Het grote databrein van Netflix zegt dat we dicht bij een toekomst zijn waar algoritmen bijna alles weten wat we willen.
“Het is heel realistisch dat we het punt bereiken dat bij het aanzetten van je Netflix app automatisch een video begint te spelen waar je heel blij mee bent”, zegt vice-voorzitter Innovatie Carlos Gomez-Uribe. “Als je niet tevreden bent, hoef je maar één of twee keer te klikken om toch iets te vinden waar je wél echt heel blij mee bent. In laten we zeggen maximaal 10 tot 20 procent van de gevallen zal je naar de browser-modus moeten gaan.”
Netflix groeit al meer dan een decennium beetje bij beetje naar dat doel toe.
Er is al in oktober 2006 de Netflix Prize gelanceerd die tot doel heeft te voorspellen hoeveel gebruikers bepaalde videos leuk zouden vinden. Toen het bedrijf overstapte op streaming video ging het ook over op een gegevensanalyse om te voorspellen wat hun gebruikers daadwerkelijk wilden bekijken. Vorig jaar is een belangrijk nieuw algoritme geïntroduceerd dat uit andere algoritmes kiest om de beste aanbeveling te vinden. En er zijn meer grote en kleine verbeteringen geweest.
“Het is slechts een kwestie van tijd,” zegt Gomez-Uribe.
Je kan elke keer als je de app opent zelf beoordelen hoe dichtbij Netflix bij zijn doel is. De video helemaal links bovenaan zou degene moeten zijn waarvan Netflix denkt dat je op dat moment wil zien.
In een gesprek met Business Insider vertelde Gomez-Uribe onlangs alles over de ontwikkeling die de aanbevelingen van Netflix heeft doorgemaakt.
De sterren voorbij
Toen Netflix alleen nog maar een DVD-bezorger was vertrouwde het op de sterren die hun gebruikers gaven om te analyseren en te voorspellen wat mensen leuk zouden vinden.
Het probleem was dat mensen niet altijd vijf-sterren-video's willen zien: een klant zou bijvoorbeeld "The Godfather" vijf sterren kunnen geven en "Friends" drie sterren, maar toch meer zin hebben om "Friends" te kijken.
"'Eén van de uitdagingen met sterren is dat sommige mensen het als volgt opvatten: als ik een filmrecensent zou zijn, hoe zou ik deze film dan beoordelen?", zegt Gomez-Uribe. "Zeggen ze wat ze zelf van de film vinden of zeggen ze hoe ze denken dat een recensent de film zou beoordelen? En dat maakt het niet echt bruikbaar."
Maar gelukkig heeft Netflix tegenwoordig veel meer gegevens.
"Sinds we zijn begonnen met internet-televisie en we dus precies weten wat je kijkt en hoe lang en op welk apparaat, kunnen we veel beter voorspellen wat je leuk vindt dan met de sterren", zegt Gomez-Uribe.
De data van Netflix bevatten elke druk op play, pauze, zoek en alle andere klikken van de 83 miljoen huidige gebruikers en ook van de voormalige gebruikers. Zelflerende computers kunnen wonderen verrichten door patronen in deze gegevens te vinden en overeenkomsten tussen gebruikers of gebruiksgroepen te zoeken om voorspellingen te doen.
Netflix' zet in op wat je het meest waarschijnlijk leuk vindt om nu te bekijken en waarbij je waarschijnlijk ook wel even blijft hangen. "Hoe meer je kijkt, tot bepaalde hoogte, hoe beter de opbrengst van onze voorspelling", zegt Gomez-Uribe. "Als we je iets laten zien waar je maar zes minuten naar kijkt dan is voor ons een mislukking. Het is zelfs erger dan als je helemaal niet zou kijken, want we hebben je tijd verspild door je iets te laten zien zonder dat je er plezier aan beleefde."
De algoritmes zijn slim genoeg om rekening te houden met je wisselende gewoonten gedurende de week.
"We weten dat de meeste mensen een vat vol tegenstrijdigheden zijn, en dat ze tevredener zijn met een product dat ze een veel breder scala van verhalen en type verhalen geeft", zegt Gomez-Uribe. "Misschien ben je in het weekend veel ontvankelijker om iets nieuws te ontdekken en vind je het dan ook niet erg wat meer tijd te nemen om te bepalen wat je gaat kijken. Terwijl je doordeweeks na een lange dag werk misschien maar 45 minuten hebt om te ontspannen en je geen tijd hebt om te zoeken. En al helemaal niet om iets tegen te komen dat eigenlijk niks voor je is, dus in plaats daarvan kijk je waarschijnlijk gewoon wat je al leuk vindt, of het nu 'Family Guy', 'Archer' of 'Gilmore Girls.' is."
Wat betreft de sterren, die blijven voorlopig nog. Misschien vind je ze zelfs nog wel handig om het onderscheid te kunnen maken tussen pulp en kwaliteit. Toch bevestigt het grote databrein dat hij erover gedacht heeft er helemaal van af te stappen.
Alles personaliseren
Voorspellen wat mensen willen zien is één ding: zorgen dat ze ook daadwerkelijk gaan kijken is iets anders. En daarvoor vertrouwt Netflix op een vastgestelde mate van personalisering en optimalisering met de app. Bijvoorbeeld:
Gepersonaliseerde rijen. Netflix heeft al lang geleden uitgevonden dat rijen van vergelijkbare video's de beste manier is om de inhoud op de homepage te presenteren. De verschillende rijen worden door verschillende algoritmes gegenereerd, die wat Netflix van je weet combineren met andere criteria die behulpzaam zijn bij het vinden van programma's.
"We weten niet hoe we tot een wiskundige formule kunnen komen die alle rijen optimaliseert", zegt Gomez-Uribe. "Wat we in plaats daarvan doen is per geval andere manieren ontwikkelen."
Bijvoorbeeld:
- 'Kijk Verder'-rijen voorspellen hoe waarschijnlijk het is dat je terugkomt bij video's, gebaseerd op hoeveel tijd er voorbij is gegaan sinds je hebt gekeken, op welk punt je bent gestopt en je kijkpatroon sindsdien.
- 'Populair op Netflix' en 'Trending' kijkt naar wat nu populair is, of kortgeleden, rekening houdend met jouw voorkeuren.
- De 'Top Pick'-rijen zijn vrijwel uitsluitend gebaseerd op jouw voorkeuren. Genre-rijen kijken naar jouw voorkeuren in een bepaalde categorie.
- De rijen 'Because You Watched/Liked/Added' gaan uit video's die je al hebt bekeken of toegevoegd, en waar je in z'n algemeenheid van houdt.
Gepersonaliseerde homepage. In 2015 is Netflix begonnen met het zogenaamde 'pagina-generator-algoritme', voor een optimale mix en volgorde van rijen voor elke gebruiker. De pagina-opmaker pakt de best scorende pagina van duizenden mogelijke rijen en verzekert zich daarbij van voldoende diversiteit in het aanbod en zet de allerbest scorende rij helemaal bovenaan.
Hoe lager de score van de video's, hoe lager ze naar beneden zakken of naar rechts verschuiven op de homepage.
Geoptimaliseerde ervaring. Netflix gebruikt data om uit te vinden welke plaatjes en andere informatie het moet laten zien om jou een video te laten kiezen. Een deel daarvan is gepersonaliseerd. Het systeem gebruikt informatie die het voor jou heeft verzameld om extra informatie toe te voegen. Bijvoorbeeld dat de film een Oscar heeft gewonnen of juist te zeggen dat het lijkt op iets anders. Netflix heeft eerder ook tien versies van de allereerste 'House of Cards' trailer gemaakt om verschillende soorten publiek aan te spreken.
Ook de foto die bij een video te zien is, kan bijvoorbeeld veranderen als na een test blijkt dat een andere foto het beter doet in jouw regio. Of in een andere rij komt een andere foto om een ander aspect van de video te benadrukken.
Algoritmes van miljarden dollars
Volgens Netflix levert het systeem van personalisering en optimalisering in totaal elk jaar meer dan een miljard dollar op.
Wat maakt ze zoveel waard?
Allereerst haalt Netflix meer geld uit het aanbod. Het bedrijf volgt hoe het kijkgedrag is verspreid over het totale aanbod. Hier is een grafiek die laat zien hoe de 'effectieve aanbod-grootte' verandert als het gepersonaliseerde aanbeveling maakt in plaats van alleen gebaseerd op populariteit.
Dit betekent dat Netflix minder gelicenseerd materiaal nodig heeft om mensen toch tevreden te houden. En het is niet verrassend dat het bedrijf de inzichten uit de data ook gebruikt om te kijken wat het echt waard is aan de catalogus toe te voegen.
"Je kan je voorstellen dat we een miljoen lage-kwaliteit video's kunnen hebben die bijna niemand wil zien en dan zeggen dat we het grootste aanbod ter wereld hebben en daar trots mee adverteren, maar dat zou nogal absurd zijn. Wat telt is hoeveel video's mensen daadwerkelijk kijken", Gomez-Uribe.
Ondanks berichte dat het totale aanbod van gelicenseerd materiaal van Netflix is afgenomen laat Gomez-Uribe doorschemeren dat het effectieve aanbod juist toeneemt.
"Ik ben tevreden moet hoe dat zich ontwikkelt, maar kan daar verder geen commentaar op geven", zegt hij.
Netflix' systeem leidt ook tot betere aanbevelingen. Een instrument dat dit bijhoudt is de 'take-rate', die meet welk deel van de aanbevelingen leidt tot het afspelen van een video. Hier is een grafiek die laat zien hoe de 'take-rate' het doet te beginnen met de beste aanbevelingen en met personalisatie aan of uit (de hoogst mogelijke score is 1).
Een hoge 'take-rate' is de sleutel om gebruikers tevreden te houden. Volgens Netflix geven de meeste gebruikers het na 60 tot 90 seconden op als ze dan geen goede video hebben gevonden. Als dat vaak gebeurt zullen abonnees opzeggen. Hoe tevreden zijn de gebruikers tegenwoordig?
De groei van het aantal Netflix-abonnees heeft Wall Street niet omver geblazen, maar het is stabiel, groeiend tot 83 miljoen gebruikers in het tweede kwartaal van 2016 vanaf 55 miljoen in dezelfde periode een jaar eerder.
Belangrijker voor Gomez-Uribe is het aantal uren per abonnee per dag. Dat cijfer groeide met 13% in 2015 van 1.6 tot 1.8.
Eén gebruiker is in elk geval tevreden: ik verkies Netflix boven alle andere video-diensten. Ik kijk ongeveer twee uur per dag en hoe meer ik te weten kom over algoritmes hoe meer ik ze vertrouw. Denkt Netflix echt dat ik "Scrubs" leuk vind? OK, dan ga ik het toch eens proberen.