<li id="stgy5"><ins id="stgy5"></ins></li>
  • <sup id="stgy5"><menu id="stgy5"></menu></sup>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <sup id="stgy5"></sup>
  • <dl id="stgy5"><menu id="stgy5"></menu></dl>
  • <dl id="stgy5"><ins id="stgy5"><thead id="stgy5"></thead></ins></dl>
    <div id="stgy5"><s id="stgy5"></s></div><dl id="stgy5"></dl>
    <sup id="stgy5"></sup>
  • <sup id="stgy5"><bdo id="stgy5"></bdo></sup><li id="stgy5"><s id="stgy5"></s></li>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <li id="stgy5"><s id="stgy5"></s></li><li id="stgy5"><ins id="stgy5"></ins></li>
    <div id="stgy5"><s id="stgy5"></s></div>
  • <li id="stgy5"><s id="stgy5"></s></li>
  • <sup id="stgy5"></sup>
    <div id="stgy5"></div>
    <dl id="stgy5"><menu id="stgy5"></menu></dl>
    <sup id="stgy5"><bdo id="stgy5"></bdo></sup>
    <dl id="stgy5"><s id="stgy5"></s></dl>
  • <sup id="stgy5"></sup><li id="stgy5"><ins id="stgy5"></ins></li>
  • <div id="stgy5"></div>
    <dl id="stgy5"><tr id="stgy5"></tr></dl><dl id="stgy5"><ins id="stgy5"></ins></dl>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl><li id="stgy5"><ins id="stgy5"></ins></li>
  • 您现在的位置£º 中国广告门户网 >> 广告新闻 >> 广告展会 >> 广告论坛 >> 正文

    Netflix£¬为何能成为个性化推荐的王者£¿

    责任编辑£º佚名    新闻来源£º不详    新闻日期£º2018/7/23

    QQ截图20180720141824.png

    作者£ºShady£¬微信公众号£ºShadyDesign

    注£º从¡¶纸牌屋¡·开始£¬Netflix越来越多地进入国人的视线中¡£关于它的用户推荐系统¡¢¡°大数据分析¡±等等神话和传说也有不少£¬本文是我在查找了一些资料后£¬整理出来的Netflix的推荐思路和一些方法¡£太过技术的算法内容实在是hold不住£¬因此仅从逻辑上进行说明¡£一来整理自己的思路£¬二来尽可能学习些东西£¬分享出来欢迎各位讨论¡£

    一¡¢坐等风来

    回顾历史£¬Netflix是一家典型的提前布局等风来的公?#23613;?/p>

    1997 年 8 月£¬在DVD机仅推出几个月后£¬Reed Hasting和Marc Randolph创立了Netflix£¬并在 1998 年 3 月上线了全球第一家线上DVD租赁商店¡£?#36234;?30 名雇员拿下了 925 部电影£¬这几乎是当时所有的DVD电影存量¡£

    1999 年他们推出了全新的按月订阅的模式£¬用户第一次有机会享受到没有过期罚款¡¢没?#24615;?#36153;¡¢?#20013;?#36153;等等一系列烦人的东西的服务¡£相比Netflix之前使用的单部电影租赁的方式£¬新模式对用户更加友好£¬于是Netflix凭借着这个模式迅速在行?#36947;?#24314;立起了口碑£¬老旧的单部影片租赁模式也于 2000 年寿终正寝¡£

    随后的 2001 年£¬由于DVD机售价越来越低£¬成为当年圣诞节成为最受欢迎的礼物之一£¬Netflix也在 2002 年坐上了这趟快车£¬用户量得到了巨幅增长¡£这是Netflix创立四年迎来的第一个风口£¬现在看来不得不感叹其眼光之独到¡£

    2005 年£¬他们发现尽管没有高清内容£¬但Youtube的流媒体服务£¨可简单理解为在线播放£©仍然十分受欢迎£¬于是放弃了自己的?#24067;?#20135;品Netflix Box转入其中£¬于 2007 年上线了流媒体服务¡£而随着日后网络带宽的提升和费用的降低£¬占据了先发优势的Netflix又一次收获了巨大增长¡£

    2006 年£¬一项名为Netflix Prize的算法大赛横空出世£¬Netflix拿出 100 万美元奖金让开发者们为他们的优化电影推荐算法¡£截至 2012 年第四季度£¬Netflix已在全球拥有 2940 万订阅用户¡£

    2012 年£¬Netflix开始尝试自制内容£¬并于 2013 年推出¡¶纸牌屋?#32602;?#39640;超的内容质量和一次放出整季内容的发行方式£¬让它?#24067;?#39118;靡全球¡£

    今年 4 月£¬Netflix的全球订阅用户达到1. 25 亿£¬服务超过 190 个国家和地区¡£截至今日£¬它的市值超越迪士尼成为全球互联网企业排名第六的公?#23613;?/p>

    回顾Netflix这 21 年的历史£¬似乎每一次转型的时机和方向都是如此准?#32602;?#20197;至于?#34892;©¡?#33258;?#27426;?#28982;¡±地达成今天的高度¡£?#27426;?#22914;果我们透过现象看本质£¬从万变中找不变的话£¬有一件事一定会被提到¡ª¡ª个性化推荐¡£甚至可以说£¬¡°个性化推荐?#26412;?#20687;Netflix自制的鼓风机£¬第三个风口是他们自己造出来的¡£

    没有明确的资料说明Netflix在做?#22987;?#31199;赁DVD的时候有没有推荐机制¡£但他们确实从最开始的时候£¬就十分重视数据£¬并开始?#21344;?#29992;户数据了£º他们会在?#22987;?#30340;信封里附上问卷让用户给电影打分¡£这些打分数据是之后Netflix推荐系统的重要基石之一¡£

    ¡°个性化推荐¡±一直都是Netflix的杀手锏£¬数据积累和算法研发的提前让它在这方面几乎是不可被超越的£¬时至今日用户在Netflix上观看的80%内容都是由推荐而来的¡£

    二¡¢解构好莱坞

    Netflix的推荐系统之所以能够如此高效地达成目标£¬我认为最大的理由是他们教会了¡°让机器懂电影?#34180;?#22312;一篇名叫<How Netflix Reverse Engineerd Hollywood>的文章中£¨由Alexis C. Madrigal于 2014 年发表£©¡£作者从Netflix的推荐分类出发£¬解说了他们是如何解构好莱坞进而去给用户做推荐系统的¡£

    在Netflix的首页中你会看到一行一行的电影£¬每一行是一个分类£¬官方叫它altgenre£¬或者说¡°微分类?#20445;?#27599;个分类中是一系列的电影¡£这些分类和电影都是为你?#21487;?#25512;荐的¡£

    在这些分类中有一些非常精准¡¢十分有意思的标题£º情感充沛的反体制纪录片£¨Emotional Fight-the-System Documentaries£©¡¢基于事实的皇室掠影£¨Period Pieces About Royalty Based on Real Life£©¡¢ 80 年代的外国邪恶电影£¨Foreign Satanic Stories from the 1980s£©¡£

    那么这些类型是怎么来的呢£¬作者Alexis做了一件很绝的事情£º

    他把Netflix的所有分类全爬了下来£¬共有 76897 个分类之多¡£并且将这些分类的用词和语法做了深入分析£¬还自己开发了一个¡°类型生成器?#20445;?#29983;成出了和Netflix类似的结果¡£他甚至给出了公式£º地区+形容词+类型+故事基础+拍摄地+时代+关于£¨什么的内容£©+适合年龄段£¨Region¡­ + Adjectives¡­ + Noun Genre¡­ + Based On¡­ + Set In¡­ + From the¡­ + About¡­ + For Age X to Y£©¡£

    但看到这里£¬我们只是看到了Netflix解构好莱坞的结果£¬那么这一切是从哪里开始的呢£¿

    2006 年£¬Netflix产品副总裁Todd Yellin带领一票工程师用数月时间写了一份长达 24 页的名为¡¶Netflix量子论?#32602;¨Netflix Quantum Theory£©的文档¡£专门讲述如何用¡°微标签?#20445;¨microtag£©拆解电影¡£

    这份文档的目的是作为训练手册£¬让不同的人对微标签有同样的理解£¬以保证能够系统性地¡¢标准统一地解构上千部电影¡£如今这份手册已经扩展到了 36 页¡£

    这份 36 页的训练手册讲述了如何给一部影片的性暗示内容¡¢血腥程度¡¢浪漫等级¡¢甚至情节总结等元素评级¡£文档还解释了如何给影片结局打标签¡¢给主要演员的¡°社会接受度¡±打标签¡¢给每部影片的浪漫程度打标签£¬更重要的是£¬每个标签都有从 1 到 5 的评级¡£

    以¡¶超胆侠¡·电影为例£¬标签会包括¡°四个主要角色?#20445;?#33267;于其中Matt Murdock这个角色£¬会有演员名¡¢角色名¡¢他很¡°英雄?#20445;¨heroic£©¡¢是个律师等等¡£

    Netflix就是用这样的方式£¬解构了几乎所有的电影£¬用精细¡¢准确的微标签?#25512;?#32423;教会推荐系统去认识电影¡¢解读电影¡£

    更令人?#39057;?#30340;是£¬给Netflix打标签真的是一份工作¡£Netflix组建了一只团队£¬付钱让他们看电影同时给这些电影打上标签¡£有好事的媒体采访到了一位¡°标签员?#20445;¨tagger£©£¬让他讲述给Netflix打标签是一?#36136;?#20040;样的体验£¬十分有意思¡£

    三¡¢解构用户

    2012 年前后£¬Netflix的推荐系统经历了一次重大的策略变化£¬官方技术博客以名为<Netflix Recommendations: Beyond the 5 stars>的文章£¨分为1¡¢ 2 两部分£©阐述了这种变化的前因后果£º

    在?#22987;?#31199;赁DVD的时代£¬Netflix能够获得用户的评分£¬但是用户观看电影的过程对?#25945;?#26159;隐形的¡£但是随着流媒体业务的开展£¬Netflix终于有机会看到用户的更多方面¡£于是他们认识到£º

    ¡°Everything is a Recommendation.?#34180;ª¡?#19968;切都是推荐¡£

    由这一想法催生出的£¬是更加细致¡¢深入的用户推荐¡£

    Netflix的官方文档中把自己称为¡°?#20197;Ë¡保?#22240;为他们有大量的相关数据和能?#35805;?#36825;些数据应用到产品中的人才¡£

    以下是Netflix用来优化推荐系统的数据源£º

    • 数以百万计的用户评分数据£¨tagins£©£¬而且每天还在以百万量级增长£»

    • 作为算法基准线的项目热度£¨item popularity£©£»

    • 包含时长¡¢时间¡¢设备类型的数百万播放数据£¨stream plays£©£»

    • 用户每天会想自己的列表£¨queue£©中添加数百万项目£»

    • 每个项目?#36335;?#23500;的元数据£¨metadata£©£»

    • 每个项目的展示位置£¨presentation£©和效果£»

    • 用户的社交数据£¨social£©£»

    • 百万级的用户搜索数据£¨search terms£©£»

    • 来自外部£¨external data£©的票房或影评数据£»

    • 当然£¬实际上用到的数据还远不止这些¡£

    除了和影片相关的数据外£¬用户数据是Netflix推荐系统的另一重要基石¡£

    转型流媒体后£¬用户的所?#34892;?#20026;全部在?#25945;?#20869;完成£¬这给了Netflix观察用户的绝佳环?#24120;?#20182;们不仅仅知道用户看过什么£¬甚至知道他们是怎么看的£º什?#35789;?#20505;看的£¬看了多长时间£¬在哪里暂停£¬在哪里反复£¬在哪里关闭等等£¬这些行为数据无一不是用户喜好的体现¡£

    通过分析这些行为数据£¬和解构好莱坞得来的影片数据进行匹配£¬让Netflix的推荐精度越发准确¡£

    四¡¢推荐新姿势£º个性化海报推荐

    去年Netflix推出了一项新的推荐功能£º个性化海报推荐£¬具体来说就是¡°不同的用户看到的同一个电影的推荐海报是不一样的?#34180;?#22914;果你?#19981;?#21160;作?#32602;?#21017;可能你看到的海报是片中的打?#28902;?#38754;£¬如果你?#19981;?#29255;中某个主演£¬那么你看到的是以他为主角的海报¡£

    这一功能的源头同样是对电影内容和用户喜好的解读¡£认为地去创造更多的¡°一见钟情?#20445;?#36827;一步提高了推荐系统的效率¡£

    五¡¢Netflix的自省

    1.从官方文?#20302;?#38706;中的信息来看£¬长久以来Netflix虽?#27426;?#31639;法十分依赖£¬但也意识到它的不足£¬这种不足可能是所有的算法?#32423;?#19981;开的¡ª¡ª¡°越推荐越相似?#34180;?#22240;此Netflix的算法中十分关注¡°不同?#20445;¨adversity£©¡£新奇¡¢多样性¡¢新鲜度£¬都是推荐中考虑的因素¡£

    尽力帮用户去¡°发现¡±兴趣£¬这也是Netflix的推荐目标之一¡£

    2.关于前边提到的个性化海报推荐£¬官方特别地说明了对它的担忧£º不希望它变成¡°骗¡±用户看电影的功能£¬也就是说要尽力把这个功能控制在一个度里£¬说白了就是不¡°标题?#22330;保?#20026;了让用户去看某个电影而强行用海报勾引他¡£

    六¡¢后记

    就在我写这篇文章的前几天£¬Netflix又做出了两个重要改变£º1. 把五星评价系统改为¡°?#19981;?不?#19981;¶¡?#30340;评价系统£»2. 取消了影片下的评论功能¡£

    关于这两个改变网上?#34892;?#35299;读£¬但我还没想清楚£¬就不追这个热点了¡£

    关于Netflix可说的还有很多£¬最近他们还推出了另一个官方博客£ºNetflix Research£¬加上原有的the Netflix Tech Blog£¬?#34892;?#36259;的各位可以关注一下¡£

    参考资料£º

    • <Netflix Recommendations: Beyond the 5 stars (Part 1)>£ºhttps://medium.com/netflix-techblog/netflix-recommendations-beyond-the-5-stars-part-1-55838468f429

    • <Netflix Recommendations: Beyond the 5 stars (Part 2)>£ºhttps://medium.com/netflix-techblog/netflix-recommendations-beyond-the-5-stars-part-2-d9b96aa399f5

    • < How Netflix Reverse Engineered Hollywood>£ºhttps://www.theatlantic.com/technology/archive/2014/01/how-netflix-reverse-engineered-hollywood/282679/

    • <Netflix tagging: Yes, it¡¯s a real job>£ºhttps://www.washingtonpost.com/news/arts-and-entertainment/wp/2015/06/11/netflix-tagging-yes-its-a-real-job/?noredirect=on&utm_term=.51f470d15c18

    中国广告门户网


  • 上一篇新闻£º
  • 下一篇新闻£º
  • ¡¾发表评论¡¿¡¾加入收藏¡¿¡¾告诉好友¡¿¡¾打印此文¡¿¡¾关闭窗口¡¿ ¡¾  ¡¿

    发 表 评 论

      姓 名£º   性 别£º
      Q Q号£º   Email:
    我要给这篇文章评分 1分 2分 3分 4分 5分
      请自觉遵守£¬注意文明发言
    企业推广
    企业服务
    广告模特
    全国各地广告网分站
    中国广告门户网服务宗旨£º为中国天津¡¢上海¡¢重庆¡¢深圳¡¢厦门¡¢黑龙江哈尔滨¡¢吉林长春¡¢辽宁沈阳¡¢河北石家庄¡¢甘肃兰州¡¢青海西宁¡¢陕西西安¡¢?#24189;现?#24030;¡¢山东济南¡¢山西太原 ¡¢?#19981;?#21512;?#30465;?#28246;北武汉¡¢湖南长?#22330;?#27743;苏南京¡¢四川成都¡¢贵州贵阳¡¢云?#20384;?#26126;¡¢浙江杭州¡¢江西?#21916;ý¡?#24191;东广州¡¢福建福州¡¢台湾台?#34180;?#28023;南海口¡¢新疆乌鲁木齐¡¢内蒙古呼和浩特¡¢宁夏银川 ¡¢广西?#22799;þ¡?#35199;藏拉萨¡¢香港¡¢澳门等世界各地广告公司及广告人提供广告设计,?#25918;?#20256;播营销,文案策划,广告人才招聘培训£¬户外广告,广告案例,广告创意¡¢平面广告¡¢4A媒体等广告新闻信息¡£

    ÔøµÀÈËÒ»ÂëÖÐÌØÍøÖ·
    <li id="stgy5"><ins id="stgy5"></ins></li>
  • <sup id="stgy5"><menu id="stgy5"></menu></sup>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <sup id="stgy5"></sup>
  • <dl id="stgy5"><menu id="stgy5"></menu></dl>
  • <dl id="stgy5"><ins id="stgy5"><thead id="stgy5"></thead></ins></dl>
    <div id="stgy5"><s id="stgy5"></s></div><dl id="stgy5"></dl>
    <sup id="stgy5"></sup>
  • <sup id="stgy5"><bdo id="stgy5"></bdo></sup><li id="stgy5"><s id="stgy5"></s></li>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <li id="stgy5"><s id="stgy5"></s></li><li id="stgy5"><ins id="stgy5"></ins></li>
    <div id="stgy5"><s id="stgy5"></s></div>
  • <li id="stgy5"><s id="stgy5"></s></li>
  • <sup id="stgy5"></sup>
    <div id="stgy5"></div>
    <dl id="stgy5"><menu id="stgy5"></menu></dl>
    <sup id="stgy5"><bdo id="stgy5"></bdo></sup>
    <dl id="stgy5"><s id="stgy5"></s></dl>
  • <sup id="stgy5"></sup><li id="stgy5"><ins id="stgy5"></ins></li>
  • <div id="stgy5"></div>
    <dl id="stgy5"><tr id="stgy5"></tr></dl><dl id="stgy5"><ins id="stgy5"></ins></dl>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl><li id="stgy5"><ins id="stgy5"></ins></li>
  • <li id="stgy5"><ins id="stgy5"></ins></li>
  • <sup id="stgy5"><menu id="stgy5"></menu></sup>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <sup id="stgy5"></sup>
  • <dl id="stgy5"><menu id="stgy5"></menu></dl>
  • <dl id="stgy5"><ins id="stgy5"><thead id="stgy5"></thead></ins></dl>
    <div id="stgy5"><s id="stgy5"></s></div><dl id="stgy5"></dl>
    <sup id="stgy5"></sup>
  • <sup id="stgy5"><bdo id="stgy5"></bdo></sup><li id="stgy5"><s id="stgy5"></s></li>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl>
  • <li id="stgy5"><s id="stgy5"></s></li><li id="stgy5"><ins id="stgy5"></ins></li>
    <div id="stgy5"><s id="stgy5"></s></div>
  • <li id="stgy5"><s id="stgy5"></s></li>
  • <sup id="stgy5"></sup>
    <div id="stgy5"></div>
    <dl id="stgy5"><menu id="stgy5"></menu></dl>
    <sup id="stgy5"><bdo id="stgy5"></bdo></sup>
    <dl id="stgy5"><s id="stgy5"></s></dl>
  • <sup id="stgy5"></sup><li id="stgy5"><ins id="stgy5"></ins></li>
  • <div id="stgy5"></div>
    <dl id="stgy5"><tr id="stgy5"></tr></dl><dl id="stgy5"><ins id="stgy5"></ins></dl>
  • <dl id="stgy5"></dl>
  • <dl id="stgy5"></dl><li id="stgy5"><ins id="stgy5"></ins></li>