window.lintrk('track', { conversion_id: 13086145 });
top of page

Como a Netflix utiliza os dados a seu favor?

Se você tem acesso ao streaming, provavelmente já se assustou com a precisão das recomendações de acordo com seus gostos. Saiba como os dados fazem parte do sistema de recomendação da Netflix.

Talvez você imagine que o trabalho criativo e investimento pesado em meios para chamar a atenção do cliente da Netflix termine no momento da finalização da contratação da plataforma, certo? Errado! A Netflix não só vai, como precisa ir muito além disso para manter seus números, e as boas expectativas de seus assinantes. O verdadeiro desafio está em manter o interesse do assinante pelo máximo de tempo possível, tornando a utilidade da plataforma irrefutável.


E quem não gostaria que a qualidade e utilidade de seu produto fosse inquestionável pelos usuários? Para tal objetivo a Netflix tem estudado ainda mais o comportamento de seus usuários e investido em novos sistemas de recomendação de títulos que melhor representam os gostos dos assinantes. E tudo isso através da análise precisa e detalhada de intensas e numerosas quantidades de dados colhidos diretamente da plataforma a partir da interação de cada usuário (clicks, tempo assistido de cada título, likes e deslikes, frequência com que assiste, horário de pico, categorias mais assistidas e qualquer outro tipo de interação não relacionada à idade ou gênero).


E para que os dados?


  1. Algoritmos

Todas essas informações brutas são recolhidas para serem combinadas com outras informações e preencherem uma fonte que abastece o algoritmo responsável pelo sistema de recomendações. A Netflix possui diversos algoritmos utilizados para determinar os filmes mais prováveis de serem assistidos por cada usuário, são eles que determinam aonde e em que momento da rolagem pela página inicial encontraremos cada título presente na plataforma.

Esses algoritmos ditam a ordem e relevância de cada titulo que aparece da esquerda para a direita nas linhas horizontais que percorremos em busca do conteúdo perfeito, sendo os primeiros os mais cotados de acordo com os dados recolhidos anteriormente. E como se não bastasse o detalhamento nas buscas, foram criados diferentes algoritmos para cada linha baseados em nossa percepção sobre elas.

Alguns algoritmos:

  • PVR – Classificação Personalizada de Vídeo: A categorização será feita se baseando nos seus gostos acerca de cada gênero.

  • Top-N Video Ranker: Esse será responsável pela escolha dos principais títulos para assistir com base nas notas dadas pelos usuários. Neste caso, como em outros, os dados sobre diferentes usuários podem ser cruzados para criar perfis de identificação, apurando ainda mais a recomendação e podendo prever possíveis interesses de demais usuários através de sua comparação.

  • CWR – Classificação de Vídeo para Continuar a Assistir: Aposto que você imaginou que não precisariam de um algoritmo para indicar o que você ainda não terminou de assistir! Na verdade, este algoritmo é responsável por manter a vista os títulos mais prováveis de serem continuados dando menos enfoque aos que podem ser deixados de lado.

  • Em Alta: Esse é um algoritmo interessante, pois é necessário que sejam levados em conta acontecimentos exteriores à plataforma e ao usuário como dados de abastecimento para o algoritmo. Um exemplo claro são os filmes dedicados aos feriados, como filmes de natal em dezembro ou filmes de terror em uma sexta-feira 13.

  • Sims – Similaridade entre vídeos: E por último, o responsável por fazer indicações a partir do que já foi assistido.


  1. Como chamar a atenção do usuário

Bom, e como garantir que o objetivo dos algoritmos seja cumprido e o usuário de fato escolha entre as melhores recomendações? Mais uma vez a Netflix faz uso da análise dos dados, dessa vez para garantir que o recurso visual faça o efeito desejado.

Por mais que a trama seja o mais importante para a opinião final, a primeira impressão conta muito para atingir o estágio final: Assistir um filme ou episódio por completo e continuar para o próximo. A tática para alcançar esse feito é pensar também no efeito visual que o título precisa causar, e de que maneira ele pode ser mais atrativo de acordo com cada perfil de usuário. Por isso a Netflix resolveu investir em ainda mais personalização, utilizando um processo de análise chamado AVA (Asthetic Visual Analysis) que aliada a um extenso compilado de frames recolhidos estrategicamente dos títulos, mais a colocação do perfil do usuário, determina qual será o frame mais chamativo para cada assinante. Levando em conta informações como: os atores que mais aparecem na sua lista de assistidos, ou o tipo de estética destacada nos seus assistidos favoritos.

O processo AVA funciona como uma pesquisa de identidade visual, e por precisar construir uma análise completa frame a frame de cada título, acumula metadados e requer diferentes algoritmos para seu funcionamento.

Aprendendo com a Netflix


Se uma marca grande e já consolidada no mercado precisa se reinventar e se adaptar às necessidades emergentes do mercado, que dirá aqueles que estão tentando se estabelecer como concorrentes ou até mesmo tornar seu produto mais visível. A Dataside compreende a necessidade de mudança e tanto apoia como investe em tornar os dados um recurso para todos. Grande avanço requer grande iniciativa, e o princípio para alcançar isso pode ser um objetivo simples como tornar a tomada de decisão sobre o que assistir mais ágil e assertiva graças ao suporte dos dados.

Fonte: Netflix


Quer ingressar em uma jornada de dados com o suporte necessário? Faça sua consultoria!💙

bottom of page