← Casos
Estados UnidosMedios de comunicación y entretenimiento2009 – en curso

Netflix

Sistema de recomendaciones y personalización

Las recomendaciones impulsaron alrededor del 80% de las horas de visionado de Netflix, que las valoró en más de 1.000 millones de dólares al año

Con resultadosDeclaración de la propia empresa

Problema

Un suscriptor de una plataforma de contenidos en línea que no encuentra rápidamente algo que ver puede dejar de utilizar el servicio y cancelar su suscripción. El catálogo de Netflix era demasiado amplio para que los usuarios lo recorrieran, y cada suscriptor perdido debía sustituirse por uno nuevo.

Enfoque

Netflix desarrolló internamente un conjunto de algoritmos que ordenan los títulos en la página de inicio, crean filas personalizadas, seleccionan títulos similares, eligen imágenes y permiten realizar búsquedas. La empresa pasó de predecir valoraciones con estrellas, el objetivo de su etapa del DVD y del Netflix Prize, a utilizar modelos basados en el comportamiento de visionado en línea. Evaluó los cambios mediante pruebas A/B que medían la retención y la interacción a medio plazo.

Cifras clave

~80%Proporción de horas de visionado en línea en las que el sistema de recomendaciones influyó en la elecciónDeclaración de la propia empresa[1]
$1B+Ahorro anual estimado por la personalización y las recomendaciones, principalmente por la reducción de las bajasDeclaración de la propia empresa[1][2]

Conclusión

Netflix valoró las recomendaciones por las cancelaciones que evitaban, sin medir ventas directas. La cifra de 1.000 millones de dólares es una estimación de la propia Netflix de 2015.

Categorías

Función empresarial
Marketing y ventasTI e I+D
Respaldo
Declaración de la propia empresa

Fuentes

  1. The Netflix Recommender System: Algorithms, Business Value, and Innovation
    ACM Transactions on Management Information Systems28 dic 2015Artículo o informe de investigación

Resúmenes de fuentes

[1]ACM Transactions on Management Information Systems28 dic 2015

Carlos Gomez-Uribe y Neil Hunt, de Netflix, describen los algoritmos de recomendación del servicio y cómo los evalúa la empresa mediante experimentos A/B. Señalan que las recomendaciones influyen en alrededor del 80% de las horas de visionado en línea, mientras que el 20% restante procede de las búsquedas. Afirman que la personalización ha reducido las bajas mensuales en varios puntos porcentuales y estiman el efecto conjunto en más de 1.000 millones de dólares al año.

[2]Tubefilter20 jun 2016

Tubefilter recoge la estimación de 1.000 millones de dólares anuales de dos directivos de Netflix y explica que el ahorro procede principalmente de retener a los suscriptores. El autor señala que la estimación no puede respaldarse con cifras concretas y podría estar algo sobrevalorada.

La información completa figura en las fuentes originales.

Añadido 25 oct 2026 · Actualizado 25 oct 2026
Abrir la página del caso ↗