中文字幕av无码不卡免费,狼人视频国产在线视频www色

搜索

APP

起點課堂會員權益

職業體系課特權

線下行業大會特權

個人IP打造特權

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導直播

12場專業技能直播

會員專屬社群

榮耀標識

發布

注冊 | 登錄

網飛（Netflix）的個性化體驗簡史

我是芝士

2021-07-15

0 評論 10820 瀏覽 14 收藏

46 分鐘

編輯導語：網飛公司Netflix的發展離不開其戰略的選擇與算法的進步，而在這段歷程中，也體現了網飛公司對個性化體驗的長遠打造。本篇文章里，作者梳理了網飛公司Netflix20年的發展歷程，也許看完之后，你會有所思考。

Netflix 最近推出了“幸運兒”（I feel lucky）按鈕。

編者按：從1998年的初創公司到今天，Netflix詳盡展示了他們的戰略、指標和實驗發展史，并且專注于提升用戶的個性化體驗，向會員提供他們喜歡的電影。打造世界級的產品和公司需要幾十年的時間。

本文譯自Medium，作者Gibson Biddle，原標題為” A Brief History of Netflix Personalization “，希望對您有所啟發。

引言

這篇文章詳細介紹了網飛公司Netflix從1998年成立，到最近推出“幸運兒”（I feel lucky）按鈕的整個過程——這樣的銷售策略讓網飛公司Netflix的用戶完全依賴公司的個性化算法。這是一段奇幻的旅程，網飛公司Netflix采用自己開發的A /B測試系統進行了高強度的實驗，推動企業不斷改進個性化策略。

在20年的時間里，網飛公司Netflix的用戶所能選擇的電影已經從系統自動建議的2%，上升到今天的80%。之前，一名用戶要搜索數百個標題才能找到自己喜歡的電影，而在今天，大多數用戶僅僅需要查看40個標題就可以愉快地點擊“播放”按鈕。二十年后，網飛公司Netflix希望推出一個“恰到好處”（just right）的選項，不需要會員自行瀏覽或進行選擇。

以下是網飛公司Netflix 20年的歷史，閱讀每一小段僅需一分鐘！希望你喜歡。

一、1998年：一家DVD郵寄業務的創業公司誕生了

1996年，隨著DVD播放器的發明，網飛公司Netflix開始以郵寄DVD業務起家。1998年，網飛公司Netflix推出了一個只有不到1000張DVD的網站。這是網站最初的樣子：

1999年，網飛公司Netflix共有2600張DVD可供選擇。那時是按菜單點菜。直到2000年，網飛公司Netflix才成為一家可以“吃到飽”（all you can eat）的訂閱服務公司。

1999年，網飛公司Netflix有2600張DVD可供用戶選擇，但公司打算將DVD庫擴大到10萬部。為了方便用戶可以更輕松地找到喜歡的電影，網飛公司Netflix開發了一種個性化的銷售系統。

2000年，網飛公司Netflix從“點餐”型業務，轉為“吃到飽”（all you can eat）的訂閱服務，該服務添加了一個隊列，即每家每戶通過點擊“添加”按鈕，創建的電影列表，并在一個已排序的電影列表中添加一個標題。每當有用戶退回一張DVD, 網飛公司Netflix就會將他們Netflix電影列表中的標題直接發送到郵箱。

二、2000年： Cinematch

網飛公司Netflix推出了一種個性化的電影推薦系統。公司采用用戶評分系統，來預測會員對一部電影的喜愛程度。這個算法叫做Cinematch，是一種協同過濾算法。

有一個簡單的方法可以幫助我們理解什么是協同過濾。

比如，我喜歡看《蝙蝠俠：開戰時刻》（Batman Begins）和《絕命毒師》（Breaking Bad），并且你也喜歡。那接下來，因為我喜歡看《卡西諾》（Casino），算法將會標明你也喜歡《卡西諾》?，F在，網飛公司Netflix把這個方法應用到了數百萬的用戶和標題中。

三、2001年：五星評價體系

網飛公司Netflix設計了一個五星評價體系，并最終從用戶那里收集了數十億條評價。網飛公司Netflix嘗試了多個“星條”（star bars），有時會使用積累星星的方法，用于表示預期評分、平均評分和朋友評分。其實有些混亂。

星星代表了用戶對一部電影的喜愛程度。如果用戶已經看過這部電影，他們就可以對電影打分。

紅星表示會員對這部影片的期望等級，盡管大多數人認為這是平均等級。

四、2002年：多個算法并用

除了Cinematch之外，還有另外三個算法也在幫助電影商品化。

1. 動態存儲

該算法會標明DVD是否可用。在DVD時代的后期，該算法甚至可以決定DVD在成員的本地中心是否可用。

到2008年，網飛公司Netflix只銷售在當地受歡迎的電影，為的是增加DVD次日交付的可能性。動態存儲。這種算法表明DVD是否可用。在DVD時代后期，該算法甚至可以確定DVD在會員的本地中心是否可用。到了2008年，Netflix只推銷當地有售的作品，以增加次日交付DVD的可能性。

2. 電影數據

這個算法包含了每部電影會用到的所有數據——情節梗概、導演、演員、年份、獎項、語言等等。

3. 搜索

在早期，網飛公司Netflix在搜索方面的投資很少，團隊認為用戶們在尋找昂貴且新發行的DVD，這會給公司的經濟狀況帶來更多的挑戰。但團隊后來發現，很多用戶會選擇老電影，制作成本較低或者冗長的電影，所以他們最終加大了搜索上的投入。

后來，網飛公司Netflix新加入了許多其他算法用于運行它的個性化銷售系統。

五、2004年：家庭會員個人檔案

Netflix發現家庭成員之間會共用一個賬戶，于是推出了“家庭會員個人檔案”（Profiles）。這個功能可以讓每個家庭會員生成自己的電影列表。

“家庭會員個人檔案”是一個要求很高的功能，盡管進行了大力推廣，但只有2%的用戶使用這個功能。管理好一份DVD清單，是一項艱巨的工作，而且每個家庭中只有一個人愿意這樣做。

考慮到用戶的低認知度，網飛公司Netflix宣布了取消“家庭會員個人檔案”的計劃。然而面對用戶的強烈反對，公司選擇順從用戶的選擇。因為一小部分用戶非常關心這個功能——他們擔心失去“家庭會員個人檔案”功能，會毀掉他們的婚姻。作為“所有成員并非生來平等”的一個例子，一半的網飛公司Netflix成員可以使用這個功能。

六、2004年：Netflix推出朋友圈功能

假設你在網飛公司Netflix創建了一個朋友圈，朋友之間會互相推薦好看的電影，并且因為不想離開這個朋友圈，也就不會退出這項服務。該功能上線時，2%的用戶至少有一個好友，但這一指數字從未超過5%。

朋友圈功能讓你可以通過該服務與朋友聯系，然后看到他們觀看了什么，他們向你推薦了什么。

網飛公司Netflix在2010年取消了這項功能，作為其“清除藤壺”（scraping the barnacles）行動的一部分——刪除用戶不重視的功能。與“家庭會員個人檔案”功能不同的是，這個舉措沒有引起用戶的反對。

在電影方面，有兩點關于社交的發現：

你的朋友品味很差。
你不想讓你的朋友知道你在看的所有電影。

在過去十年間，臉書Facebook成功地將他們的社交策略應用于許多產品，能有這樣的發現確實令人驚訝。

七、2006年：網飛公司Netflix的個性化策略

以下是2006年的個性化策略。它是以戰略/指標/戰術的形式組織的，每個戰略都有一個代理指標，以及針對每個戰略的戰術（項目）：

其目的是收集顯性和隱性數據，然后使用各種算法和展示策略，將會員與他們喜歡的電影聯系起來。該團隊專注于四個主要策略：

收集顯性的偏好數據，包括電影和電視節目收視率、類型評級和人口統計數據。
找到隱藏的偏好數據，比如DVD用戶將電影添加到他們的電影列表或之后，判斷哪些電影是他們喜歡的。
創建算法和表現分層策略，從而能夠更好地將用戶與他們喜歡的電影聯系起來。這一策略主要是用顯性/隱性偏好數據，以及大量關于電影和電視節目的數據(評級、類型、劇情、主演、導演等)，來創建將用戶與標題聯系起來的算法。預計網飛公司Netflix也將創建一個簡單的用戶界面，為個性化選擇提供視覺支持。
通過將用戶與更好的電影和電視節目聯系起來，提高每個用戶的平均電影評級。假設網飛公司Netflix為其用戶提供更高質量的電影和電視節目，用戶留存度就會更高。

更高級的假設：個性化策略可以通過讓用戶更輕松的找到他們喜歡的電影，來提高用戶留存率。

高層次的粘性指標是留存率。然而，這需要花費年的時間來改變這個指標。因此，網飛公司Netflix有一個更敏感的短期代理指標：在使用該服務的前兩個月內，給至少50部電影打分的成員的百分比。

他們的理論是，用戶會給很多電影打分，以獲得更精準的推薦。這些評級表明，會員們對他們獲得評級后得到的個性化推薦表示滿意。更多的評分表明，用戶們喜歡網飛公司Netflix的個性化銷售算法。

以下是這一代理指標在一段時間內的改進情況：

網飛公司Netflix個性化服務的早期代理指標，是在使用該服務的頭兩個月里，對至少50部電影或電視節目進行評分的會員的百分比。

為什么到了2011年，這一指標會下降？因為到那時，大多數會員都是流媒體電影的觀看者，網飛公司Netflix對會員的喜好有著強烈的隱含信號。一旦你按下“播放”按鈕，你可以選擇繼續觀看或者停止觀看。網飛公司Netflix不再需要收集那么多的星評了。

網飛公司Netflix花了十多年的時間，才證明個性化體驗能提高用戶留存率。而這一代理指標的持續增長促使該公司加倍重視個性化服務。

八、2006年：評級向導

最初的個性化功能培養基地是網站上一個帶有“推薦”（Recommendations）標簽的區域。但測試顯示，會員們更喜歡描述性的標簽。新的標簽是“你會喜歡的電影”（Movies You’ll Heart），吸引了很多的點擊量。盡管設計團隊認為這個標簽“很丑”，但是它成功了。

會員進入到“你會喜歡的電影”區域之后，該網站會向他們介紹什么是“評級向導”:

會員們一邊等待DVD，一邊“刷劇”。在“前兩個月對至少50部電影進行評分的會員百分比”這一代理指標中，評級向導起到了至關重要的作用。會員們在網站中使用“星條”對許多電影進行評級時，“評級向導”是用戶偏好輸入的主要來源。

九、2006年：人口數據

網飛公司Netflix收集了用戶的年齡和性別數據，但在團隊采用人口數據來預測用戶的電影偏好時發現，算法并沒有提高預測能力。嗯？這是怎么回事？

網飛公司Netflix是如何衡量預測能力的？個性化算法的代理度量是RMSE（均方根誤差）——這種計算方法是用于測量算法的預測評級以及用戶的實際評級之間的變量。

如果網飛公司Netflix預測你會喜歡《老友記》（Friends）和《宋飛正傳》（Seinfeld），并且評級分別是四星和五星，恰好你給這兩部劇的評分也是四星和五星，那這就是一個完美的預測。RMSE是一個“向下和向右”的指標，并且，隨著時間的推移這個指標會通過協同過濾算法的改進而更新?？梢詮囊韵碌膱D表中粗略得知：

均方根誤差（Root Mean Square Error），是對所有Netflix會員的預測與實際收視率的計算。這是一個隨著時間的推移，而變得更好的“向下和向右的”指標。

不幸的是，年齡和性別數據并沒有能夠改進預測結果——RMSE沒有得到改善。電影偏好很難預測，因為它們是獨一無二的，并且每個人的喜好是完全不同的。也就是說知道我的年齡和性別，并不能有效幫助預測的電影的喜好。但是知道一些我喜歡的電影或電視節目會更有幫助。

要想看到這一計算數據在今天的表現，就需要你的Netflix賬戶上創建一個新的個人資料。網飛公司Netflix會詢問你幾部喜歡的電影來啟動個性化系統。這就是他們在系統里計算所需的數據。

十、2006年： QUACL中的協同過濾

QUACL是隊列添加確認層。一旦用戶在他們的電影列表中添加了一個標題，一個確認層會彈出提示類似的標題。下面是一位用戶將日本動漫Eiken加入了他們的電影列表后，協同過濾算法所給出的6個類似的電影：

QUACL或隊列添加確認層，是個性化推薦的一個重要來源。

隨著時間的推移，網飛公司Netflix在向會員推薦類似影片方面會做得越來越好。作為一個營銷來源，QUACL占總序列的比例會在幾年的時間里從10%提升到20%。QUACL是算法測試中一個很好的測試環境。事實上，網飛公司Netflix在QUACL中開始了它的第一批機器學習測試。

十一、2006年：100萬美元的Netflix獎

和其他初創公司一樣，網飛公司Netflix的資源有限。雖然他們已經證明了Cinematch的價值，但只有幾個工程師專注于這個算法。他們的解決方案就是：通過Netflix獎進行外包算法開發。

網飛公司Netflix向任何能夠將均方根誤差提高至少10%的團隊提供100萬美元。

網飛公司Netflix向任何能夠將其Cinematch算法的均方根誤差提高到10%的團隊提供了100萬美元的獎金。個性化團隊提供了來自Netflix會員的匿名數據，作為團隊的訓練數據，還有一個包含會員實際評分的數據集，這樣，團隊就可以測試他們的算法預測能力。這些團隊花費了兩年的時間，才贏得了獎金——在下篇會有更詳細的解釋。

最后一個要求：耐心。

十二、2007年：網飛公司Netflix推出流媒體服務

網飛公司Netflix于2007年推出流媒體服務。這是DVD郵寄服務的免費附件。2010年在加拿大推出了首個純流媒體服務。

在2007年1月，網飛公司Netflix推出了流媒體服務。公司團隊第一次掌握了用戶觀看的電影的實時數據，以前他們僅僅掌握了DVD租賃活動的數據。時間告訴網飛公司Netflix，在預測會員的電影偏好方面，這種隱性數據比通過其五星評級系統收集的顯性數據更重要。

在2007年推出流媒體服務時，網飛公司Netflix有近10萬張DVD可供選擇，因此DVD銷售方面的挑戰在于幫助會員從其龐大的DVD庫中找到“隱藏的珍寶”。然而在使用流媒體服務之后，公司所面臨的挑戰變成了幫助會員從300部相當平庸的電影中，找出他們認為值得看的幾部。

十三、2007年： Netflix獎

Netflix獎向任何能夠將Netflix的協同過濾算法的預測能力提高10%的團隊提供100萬美元，預測能力以RMSE（每部電影的預期評分和實際評分之間的差值）來衡量。兩年后，“Bellkor’s Pragmatic Chaos”打敗了其他的5000個團隊，贏得了比賽。

這次比賽帶給我們兩點啟示：

并非所有的收視率都是平等的。參賽選手們發現，評分人員為近期電影提供的評分，比以往的評分更具有預測能力。
算法越多越好。每年年底，網飛公司Netflix都會向優秀團隊支付5萬美元的進步獎。在這一年的最后一天，第二名和第三名的團隊將他們的算法結合起來，躍升至排行榜首位并且獲得了年度進步獎。由此，團隊認識到了結合多種算法的重要性。這也是團隊名稱如此奇怪的原因——在團隊合作的時候，他們構思出了“mashup”這個名字。

兩年后，頂級團隊的RMSE增加了10.06%，贏得了百萬美元的獎金?！癇ellKor’s Pragmatic Chaos”比第二名“the Ensemble”提前24分鐘提交了獲勝算法。兩隊得分相同，但是“BellKor”先提交了他們的作品。以下是最終的排行榜：

2009年Netflix獎的排行榜結束時。第四名是“Opera Solutions and Vandelay United”，這是三個團隊共同提交的結果，其中包括一個來自《宋飛正傳》（Seinfeld）的內部笑話。

十四、2009年：Netflix的下一個大獎

網飛公司Netflix宣布第一次競賽的獲勝者的同時，公司啟動了第二輪競賽。這項新的挑戰是利用人口統計數據和租賃行為來做出更好的預測。算法可以將用戶的年齡、性別、郵政編碼和完整的租賃歷史計算在內。

網飛公司Netflix公布匿名用戶信息開始第二輪調查之后，聯邦貿易委員會（FTC）介入了這場訴訟，聲稱這些數據沒有充分匿名化。2010年3月，作為該訴訟和解協議的一部分，Netflix取消了第二輪競賽。

十五、2010年：測試新的“Netflix獎”算法

網飛公司Netflix推出了網飛大獎競賽從而可以為會員提供更多的電影選擇。該團隊希望這一舉措能夠提高用戶留存率。但是網飛公司Netflix大規模的在A /B測試中測試新算法的時候，并沒有發現可測量的留存差異。這個結果很令人失望。

一個新的假設出現了。為了提高用戶留存率，你需要更好的算法和呈現層策略，來解釋為什么網飛公司Netflix會為每個用戶選擇特定的標題，如下所示：

更好的算法+ UI/設計支持/背景=提高留存率。

舉辦這場比賽值100萬美元嗎？當然。單是招募的好處就足以證明這場比賽是值得的。在獲得Netflix獎之前，工程師們認為網飛公司Netflix只是另一家電子商務公司而已。而在獲獎后，他們認為網飛公司Netflix是一家創新性很強的公司。

十六、2010年：受歡迎程度很重要

網飛公司Netflix公布了它從Netflix獎中獲得的所有信息，其他公司也在研究相關結果。

音樂流媒體服務公司潘多拉（Pandora）的個性化措施集中在“音樂基因組計劃”（music Genome Project——上，該公司對算法是否受歡迎持謹慎態度。相反，潘多拉公司有40個“音樂學家”，他們給每首歌貼上數百個屬性，來解釋為什么聽眾會喜歡這首歌。例如，音樂學家將杰克·約翰遜（Jack Johnson）的歌曲貼上了“樂觀、民謠、帶有沖浪、戶外冒險和成長主題的原聲音樂”的標簽。

但是，潘多拉公司一邊評估Netflix獎的結果（它對受歡迎程度的權重很高），另一邊他們也開始執行協作過濾算法。這些變化改善了潘多拉公司的收聽指標。潘多拉公司的結論是：受歡迎程度很重要。

十七、2011年：網飛公司Netflix的電影基因組計劃

在贊賞潘多拉公司的成果并且知道算法越多越好的同時，網飛公司Netflix開始開發自己的“電影基因組”項目。他們聘請了30名“電影生態學家”，來給電影和電視節目的各種屬性貼上標簽。

需要提醒的是，網飛公司Netflix的協同過濾算法會預測你會喜歡一部電影，但算法不能提供你為什么會喜歡這部電影。Cinematch的協同過濾算法會測算出這樣的結果：“因為你喜歡蝙蝠俠和絕命毒師，我們認為你也會喜歡芝麻街?！编牛窟@是什么邏輯？

網飛公司Netflix的新電影基因組算法叫做“類別興趣”（Category Interest）?，F在，網飛公司Netflix第一次可以推薦一部電影，并給出用戶可能喜歡這部電影的原因。

比如，網飛公司Netflix知道我喜歡《飛機》（Airplane）和《希德姐妹幫》（Heathers），所以推薦我看《春天不是讀書天》（Ferris Bueller’s Day Off?）和《早餐俱樂部》（?The Breakfast Club），因為我喜歡“20世紀80年代的荒誕喜劇”。

“類別興趣”算法的早期執行，大約是在2011年。

“類別興趣”算法改進了Netflix的觀看指標——每月觀看至少40小時的會員的百分比——但該團隊并沒有執行A /B測試，來檢驗它是否提高了留存率。

十八、2011年：個性化算法如何運作

簡單地說，網飛公司Netflix為每個用戶都創建了一個電影排名列表——從最可能喜愛的內容開始，然后根據電影、電視節目的屬性和用戶的偏好，對這個列表進行過濾、切片和分割。

例如，一個過濾器梳理出電影的子列表，并將其按“有強大女英雄的古怪戲劇”或“詼諧、無禮的電視節目”一列呈現出來。其他的標題可能包括“因為你看了《怪奇物語》（Stranger Things），我們認為你會喜歡……”或“給你的十大最佳”。

網飛公司Netflix的個性化方法有三個組成部分：

每個用戶頭銜的強制等級列表。
了解與每個會員最相關的過濾器，這樣算法就可以從上面的列表中呈現電影和電視節目的子集。
能夠理解每個會員最相關的行，這取決于平臺的能力，一天中觀看的時間，以及大量顯/隱的電影品味數據。

這種方法的美妙之處在于，這些行在適當的上下文里，可以顯示在任何設備或屏幕上。很容易在所有瀏覽器和設備上顯示相同的行結構。

十九、2011年：網飛公司Netflix證明個性化可以提高用戶留存率

最終，在2011年，網飛公司Netflix在大型A /B測試中，證明了留存率的提高。然而，結果是有爭議的，因為測試比較了默認的個性化體驗和簡化的體驗，所有的個性化“推薦”，實際上都是隨機選擇的電影。網飛公司Netflix的工程師抱怨說，這個測試是在浪費時間。大多數團隊成員，已經接受個性化為Netflix會員創造了更好的體驗。

認識到網飛公司Netflix在個性化方面進行了長達13年的長期投資，直到2011年他們終于有了提高用戶留存率的“證據”。但是代理指標的改進——在使用該服務的頭兩個月里對至少50部電影進行評分的會員比例——給了網飛公司Netflix信心，使其不斷加大個性化服務的力度。

二十、2012年：“家庭會員個人檔案”功能更新

隨著網飛公司Netflix超越了DVD的業務，它不再要求用戶創建一個有序的電影列表。相反，會員們按下“播放”鍵，就可以開始觀看電影或電視節目。

網飛公司Netflix在DVD時代有一個“家庭會員個人檔案”功能，但只有2%的用戶使用這個功能，主要是因為管理這個強制的電影排名列表很耗時。但是現在，沒有什么好管理的了。你只要向Netflix提供你的名字、你喜歡的三部電影或電視節目，Netflix為每個與該賬戶相關的用戶，都可以創造個性化的體驗。

如今，超過一半的Netflix賬戶擁有多個個人資料檔案庫。網飛公司Netflix知道2億用戶對這部電影的喜好，從而理解與這2億用戶相關的，5億獨立電影觀眾的喜好。

二十一、2013年：《紙牌屋》原創內容推出

《紙牌屋》(House of Cards)是網飛公司Netflix，在原創內容上的第一筆大投資，實際上這是一步對英國電視劇的美國翻拍劇。

還在2007年的DVD時代里，網飛公司Netflix第一家原創內容公司——Red Envelope Studios失敗了。盡管失敗了，網飛公司Netflix在流媒體時代再次開始嘗試。

知道有數百萬用戶喜歡凱文·史派西(Kevin Spacey)和《白宮風云》(The West Wing)，網飛公司Netflix最初在《紙牌屋》(House of Cards)上押了1億美元，最終得到了回報。在六季中，網飛公司Netflix為這部劇投入了超過5億美元?！都埮莆荨肥蔷W飛公司Netflix投資的眾多成功的，原創電影和電視劇中的第一部。

在網飛公司Netflix的歷史上，很明顯的一點是個性化以一種難以復制、提高利潤的方式在取悅客戶。通過讓用戶更容易找到電影，網飛公司Netflix提高了用戶留存率，從而提高了終身價值（LTV）。而且網飛公司Netflix的個性化技術很難復制，尤其是大規模復制。

個性化服務的另一個方面，是提高了公司的利潤率：Netflix“適當調整”內容支出的能力。以下是我對網飛公司Netflix的多項內容投資的最佳估計：

根據對會員口味的了解，Netflix預計將有1億會員觀看《怪奇物語》，并為這部劇投資5億美元。
數據科學團隊預測，古怪的成人動畫片《馬男波杰克》(Bojack Horseman)將有2000萬觀眾收看，因此Netflix投資了1億美元制作這部動畫片。
據預測，將有100萬用戶觀看攀登珠穆朗瑪峰的紀錄片，Netflix為此投資了500萬美元。

網飛公司Netflix在調整原創內容投資規模方面擁有巨大優勢，這得益于其預測特定電影、紀錄片或電視節目有多少用戶會觀看的能力。需要注意的是：Netflix并沒有把數據驅動的方法，引入電影創作過程——他們對創作者是放手不管的。

二十二、2013年：Netflix贏得艾美獎的技術大獎

2013年，網飛公司Netflix憑借“視頻發現個性化推薦引擎”獲得艾美獎。這個獎項暗示了網飛公司Netflix憑借其原創內容最終將在奧斯卡、艾美獎和金球獎上占據主導地位。

二十三、2015年：如果是法語可以嗎?

一個基于法語的Netflix個人電腦主頁。

2015年至2021年，網飛公司Netflix在190個國家推出了服務，語言從20種擴展到40種。個性化團隊想知道，他們是否應該用每個用戶的母語，來進行個性化算法?；贏/B測試結果的簡單回答是：不需要。

就像2006年的人口統計測試一樣，用戶的品味如此獨特，以至于語言和地理位置，無助于預測用戶的電影偏好。

和以前一樣，最有效的方式來建立一個會員的品味檔案，是要求他們提供一些喜歡的電視節目或電影。隨著時間的推移，網飛公司Netflix從這個“種子”中構建，它將會員評價、觀看、停止觀看的影片告知其算法，甚至通過點擊“電影顯示頁面”或觀看預告片，來顯示對電影的興趣。

二十四、2016：Netflix測試個性化界面

網飛公司Netflix的三種文化價值觀是好奇、坦誠和勇氣。Netflix鼓勵新員工在加入公司時，挑戰傳統觀念。Netflix欣賞“新鮮的眼光”的價值，并鼓勵打破傳統的文化。

網飛公司Netflix新聘請的一位產品主管，建議團隊去測試“浮動行”（floating rows）。這個的想法是，像“Gib的前10名”、“剛剛發布”和“繼續觀看”這一行，應該根據每個用戶的不同，甚至根據觀看設備、一天中的時間，和其他因素而改變。

傳統觀點認為，不一致的網站設計，會讓用戶感到困惑和煩惱，所以最好保持界面的一致性。但不管怎樣，“保守派”人士還是允許新手去測試它。

拉爾夫·沃爾頓·愛默生（Ralph Waldon Emerson）曾經說過：“一致性是心胸狹窄的人的惡魔。”令人驚訝的是，不一致的界面，在A/B測試中表現得竟然更好。今天，甚至用戶界面都是個性化的，基于用戶的偏好。

請注意，Netflix提供給您的行名是非常不一致的。在我的個人電腦屏幕截圖中，Netflix第一排標題為“Trending Now”，將“繼續觀看”排在第二。根據您最近的活動、平臺和每天的時間，每次使用它時，界面都會發生變化。

二十五、2017年：從星星到拇指

到2017年，網飛公司Netflix獲得了超過50億的星評。但在過去10年里，臉書Facebook推廣了一種不同的評分系統:“贊”和“噓”。到2017年，Facebook已經向全球超過20億用戶，介紹了這個簡單的手勢。

發現哪種方法，能激發會員提供更多的偏好數據，其實很簡單：對五星系統執行一個A/B測試，對一個大拇指向上/向下的系統。結果是：更簡單的拇指評價系統，收集了兩倍的評分。

2017年，網飛公司Netflix用臉書Facebook的“贊/噓”界面測試了它的五星評分系統。拇指評價系統讓會員的品味輸入量，翻了一番。

這個結果令人驚訝嗎？不。當你要求一個成員在三顆、四顆或五顆星之間進行解析時，你就迫使他們思考太多。他們會感到困惑，然后他們就繼續下一個活動了，而不給電影打分。向上或向下點拇指，就要容易得多。這里，就像許多用戶界面的情況一樣，簡單勝過完整。

二十六、2017年：五星系統會發生什么變化？

如果星星都不在了，你如何傳達電影質量呢？

回想一下，網飛公司Netflix早期的一個假設是，隨著時間的推移，觀看的電影的平均評分會上升，從而導致留存率的提高。雖然有證據表明平均收視率提高了，但Netflix的數據并沒有顯示，更高的平均收視率，提高了用戶留存率。

事實證明，電影評級并不等于電影的享受程度。雖然你可能會覺得《辛德勒的名單》（Schindler’s List）或《盧旺達酒店》是五星級電影，但這并不意味著比起三星電影，你更喜歡它們。有時候，你需要一部“把大腦放在門口”（leave your brains at the door）的喜劇，比如《保羅·布拉特:商場警察》（Paul Blart: Mall Cop）。

這就是為什么網飛公司Netflix在原創內容上的首批大筆投資之一，是與幼稚喜劇之王亞當?桑德勒（Adam Sandler）簽訂了四部電影的協議。我最喜歡的是哪部？荒唐六蛟龍（The Ridiculous Six）。

這是亞當·桑德勒（Adam Sandler）2.5億美元的原創內容四部電影協議中的一部。有時候，享受電影，就是把你的大腦和一部好的三星電影放在一起。

二十七、2017年：百分比匹配

因此，隨著星級評分的減少，以及星級評分并不等于對電影欣賞程度的認識，網飛公司Netflix改變了它的系統。他們切換到“百分比匹配”，表示你對一部電影的喜愛程度，不管它的質量如何。

下面，網飛公司Netflix給了我一個“80%匹配”的《愛爾蘭人》（The Irishman）。它認為我有80%的機會會喜歡它，這是Netflix給我的初級建議。

網飛公司Netflix不再用它的五星系統來衡量一部電影的質量。它只是表明一個標題與你的匹配程度，表明他們認為你會有多喜歡它。

二十八、2018年：個性化電影藝術

網飛公司Netflix的個性化團隊，希望在正確的時間為你呈現正確的標題，并盡可能多地鼓勵你觀看該標題。為了做到這一點，網飛公司Netflix使用個性化的視覺效果來，迎合每個會員的口味偏好。

以下是來自網飛公司Netflix技術博客的更多信息：

讓我們考慮嘗試用個性化，來描述電影《心靈捕手》（Good Will Hunting）的形象。在這里，我們可以根據會員對不同題材和主題的偏好，來做出個性化的決定。如果我們展示包含馬特·達蒙（Matt Damon）和米妮·德萊弗（Minnie Driver）的藝術作品，看過很多浪漫電影的人可能會對《心靈捕手》感興趣，然而，如果我們展示這是一部包含著名喜劇演員羅賓·威廉姆斯（Robin Williams）的藝術作品，一個看過很多喜劇的人可能會被這部電影吸引。

使用上面的例子，網飛公司Netflix的技術博客，分享了支持每個場景的標題，以及Netflix提供給不同會員的獨特的電影藝術。最上面一排是對浪漫電影感興趣的會員，男主角是馬特·達蒙和米妮·德賴弗。最下面一排是給喜歡看著名喜劇演員的會員的。在這個例子中，羅賓·威廉姆斯是主角。