Logo
Blog
Blog

Timeline

Blog

A Netflix e o Big Data

Uma das coisas mais interessantes na Netflix é a precisão com a qual ela nos indica novos conteúdos. E, para conhecer tão bem nossas preferências, a empresa usa uma série de dados coletados enquanto consumimos filmes e séries em sua plataforma. Eles podem usar seus dados para medir os episódios de uma série nos quais os usuários saem antes do final. E, em seu banco de dados, cruzar informações entre esses episódios e descobrir o motivo para essa taxa de rejeição.

Digamos que a empresa perceba que, em todos os episódios que o personagem x aparece, a audiência tende a abandonar o programa antes do final. Isso pode servir como parâmetro para que os próximos episódios sejam pensados de forma a eliminar os elementos que afastam o público da atração. Essa é uma possibilidade única do mundo digital e uma vantagem em relação às métricas disponíveis para o audiovisual clássico. Damos à esse sistema de aquisição e gerenciamento de informação o nome de Big Data.

Lima e Calazans dizem que “a cada clique, a cada ação, um rastro de dados é deixado pelos indivíduos. Articular esses dados de maneira a gerar conhecimento que pode ser utilizado para fins econômicos é a questão que está por trás do que se tem chamado de “Big Data”. E, aplicando esse conceito à Netflix, temos um sistema quase infalível de predição e também de base de informações. Para termos uma ideia do alcance desses dados, vamos remeter à essa outra passagem de Lima e Calazans:

Ela [a Netflix] sabe, por exemplo, quais são os seriados televisivos favoritos de seus clientes; em que dia da semana eles preferem assistir filmes de drama ou de comédia; em qual horário; os atores e diretores presentes nos títulos mais assistidos; entre outros. Dessa maneira, quando a Netflix decidiu investir no mercado de produções audiovisuais, eles sabiam que um drama de teor político, estrelado pelo ator Kevin Spacey e produzido pelo diretor David Fincher seria atraente para a maior parte da sua base de assinantes e teria grandes chances de emplacar.

Com esses dados em mãos, a empresa lançou a série House of Cards em fevereiro de 2013. Os doze episódios da primeira temporada foram lançados simultaneamente, e não no formato padrão de lançamento, com episódios semanais. E essa estratégia de lançamento só foi adotada porque, em poder de uma base de informações tão rica, a empresa sabia que seus usuários tinham o costume de assistir diversos episódios de uma mesma série em sequência, e por isso fugiu do modelo padrão de televisão. A estreia da série foi um sucesso tanto de crítica quanto de público, sendo um dos principais assuntos em diversos sites de redes sociais como Facebook e Twitter e virando rapidamente o título mais acessado no catálogo de filmes e séries da Netflix.

Quando a imagem que serviria como “capa” para a série House of Cards foi pensada, dados semelhantes foram utilizados. Para decidir a paleta de cores que seria utilizada na imagem, a empresa buscou dados de séries que atingiam o mesmo público-alvo da série que seria lançada e, dentro das séries encontradas, procurou aquelas que tinham um maior apelo visual positivo. Eles chegaram à capa de uma versão de 2010 para o clássico Macbeth, exibido em uma série chamada Great Performances. Então, para a capa de House of Cards, foi usada a mesma paleta de cores da série mencionada.

à esquerda, a capa de House of Cards e, à direita, a capa de Macbeth, que serviu de inspiração.

O poder de sugestão da Netflix

A empresa também usa esses dados para sugerir programas que você gostaria de assistir. Essas recomendações são responsáveis por aproximadamente 75% dos vídeos assistidos usando a plataforma. Essa lógica de sugestões é tão precisa que a empresa já planeja criar perfis diferentes de exibição para cada dispositivo. Se um usuário acessa o serviço pelo seu computador e também pelo seu celular, os dados armazenados vão gerar um padrão que mostrará que, em um dispositivo, o usuário gosta de assistir a um tipo de programa e, quando está no outro dispositivo, gosta de assistir a outro tipo.

E, como é citado por Harris, esse sistema de predição pode trazer uma economia bastante considerável com publicidade. Ao invés de investir em anúncios, a empresa recomenda a quem tiver um perfil coincidente com o do novo produto. Harris diz que “A Netflix não precisa gastar milhões de dólares anunciando o novo programa esperando que você fosse assistir — ela saberia que você iria vê-lo nas recomendações, saberia que você assistiria e saberia que você iria gostar”. É como uma publicidade super segmentada, onde as chances de resultado positivo são muito maiores.

Os executivos da empresa não são muito claros sobre qual o nível de profundidade existe no conhecimento que eles têm sobre seu público, mas alguns dados que eles coletam já são de conhecimento público, como: mais de 30 milhões de visualizações diárias, incluindo os momentos de pausa, avanço e retrocesso do conteúdo; aproximadamente quatro milhões de avaliações diárias; três milhões de buscas diárias; dados de geolocalização; dados de dispositivo; hora e dia de maior acesso; dados de redes sociais e outros.

O trunfo do digital

Reforçando, essas características são possibilidades presentes somente em conteúdos disponibilizados online. Para uma empresa de televisão possuir tamanha base de dados, seriam necessários anos de pesquisas, que tornariam esse método impraticável. E, na internet, obter esses dados é algo barato para as empresas. Basta modelar seu sistema para analisar cada clique e cada interação do usuário. Por isso, emplacar um sucesso na Netflix acaba sendo muito mais fácil do que na televisão.

Sobre isso, Bulygo diz que “Redes de televisão tradicionais não tem esses tipos de privilégios em suas transmissões. Os índices são só aproximações, a aprovação de um piloto é baseada em tradição e intuição. Netflix tem a vantagem, porque ser uma empresa de internet possibilita conhecer bem seus clientes, não ter somente uma “persona” ou “ideia” do que seu público em média é parecido”.

Leave A Comment

Free Web Hosting