EUAMídia e entretenimento2009 – em andamentoNetflix
Sistema de recomendação e personalização
Recomendações orientavam cerca de 80% das horas assistidas na Netflix, que as avaliou em mais de US$ 1 bilhão por ano
Problema
Um assinante de streaming que não encontra rapidamente algo para assistir pode deixar de usar o serviço e cancelar a assinatura. O catálogo da Netflix era grande demais para ser percorrido pelos assinantes, e cada assinante perdido precisava ser substituído por um novo.
Abordagem
A Netflix desenvolveu internamente um conjunto de algoritmos que ordenam os títulos na página inicial, montam fileiras personalizadas, selecionam títulos semelhantes, escolhem imagens e dão suporte à busca. A empresa passou da previsão de avaliações por estrelas, foco de sua época de DVDs e do Netflix Prize, para modelos baseados no comportamento no streaming. Testou mudanças por meio de testes A/B que mediam a retenção e o engajamento no médio prazo.
Números principais
Lição
A Netflix atribuiu valor às recomendações pelos cancelamentos que elas evitavam, sem medir vendas diretas. O valor de US$ 1 bilhão é uma estimativa da própria Netflix, de 2015.
Categorias
- Porte
- Grande empresa
- Função empresarial
- Marketing e vendasTI e P&D
- Tipo de inovação
- Inovação de produtos e serviços
- Tecnologia de IA
- Recomendação e personalização
- Forma de adoção
- Desenvolvimento interno
- Objetivo
- Receita e experiência do cliente
- Evidência
- Declaração da própria empresa
Fontes
Resumos das fontes
Carlos Gomez-Uribe e Neil Hunt, da Netflix, descrevem os algoritmos de recomendação do serviço e como a empresa os testa em experimentos A/B. Escrevem que as recomendações influenciam cerca de 80% das horas de streaming, enquanto os 20% restantes vêm de buscas. Afirmam que a personalização reduziu os cancelamentos mensais em vários pontos percentuais e estimam o efeito combinado em mais de US$ 1 bilhão por ano.
O Tubefilter relata a estimativa anual de US$ 1 bilhão apresentada por dois executivos da Netflix e explica que a economia vem principalmente da retenção de assinantes. O autor observa que a estimativa não pode ser comprovada com números concretos e pode estar um pouco superestimada.
Os detalhes completos estão disponíveis nas fontes originais.
