Aprenem a cuinar amb Netlix: algoritmes adictius

Sota el paraigües de la marca Netflix Originals la plataforma de visionat cuina produccions al gust del consumidor. The OA, Narcos, Stranger Things, són algunes produccions que han estat en boca de tothom aquest darrer any i que han estat elaborades en el laboratori culinari de Netflix. Descobrim l’ingredient secret que les ha portat a l’èxit: els algoritmes.

Cada any aprenem coses noves en el Saló del Cinema i les Sèries, Enguany volem reflexionar a partir de la xerrada d’Elena Neira sobre com Netflix fa ús dels algoritmes per tenir-nos enganxats davant la pantalla. Només començar la xerrada Neira ens preguntava, “quants de vosaltres sou usuaris de Netflix”? Tota la sala va aixecar la mà. A partir d’aquí va desgranar quins eren els secrets de Netflix que fan que tingui tants seguidors incondicionals.

Per tenir-nos a tots enganxats, Netflix segueix la següent recepta:

Una vegada realitzat aquest procés… VOILÀ, tota una sala plena d’usuaris de Netflix

O com diria Jesse Pinkman en observar la creació culinària de Walter White, “Yeah, science!

Com afecten els algoritmes al meu visionat?

Recordeu què és un algoritme?

 Els algoritmes són una seqüència d’instruccions en forma de codi que expliquen a una màquina què és el que volem que faci. Per fer-ho més humà, ho podem comparar amb cuinar una recepta. Tenim un full amb els aliments que necessitem, mitjançant l’execució dels diversos passos aconseguirem crear el postre que volem.

Sabeu allò tan absurd que fem d’obrir la nevera sense buscar res en concret? Imagineu quina seria la nostra reacció si cada vegada que obríssim la porta ens trobéssim un plat nou. No tindrieu ganes d’obrir la nevera contínuament?

Aquesta és la necessitat que busca Netflix. Vol que cada vegada que obrim l’aplicació trobem contingut nou que ens sorprengui i que, a poder ser, que acabem consumint. De fet, té estudiat que si els usuaris no troben un contingut que els convenci en menys de 90 segons, hi ha un 30% de possibilitats que deixin per més tard la recerca.

Cal tenir en compte que el model de negoci de Netflix està basat en les subscripcions. Per tant, té dues grans labors: aconseguir nous usuaris i mantenir-los. Per fer-ho és vital que sempre tinguem contingut nou, interessant a veure ja que ningú no vol pagar per un servei que no fa servir, així que si no utilitzem l’aplicació ens donarem de baixa. D’aquesta manera, Netflix ha de procurar captar la nostra atenció mitjançant estratègies de màrqueting i algoritmes de recomanació.

Aquests algoritmes es basen en el Big Data que s’acumula a mesura que consumim contingut: quin contingut hem vist i quin no, quin descartem, la velocitat de la reproducció, la valoració del contingut, amb quin tipus de dispositiu el visualitzem, quina ruta seguim dins de l’aplicatiu fins que l’hem trobat o d’altres aspectes tècnics. És d’aquesta manera que Netflix aconsegueix crear un perfil a partir de la nostra experiència de visionat.

Elena Neira apunta que tots nosaltres pensem que el nostre gust és selecte.Pensem que no ens agrada el mateix que a tothom. És per això que tenim diversos perfils d’usuari dins del mateix compte perquè se’ns recomani contingut pensat únicament per a nosaltres. En realitat, el nostre “gust exquisit” pertany a una mitjana de tres o quatre patrons de gustos dels 1.300 que identifica Netflix.

L’scroll que podem fer a l’aplicació és ad finitum. Podem trobar fins a 40 files de contingut recomanat agrupat a partir de micro-categories com documentals sobre ciència i naturalesa,  comèdies adolescents o pel·lícules de futbol , tot i que aquestes no sempre són visibles. D’aquesta manera, a partir de descobrir-nos contingut específic, assegura oferir-nos varietat dintre dels nostres gustos.

Podeu descarregar una extensió que us permet trobar totes aquestes mini categories.

Tot i això, aquestes micro-categories no sempre són visibles i no podem cercar-les, ja que la indexació del contingut no es fa mitjançant una temàtica, sinó amb agrupacions de números. Podeu trobar un llistat de codis d’algunes de les micro-categories aquí. Només caldrà que afegiu el codi al final de la URL quan us trobeu a Netflix per tal que us mostri tot el contingut disponible sobre aquesta temàtica.

Elena Neira apunta a la recepta fins a 5 tipus d’algoritmes de recomanació que fa servir Netflix per mostrar-nos contingut:

  • Personal Video Ranker: traça connexions entre pel·lícules i crea categories afins a l’usuari.
  • Top N Video Ranker (Top picks): selecció de recomanacions en les categories PVR, filtrades per popularitat i personalitzades.
  • Trending Now: Categories-tendència
  • Continue Watching Ranker: categoria personalitzada que té en compte totes aquelles dades que permeten saber quin contingut col·locar en primer lloc.
  • Video-video similarity (‘perquè has vist…’): continguts relacionats amb un títol que l’usuari ja ha vist.
 Com afecten els algoritmes al contingut?

De la mateixa manera que es fan servir els algoritmes per recomanar-nos contingut, també es fan servir per crear-lo. Netflix Originals és la marca de les produccions que porten el segell de producció de la plataforma i podem observar que cap element que les conforma està escollit a l’atzar.

House of Cards va ser la primera producció on Netflix  va reconèixer obertament que l’havia creat a partir del big data dels usuaris. Per una banda tenim una sèrie dirigida per David Fincher, director aclamat pels fans de la plataforma; per una altra l’afinitat cap a Kevin Spacey (abans que sorgís l’escàndol d’abusos sexuals); i tenien com a referent el thriller homònim britànic. La cuina d’aquests tres elements era exquisida per als usuaris de la plataforma. Recordem, però, que en el marc del Reset Cultura 2017 a Jaume Ripoll, cofundador de Filmin, comentava el mateix cas i assegurava que no cal cap tipus d’algoritme per saber que una producció d’aquesta mena podia triomfar. Per ell, House of Cards –la versió americana– era una aposta segura. No calia cap algoritme per saber que anava a funcionar. A més a més, afegia que aquests algoritmes tenen un problema. Si l’espectador un dia vol veure un western, la plataforma detectarà que li agrada aquest tipus de contingut i li recomanarà un altre dia. Però que se’l miri o no dependrà de l’espectador i de si li ve de gust veure aquest producte concret, aquest western, o no. Per això, el millor algoritme sempre serà el cinèfil / serièfil que s’encarregui del catàleg de les plataformes.

Cas d’estudi, The Defenders

Un altre cas comentat és el de The Defenders, una sèrie de superherois de Marvel produïda per Netflix. Podem observar que cada personatge té una personalitat que encaixa amb altres sèries de la plataforma. D’aquesta manera, utilitzant aquest recurs, seguidors de diverses sèries que potser no tenen una predilecció cap al gènere dels superherois, poden sentir-se atrets per la nova proposta. Ens ho explica Netflix mateix.

  • Darevil: Predilecció per persones que els atrau la figura de l’antiheroi i trames que reflexionen sobre l’ambigüitat de la moral: Dexter, Breaking Bad, Narcos, House of Cards.
  • Luke Cage: Predilecció de móns periollosos i les seves conseqüències directes: Amanda Knox, Black Mirror, The Walking Dead.
  • Iron Fist: Predilecció per l’evolució en els personatges: Love, Shameless, 13 Reasons Why, Grace and Frankie
  • Jessica Jones: Predilecció per les dones fortes i l’humor intel·ligent. Master of None, Friends, Orange is The New Black, Making a Murderer

 

Ara ens hem de preguntar, si comencem a produir gràcies al big data que generen els algoritmes, a quina posició queda la figura del creador? Quina serà la labor dels caps de programació o contingut? Seran les màquines els nous swowrunners?

Podeu recuperar el PowerPoint de la conferència d’Elena Neira al Saló del Cinema i les Sèries aquí.

 

Marta Izquierdo

Deixa un comentari

Fill in your details below or click an icon to log in:

WordPress.com Logo

Esteu comentant fent servir el compte WordPress.com. Log Out /  Canvia )

Google+ photo

Esteu comentant fent servir el compte Google+. Log Out /  Canvia )

Twitter picture

Esteu comentant fent servir el compte Twitter. Log Out /  Canvia )

Facebook photo

Esteu comentant fent servir el compte Facebook. Log Out /  Canvia )

w

S'està connectant a %s