Nouvelles Du Monde

Netflix sait ce que vous aimez

Netflix sait ce que vous aimez

Netflix est la première société de streaming vidéo à la demande par abonnement au monde. Avec plus de 221 millions d’abonnements payants dans plus de 190 pays visionnant des millions d’heures de contenu, Netflix génère d’énormes quantités de données.

À l’ère de l’économie de l’attention, les grandes entreprises technologiques se disputent constamment le temps d’écran des utilisateurs sur tous les appareils. C’est pourquoi la distribution efficace de contenu pertinent est extrêmement pertinente pour le succès commercial de toute entreprise de médias. De grandes entreprises comme Meta ont investi des milliards dans des systèmes de recommandation conçus pour maintenir l’engagement des utilisateurs. Netflix a non seulement développé sa bibliothèque de contenu visuel, mais il a également développé le meilleur bibliothécaire pour aider les consommateurs à trouver leur prochaine émission préférée.

Le système de recommandation de Netflix est essentiel à son succès, étant donné que l’utilisateur moyen perd tout intérêt après 60 à 90 secondes de défilement des titres, passant en revue 10 à 20 titres. Cela signifie que le système de recommandation de Netflix a moins d’une minute et demie pour trouver quelque chose que ses utilisateurs aiment, ou il risque de les abandonner. Les internautes ont de nombreuses autres choses à faire ou à regarder sans frais de changement.

Lire aussi  L'investissement a absorbé avec succès 307 000 travailleurs: ministère des Finances

Les algorithmes de recommandation, connus sous le nom de Classeur vidéo personnalisé (PVR), servent d’atout clé et définissent littéralement l’expérience utilisateur de Netflix. La page d’accueil que les utilisateurs voient lorsqu’ils ouvrent l’application est unique et personnalisée. Les films et séries affichés sur environ 40 lignes avec 75 vidéos par ligne sont différents à chaque ouverture de Netflix. Par exemple, pour certains utilisateurs, le À la mode maintenant la ligne peut être affichée avant le Continuer à regarder ligne.

L’écran d’accueil de Netflix

Les algorithmes de Netflix n’influencent pas seulement l’affichage de la position du contenu. Ils modifient également les images affichées pour certains titres en fonction du public.

Différentes bannières pour le même spectacle : Stranger Things

L’algorithme utilisé par Netflix est constamment formé et renouvelé par vous. Les algorithmes reposent sur une combinaison de techniques statistiques et d’apprentissage automatique, qui peuvent être supervisées ou non supervisées. Cela génère de puissants effets de réseau basés sur les données qui sont extrêmement difficiles à reproduire. Plus un utilisateur interagit avec Netflix, plus le modèle devient précis et plus le temps de valorisation (regarder un film) est court. Cela peut être quantifié comme un KPI d’entreprise dans lequel le nombre d’utilisateurs qui arrêtent une session sans regarder le contenu (attrition) est minimisé.

Effets de réseau basés sur les données

De plus, le système de recommandation de Netflix a un effet direct sur l’inventaire des médias. La capacité de recommander et de distribuer efficacement du contenu à un public qui, autrement, n’aurait pas été au courant vaut des milliards de dollars. La Taille effective du catalogue (ECS) décrit comment la visualisation est répartie dans un catalogue de spectacles. Si tout le visionnage provient d’une émission, par exemple Choses étranges le nombre est 1, donc plus le nombre est bas, plus les téléspectateurs sont répartis sur la plate-forme de contenu. La différence d’ECS entre une recommandation non personnalisée et une recommandation personnalisée est de 4x. Essentiellement, Netflix obtient un meilleur retour sur investissement pour la distribution de son contenu (système de recommandation) que pour sa création et sa publication sur la plateforme.

Lire aussi  Moselle-nord. Courrier pas distribué, retards… Que se passe-t-il à La Poste ?

Netflix a dû surmonter de grands défis pour créer un système de recommandation, et à bien des égards, ils ne font que commencer. Même si 80 % du contenu consulté est facilité par le système de recommandation (20 % de recherche), les clients trouvent souvent le contenu qu’ils n’aiment pas ou rien à regarder du tout. Cela montre à quel point il est difficile de créer le système de recommandation parfait pour tous les utilisateurs. Du bon côté, c’est aussi un fort MOAT contre les nouveaux venus comme Disney Plus qui n’ont pas les années de données nécessaires pour créer une solution comparable.

Un problème récurrent auquel le système de recommandation de Netflix est confronté est celui des recommandations pour les nouveaux utilisateurs. Le problème de démarrage à froid commence lorsque de nouveaux abonnés commencent à utiliser Netflix pour la première fois, et l’algorithme ne dispose d’aucune donnée pour faire des déductions et développer des recommandations pertinentes. Netflix essaie de minimiser le risque de mauvaises premières impressions/recommandations en demandant aux utilisateurs de sélectionner quelques titres qu’ils aiment et de relancer littérairement le système de recommandation.

Lire aussi  Le concours de photos d'animaux de compagnie de la Humane Society est en cours - The Troy Messenger
Comment fonctionne le système de recommandation de Netflix pour les nouveaux utilisateurs

Au cours des derniers mois, les gros titres de Netflix ont été en proie à la catastrophe en raison de la perte d’abonnés et de la concurrence bien financée d’Amazon et de Disney. Les soi-disant guerres de contenu menacent de rendre l’ensemble du secteur non rentable. Il s’agit d’une opportunité évidente pour le système de recommandation de Netflix, car il est difficile de reproduire un MOAT qui est 4 fois plus important que la quantité de contenu d’une plate-forme.

Enfin, à quoi ressemble votre page d’accueil Netflix ? Postez-le dans les commentaires.

Sources:

Lien 1

Lien 2

Lien 3

Lien 4

Lien 5

Facebook
Twitter
LinkedIn
Pinterest

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.

ADVERTISEMENT