Come gli algoritmi di streaming decidono cosa guardi: 20 metodi spiegati
I servizi di streaming come Netflix, Hulu, Disney+, Amazon Prime Video, Max, Spotify e YouTube utilizzano algoritmi per i loro sistemi di raccomandazione, con Netflix che riporta che questi algoritmi rappresentano circa l'80% della loro visione. Lo sviluppo di queste tecniche risale al Netflix Prize (2006-2009) e incorpora metodi come il filtraggio collaborativo, il filtraggio basato sul contenuto, la fattorizzazione a matrice e il monitoraggio dei dati di completamento. Le intuizioni comportamentali, come le pause e le azioni di salto, hanno la precedenza sulle valutazioni degli utenti. Le raccomandazioni sono influenzate da fattori come l'ora del giorno, il tipo di dispositivo e i microgeneri. Netflix impiega circa 2.000 cluster di gusto e modelli basati su sessione, mentre le selezioni di onboarding aiutano ad affrontare il problema del cold start. YouTube sfrutta l'apprendimento per rinforzo per migliorare l'impegno a lungo termine, e gli accordi di licenza insieme ai cambiamenti stagionali giocano anche un ruolo nelle raccomandazioni.
Fatti principali
- Netflix afferma che le raccomandazioni guidano circa l'80% di ciò che viene guardato.
- Il Netflix Prize si è svolto dal 2006 al 2009 con un premio di 1 milione di dollari per migliorare l'accuratezza delle raccomandazioni del 10%.
- Il filtraggio collaborativo raccomanda in base ai modelli di visualizzatori simili, non agli attributi del contenuto.
- Il filtraggio basato sul contenuto utilizza tag di metadati come genere, cast e tono.
- La fattorizzazione a matrice scompone i dati di visualizzazione in fattori latenti.
- I dati di completamento sono un segnale forte; i modelli di binge watching vengono tracciati.
- Le valutazioni esplicite come il pollice in su hanno meno peso dei dati comportamentali.
- I microgeneri sono categorie ristrette come 'drammi sobri'.
- La personalizzazione delle miniature testa più immagini per titolo.
- Netflix mantiene circa 2.000 cluster di gusto.
- I modelli basati su sessione pesano molto sulla visione recente.
- Il problema del cold start riguarda nuovi account e nuovi titoli.
- L'esplorazione inserisce raccomandazioni fuori schema per evitare loop.
- Le righe di tendenza riflettono l'attività aggregata recente, spesso a livello regionale.
- Gli accordi di licenza limitano le raccomandazioni per paese.
- Gli aggiustamenti stagionali promuovono contenuti tempestivi.
- L'apprendimento per rinforzo ottimizza per l'impegno a lungo termine, usato da YouTube.
Entità
Istituzioni
- Netflix
- Hulu
- Disney+
- Amazon Prime Video
- Max
- Spotify
- YouTube
Fonti
- Quartz —