艾瑪特里安(左)和葛梅茲-烏里韋

《連線》雜志網(wǎng)絡(luò)版近日刊載文章，通過對流媒體視頻服務(wù)提供商N(yùn)etflix兩名高管的專訪，講述了這項(xiàng)服務(wù)向用戶推薦視頻背后的故事。

以下是這篇文章的全文：

如果你喜歡二十世紀(jì)六十年代的《星際迷航》(Star Trek)，那么Netflix向你推薦的第一部非《星際迷航》影片很可能會是最早的《碟中諜》(Mission: Impossible)系列。而如果你喜歡的是最新的電視劇《神秘博士》(Doctor Who)，那么Netflix則很可能會向你推薦描述超自然現(xiàn)象的英國版電視劇《我欲為人》(Being Human)。要是你喜歡看《殺出個黎明》(From Dusk Till Dawn)，那么你的Netflix主頁上就會出現(xiàn)一行字：視覺效果驚人的暴力動作冒險片。

很多人都想要了解Netflix是如何利用其算法來向用戶推薦劇集的，這在很久以前就已經(jīng)是一種深受人們喜愛的“運(yùn)動”;但是，在浩如煙海的大數(shù)據(jù)以及無法計量的評分星級的背后，到底是什么東西在發(fā)揮作用呢？

在位于硅谷的Netflix總部，有800名工程師正隱身于幕后展開工作，而正是他們所從事的工作讓Netflix的算法能向用戶推薦他們可能喜歡的劇集。根據(jù)Netflix的估測，其視頻服務(wù)觀眾有75%的觀看活動的推動力來自于推薦。在今年夏天，Netflix推出了一項(xiàng)新功能，允許家庭成員用獨(dú)立的隊(duì)列來標(biāo)記自己最喜歡的劇集。在今年3月份，這家公司的DVD總出貨量達(dá)到了40億大關(guān);但單單是在第一季度，其視頻服務(wù)向用戶流播放的總時長就超過了40億個小時。

我們最近對Netflix產(chǎn)品創(chuàng)新和個性化算法副總裁卡洛斯·葛梅茲-烏里韋(Carlos Gomez-Uribe)和工程主管澤維爾·艾瑪特里安(Xavier Amatriain)進(jìn)行了采訪，對話的內(nèi)容是，他們是如何控制向用戶推薦什么視頻的。以下是采訪內(nèi)容摘要。

問：在你們向觀看《星際迷航》的用戶推薦《碟中諜》時，是什么東西在幕后發(fā)揮著作用？

葛梅茲-烏里韋：通過查閱元數(shù)據(jù)的方法，你能在這兩部電影之間找到各種各樣的相似性。這兩部電影是不是大約在同一時間被創(chuàng)作出來的？它們是不是傾向于擁有相同的評分？此外，你還可以查看用戶行為——瀏覽、播放和搜索等，從而找到它們之間的相似性。有些時候，相似性取決于你跟誰說起這些視頻。以導(dǎo)演佩德羅·阿莫多瓦(Pedro Almodóvar)為例，你可能看過由他執(zhí)導(dǎo)的四部電影，這些電影彼此之間存在極大的差異。但是，他的言論擁有非常強(qiáng)大的說服力，因此只靠他自己就能讓這些視頻變得彼此相似。而如果換一位導(dǎo)演——比如說斯皮爾伯格——那么情況可能就會變得不一樣了。

問：是誰來為Netflix鑒別電視劇和電影的特點(diǎn)的呢？

艾瑪特里安：我們有40多名員工專門負(fù)責(zé)以人工方式來對電視劇和電影進(jìn)行標(biāo)記。有些自由職業(yè)者也會幫我們做這件事情，以此賺取一些額外的收入。我們所有的分析師都是電視和電影愛好者，其中有很多人都擁有娛樂行業(yè)的從業(yè)經(jīng)驗(yàn)。很明顯，他們都擁有自己的個人口味，但他們作為分析師的工作則是具有客觀性的。我們對分析師進(jìn)行了培訓(xùn)，讓他們保持客觀的態(tài)度來對待自己的工作。

問：現(xiàn)在Netflix已經(jīng)把重點(diǎn)放在了提供視頻流播放服務(wù)上，那么推薦活動因此而發(fā)生了怎樣的改變呢？

艾瑪特里安：當(dāng)我們還是一家DVD郵購公司時，人們會給我們一個評分，表達(dá)自己的思維過程。你在自己的隊(duì)列中加入某些東西，是因?yàn)槟阆胍趲滋煲院笥^看這些內(nèi)容;你作出購買決定意味著需要花費(fèi)一定的代價，而回報則會推遲一段時間。但在流媒體播放服務(wù)中，你開始播放某些內(nèi)容，然后發(fā)現(xiàn)自己不喜歡，那么換一個看就是了。用戶不能因?yàn)樽鞒鲲@性反饋而真正獲得利益，因此他們付出的努力也就會變少了。

問：那也就是說，一度曾是Netflix基石的預(yù)測評分已經(jīng)變得不那么重要了？

葛梅茲-烏里韋：測試表明，預(yù)測評分實(shí)際上已經(jīng)不再那么有用了，用戶正在播放什么內(nèi)容才是非常有用的。我們正在進(jìn)行一種轉(zhuǎn)變，也就是從單單只重點(diǎn)關(guān)注評分和評分預(yù)測轉(zhuǎn)向依靠一個更加復(fù)雜的算法生態(tài)系統(tǒng)。

 1/2    1 2 下一頁 尾頁