Netflix: Cómo aprovechar los big data para predecir hits de entretenimiento(spanish) |
|
|
|
|
| <<Previous Page |
EXCERPTS |
|
| |
| Netflix rastreaba cada una de las búsquedas que realizaba un espectador, cualquier valoración buena o mala atribuida de un espectador sobre lo que acababa de visionar, además de los datos de puntuaciones de otros proveedores, como Nielsen. Estos datos se añadían a los relativos a la localización y al dispositivo, así como a las observaciones en las redes sociales, etc. Netflix también sabía lo que el suscriptor visionaba con mayor probabilidad en cada uno de sus dispositivos, como móviles, portátiles o tablets, y qué espectadores ubicados en un determinado código postal preferían ver en sus portátiles un sábado por la noche. Incluso controlaba el número de suscriptores que se desconectaban antes de que los créditos comenzaran a aparecer.. |
| |
 |
| or |
 |
| or |
PayPal (11 USD)
|
|
|
| |
| |
| En el último trimestre de 2011, los suscriptores del servicio de streaming de Netflix habían visionado más de 2 billones de horas de vídeo por streaming. En junio de 2012, Netflix tenía más de 25 millones de suscriptores en su servicio de streaming. Teniendo esta base de suscriptores y sus usos, Netflix captaba, entre otras, cerca de 30 millones de acciones de los usuarios cada día, como rebobinados, avances rápidos y pausas, 4 millones de valoraciones diarias y 3 millones de búsquedas al día.. |
| |
|
| Netflix formulaba propuestas de visionado utilizando algoritmos que presentaban contenidos recomendados al espectador apropiado con la ayuda de datos tales como sus anteriores patrones de visualización y teniendo en cuenta también los comportamientos de visualización y las recomendaciones de otros suscriptores. En abril de 2012, tres de cada cuatro programas o films vistos por los suscriptores eran el resultado de algún tipo de recomendación. La empresa ganó reputación por sus tecnologías de recomendación y segmentación, que le ayudaban a servir contenidos personalizados a aquella audiencia que tenía más probabilidades de visionarlos. Si un suscriptor del servicio de streaming de Netflix quería ver una película.. |
| |
|
| Según los observadores, las posibilidades de los big data de Netflix recibieron un fuerte impulso con el traslado gradual, iniciado en 2009, de la infraestructura informática de la empresa de sus propios centros de datos a la nube, contratando a Amazon Web Services (AWS), la filial de cloud computing de Amazon. El motor de búsqueda y recomendación de Netflix y sus servidores de streaming empezaron a utilizar la infraestructura de los servidores en la nube de AWS. La razón principal de Netflix para realizar este cambio era que su ritmo de creación de centros de datos no lograba estar a la altura del incremento de la demanda de sus servicios de streaming. La conveniencia de incrementar la infraestructura de tecnologías de la información en la nube, el hecho de pagar.. |
| |
|
| Antes de marzo de 2011, Netflix jamás había previsto ser la primera vía en que se emitiera un programa de televisión o una película. Más bien se concentraba en programas o películas que se pasaban por segunda, tercera o cuarta vez. En otras palabras, Netflix trataba con contenidos tras su estreno en los cines o en la televisión. Y, ocasionalmente, Netflix podía apropiarse de algunos contenidos después de haber sido presentados en los cines y emitidos después por televisión durante un tiempo.. |
| |
|
| Netflix invitaba a los espectadores a etiquetar las películas y los programas de televisión con centenares de descriptores de metadatos en los que comentaban sobre los actores, los guiones, el atractivo global y la categoría, entre otros aspectos. Previamente, estas etiquetas se utilizaban para sugerir otros programas disponibles en el servicio, fundamentalmente creando perfiles de espectadores individuales en función de sus preferencias..
|
| |
|
Según diversos observadores, el éxito de House of Cards no fue un incidente estrafalario. Para recoger en tiempo real los datos acerca de los programas que estaban viendo sus suscriptores, sus datos demográficos y sus patrones de visualización, Netflix utilizaba la base de datos NoSQL Apache Cassandra, Por tanto, los directivo de Netflix conocían a la perfección qué estaban viendo sus espectadores, que se contaban por millones; sabían.. |
| |
|
| Según los observadores del sector, en vez de crear programas basados en la respuesta de los espectadores ante los episodios de prueba, como hacían las cadenas convencionales, el negocio del streaming de vídeos permitía a Netflix evaluar los patrones y las preferencias de visualización de sus suscriptores. Sabía qué veían los suscriptores, a qué hora visionaban sus programas e incluso cuándo hacían una pausa de descanso. Incorporando todos estos datos en un algoritmo, podía pronosticar sus gustos y saber qué les “engancharía” más.. |
| |
|
| Netflix iba a estrenar cuatro programas originales más en 2013, entre ellos las series Hemlock Grove y Arrested Development. Esta última sería un remake de Arrested Development, la popular serie de televisión. Viendo que Netflix estaba saboreando las mieles del triunfo con House of Cards, Amazon y Microsoft se apresuraron a anunciar su entrada en el mercado de la creación de contenidos originales. Amazon ya estaba financiando, en fase de prueba, seis programas de humor. Microsoft, que ha había empezado a cerrar acuerdos de programación para su plataforma Xbox Live, reveló que había adquirido derechos exclusivos de una película independiente. Se decía que estaba haciendo una fuerte inversión en la creación de contenidos originales... |
| |
|
Exhibit I:Desempeño financiero de Netflix (2005-2012)
Exhibit II: ¿Qué son los big data?
Exhibit III: Modelo básico de clasificación de Netflix
Exhibit IV: Representación visual de los tests llevados a cabo por Netflix
Exhibit V: Arquitectura de software de Netflix
Exhibit VI: Arquitectura Hadoop en la nube de Netflix
Exhibit VII:¿Sobrevivirá Netflix al juego de la programación original? |
| |
|
