличным углом, не содержат ничего лишнего).
Ну вот, а потом, когда программа выберет несколько картинок для показа в рекомендациях, начинается А/В тестирование. Самые кликабельные затем транслируются широким массам. Из анализа миллионов кликов мы теперь, например, знаем, что на изображениях в рекомендациях работает следующее:
— Показать крупным планом эмоционально выразительные лица
— Показать злодеев вместо героев
— Не показывать больше трех персонажей
Теперь вы будете кликать на рекомендации более осознанно. Если вдруг решите сломать систему, можете жать на скучные лица никому неизвестных собак.

Эпилог

Да, программа никогда не сможет просчитать человека полностью — у каждого из нас уникальный жизненный опыт. Но в какие-то группы по интересам мы всё же разбиваемся. И становимся не единственными в своём роде снежинками, а снежками из зрителей. За пределы этих групп по интересам выйти трудно, да, по большому счету и не требуется. Чтобы выйти из зоны комфорта, надо сначала хоть разок туда попасть. Рекомендации сериалов становятся нашей тихой гаванью.

Огромные объёмы данных о нас используются стримингами не только, чтобы сформировать успешный каталог видео. Телевизионный Скайнет ещё и прицельно тратит деньги на рекламу, чтобы находить новых подписчиков, говорит, как улучшить производство сериалов и фильмов (просчитать бюджет съемок, выдать вероятность дождя или отредактировать данные во время пост-продакшена), оптимизирует кодирование аудио и видео.

В ИИ вкладываются миллиарды, и он себя отбивает. Сейчас, например, ведутся разработки в области взаимодействия стриминга с голосовыми помощниками. Представьте, что вы можете высказать Алексе или Сири своё мнение о новой серии свежепосмотренного сериальчика, а она разумно среагирует? Пока что вроде как нереализуемо, но программисты пишут, служба идёт. Скоро программа научится понимать контекст и проговаривать что-то внятное в ответ, а также рекомендовать новое на стриминге в плотной связке с вашими интересами.

Вообще ИИ может такое, что нам и не снилось. Не так давно Warner Bros. пришлось потратить несколько миллионов долларов, чтобы с помощью компьютерной графики в «Лиге справедливости» убрать усы, которые Генри Кавилл не мог сбрить из-за участия в другом проекте. А вот deep fake справился бы с этим гораздо дешевле! Но это уже совсем другая история.

От редакции MyShows: «Это статья из рассылки для сериаломанов Telescope. Подписывайтесь, чтобы получать два письма в неделю».