一个关于Netflix的数字

去年Netflix公司公布：其付费用户在全球范围内已达到了1.35亿。

Netflix的美国用户统计数据地表示出了美国的整体人口特征，包括财富、年龄和教育程度等不同的特征。

Netflix的商业模式

在没有广告的情况下，Netflix的收益方式依赖于客户长期订阅其平台上的服务。客服越满意，其订阅服务的时间就会越长。

这就是为什么Netflix的核心业务是识别和分析影响观众使用满意度的因素。

在早期，Netflix通过给电视剧或电影评分，来捕捉观众的喜好。随着流媒体视频成为主要焦点，爆发了更多的数据可用来摸索用户的喜好。例如：用户观影时间、用户年龄和性别、选择电影所花费的时长、电影暂停-恢复的频率如何，等等。

Netflix的算法

使用以上所有数据点，Netflix的建模工程师和数据分析师就可以利用模型和数据来预测用户的喜好了。这样客户就会不断收到他们喜欢去点击观看的内容。

算法模型会根据用户的观看偏好，在1300多个集群中为用户分配3-5个不同的集群。

数据驱动的电影分类

使用算法模型，Netflix创造了76897种描述电影类型的独特方式。这些描述方式被称为“另类类型”。这就是为什么Netflix可以准确捕捉用户的喜欢，抓住用户。

显然，这个类型已经超越了经典的戏剧、科幻和喜剧的范畴。

个性化的封面图片

正如图片所展示的，所有用户都有不同的封面。封面是基于用户的电影喜好而生成的，是可以随着用户喜好的变化而改变。

Netflix会根据节目的颜色和风格为这些节目封面进行图像建模。此外，Netflix也会尝试不同版本的封面图片，以找出哪一个能更吸引用户。

实现方法

Netflix的推荐引擎由机器学习算法驱动。收集一批会员如何使用服务的数据，然后对这批数据运行新的机器学习算法。接下来，技术人员通过A/B Test在当前系统上测试这个新算法。

通过在随机子集上进行测试，可以帮助技术人员查看新算法是否优于当前的算法系统。

A组为当前算法，B组为新的算法。如果B组算法显示了Netflix用户有更高的参与度，则将新算法推广到所有用户。

但通常，这种批量方法也有缺点：许多用户在很长一段时间内，并没有从新算法中受益。如下图所示。

Netflix利用数据科学为观众提供他们想要的内容，颠覆了电视行业。