Você já parou para se perguntar como a Netflix consegue acertar o gosto do assinante nas séries e filmes que recomenda através do seu algoritmo?
“O que assistir após um dia cansativo de trabalho?”. Essa pergunta, certamente, é frequente na cabeça da maioria das pessoas que ligam a TV sem saber muito bem o conteúdo a escolher.
Atualmente, todos nós queremos uma plataforma de streaming inteligente que conheça nossas preferências e gostos, mas de maneira natural. Por isso, a Netflix e outros serviços de streaming investem bastante em sistemas de recomendação, que interagem diariamente com o usuário, mesmo que de maneira oculta.
Leia também: O que é streaming?
Essa função é um dos fatores responsáveis pelo sucesso da Netflix, mas não é algo fácil de implementar. O segredo da Netflix é a ciência de dados.
Basicamente, a Netflix utiliza machine learning (aprendizado de máquina) para fragmentar as intenções pré-concebidas dos assinantes e, assim, procurar por conteúdo que estava fora do radar.
As “previsões” da Netflix são baseadas em tópicos diferenciados no conteúdo em vez de se basear em categorias mais amplas. Aliás, é importante frisar que a Netflix não conseguiu ser tão efetiva em recomendar séries e filmes da noite para o dia.
O que são algoritmos?
Primeiramente, é necessário descobrir o que são algoritmos.
Um algoritmo é um procedimento utilizado para solucionar um problema, ou realizar um cálculo computacional.
Algoritmos agem como uma lista eficaz de instruções que conduzem, passo a passo, ações específicas em sequências de códigos de programação baseados em software ou em hardware.
Os algoritmos estão presente em todas as áreas da Tecnologia da Informação (IT). Na matemática e na ciência da computação, um algoritmo geralmente corresponde a um pequeno procedimento para resolver um problema recorrente.
Mas o seu uso também é aplicado em casos específicos, como processamento de dados. Além disso, o papel do algoritmo é muito importante em sistemas automatizados, como no caso do algoritmo da Netflix que recomenda filmes é séries. Chegaremos lá em breve, mas, antes disso, veremos alguns exemplos do uso de algoritmos.
Como funcionam os algoritmos?
Os algoritmos podem ser representados como linguagem naturais, linguagens de programação, pseudocódigos, diagramas de fluxo e tabelas de controle. A representação como linguagem natural é rara, devido a sua ambiguidade.
Usualmente, as linguagens de programação representam a execução de um algoritmo por um computador.
Um algoritmo pode ser usado para classificar conjuntos numéricos ou em tarefas mais complicadas, como recomendar conteúdo para usuários em redes sociais (e também em serviços streaming).
Geralmente, os algoritmos começam com uma entrada inicial junto de instruções que descrevem uma computação específica.
Leia também: O que é inteligência artificial?
A definição de computação é a busca de solução para um problema a partir de entradas (inputs), visando obter resultados (outputs), após do processamento da informação através de um algoritmo.
Portanto, quanto a computação é executada, o processo gera um resultado (output).
Por exemplo, um algoritmo de pesquisa pega uma consulta de pesquisa como entrada e a executa através de um conjunto de instruções de pesquisa em um banco de dados para obter itens relevantes à consulta.
Softwares de automação agem como outro exemplo de algoritmos, uma vez que a automação segue um conjunto de regras para completar tarefas. Muitos algoritmos são cruciais para a criação de um software de automação, trabalhando em conjunto para automatizar um processo específico.
Tipos de algoritmos
Há vários tipos de algoritmos, sendo todos desenvolvidos para realizar diferentes tarefas. Vamos falar sobre um exemplo bem conhecido devido ao Google.
Algoritmo de mecanismo de busca: esse algoritmo usa strings de busca (a combinação de todos os textos, números e símbolos inseridos pelo usuário em um mecanismo de busca) e operadores de busca (strings de caracteres usados pelo mecanismo de busca para limitar o foco da busca) como entradas (inputs), fazendo uma pesquisa por páginas relevantes no seu banco de dados e fornecendo, assim, os resultados.
Além desse tipo de algoritmo, há vários outros, como algoritmos de criptografia, algoritmos recursivos, de programação dinâmica e muito mais.
No entanto, o texto ficaria muito grande e o foco — como o algoritmo da Netflix recomenda séries e filmes — se perderia na neblina.
Contudo, porém, todavia, há um exemplo de muito necessário para compreender como funciona o algoritmo da Netflix que recomenda filmes e séries. Uma palavrinha bem conhecida atualmente por Machine Learning.
Machine learning e suas características
Um exemplo importante de um algoritmo é o machine learning (aprendizado de máquina), pois essa área da ciência da computação é responsável por utilizar multiplos algoritmos para prever resultados sem estar especificitamente programado para isso.
Machine learning, ou aprendizado de máquina, utiliza o aprendizado supervisionado ou não supervisionado. No aprendizado supervisionado, os cientistas de dados fornecem algoritmos como exemplos de entradas e saídas especificados. A intenção é que o algoritmo aprenda uma regra geral para mapear as entradas para as saídas.
O aprendizado não supervisionado, como podemos esperar, não entregam exemplos de entradas e saídas especificados, deixando que o algoritmo encontre sozinho estruturas nas entras fornecidas.
A maioria dos tipos de Deep Learning (aprendizado de máquina profundo), incluindo redes neurais, são algoritmos não supervisionados.
No caso da Netflix, o algoritmo que recomenda séries e filmes e baseado em um aprendizado supervisionado para criar o controle de qualidade. Entraremos nesse assunto agora.
Origem do algoritmo da Netflix que recomenda filmes e séries
Muita gente não sabe, mas a Netflix não começou como um serviço de streaming de filmes e séries. Na verdade, a empresa surgiu no final dos anos 1990 com um modelo baseado em assinatura para envio de DVDs nos Estados Unidos.
Leia mais: O dia em que a Blockbuster não quis comprar a Netflix [VÍDEO]
O início da ciência de dados na Netflix ocorre em 2000, quando a empresa lança as recomendações personalizadas de filmes. Mas em 2006 que o algoritmo que recomenda séries e filmes dá os seus primeiros passos.
Com a transformação da Netflix em um serviço de streaming de filmes e séries de TV com alcance global, foi necessário desenvolver um sistema de recomendação para os assinantes do serviço para manter o crescimento de usuários.
Sistemas de recomendação são um grande exemplo do uso de machine learning e mineração de dados pelos grandes setores da economia, sobretudo o da tecnologia.
Várias aplicações em áreas como e-commerce, mecanismo de busca, streaming, videogames e, até mesmo, apps de paquera online utilizam técnicas similares que aplicam um grande volume de dados para melhore atender às necessidades do usuário de maneira personalizada.
Essas técnicas são amplamente usadas porque elas se mostraram eficiente para aumentar as métricas das empresas, como o lucro e a satisfação do consumidor.
No caso da Netflix, a empresa afirma que, devido à grande quantidade de conteúdo disponível na plataforma, havia uma preocupação na maneira de como ajudar os assinantes a encontrar conteúdos para mantê-los no serviço.
Esse é o papel do NRE (Netflix Recommendation Engine – Mecanismo de Recomendação da Netflix), que teve um papel importantíssimo na consolidação da Netflix como maior streaming do mundo.
NRE (Mecanismo de Recomendação da Netflix) – O algoritmo que recomenda filmes e séries
Primeiramente, é válido dizer que mecanismos de recomendação são ferramentas de filtragem de dados com o fim de encontrar padrões para recomendar os itens mais relevantes ao usuário.
Aplicando corretamente o mecanismo, é possível entregar uma experiência de usuário mais personalizada, impulsionando, portanto, o engajamento com o produto.
Como os mecanismos de recomendação são construídos por dados, quanto mais dados houver, melhor será a geração de recomendação pelo mecanismo.
O Netflix Recommendation Engine é composto por múltiplos algoritmos que filtram o conteúdo com base no perfil do usuário. É uma tarefa difícil, pois o sistema filtra mais de 3 mil títulos usando mais de mil agrupamentos de recomendação, sendo todos baseados nas preferências do usuário.
De acordo com a Netflix, o NRE é responsável por 80% do consumo de conteúdo da plataforma, sendo, portanto, um resultado direto do sistema de recomendação. Além disso, o NRE economiza bilhões de dólares à Netflix anualmente por evitar que assinantes cancelem o serviço.
O segredo é o seguinte: A Netflix afirma estimar serem necessários cerca de 90 segundos para obter a atenção do consumidor. Para tanto, a empresa precisa se certificar de estar promovendo conteúdos com uma forte possibilidade de serem consumidos.
Categorias de informação responsáveis pelo sistema de recomendação
A primeira é a informação sobre os assinantes da Netflix, que coleta uma série “triturada” de dados implícitos sobre o comportamento dos usuários, incluindo o histórico de visualização, o horário em que usam a Netflix e em qual dispositivo.
A segunda categoria é a informação sobre conteúdo e títulos. Surpreendentemente, a Netflix encarrega seus funcionários e muitos freelancers para assistir cada título da plataforma e determinar tags para eles. Essas tags podem incluir informações diversificadas, como, por exemplo, se o filme ou série se passa no espaço.
Leia também: Após queda de assinantes, Netflix realiza demissões em massa
A terceira talvez seja a mais importante: informação produzida por algoritmos de machine learning. A Netflix combina as informações coletadas do usuário com as informações feitas pelo staff para identificar elementos e padrões importantes e atribuí-los a relevantes parâmetros.
Com base nesses dados, os algoritmos geram milhares de “comunidades de gosto”. Esse termo define as categorias de usuários interessados em títulos similares.
Machine learning e o algoritmo que recomenda filmes e séries na Netflix
De acordo com a Netflix, o machine learning é responsável pelo algoritmo da Netflix que recomenda filmes e séries, mas também ajuda a plataforma a catalogar o conteúdo ao aprender características que tornam determinando título um sucesso.
Obviamente, a Netflix usa isso para otimizar a produção de filmes e séries originais da plataforma. Mas, além disso, o machine learning também permite que a Netflix otimize as especificações de áudio e vídeo.
A Netflix, afinal de contas, investe pesado em machine learning para continuar a aprimorar a experiência de usuário em muitas áreas da plataforma.
O algoritmo que recomenda filmes e séries na Netflix é baseado em machine learning e permite que a Netflix faça uma curadoria das páginas de cada usuário com conteúdos relevantes.
A Netflix usa o algoritmo para identificar o que o assinante está assistindo, bem como cada parte de conteúdo na plataforma que contenha um grupo de classificações, como gênero, elenco, nota, sucesso e crítica, etc.
Além disso, a Netflix também pesquisa por assinantes com histórico de visualização similares e recomenda um conteúdo para todo um grupo caso tenha havido assinantes com gostos semelhantes que assistiram a esse conteúdo anteriormente.
Personalização da página inicial
O algoritmo da Netflix analisa os dados implícitos e explícitos do usuário, como histórico de visualização, de busca e de classificação, que serão usados para entregar conteúdos relevantes às páginas do assinante.
Um exemplo da entrega de conteúdo personalizada da Netflix é o formato da página inicial. A Netflix utiliza um sistema de classificação baseado em linhas de dois níveis.
As recomendações mais precisas aparecem à esquerda de cada linha e no topo de cada coluna.
Cada linha destaca um tema específico (top 10, bombando, ação, comédia, etc), sendo gerada usando um algoritmo que iremos abordar na próxima seção. Cada página de usuário consiste em aproximadamente 40 linhas com até 75 itens, dependendo do dispositivo que o assinante esteja usando.
Segundo a Netflix, a vantagem do sistema de linhas de dois níveis podem ser vistas por duas perspectivas. A primeira é que, para o usuário, é mais coerente a apresentação de itens similares na mesma linha, o que o ajuda a decidir o que assistir em determinada categoria.
A segunda, certamente, é a perspectiva da empresa, que tem maior facilidade para coletar o feedback dos assinantes. Isso porque passar para o lado em uma linha indica interesse enquanto descer para outra coluna indica desinteresse, formulando assim o algoritmo que recomenda filmes e séries da Netflix.
Uma curiosidade é que a arte usada nas thumbnails das séries e filmes da Netflix também são baseadas de acordo com as preferências do usuário.
Tipos de algoritmos usados pela Netflix
A Netflix utiliza uma variedade de algoritmos que geram sistemas de classificação para dar vida ao algoritmo que recomenda filmes e séries. Iremos apresentar alguns dos algoritmos e quais suas funções na plataforma.
PVR (Personalized Video Ranking – Classificação Personalizada de Vídeo): esse algoritmo talvez seja o de maior uso geral. A função do PVR é filtrar o catálogo da Netflix usando critérios determinados. Por exemplo, comédia, filmes brasileiros, filmes de romance, séries americanas e outras categorias são combinadas com outros atributos que incluem as características do usuário e a popularidade do conteúdo.
Top-N Video Ranker: O Top-N Video Ranker é o algoritmo usado pela Netflix para recomendar as séries e filmes que aparecem na linha “Principais Escolhas”. A Netflix desenvolveu esse algoritmo para identificar um número limitado de recomendações personalizadas que englobam todo o catálogo do streaming com base nos títulos com maior nota de classificação.
CWR (Continue Watching Video Ranker – Classificação de Vídeo para Continuar a Assistir): A categoria mais acessada da Netflix talvez seja essa que o CWR é responsável. O CWR é o algoritmo de classificação de vídeo usado para organizar os títulos que aparecem na linha de “Continuar Assistindo”.
Ao contrário dos algoritmos anteriores, o CWR organiza e classifica os títulos que o usuário assistiu recentemente baseado em seus cálculos envolvendo a probabilidade de o usuário continuar a assistir o conteúdo, ou rever, ou até mesmo parar de ver.
Trending Now Ranker (“Em Alta”): Esse algoritmo aparece na seção “Em Alta” da Netflix, sendo um sistema de dedução feito pela plataforma que reúne o que está bombando atualmente. Por ser de curto período, essas tendências em tal linha podem durar desde alguns minutos até alguns dias. Além disso, o Trending Now Ranker observa eventos específicos para organizar essa seção, como o Dia dos Namorados, que faz com que os conteúdos de romance da plataforma entrem “Em Alta”.
O algoritmo também classifica eventos incomuns, como a pandemia e outros desastres, que geram interesse de curto prazo em, por exemplo, documentários.
Sims (Video-Video Similarity – Similaridade entre vídeos): Embora o nome seja o mesmo, esse algoritmo não tem nada a ver com o jogo da EA, mas é o responsável pela famosa seção “Porque Você assistiu”, que contém recomendações geradas com base no consumo de um específico título pelo usuário.
O Algoritmo Sims avalaia cada título do catálogo da Netflix para identificar conteúdos similares que o usuário assistiu recentemente. Em seguida, o Sims classifica e apresenta esses títulos similares nessa famosa seção.
Outros algoritmos usados em conjunto com o NRE
Cada um dos algoritmos de classificação de vídeos da Netflix se baseia em diferentes sinais matemáticos e estatísticos, utilizando os dados como entradas.
Eles também dependem de diferentes cenários de treinamento de machine learning que são elaborados especificamente para a função do algoritmo.
Além dos cinco algoritmos citados acima, que são responsáveis pela forma como a Netflix recomenda filmes e séries, há mais alguns que trabalham em conjunto com o sistema de recomendação.
Seleção de evidência: O nome já indica a função desse algoritmo. Algoritmos de seleção de evidência avaliam toda informação disponível sobre um título do catálogo e determina quais caraterísticas irão aparecer na descrição do título.
Essa escolha ocorre com base na previsão do algoritmo da Netflix que determina o que o usuário encontrará de mais útil enquanto considera uma recomendação.
Evidência é a informação que o usuário pode ver no canto esquerdo da página, como a sinopse do título, a thumbnail e outras informações relevantes sobre o título, como prêmios e elenco.
Busca: Como dito no início do texto, o sistema de recomendação da Netflix corresponde por 80% das horas de conteúdo reproduzido na plataforma. Em contrapartida, a sua ferramenta de busca corresponde pelos 20% restante.
A ferramenta de busca da Netflix é formada por um conjunto específico de algoritmos. Por isso, quando um título não está disponível no catálogo da Netflix, a plataforma recomenda um conteúdo alternativo com base na pesquisa.
Conclusão sobre o algoritmo da Netflix que recomenda filmes e séries
Graças ao algoritmo que recomenda séries e filmes, a Netflix conseguiu aumentar o engajamento dos usuários usando o machine learning como uma parte crucial da sua plataforma.
Ao gerar recomendações personalizadas, exibindo elementos com base no gosto de cada usuário, e implementando modelos de previsão, a Netflix consegue alcançar altas taxas de audiência entre seus assinantes.
Por ser o primeiro serviço a utilizar machine learning de maneira ostensiva, a Netflix se tornou o líder no mercado altamente competitivo da indústria de streamings.
Entretanto, nem tudo é perfeito…. A Netflix vem recebendo críticas em relação ao uso de inteligência artificial enviesada no sistema de recomendação, sobretudo na forma como exibe conteúdos para determinadas classes, etnias e gêneros.
Você também deve ler!
Veja também
Sobre o Autor
Deixe seu comentário