作者:神译局 · 2020-07-25
几年以来,Netflix一直致力于完善它的个性化推荐系统,即在正确的时间为每一位用户推荐他们感兴趣的内容。Netflix手头上有数千个剧集,它的用户有上亿人(注:据Netflix官方公布的最新数据,2020年第一季度Netflix全球订阅用户数为1.83亿),因此精准的个性化推荐就非常有必要了。
但是个性化推荐要面临不少挑战,比如,系统凭借什么来笃定某位用户喜欢某些内容?怎么判断用户会不会对以前从未看过的新类型、新剧集感兴趣呢?如何说服这些用户去看某一部新剧呢?
对上述问题的回答将决定了Netflix的推荐系统如何改进。对相关研发人员来说,说服用户去看他们不熟悉的剧集是非常困难的。
研发人员最初考虑的方法是:通过这部剧的图像(可能是海报、剧照等)吸引用户。这些图像在某种程度上可以给用户留下好的第一印象,毕竟优秀的视觉效果是对剧集优秀的一种“保证”,让用户忍不住想点开。这些图像里可能有你熟悉的明星,或者是飞驰的车辆等惊险刺激的场景,让你产生看电影大片的感觉。所以,如果我们在你的用户首页上投放含有精美图片的推荐(传播行业里有句老话:一张照片顶得上一千个文字),那么或许——仅仅是或许——你会点开它看一看。
这是Netflix与传统媒体不同的地方,它不期待所有人都喜欢它的某一个产品,而是主动提供千万种产品,然后为用户进行个性化推荐。
这是Netflix的原始首页,随着用户不断看剧,推荐系统将为用户进行越来越精准的个性化推荐|图片来自Medium
刚才我们已经提到,Netflix正在致力于完善它的精准推荐系统,希望为每一位用户找到最适合他们的剧集。
此外,Netflix强大的算法系统还能给每一个用户展示他们最感兴趣的海报。我解释一下,比如根据算法推荐的结果,《Stranger Things》这个剧有好几种海报,可以让不同的用户都感兴趣。那么,这种让算法决定某部剧的海报真的合理吗?常识告诉我们,每个人的口味千差万别,但我们真的可以按照每个人的口味,给同一部剧配不同的海报,从而戳中不同用户的兴趣点?
Stranger Things为每个用户推荐时,会根据算法给他们展示不同的海报,吸引不同口味的用户的兴趣。这些图像都和主题有关,都反映了主题的某一面|图片来自Medium
让我们从下面的例子出发进行分析,看看个性化的海报推荐对用户有什么效果。
先拿影视剧的类型举个例子,下面左侧是两名不同用户看过影片的历史记录,右侧是我们根据算法系统为他们推荐的新剧集:《Good Will Hunting》。如何更精准地吸引两名用户呢?
第一个用户显然看过很多浪漫爱情的电影,所以我们就使用一张两位主角相互亲呢的图像作为海报;另一个用户显然看过很多喜剧,所以我们就把喜剧明星罗宾·威廉姆斯(Robin Williams)的图像作为海报。
图片来自Medium
另一个例子和演员相关。同样是推荐电影《低俗小说》,对一个经常看乌玛·瑟曼(Uma Thurman)的用户,我们就以乌玛·瑟曼的剧照作为海报;同理,对一个经常看约翰·特拉沃尔塔(John Travolta)的作品的用户而言,他则会收到带有约翰·特拉沃尔塔的海报的推荐。
图片来自Medium
当然,这种个性化海报推荐并不总是清晰、明确的,因为有些用户留下的数据并不清晰。所以我们不会把这种方法当成金科玉律,只是在算法告诉我们某位用户有某种倾向的时候,才会用海报推荐法去推荐剧集,从而为用户带来更好的体验。
Netflix的挑战
在Netflix,我们秉持让算法和个性化改善用户体验的想法,所以在我们不仅在用户的首页标题进行个性化推荐,还为它们配备个性化的海报。另外我们的主页面和发送的私信也都进行了个性化定制。每一个细节的个性化对我们而言都是挑战。
再谈个性化海报推荐
对个性化海报而言,最难的地方在于我们只能给用户推荐一张海报,所以只有一次机会给用户留下印象。传统的推荐方式则可以一次性给用户提供更多的图片,让他们进行选择。通过这种选择,用户或许会找到自己感兴趣的“点”(比如某个明星、某些设定等)。
排除其他因素,个性化海报是基于这样的假设:用户决定是否播放一部剧,完全取决于我们为他提供的那张海报是什么。
对我们而言,亟需解决的问题如下:(1)在什么时间发布某个有个性化海报和推荐可以对用户有最大程度的影响;(2)在什么情况下,不管我们发布怎样的海报,用户都会选择收看这部剧。
因此,个性化的海报推荐需要和传统的推荐方式相结合,同时也要和算法相适应。我们需要收集用户大量的数据,找到用户的倾向,在明确“用个性化海报推荐方法”更好的前提下再为他们精准投放海报。
是否要更换海报?
关于个性化海报,还有一个挑战是考虑,对同一部剧来说,如果我们在个性化推荐的时候更改了海报,对用户来说会有怎么的影响,以及多大程度的影响。
举个例子,假设一名用户收藏了某部剧但还没有观看。经过一段时间后,根据他最近追剧的内容,算法推测初他的某些倾向可能有了变化,从而修改了这部还没来得及看的剧的海报。在这种情况下,用户是否会重新考虑要不要看这部剧?这部剧对他来说还有兴趣吗?用户会觉得被冒犯还是会觉得很“贴心”?
推荐系统不断完善,我们看到的推荐内容和海报都是“私人订制款”|图片来自Unsplash|摄影Charles Deluvio
显然,如果我们找到了比原来更好的海报,当然要换上新海报了。但这种海报的变化会不会让用户感到困惑?会不会让用户失去点开的兴趣?
毕竟,我们的假设是“用户决定是否播放一部剧,完全取决于我们为他提供的那张海报是什么。”所以在更换海报的问题上一定要谨慎。
海报之间的联系
接下来,我们还需要考虑在同一个页面上,投放的所有海报是否和谐美观,但在和谐美观的同时又要注意不能雷同。
首先,如果一个页面上的某张海报特别突出(比如突出的人像、加粗的字体),那么就可以吸引用户去看,但是容易让页面“不和谐”。相反,如果页面上的每一个海报内容都相似,那么虽然页面会显得和谐统一,但是重点不够突出,无法吸引读者。
所以,把每一张海报单拎出来考虑显然是不够的,我们还要考虑它在页面上和其他海报放在一起时是什么效果。
除了标题和海报之外,有时候我们还要考虑一些剧集的其他内容,比如摘要、预告片和其他图片。我们可能会为用户提供多样化的选择,比如一些剧集只放海报,另一些则推荐预告片。这种互补、错落的推荐方式可以突出重点、吸引用户。
对每一部剧来说,除了推荐个性化的海报之外,我们还需要给每部剧精选其他内容(剧照、预告等),以免用户产生被海报“骗进来”的消极感受。这些精选的其他内容要最大程度上涵盖口味各异的潜在用户。毕竟,一部剧真正的竞争力还是在于用户的观看量。我们不仅在个性化推荐海报上不断完善,还在美学方面下足了功夫,争取吸引更多的人。我们聘请了艺术家和设计师,为每部剧精心挑选了涵盖一个主题不同层面的介绍,同时根据算法的推荐,有节制地重点突出某些内容。
技术层面的挑战
最后,要想实现个性化海报推荐,我们还要面临技术层面的挑战。最大的挑战就在于我们的页面需要非常多的图像。所以个性化推荐如果想要平稳运行,我们的系统处理能力必须非常强大,峰值为处理2千万个请求/秒。如果用户的界面无法加载和渲染这些图片,那么肯定会影响他们的体验。
此外,当我们发布某部剧时,算法必须能快速响应,并且不断学习,不断适应用户的新口味——用户的兴趣和口味可能随时随地发生变化,算法系统必须跟上这种变化。
本文来自翻译, 如若转载请注明出处。
作者:神译局
本文章系APP干货铺子老板娘转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间删除内容!
联系微信:18938040424
微 信 公 众 号
Copyright © 2015- APP干货铺子 版权所有 京ICP备20017819号
您的报名信息已提交!
请等待工作人员的进一步通知
神译局 · 2020-07-25
几年以来,Netflix一直致力于完善它的个性化推荐系统,即在正确的时间为每一位用户推荐他们感兴趣的内容。Netflix手头上有数千个剧集,它的用户有上亿人(注:据Netflix官方公布的最新数据,2020年第一季度Netflix全球订阅用户数为1.83亿),因此精准的个性化推荐就非常有必要了。
但是个性化推荐要面临不少挑战,比如,系统凭借什么来笃定某位用户喜欢某些内容?怎么判断用户会不会对以前从未看过的新类型、新剧集感兴趣呢?如何说服这些用户去看某一部新剧呢?
对上述问题的回答将决定了Netflix的推荐系统如何改进。对相关研发人员来说,说服用户去看他们不熟悉的剧集是非常困难的。
研发人员最初考虑的方法是:通过这部剧的图像(可能是海报、剧照等)吸引用户。这些图像在某种程度上可以给用户留下好的第一印象,毕竟优秀的视觉效果是对剧集优秀的一种“保证”,让用户忍不住想点开。这些图像里可能有你熟悉的明星,或者是飞驰的车辆等惊险刺激的场景,让你产生看电影大片的感觉。所以,如果我们在你的用户首页上投放含有精美图片的推荐(传播行业里有句老话:一张照片顶得上一千个文字),那么或许——仅仅是或许——你会点开它看一看。
这是Netflix与传统媒体不同的地方,它不期待所有人都喜欢它的某一个产品,而是主动提供千万种产品,然后为用户进行个性化推荐。
这是Netflix的原始首页,随着用户不断看剧,推荐系统将为用户进行越来越精准的个性化推荐|图片来自Medium
刚才我们已经提到,Netflix正在致力于完善它的精准推荐系统,希望为每一位用户找到最适合他们的剧集。
此外,Netflix强大的算法系统还能给每一个用户展示他们最感兴趣的海报。我解释一下,比如根据算法推荐的结果,《Stranger Things》这个剧有好几种海报,可以让不同的用户都感兴趣。那么,这种让算法决定某部剧的海报真的合理吗?常识告诉我们,每个人的口味千差万别,但我们真的可以按照每个人的口味,给同一部剧配不同的海报,从而戳中不同用户的兴趣点?
Stranger Things为每个用户推荐时,会根据算法给他们展示不同的海报,吸引不同口味的用户的兴趣。这些图像都和主题有关,都反映了主题的某一面|图片来自Medium
让我们从下面的例子出发进行分析,看看个性化的海报推荐对用户有什么效果。
先拿影视剧的类型举个例子,下面左侧是两名不同用户看过影片的历史记录,右侧是我们根据算法系统为他们推荐的新剧集:《Good Will Hunting》。如何更精准地吸引两名用户呢?
第一个用户显然看过很多浪漫爱情的电影,所以我们就使用一张两位主角相互亲呢的图像作为海报;另一个用户显然看过很多喜剧,所以我们就把喜剧明星罗宾·威廉姆斯(Robin Williams)的图像作为海报。
图片来自Medium
另一个例子和演员相关。同样是推荐电影《低俗小说》,对一个经常看乌玛·瑟曼(Uma Thurman)的用户,我们就以乌玛·瑟曼的剧照作为海报;同理,对一个经常看约翰·特拉沃尔塔(John Travolta)的作品的用户而言,他则会收到带有约翰·特拉沃尔塔的海报的推荐。
图片来自Medium
当然,这种个性化海报推荐并不总是清晰、明确的,因为有些用户留下的数据并不清晰。所以我们不会把这种方法当成金科玉律,只是在算法告诉我们某位用户有某种倾向的时候,才会用海报推荐法去推荐剧集,从而为用户带来更好的体验。
Netflix的挑战
在Netflix,我们秉持让算法和个性化改善用户体验的想法,所以在我们不仅在用户的首页标题进行个性化推荐,还为它们配备个性化的海报。另外我们的主页面和发送的私信也都进行了个性化定制。每一个细节的个性化对我们而言都是挑战。
再谈个性化海报推荐
对个性化海报而言,最难的地方在于我们只能给用户推荐一张海报,所以只有一次机会给用户留下印象。传统的推荐方式则可以一次性给用户提供更多的图片,让他们进行选择。通过这种选择,用户或许会找到自己感兴趣的“点”(比如某个明星、某些设定等)。
排除其他因素,个性化海报是基于这样的假设:用户决定是否播放一部剧,完全取决于我们为他提供的那张海报是什么。
对我们而言,亟需解决的问题如下:(1)在什么时间发布某个有个性化海报和推荐可以对用户有最大程度的影响;(2)在什么情况下,不管我们发布怎样的海报,用户都会选择收看这部剧。
因此,个性化的海报推荐需要和传统的推荐方式相结合,同时也要和算法相适应。我们需要收集用户大量的数据,找到用户的倾向,在明确“用个性化海报推荐方法”更好的前提下再为他们精准投放海报。
是否要更换海报?
关于个性化海报,还有一个挑战是考虑,对同一部剧来说,如果我们在个性化推荐的时候更改了海报,对用户来说会有怎么的影响,以及多大程度的影响。
举个例子,假设一名用户收藏了某部剧但还没有观看。经过一段时间后,根据他最近追剧的内容,算法推测初他的某些倾向可能有了变化,从而修改了这部还没来得及看的剧的海报。在这种情况下,用户是否会重新考虑要不要看这部剧?这部剧对他来说还有兴趣吗?用户会觉得被冒犯还是会觉得很“贴心”?
推荐系统不断完善,我们看到的推荐内容和海报都是“私人订制款”|图片来自Unsplash|摄影Charles Deluvio
显然,如果我们找到了比原来更好的海报,当然要换上新海报了。但这种海报的变化会不会让用户感到困惑?会不会让用户失去点开的兴趣?
毕竟,我们的假设是“用户决定是否播放一部剧,完全取决于我们为他提供的那张海报是什么。”所以在更换海报的问题上一定要谨慎。
海报之间的联系
接下来,我们还需要考虑在同一个页面上,投放的所有海报是否和谐美观,但在和谐美观的同时又要注意不能雷同。
首先,如果一个页面上的某张海报特别突出(比如突出的人像、加粗的字体),那么就可以吸引用户去看,但是容易让页面“不和谐”。相反,如果页面上的每一个海报内容都相似,那么虽然页面会显得和谐统一,但是重点不够突出,无法吸引读者。
所以,把每一张海报单拎出来考虑显然是不够的,我们还要考虑它在页面上和其他海报放在一起时是什么效果。
除了标题和海报之外,有时候我们还要考虑一些剧集的其他内容,比如摘要、预告片和其他图片。我们可能会为用户提供多样化的选择,比如一些剧集只放海报,另一些则推荐预告片。这种互补、错落的推荐方式可以突出重点、吸引用户。
对每一部剧来说,除了推荐个性化的海报之外,我们还需要给每部剧精选其他内容(剧照、预告等),以免用户产生被海报“骗进来”的消极感受。这些精选的其他内容要最大程度上涵盖口味各异的潜在用户。毕竟,一部剧真正的竞争力还是在于用户的观看量。我们不仅在个性化推荐海报上不断完善,还在美学方面下足了功夫,争取吸引更多的人。我们聘请了艺术家和设计师,为每部剧精心挑选了涵盖一个主题不同层面的介绍,同时根据算法的推荐,有节制地重点突出某些内容。
技术层面的挑战
最后,要想实现个性化海报推荐,我们还要面临技术层面的挑战。最大的挑战就在于我们的页面需要非常多的图像。所以个性化推荐如果想要平稳运行,我们的系统处理能力必须非常强大,峰值为处理2千万个请求/秒。如果用户的界面无法加载和渲染这些图片,那么肯定会影响他们的体验。
此外,当我们发布某部剧时,算法必须能快速响应,并且不断学习,不断适应用户的新口味——用户的兴趣和口味可能随时随地发生变化,算法系统必须跟上这种变化。
本文来自翻译, 如若转载请注明出处。
作者:神译局
本文章系APP干货铺子老板娘转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间删除内容!
联系微信:18938040424
您的报名信息已提交!请等待工作人员的进一步通知
您的报名信息已提交!
请等待工作人员的进一步通知