Ποια είναι η κρυφή τεχνολογία του Netflix που το κάνει διαφορετικό για τον καθένα; 

Κάθε φορά που μπαίνεις στην εφαρμογή αλλάζει, αλλά γιατί;

Ποια είναι η κρυφή τεχνολογία του Netflix που το κάνει διαφορετικό για τον καθένα;

Μετά από μια κουραστική μέρα θες απλά να αράξεις στο καναπέ και να απολαύσεις μια σειρά ή ταινία. Η συνήθεια πλέον είναι να ανοίξεις το Netflix και να αρχίσεις το σκρολάρισμα έως ότου βρεις κάτι στα μέτρα σου. Έλα που όμως το Netflix ήδη έχει μεριμνήσει να είναι στα μέτρα σου βάσει του τι προτιμάς να παρακολουθείς και ανάλογα την ώρα που εσύ μπαίνεις αυτό διαμορφώνεται αναλόγως.

Θα έχεις παρατηρήσει πως μέσα στην ημέρα ή ανάλογα και μέσα στην εβδομάδα το Netflix αλλάζει συνεχώς τα εικονίδια (ή thumbnails) του καταλόγου του. Εσύ νομίζεις ότι το κάνει απλά για ποικιλία και να μη χτυπάει άσχημα στο μάτι; Όχι φυσικά. Υπάρχει ολόκληρη μελέτη πίσω από το πώς το Netflix τροποποιεί τα εικονίδια διαφορετικά για τον καθένα, κάνοντας έτσι την εμπειρία ακόμη πιο προσωποποιημένη στα μέτρα σου.

Η κρυφή τεχνολογία πίσω από τα thumbnails

Η μέθοδος αλλαγής του thumbnail είναι η πιο αποτελεσματική στο «οπλοστάσιο» του Netflix, για να επηρεάσει το τι θα δει ο χρήστης, όπως γράφει ο δημοσιογράφος Trung Phan.

Για την ακρίβεια υπάρχει ένας σοφιστικέ machine learning αλγόριθμος που τα υπολογίζει όλα αυτά βάσει και του στοιχείου ότι σαν άνθρωποι είμαστε «οπτικά όντα». Το βλέμμα του κάθε χρήστη πέφτει πάνω στην κάθε εικόνα για μόλις 1.8 δευτερόλεπτα. Τα μάτια μας κινούνται 3-4 φορές κάθε δευτερόλεπτο ούτως ώστε να επεξεργαστούν την κάθε πληροφορία και να αναλύσουμε μια ολόκληρη εικόνα σε κάτι λιγότερο από 13 χιλιοστά του δευτερολέπτου. Επομένως, είναι λογικό το Netflix να θέλει να εκμεταλλευτεί κάθε nanosec για να μας κρατήσει το ενδιαφέρον.

Τι έδειξαν έρευνες του Netflix;

Σε παλαιότερη έρευνα που διεξήγαγε η υπηρεσία το 2014 υπήρξαν μερικά πολύ σημαντικά και ακριβή αποτελέσματα που έδειχναν το πόσο πολύ ένα εικονίδιο επηρεάζει εάν θα κάνουμε το κλικ σε αυτό.

Πρώτον: απέδειξε πως το εικονίδιο είναι ο μεγαλύτερος "influencer" παράγοντας για να παρακολουθήσει κανείς το περιεχόμενο.

Δεύτερον: Κατά τη διάρκεια της περιήγησης και του σκρολαρίσματος η προσοχή του χρήστη πέφτει σε αυτά κατά 82%.

Επομένως εάν εγώ, εσύ και ο κάθε χρήστης που ψάχνεται για να βρει τι θα παρακολουθήσει δεν βρει κάτι μέσα σε 90 δευτερόλεπτα, θα κλείσει την εφαρμογή.

Η μέθοδος επιλογής του Netflix

Για να φέρει μπροστά σου το καλύτερο δυνατό εικονίδιο -και στους υπόλοιπους 209+ εκατομμύρια συνδρομητές του- το Netflix φιλτράρει ένα σωρό δεδομένα. Αυτό το κάνει μέσα από ένα σετ αλγορίθμων που ονομάζεται «αισθητική οπτική ανάλυση» (AVA), η οποία τραβάει τα καρέ από κάθε βίντεο και τα μεταμορφώνει σε thumbnails.

Παραδείγματος χάρη ένα επεισόδιο της μίας ώρας του Stranger Things περιλαμβάνει κατά μέσο όρο 86.000 καρέ. Ο αλγόριθμος αυτός λαμβάνει υπόψιν μερικές παραμέτρους μέσα στο κάθε καρέ, κάτι που αποτελεί μια άλλη διαδικασία που λέγεται «Frame Annotation». Ανάμεσα στις παραμέτρους είναι:

  • Το αντικείμενο που ξεχωρίζει
  • Το κάδρο της φωτογραφίας
  • Η φωτεινότητα και η αντίθεση
  • Πιθανότητα να υπάρχει γύμνια
  • Πρόσωπα και χρώμα δέρματος

Έπειτα περνάνε ξανά από το «κόσκινο» του αλγορίθμου που μετράει άλλους παράγοντες:

  • Οπτικό, όπως την αντίθεση, τα χρώματα ή τη φωτεινότητα.
  • Συνάφεια, όπως την ανίχνευση προσώπων, την κίνηση ή την τοποθέτηση του πλάνου.
  • Διάταξη εικόνας, όπως διάφοροι κανόνες της φωτογραφίας (π.χ. συμμετρία, rule of thirds, depth of field).
  • Κατηγοριοποίηση εικόνων

Δηλαδή, ο αλγόριθμος του Netflix επιλέγει την πιο φανταχτερή, εντυπωσιακή και «clickable» εικόνα, αυτή που είναι δηλαδή πιο σίγουρο ότι θα πατήσει πάνω της. Πρέπει να καλύπτουν προϋποθέσεις όπως το να μην είναι θολές, να έχουν ποικιλία, να έχουν πρωταγωνιστικές φάτσες και να μη περιλαμβάνουν branded περιεχόμενο.

Ύστερα, το εικαστικό τμήμα του Netflix αναλαμβάνει να τις τελειοποιήσει. Άλλωστε, το Netflix ξεκίνησε να δημιουργεί δικά του εικονίδια -ειδικά για την εφαρμογή του- από την εποχή που τα στούντιο διανομής προσδιόριζαν τα εικαστικά τους για αφίσες, διαφημίσεις και εξώφυλλα DVD/Blu-ray.

Στην περίπτωση της σειράς Unbreakable Kimmy Schmidt η έρευνα που διεξήγαγε έβγαλε νικητή το κάτω δεξιά thumbnail από ένα σετ των έξι.

Μετράει και σε ποια χώρα βρίσκεσαι

Φυσικά και δε θα μετρούσε απλά τα γούστα σου αλλά και ολόκληρα τα γούστα της χώρας μας. Ο αλγόριθμος του Netflix επιλέγει τα thumbnails που δείχνει στους συνδρομητές του και βάσει του που βρίσκεται. Για παράδειγμα στην περίπτωση του Sense 8 η έρευνά του έδειξε τα παρακάτω "πιο clickable” thumbnails ανά χώρα:

Οι κακοί και οι γκριμάτσες «πουλάνε»

Έχετε πατήσει το thumbnail του The Dark Knight επειδή από έξω ήταν ο Joker; Ή είδατε ξανά το Shadow and Bone επειδή έδειχνε τον Ben Barnes; Στην περίπτωση αυτή να γνωρίζετε πως δεν έγινε τυχαία. Η έρευνά του επίσης έδειξε ότι τα εικονίδια με «κακούς» χαρακτήρες πουλάνε σα τρελά. Δείτε το παράδειγμα του Dragons: Race to the Edge και ποιο επέλεξαν οι περισσότεροι χρήστες:

Τι ΔΕΝ κλικάρουν και τόσο οι χρήστες;

Τα εικονίδια που είναι πυκνά σε πληθυσμό ανθρώπων ή αντικειμένων είναι αυτά που μπερδεύουν περισσότερο τον θεατή και δε θα πατήσει το play του. Αυτό φάνηκε στο A/B testing της υπηρεσίας, όπου στη 1η σεζόν του Orange is the New Black είχαν βάλει εικονίδιο με διάφορους χαρακτήρες από τη σειρά, ενώ στη 2η σεζόν που είχε μόνο τη πρωταγωνίστρια οι χρήστες «πατούσαν» περισσότερο.

Ένα παράδειγμα που η εξατομίκευση και η βελτιστοποίηση του αλγόριθμου δούλεψε είναι με το Peaky Blinders. Οι χρήστες πατούσαν περισσότερο όταν έβλεπαν το πρόσωπο της Anya Taylor-Joy μετά την προβολή του Queen’s Gambit.

 

Παραδείγματα εξατομικευμένων εικονιδίων

Τα παρακάτω βασίζονται στο ιστορικό παρακολούθησης του χρήστη, όπως εάν είδε πρώτα ρομαντικές ταινίες ή κωμικές:

Good Will Hunting

Pulp Fiction:

Δείτε εδώ πόσο διαφορετικά παρουσιάζει το Top 10 σε δύο διαφορετικούς χρήστες με εντελώς διαφορετικά γούστα. 


Πώς, λοιπόν, διαλέγετε εσείς τι θα δείτε; Κοιτάτε τον τίτλο του περιεχομένου, βλέπετε το trailer, τη σύνοψή του ή τελικά η πρώτη εντύπωση που σας αφήνει η ταινία είναι αρκετή για να πατήσετε play;

Πηγές: Vox, Trung Phan

1 σχολιο(α)