引言
在 2006 年，Netflix 舉辦了一場有獎的演算法競賽，提供高達 100 萬美元的獎金，旨在提升其電影評分預測系統的準確性，提高 10% 的性能。這場比賽吸引了眾多在機器學習和數據挖掘領域的專家和愛好者。
然而，隨著 2007 年 Netflix 推出串流媒體服務，人們與其服務的互動方式發生了巨大的變化，這也迫使 Netflix 改變了其演算法的計算方式。
Netflix 的演算法轉型
對於傳統的 DVD 郵寄服務，由於交換 DVD 需要一到兩天的時間，Netflix 可以透過寄送電子郵件來幫助用戶規劃他們想要觀看的影片。然而，在串流媒體時代，用戶更加關注即時可觀看的內容，系統需要即時響應用戶的數據和需求。
用戶可以預覽一些片段來決定是否觀看某部影片，也可以在同一時間段內切換多個視頻。系統能夠監測到用戶是完整觀看了一部影片，還是中途離開。此外，裝置的多樣性也是一大變化，從網站到行動裝置，甚至包括 Apple TV 等。
截至 2012 年，75% 的 Netflix 用戶都使用了個人化推薦演算法來獲取影片推薦。透過不斷提高個人化水平，Netflix 優化了用戶體驗，顯著提升了客戶滿意度。
個人化推薦的價值
Netflix 發現，對於訂閱用戶來說，個人化推薦具有巨大的價值。這種個人化從首頁就開始體現。
每一列影視內容都有一個有意義的標題，傳遞特定的資訊。例如，當 Netflix 使用「您」這個詞時，實際上可能指的是整個家庭的所有成員，因為一個帳號通常供一家人使用，每個人的口味都不盡相同。
這意味著，當您看到「您的熱門 10 部影片」時，可能是基於您家中父母、孩子或其他家庭成員的觀看歷史。對於獨居的用戶，Netflix 則更關注其興趣和情緒需求。
為了實現這一目標，Netflix 不斷優化演算法的精確度，並對多樣性進行深入分析。
感知：超越個人化的關鍵元素
在提供個人化服務的同時，Netflix 還重視用戶的感知體驗。Netflix 希望訂閱用戶了解系統如何適應他們的口味。這不僅增強了系統的可信度，還鼓勵用戶提供回饋，以獲得更好的推薦。
為了讓用戶信任系統的推薦，Netflix 主動解釋了為什麼系統會推薦某個內容。即使某些內容對業績有幫助，系統仍會根據用戶的明確喜好、評價、觀看歷史，甚至是朋友的推薦（透過 Facebook 綁定獲取）來決定是否推薦。
談到社群，Netflix 提供了與 Facebook 的連結（美國地區除外，受限於《影片隱私保護法》）。透過這些社交連結，不僅使系統的推薦更精準，還能提供與用戶社交生活相關的內容。
個人化推薦的實現方式
在 Netflix 的服務中，最明顯的個人化推薦體現在類別（Genre）列上。例如，喜劇、劇情片，甚至是「80 年代的時空之旅」。每一列都有三層的個人化：
- 類別本身的定義：根據用戶的觀看歷史和喜好，定義最適合的類別。
- 內容的子分類：進一步細分類別，提供更精準的推薦。
- 內容的排名：根據用戶的偏好，對內容進行排序。
Netflix 發現，將這些個人化推薦列放在頁面的較高位置，可以提高用戶的留存率。這表明訂閱用戶對這些推薦列非常有感。而在決定推薦哪些類型的內容時，新鮮度和多樣性也是重要的考量因素。
目前，Netflix 已經提供了一些推薦列，如「最近播放」、「您的評分」等，以及透過 Netflix 的口味偏好調查獲得的其他互動。當系統提供的資訊不足時，Netflix 也允許會員明確表達自己的喜好，以回饋到系統中。
「相似類型」與個人化服務
「相似類型」也是 Netflix 個人化服務中的重要元素。Netflix 認為，「相似類型」是一個相當開放的概念。它可以是電影之間的關係，會員之間的關係，或者其他維度的資訊，如元資料、評價，甚至是當前正在觀看的一些資訊。
此外，這些「相似類型」可以混合使用，形成新的推薦模式。它們可以用於多種情境，例如回應會員的行為（如搜尋或將影片增加到待看清單），也可以用來產生基於會員最近互動行為的相似影片推薦列。
排序與優化：提升個人化的關鍵
正如前面提到的，「熱門 10 部影片」排行榜、類別推薦和「相似類型」推薦列的順序，都是決定個人化效果的關鍵。Netflix 的評價系統旨在為用戶呈現最佳的內容排列順序，而且是即時的。
Netflix 將評價過程拆分為三個部分：對內容進行評分、排序和過濾分類，然後呈現給訂閱用戶。目標是優化會員的滿意度，確保他們每月繼續訂閱，同時提高內容的觀看率。
雖然 Netflix 的演算法競賽旨在實現這一目標，但還需要考量更多因素，如最受歡迎的電影內容、用戶興趣、行為跡象、新奇性、多樣性和新鮮度。
結語
透過不斷優化個人化推薦和關注用戶的感知體驗，Netflix 成功提升了用戶滿意度和留存率。其複雜而高效的推薦系統不僅滿足了用戶的個人化需求，也為業界樹立了標杆。
參考文章：Netflix Tech Blog - Netflix Recommendations: Beyond the 5 stars
