75% просмотров Netflix происходят благодаря рекомендательному движку

В рамках курса по системам рекомендаций, который этой осенью организовал университет Миннесоты с помощью сервиса coursera.com , Xavier Amatriain, руководитель алгоритмического отдела, рассказал о том, как устроен интерфейс и рекомендательный алгоритм, который используется в Netflix. Бизнес-задача системы рекомендаций в сервисе Netflix - удержать подписчика и увеличить время его смотрения. При этом решать эту задачу становится все труднее. Когда компания начинала, речь шла о рассылке дисков с фильмами. В то время подписчик тратил много времени на то, чтобы правильно выбрать, и был заинтересован в том, чтобы система имела нужную информацию. Если фильм не нравился, подписчик не ленился оставить соответствующий отзыв. Теперь, когда компания перешла на интернет-стриминг, мнения стало собирать труднее. Если фильм не нравится, подписчик просто закрывает окно. Соответственно, предоставляемая подписчиком информация стала гораздо менее полной. Кроме того, как показывает практика, фильмы, которые подписчик высоко оценивает, вовсе не совпадают с теми, которые ему хочется посмотреть. Не все же время выбирать только шедевры кинематографа, нужно и отдохнуть иногда! Еще одна проблема в сборе информации - подписчиком является семья с несколькими членами, вкусы у которых разные, и часто они нарочно низко оценивают те фильмы, которые выбирают и смотрят их родственники.В результате компания использует информацию, которую предоставляют подписчики, но только как добавку к косвенным данным об абоненте - какие фильмы он кликал и долго ли их смотрел.В рекомендательном движке используется комбинация информации о самых популярных передачах и фильмах, информация о вероятных персональных предпочтениях и набор фильтров по жанрам и настроению. И весь секрет - сделать правильную смесь.