Conociendo el algoritmo de Netflix

Con tiempo leí y disfruté esta nota de Wired: The Science Behind the Netflix Algorithms That Decide What You’ll Watch Next en la que explican un poco a grandes rasgos la lógica del algoritmo de recomendaciones de Netflix… algunas cosas básicas para cualquiera que conozca de estos mecanismos pero al ser una entrevista les recomiendo leerlo porque, Carlos Gomez-Uribe, VP of product innovation y Xavier Amatriain, lo bajan a un lenguaje bastante llano :)

Lo aspiracional de las calificaciones versus lo real de tus patrones

¿Por qué veo tantas películas de tres o incluso de dos estrellas en mis recomendaciones?
– Gómez Uribe: Las personas a películas como “La lista de Schindler” las van a calificar alto, en contraste con una comedia tonta como”Hot Tub Time Machine”. Darle a los usuarios sólo recomendaciones que son cuatro o cinco estrellas, no quiere decir que realmente quieran verlas un miércoles por la noche después de un largo día de trabajo. El comportamiento de visualización es el dato más importante que hay.
Amatriain: Sabemos que muchas de las calificaciones son una aspiración más que un reflejo de su actividad diaria.

Y esa frase me gusta porque marca algo que es tan humano y social que tiene sentido el “evitar” lo que decimos y enfocarse en lo que hacemos; de hecho lo que hacemos va a variar por factores ambientales tales como dispositivo… horario… día.. y otros; como por ejemplo la cantidad de tiempo real que uno mira efectivamente el video

Así que si estoy viendo en mi iPad a la media noche, veo diferentes recomendaciones que las que recibiría en mi TV a las 8 pm?
– Amatriain: Hemos estado trabajando durante algún tiempo en la introducción de “contexto” en las recomendaciones. Tenemos datos que sugieren que hay un comportamiento diferente de visualización en función del día de la semana, hora del día, dispositivo y a veces incluso la ubicación. Pero la implementación de las recomendaciones contextuales tiene problemas prácticos que actualmente estamos trabajando y esperamos utilizar en el futuro cercano.

Es realmente interesante esto, porque si a eso le suman las interacciones con mis “contactos sociales” y con los datos recolectados de audiencia con gustos/dispositivos/horarios similares puedo ir creando recomendaciones cada día más cercanas a mi gusto real y eso implica, en un sentido amplio, que podrían hasta resolver el tema del descubrimiento de nuevo contenido.

Y en un futuro, seguro un productor ya lo está pensando, crear contenido apuntado directamente a una audiencia determinada haciendo un simple análisis inverso de los patrones ¿o alguien imagina que con esto no nos convertimos en el mejor focus-group del mundo?