El servicio líder en el streaming de contenidos cinematográficos pareciera identificar tus gustos por arte de magia, pero hay un secreto.
Aunque luego de ver una película, documental o episodio de tu serie favorita, las sugerencias aparezcan “como por arte de magia”, y ello pueda parecernos una tierna coincidencia, lo cierto es que Netflix utiliza un total de 15 algoritmos para filtrar, ordenar, sugerir y presentar contenido que sea relevante para cada uno de nosotros. Y eso, se traduce en usuarios felices que no incrementarán sus horas de uso mes a mes.
«Como servicio de televisión a la carta en Internet y con más de 75 millones de suscriptores en todo el mundo, somos los primeros interesados en que los usuarios estén contentos, que consuman muchas horas de nuestro contenido y, por supuesto, que ni piensen en darse de baja», declaró Todd Yellin, vicepresidente de innovación de producto en Netflix, durante un evento de la empresa en Paris. «Ofrecer cada vez más y más contenido es una gran fortaleza, pero también es un reto, y es que nadie va a pararse a mirar los miles y miles de títulos disponibles. De hecho, calculamos que un usuario promedio consulta como mucho entre 30 y 50 títulos antes de ver nada», puntualizó Yellin.
Etiquetado
Con ver cualquier contenido, desde una película hasta un tráiler, podremos notar que éstos están ordenados por palabras clave que actúan como Tags para ordenar el los archivos dentro de la plataforma.
Pero además de las categorías, niveles de violencia, lenguaje y otros elementos propios de cada producción, en la organización de las producciones también inciden la localización, el sexo del protagonista, género (thriller, suspenso, terror, comedia), idioma, entre muchos otros elementos que utilizan los etiquetadores/taggers para clasificar todo. Y… para mayor sorpresa, son humanos que laboran en Netflix y se dedican a ver todo lo que se va añadiendo, para luego clasificarlo. Como unos bibliotecarios.
Con el trabajo de estos taggers, posteriormente se cruzan los datos y se obtienen los grupos asociados a gustos, dentro de los cuales puede haber clasificaciones como Películas De Acción Sobre Nazis, por mencionar un ejemplo, u otros grupos como Comedias Latinas.
Así que, ahora sabes que no eres el único(a) freak que disfruta de series de terror, o la amiga cursi que adora las historias de amor, ya que seguramente perteneces a un grupo de gustos y otros cientos de personas probablemente usen su membresía exactamente igual a ti. A ese último ejemplo se le conoce como Taste Twins y, mientras más sucedan, más precisión tendrá la empresa para conocer gustos generales y horarios de consumo.
Los 15 Algoritmos
Pero además del etiquetado, que es el lado humano de la selección, la recomendación automática tiene la mayoría de su esfuerzo distribuido en 15 algoritmos.
Por ejemplo, uno se dedica a encontrar contenidos similares al contenido que acabas de ver. Otro, en agrupar usuarios con los mismos gustos, y otro en ordenar lo mejor y peor votado por la comunidad.
Y todos esos ejemplos se cruzan y se procesan para analizar causas y estímulos por los que decides ver un una u otra cosa, a qué hora se reproduce más una serie/película/documental, entre otros rasgos.
Pruebas A/B
Adicional a todo lo mencionado, el equipo prueba constantemente con cambiar las imágenes con que sugiere contenidos para ti, una y otra vez, en varias oportunidades y cambiando los diseños, para saber qué vende mejor a cada segmento de mercado en particular.
Más: Spotify: El Rey Consumado De Las Apps De Música
Sin embargo, ninguno de estos patrones expone tus datos, ya que el servicio sólo te vincula a etiquetas, números y códigos internos, por lo cual no debes preocuparte por tu privacidad.
Los algoritmos, además, miden y ordenan acciones como cuántos usuarios se han dado de baja éste mes, cuántos se han suscrito o cuantos se han quedado. Por lo cual seguramente saben por qué decidiste quedarte o irte.
Así que, si no quieres ver recomendaciones extrañas, evita que otra persona vea contenidos con tu perfil, o créale uno dentro de tu cuenta.
