Netflix uppgång till att vara världens primära media streaming service var ingen fluke. Det var baserat på ett komplext recept av dataprofilering och känslor som innebär att företaget vet vad du vill titta på, även innan du känner dig själv.
Enligt Netflix senaste kvartals siffror hämtar media streaming service upp nästan 2 miljoner nya abonnenter varje månad .
Anledningen till denna obevekliga tillväxten (om du tror det är bra eller dåligt) går djupare än att ha en bekväm och prisvärd tjänst Varför ska du vara glad att betala mer för Netflix Varför ska du vara glad att betala mer för Netflix Varje gång Netflix ökar sin priser, miljontals binge-watching användare balk till utsikterna att betala ett par dollar mer. Men det här är dumt, för Netflix är en absolut stjäl. Läs mer att sälja. Det går djupare än sin mammut marknadsföring budget och strategier. Och det går definitivt djupare än Netflixs långt ifrån fullständiga 5 sätt att söka efter Netflix, Hulu, Amazon och mer, en gång 5 sätt att söka på Netflix, Hulu, Amazon och mer omedelbart Om du fortfarande har svårt att bestämma vilken av de online-filmströmmande tjänsterna som passar dig, är en av de viktigaste faktorerna att överväga när det gäller att fatta beslutet ... Läs mer bibliotek.
Det är Netflix hemliga sås av algoritmer, stora data och gutinstinkt som bränner denna ostoppbara tillväxt. Det är denna hemliga sås som gör det möjligt för Netflix att inte bara konsekvent rekommendera innehåll som användarna kommer att troligen älska, utan också att finansiera skapandet av det innehållet, säker på att det kommer att bli en framgång.
Otroligt stora data
Det är ingen överraskning att stora data spelar en stor roll i Netflix förmåga att rekommendera och finansiera rätt innehåll. Vad som är överraskande är dock typen av data och mängd data som Netflix spårar varje gång du använder tjänsten.
Enligt den officiella Netflix Tech Blog:
"Varje gång en medlem börjar titta på en film eller tv-episod, skapas en" vy "i våra datasystem och en samling händelser som beskriver den vyn samlas."
Som en del av denna process spårar Netflix din "hela visningshistoria så länge du [abonnerar]". Systemet "samlar periodiska signaler över hela vyn för att avgöra om en medlem är eller fortfarande inte tittar". Det spårar även dina sökningar, betyg, geografisk platsdata, enhetsinformation, webbläsarbeteende, tid på dagen / veckan som du tittar på, när du bestämmer dig för att dölja en show, pausa och spola framåt.
Med miljontals Netflix-användare som levererar miljontals timmar av innehåll varje månad, är den mängd data som företaget samlar in förvirrande. Dessa uppgifter är enormt viktiga för företagets framgång.
I 2014 omarbetade GigaOM Netflix Senior Data Scientist Hur man blir en datavetenskapare Hur man blir en datavetenskapare Datavetenskap har gått från en nyutvecklad term år 2007 till att vara en av de mest eftertraktade disciplinerna idag. Men vad gör en datavetenskapare? Och hur kan du bryta in i fältet? Läs mer, Mohammad Sabah och säga:
"75 procent av användarna väljer filmer baserat på företagets rekommendationer, och Netflix vill göra det numret ännu högre."
Denna tittarinformation är enorm, och det är viktigt att varför tjänsten kan vara så beroendeframkallande. Kombinerat med det stora utbudet av data som lagras om varje show, blir det svårt att vara oense med David Carrs teori om att "Netflix beställer originalinnehållet eftersom det vet vad folk vill ha innan de gör" (betoning av min egen).
Ever-Improving Algorithms
På egen hand är data av liten betydelse. Som Jason Gilbert skrev; "[Netflix] framgång bygger på hur bra det är att kunna välja programmering som tittarna tycker om medan de fortfarande är lönsamma."
För att göra detta använder Netflix algoritmer. Som Engineering Director, Xavier Amatriain, berättade Wired:
"[Företaget har utvecklat] flera algoritmer, vardera optimerade för ett annat syfte. I breda bemärkelser baseras de flesta av våra algoritmer på antagandet att liknande visningsmönster representerar liknande användar smaker. Vi kan använda liknande användares beteende för att avleda dina inställningar. "
Detta fokus på betraktningsmönster visar sig vara mycket mer tillförlitligt än att i första hand se på den betyg du ger till en show.
Eftersom data om användare och innehåll matas in i denna maskininlärning Hur intelligent programvara kommer att förändra ditt liv Hur intelligent programvara kommer att förändra ditt liv Skynet kommer, och det kommer att bli otroligt populärt. Nya AI-tekniker utvecklas som kommer att slumpmässigt det sätt vi lever, spelar och arbetar, Läs mer algoritmer, kan betraktarens beteende matchas med shows som har vissa likheter - produktionsår, cast, regissör, etc. Som vi kan se från antalet timmar av media som streamas på Netflix varje dag, dessa algoritmer fungerar tydligt. Men de är alltid ett pågående arbete.
Företaget löper ständigt ett stort antal A / B-test (vilket gör att användarupplevelse och algoritmändringar kan rullas ut och testas på små undergrupper av användare) för att iterativt förbättra var och en av dessa algoritmer. Enligt Amatriain "får vi prova radikala idéer eller testa många tillvägagångssätt samtidigt". Det primära syftet är nästan alltid att förbättra "medlemsförlovning (t.ex. timmar av spel) och retention".
Magkänsla
I en annan Netflix Tech Blog-post säger Xavier Amatriain:
"Mängden källdata, mätningar och tillhörande experiment tillåter oss att driva en datadriven organisation. Netflix har införlivat detta tillvägagångssätt i sin kultur sedan företaget grundades ".
Idén att visa tillverkas och rekommenderas endast baserat på data är något störande. Men TV-industrin har alltid lita mycket på data (ofta i form av fokusgrupper och tittarnummer). Men Netflix tar det här några steg längre.
Med det sagt, Joris Evers, företagets chef för global företags kommunikation vill lätta användarnas sinnen. Han berättade för New York Times:
"Vi blir inte mycket involverade på den kreativa sidan ... Vi anställer rätt personer och ger frihet och budget att göra bra jobb. Det betyder att när Seth Rogen och Kristen Wiig tillkännages som speciella gäster på kommande episoder av arresterad utveckling, beror det inte på att en statistisk analys berättade för Netflix att göra det. "
Med andra ord uppger värdet av stora data och algoritmer Netflix beslut snarare än att diktera dem. Kreativa idéer för filmer att finansiera och visar till licens kommer att bli tjocka och snabba. De som trivs kommer att bli föremål för uppgifterna. Om det ser ut som om en stor del av Netflix användare kommer att vara intresserad, och beslutsfattarnas känsla säger att showen kommer att bli en hit, får den en tumme upp och en stor kontroll.
Det här receptet verkar fungera
Denna blandning av data, ständigt förbättrande av algoritmer och tarminstinkt verkar fungera för Netflix. Så mycket, faktiskt, att företaget har förtroendet att finansiera hela serien av visar innan man släpper ut en pilot episod. De flesta andra programföretag arbetar motsatt sätt.
Producenter och regissörer kan lägga kreativa idéer till Netflix. Om den stora data- och tarmkänslan kompletterar, och föreslår att kostnaderna kan återvinnas när det gäller nya abonnenter som erhållits och ökad behållning, kan Netflix gå all-in. House of Cards är ett exempel där företaget investerade $ 100 miljoner i två årstider utan att ens se en pilot episod. Och det är därför 2016 kommer att se Netflix producera mer originalinnehåll än de flesta andra programföretag gör under flera år.
Detta skulle inte vara möjligt om Netflix inte kunde vara otroligt pålitlig för att förstå och förutsäga vad du (eller åtminstone de flesta) skulle älska att titta på. Innan du ens känner dig själv.
Över till dig: Finns Netflix rekommendationer som passar din smak? Om inte, försök med dessa hemliga Netflix-sökkoder. 20 Secret Netflix-koder som garanteras för att hjälpa dig att hitta nytt innehåll. 20 Secret Netflix-koder som garanteras för att hjälpa dig att hitta nytt innehåll. Här är vår lista över de 20 hemliga Netflix-koder som garanterar dig att hitta nytt innehåll. Läs mer . Och känner du dig bekväm med att Netflix vet så mycket om ditt beteendebeteende, gillar och ogillar dem?
Image Credit: ungt par av Andrey_Popov via Shutterstock, Serverrum av Torkild Retvedt (Flickr)