← Fallbeispiele
USAMedien und Unterhaltung2009 – laufend

Netflix

Empfehlungs- und Personalisierungssystem

Empfehlungen beeinflussten etwa 80 % der Netflix-Sehzeit; Netflix bezifferte ihren Wert auf mehr als 1 Milliarde US-Dollar jährlich

ErfolgreichAngabe des Unternehmens

Ausgangslage

Wer bei einem Streamingdienst nicht schnell etwas zum Anschauen findet, nutzt ihn möglicherweise nicht mehr und kündigt sein Abonnement. Der Netflix-Katalog war zu groß, um ihn als Mitglied vollständig zu durchstöbern. Für jeden verlorenen Abonnenten musste ein neuer gewonnen werden.

Vorgehen

Netflix entwickelte eigene Algorithmen, die Titel auf der Startseite sortieren, personalisierte Reihen zusammenstellen, ähnliche Titel auswählen, Vorschaubilder bestimmen und die Suche steuern. Das Unternehmen wechselte von der Vorhersage von Sternebewertungen, die im DVD-Geschäft und beim Netflix Prize im Mittelpunkt gestanden hatte, zu Modellen auf Basis des Streamingverhaltens. Änderungen prüfte es mit A/B-Tests, die Kundenbindung und mittelfristige Nutzung maßen.

Kennzahlen

~80%Anteil der Streamingstunden, bei denen das Empfehlungssystem die Auswahl beeinflussteAngabe des Unternehmens[1]
$1B+Geschätzte jährliche Einsparungen durch Personalisierung und Empfehlungen, vor allem durch weniger KündigungenAngabe des Unternehmens[1][2]

Erkenntnis

Netflix bewertete Empfehlungen anhand der vermiedenen Kündigungen, ohne direkte Umsätze zu messen. Die 1 Milliarde US-Dollar beruht auf einer eigenen Schätzung von Netflix aus dem Jahr 2015.

Kategorien

Einführung
Eigenentwicklung
Nachweis
Angabe des Unternehmens

Quellen

  1. The Netflix Recommender System: Algorithms, Business Value, and Innovation
    ACM Transactions on Management Information Systems28. Dez. 2015Forschungsarbeit oder Bericht

Quellenzusammenfassungen

[1]ACM Transactions on Management Information Systems28. Dez. 2015

Carlos Gomez-Uribe und Neil Hunt von Netflix beschreiben die Empfehlungsalgorithmen des Dienstes und deren Prüfung mit A/B-Experimenten. Ihren Angaben zufolge beeinflussen Empfehlungen etwa 80 % der Streamingstunden; die übrigen 20 % entfallen auf die Suche. Sie schreiben, Personalisierung habe die monatliche Kündigungsquote um mehrere Prozentpunkte gesenkt, und schätzen den Gesamteffekt auf mehr als 1 Milliarde US-Dollar pro Jahr.

[2]Tubefilter20. Juni 2016

Tubefilter berichtet über die Schätzung zweier Netflix-Manager von jährlich 1 Milliarde US-Dollar und erläutert, dass die Einsparungen vor allem auf die Bindung von Abonnenten zurückgehen. Der Verfasser merkt an, die Schätzung lasse sich nicht mit belastbaren Zahlen belegen und könnte etwas überhöht sein.

Ausführliche Angaben finden Sie in den Originalquellen.

Hinzugefügt 25. Okt. 2026 · Aktualisiert 25. Okt. 2026
Fallseite öffnen ↗