Wie sich Empfehlungen von Sternebewertungen zu Verhaltensdaten entwickelt haben und warum das System bei einer Skalierung auf 325 Millionen Zuschauer Milliarden wert sein könnte.
Ethan Swope / Bloomberg via Getty Images
Eine Version dieses Artikels erschien ursprünglich in Quartz' nur für Mitglieder zugänglichem Weekend Brief Newsletter. Quartz-Mitglieder erhalten Zugang zu exklusiven Newslettern und mehr. Hier anmelden.
Netflix $NFLX gibt sich selbst 90 Sekunden. So lange, zeigen Untersuchungen, wird der durchschnittliche Abonnent stöbern, bevor das Interesse schwindet und er zu einem Mitbewerber wechselt. In diesem Zeitraum muss die Empfehlung des Unternehmens etwas Interessantes aus einem Katalog von Tausenden hervorheben. Wird es richtig gemacht, bleibt der Abonnent. Wenn es oft genug falsch läuft, kündigen sie.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
Im Jahr 2016, als Netflix etwa 80 Millionen Abonnenten hatte, schätzten die Führungskräfte des Unternehmens diese algorithmische Partnersuche auf 1 Milliarde Dollar pro Jahr bei gehaltenen Kunden. Ein Jahrzehnt später hat der Streaming-Riese nun 325 Millionen Abonnenten weltweit. Während Netflix diese Zahl nicht öffentlich aktualisiert hat, legt die Mathematik nahe, dass ihr Empfehlungssystem zu einem der wertvollsten Softwarestücke in der Unterhaltungsbranche geworden ist.
Jetzt, da Netflix ein Achtundachtzig-Milliarden-Dollar-Übernahme von Warner Bros. Discovery, einem jahrhundertealten Studio, das Hollywood mitbegründet hat, verfolgt, steht der algorithmische Ansatz, der die Dominanz des Streamers aufgebaut hat, bereit, die alte Garde vollständig zu absorbieren.
Das Unternehmen Frühe Empfehlungssysteme basierten auf Sternebewertungen — was Benutzer nach dem Anschauen über Filme sagten. Aber 2017 hat Netflix diesen Ansatz zugunsten von etwas aussagekräftigerem aufgegeben: Verhaltensdaten.
Worauf Sie tatsächlich klicken. Wie lange Sie zuschauen, bevor Sie einen Titel abbrechen. Zu welcher Tageszeit Sie schauen und auf welchem Gerät. Was Sie durchscrollen, ohne es auszuwählen. Dieses implizite Feedback erwies sich als weit wertvoller als explizite Präferenzen. Die angegebenen Geschmäcker der Menschen sind, wie sich herausstellt, unzuverlässige Erzähler.
Heute protokolliert Netflix jährlich Hunderte von Milliarden dieser Mikrointeraktionen und leitet sie in ein System ineinandergreifender Algorithmen ein, das nahezu jedes Element des Seherlebnisses personalisiert. Derselbe Film kann für verschiedene Benutzer mit unterschiedlichen Vorschaubildern erscheinen, wobei für einen Betrachter die Romantik und für einen anderen die Action betont wird.
Sogar die Reihenfolge der Zeilen auf Ihrer Startseite wird speziell für Sie berechnet. Hinter den Kulissen sehen Teams von „Taggern“ jeden Titel und weisen detaillierte Attribute zu — ob eine Show eine Ensemblebesetzung hat, im Weltraum spielt oder eine starke weibliche Hauptrolle hat — die von maschinellen Lernsystemen verwendet werden, um Zuschauer in Tausende von „Geschmacksgemeinschaften“ einzuordnen.
Die Effizienz dieses Ansatzes schuf eine neue Unterhaltungskategorie, die Kritiker als „Algorithmusfilm“ bezeichnet haben, — Filme, die darauf ausgelegt sind, das breitestmögliche Publikum anzusprechen, indem sie vertraute, datengestützte Elemente kombinieren.
Denken Sie an Netflix’ Science-Fiction-Flop im Wert von 320 Millionen Dollar The Electric State, den Kritiker als eine Mischung aus Spielberg’schen Kinderabenteuern, Mad Max-Ödland und retro-futuristischen Ästhetiken beschrieben. Oder die Ryan-Reynolds-Filme, die zuverlässig im Autoplay erscheinen und deren Titel oft genau das verraten, was sich darin befindet: Tall Girl, Murder Mystery, Red Notice.
Diese Produktionen haben typischerweise, was eine Branchenquelle als "leicht verständliche Handlungsstränge, die keinen Zuschauer zurücklassen." Drehbuchautoren, die mit Netflix arbeiten, haben Berichten zufolge Anmerkungen erhalten, in denen sie gebeten wurden, die Charaktere ankündigen zu lassen, was sie tun, damit Zuschauer, die gleichzeitig auf ihren Handys scrollen, folgen können.
Die Klangmischungen sind flach, weil sie in unterschiedlichen Umgebungen funktionieren müssen, von VR-Headsets bis hin zu gesprungenen Handybildschirmen. Die Beleuchtung bleibt hell, aber kontrastarm, damit niemand aus einem Netflix-und-Chill-Stupor gerissen wird.
Netflix-Manager bestreiten, Inhalte aus Daten rückzuentwickeln, wobei Co-CEO Ted Sarandos behauptet, die Beauftragung sei "70% Bauchgefühl und 30% Daten."
Aber der Einfluss des Unternehmens reicht über seine eigenen Produktionen hinaus. Sein globales Vertriebsmodell, das weltweite Rechte anstelle von Lizenzvergaben pro Gebiet erfordert, hat die Finanzierung unabhängiger Filme umstrukturiert. Das alte System des Vorabverkaufs von Vertriebsrechten in einzelnen Märkten ist weitgehend zusammengebrochen.
Was übrig bleibt, ist ein System, in dem die Filme, die am ehesten produziert werden, auch die sind, die am ehesten empfohlen werden.
Dieses System entwickelt sich ständig weiter. Jetzt ist Netflix dabei, generative KI in sein algorithmisches Fundament einzubinden. Das Unternehmen nutzt bereits maschinelles Lernen, um auszuwählen, welche Frames aus einer Show sich am besten als Werbebilder eignen, um personalisierte Kunstwerke zu erstellen und um bei visuellen Effekten zu helfen.
Netflix präsentiert diese Werkzeuge als Unterstützer für menschliche Geschichtenerzähler, nicht als Ersatz. Aber wenn die Übernahme von Warner Bros. gelingt, wird das Unternehmen nicht nur neue Geschichten gestalten — es wird eine Bibliothek alter Geschichten kontrollieren, die lange vor dem Einfluss von Algorithmen entstanden sind.
Dazu gehören Casablanca, ein Film, der berühmt dafür ist, am Set neu geschrieben worden zu sein, dessen Ende bis wenige Tage vor den Dreharbeiten unvollständig war. Diese Art von kreativem Chaos ist schwer vorstellbar in einem System, das darauf ausgelegt ist, Risiken zu minimieren und Abschlussquoten zu maximieren.
Aber der Algorithmus wird immer noch 90 Sekunden haben, um Sie davon zu überzeugen, auf Play zu drücken.
