Около 80% контента, предлагаемого к просмотру на Netflix, формируется по системе рекомендаций пользователей. В индустрии потокового вещания эта американская компания занимает 51% доли рынка, количество подписчиков составляет более 148 миллионов человек. Сегодня компания уверенно идет вперед по пути роста прибыльности. По данным аналитической компании Statista, годовой доход Netflix с 2002 по 2018 год последовательно рос в геометрической прогрессии (от 150 миллионов до 15 миллиардов долларов).

В отличие от большинства других брендов, рост популярности и уровня доходов Netflix объясняется скорее содержанием и удобным пользовательским интерфейсом, чем маркетингом, и весь предлагаемый пользователю контент в значительной степени зависит от больших данных (Big Data). Например, решение полностью заблокировать VPN было довольно эксцентричным, ведь на момент блокировки (2016 год) более 30 миллионов пользователей сервиса жили в странах, где без использования VPN служба Netflix была недоступна. В том же году поставщик контента поднял цены и отказался их снижать, несмотря на протесты и потерю сотен тысяч подписчиков. За три года количество подписчиков увеличилось.

Абонентская база Netflix за 3 года увеличилась на 60 миллионов человек (100 млн. – 2016 год, 160 млн. – 2019 год). Именно использование больших данных позволяет компании точно узнать, чего хотят пользователи. Эксперты делают ставки на контент и пользовательский опыт, причем, на контент расходуется большая часть бюджета (покупка прав на трансляцию сериалов, например). На него в 2019 году было выделено чуть менее 15 миллиардов долларов, а на маркетинговые технологии – всего 2,9 миллиардов.

Инфраструктура больших данных Netflix

Компания использует программное обеспечение для обработки данных и традиционные инструменты бизнес-аналитики, такие как Hadoop и Teradata, а также собственные решения с открытым исходным кодом, такие как Lipstick и Genie, для сбора, хранения и обработки огромных объемов информации. Эти платформы влияют на выбор того, какой контент создавать и продвигать.

Компания не использует традиционное хранилище данных Hadoop на базе центра обработки данных. Чтобы хранить и обрабатывать постоянно растущий объем данных, применяют Amazon S3, раскручивая несколько кластеров Hadoop для разных рабочих нагрузок, обращающихся к одним и тем же данным. В экосистеме Hadoop применяют Hive для специальных запросов и аналитики, а также Pig для ETL (извлечение, преобразование, загрузка) и алгоритмы ИИ.

У Netflix также существует свой собственный проект Genie для обработки данных по мере их масштабирования. Результатом такой работы стала высокая степень зрительской вовлеченности. Опыт применения Netflix big data в отношении контента настолько успешен, что по сравнению с телевизионной индустрией, где только 35% шоу обновляются после первого сезона, портал обновляет 93% сериалов после старта сезона.

Одним из наиболее часто упоминаемых примеров использования больших данных Netflix для создания успешного контента является сериал «Карточный домик»:

  • когда в 2013 году компания хотела представить сериал, то не запустила пилотный сезон, как это делают на телевидении, а заказала сразу два сезона (примерная стоимость 100 млн.долл). «House of Cards» моментально стал хитом, и спустя 6 лет с момента премьеры всё еще может похвастаться рейтингом 8,8 из 10;
  • по словам экспертов Netflix, «House of Cards» завоевал популярность в 40 странах мира, кроме США и опередил по популярности политические программы и ток-шоу.

Как Netflix использует данные для улучшения взаимодействия с пользователем

Когда дело доходит до сбора данных, абонентская база пользователей Netflix, насчитывающая более 148 миллионов подписчиков, дает ей огромное преимущество. Компания фокусируется на следующих показателях: дата просмотра, устройство, на котором был просмотр, поиски контента на платформе, повторные просмотры (какие именно части пользователь пересмотрел), была ли трансляция поставлена на паузу или прервана, время дня и недели и их влияние на тематику просмотра материалов, метаданные от третьих лиц, данные из социальных сетей Facebook и Twitter.

Система рекомендаций разработана таким образом, чтобы предоставить каждому пользователю именно то, что ему нужно, с помощью персонализированного ранжера контента, который организует коллекцию каждого пользователя Netflix на основе личной информации.

 

Читайте также:

Исследование Micron Technology: как ускорить процесс обучения ИИ

Почему облачные хранилища до сих пор не заменили локальные и что для этого необходимо

Комментарии