11.Netflix是如何做推薦的？

上一講我們談到標準差的應用，你有想過如何在生活與工作中運用標準差的概念嗎？

給大家幾個提示：

1. 怎麼投資賺更多錢？

你投資的公司或基金，在同類商品中表現如何？怎麼透過標準差篩選好標地？

2. 如何得到老闆賞識？

你負責的產品與服務，產出的良率如何？

3. 如何加薪升官？

你的薪資待遇，在同齡或同期員工中算高還算低？

4. 怎麼讓小孩長高？

你小孩進入青春期前的身高，是在幾個標準差之低還之外？

5. 如何增加公司營收？

你公司的客戶中，有多少人有購買力、購買意願，卻沒有買足，值得優先開發以增進營收？

6. 有聽過六個標準差嗎？這是什麼東西？

好了，以上問題給大家想想，想通了你就知道標準差怎麼應用了，此外，不要覺得文章中有關於數學的部分很難，你大概知道意思就好，畢竟我們用到的絕大多數數學公式，在excel 中只是一個函式，與之衍生的算法用R or Python 來寫，可能不過十行，而且網路上一大堆

當你理解了概念，知道了適用情境，有了正確理解，做事情就事半功倍．做事抓重點，成本低又效率高，何樂不為？

而抓重點做事，剛好是資料分析的靈魂．

大家有空時記得多動動腦，有問題歡迎在社團發問！

上一講我們談到了Netflix競賽的成功，他們有因為這樣的收穫持續去增進用戶行為預測的準確性，進而提高DVD拷貝準備與派送的效率嗎？

沒有，因為他們的商業模式很快就從租賃DVD轉到線上了

在台灣的用戶應該都跟我一樣，沒有透過Netflix租過任何一片DVD，而是直接從觀看他們的影片開始．

我們沒有經歷的不只是租賃DVD, 也包含他們最早的DVD訂閱服務．

2000年前如果你在美國要租片，到期不歸還可是要繳納高額的滯納金。但美國和台灣不同，百視達不會在你家樓下，所以很多人一忙，罰款就比租金高了．Netflix提供客戶按月或是按年訂閱，你線上預約後他就寄DVD到你家，反正有借閱上限你不還也沒有滯納金，光靠這一招就讓他們從競爭對手中脫穎而出，同時在2001年上市成功

由於訂閱制寫在Netflix的DNA裡，所以他們對用戶線上體驗的優化和行為分析遠比其他對手更重視，這樣的DNA在他們跨足自製節目後更是發揮到極致，我自己在看Netflix的節目時常常感嘆：內容製作到這種程度，推薦給我的影片隨便轉都很好看，那其他的電視台甚至電影製片公司還要不要活啊？

偷偷跟大家透露個消息，訂閱Netflix之前我已經快三十年沒看劇了，而推薦我看的還是台灣的電影導演，連業內都買單了，何況我這種一般人呢？

看習慣的人就知道，Netflix節目的節奏快、題材多、影集一次給你一季，讓你追又不讓你睡，每每在你想跳出前就先來個神轉折，雖然看久了不免覺得他們無論任何類型、任何地區拍的影片都有一條底層公式，但即使如此，還是常常看到欲罷不能，到底他們是如何做到的呢？

很簡單，因為他們先你一步，預測出你下一步的可能反應

隨著Netflix開始提供線上內容，他們可以搜集更多的數據，從更多維度去了解用戶的使用行為，比如：

1. 如何觀看：使用什麼設備、幾個人使用、在哪裡使用（基本資料）

2. 每天什麼時間觀看，每周的哪幾天觀看，平均觀看的頻度、在哪裡觀看、看什麼節目（行為記錄）

3. 用戶是如何發現視頻的（落點預測、AB Test）

4. 哪些類型或主題的視頻已經推薦給了用戶但從未被播放、被播放即跳出、被播放有看完、被播放沒看完（係數分析、有效性分析）

5. 哪些組成（類型、長度、主題、分級）對用戶最有效？（相關係數）

以上只列舉出一小部分，但大家可以想一想，光是以上的幾項數據，可以湊出多少組合？

大家都聽過大數據，但卻不一定知道大數據的幾個基本特性，我們很快復盤一下：

大數據主要的特性包含：大量（Volume）、多樣性（Variety）與即時性（Velocity），同時還有結構化（ex. 在資料庫或你的excel 表中有明確行列項目對應，像是固定欄位、固定格式與順序的資料）與非結構化或半結構化的資料（ex 沒有明確欄位、格式或有欄位沒格式定義的資料）

對Netflix來說，在2020用戶增長就三千萬，在2021年內，註冊會員將達到兩億人，而且早在2018年時Netflix就超越YouTube，成為最常被使用的內容服務，平均每日觀看時間為23.2分鐘（YouTube為22.3分鐘）。現在受惠於疫情，使用時間在2020年內持續拉長到將近60分鐘，所以首先在資料量的方面，他們就已經遙遙領先所有對手，更別提他們的註冊人數遠高於其他平台，資料蒐集得更完整

即使這兩年像是Disney, Amazon, Apple等巨頭紛紛加入戰場，但根據羅胖（得到APP的創辦人）在2016年跨年演講中提到的國民總時間概念，用戶成長勢必有個上限，一般用戶也不可能長期訂閱兩個以上的頻道，至少就目前來看，Netflix的優勢還是相當明顯，這樣的優勢體現在算法上，更讓競爭對手難以追趕

聽到這裡也許大家會有點疑惑，難道不能透過算法的優化來解決資料量不足的問題嗎？

算法的優化可以有效降低計算量，也能補足部分資料量不足的缺憾，但如果資料總量差的不止一個量級？那就完全不是這回事了

有使用過apple siri的人，對比google 語音助理，應該有深刻的體認；開張時熱熱鬧鬧、條件更優惠的apple TV+, 免費期一過還能不能維持熱度看來也很可疑．姑且不論內容豐富度比不上人家，連操作介面都輸人家一大截

這就怪了，不都說Apple的介面最直覺、最簡潔、最有禪風嗎？怎麼連UX都不如人呢？

其實不單單是介面設計那麼簡單，Apple介面設計和目錄看起來沒什麼問題，但操作起來完全不是那麼回事，反之Netflix沒有目錄，但操作卻是極為順手，主要的差異還在於推薦的精準度

講那麼多，我們還是來看看Netflix的推薦到底是怎麼做的吧

！

當你打開Netflix，第一眼看到的不是什麼MOD、電視盒等令人噁心又無言的目錄，反之是乾淨利落的推薦．Netflix是極少數敢在landing page就直接放上推薦內容的公司，而且效果還真的不錯，目前Netflix每3小時的播放中就有2個小時是從首頁發起，效果非常好

這樣的推薦成效是怎麼來的呢？

記得上一講提到Netflix競賽嗎？

Netflix最早的推薦模式就是評分．早在競賽之前，Netflix在2000年就已經推出“Cinematch”（電影匹配）自動推薦功能。當時Netflex每位用戶平均為大約200部電影評分，每天新增400萬次的評分，Netflix之所以舉辦競賽，就是要優化Cinematch的推薦成效

你會不會覺得奇怪：當評分的時候，用戶都已經看完了，這時再評分有什麼用？

其實這就像我們在google上找餐廳一樣，大家看著前人的紀錄去按圖索驥，不同的是google上提供服務的單一玩家多，大家可以做行銷活動去作弊，但影片和餐廳不同，影片後面不是單一經營者，行銷時間也是有限的，不會有人長期作弊，參與評分的人更沒有地域性的限制，所以預測的指導依據就遠遠高於google上的餐廳評級與評價了！

這因如此，當時就有60％的Netflix用戶根據其他人的評分選擇影片。當用戶做出評價之後，Netflix先針對影片做分析，再根據參與預測的用戶過去觀看影片評分等歷史記錄，找出背景像似的人群來預測個別用戶可能喜歡的電影。

頭暈了嗎？沒關係，讓我幫你梳理一下，Cinematch影片匹配的基本邏輯是：

1. 在分析範圍中，找出推薦過特定影片A的人群X

2. 找出推薦過特定影片B的人群Y

3. 找出人群X與人群Y的相關性分佈（+1到-1), 找出將相關性較高(接近＋1)的資料群集(data custer) X^Y

4. 找出與X^Y類似的人群，推薦Y給他

為什麼這樣做呢？

因為在當時Netflix的用戶就已經遠大於影片數，所以Cinematch從影片端下手，而不是以用戶為單位，在計算量上會減少許多．

聽起來還是有點繞口對吧？別擔心，我們來舉個實例：

在CineMatch數據庫中搜索對某電影（ex. 大話西游）進行過評級的人

找出這些人群中，還對另一部電影（ex. 星際大戰）進行評分的人

找出喜歡“大話西游”同時喜歡“星際大戰”人的相關性

將其中相關性最高的特定人群特徵找出來，根據人群特徵篩找出資料庫中相似的人群，然後推薦“星際大戰”相關影片給他，反之，則不推薦．

其中的值為+1到-1, 至於為什麼是這個值域區間？有興趣的同學可以搜尋“一起出來玩”，參考我們的上一講內容

到了2007年iphone上市以後，Cinematch算法更延伸到智慧手機、聯網電視等多個終端，Netflix用戶數也快速累積，進而讓Cinematch算法推薦技術不斷有數據挖掘、不停迭代，甚至你搜索、觀看、收藏、回放等行為都會被記錄分析；你喜歡什麼題材、演員、甚至拍攝手法與鏡頭都被踩截下來，讓Netflix越來越能準確預測你想看的內容，比你更了解你自己、比傳統電影公司和導演更了解觀眾

聽起來有沒有一種恐怖的感覺？

就這樣，Netflix一步一步從底層改變了內容產業的結構

算法和大牌導演、製片不同，算法沒有主觀偏好，所以推薦的內容不會受到內容情節或演員的影響，反而更重視用戶個人的收視記錄，讓內容推薦更為用戶導向，長此以往，自然讓傳統意義上的主流情節、大牌演員、大牌導演、大牌電影公司的影響力下降，只要你拍的東西有人看，自然都有下一季，一切以結果導向的後果，讓不管內容是Netflix自製、小片商發行或什麼稀奇古怪的影片主題都有更多的曝光機會

當然，這也是今天我們看到Netflix上面有各式各樣稀奇古怪的內容、各式各樣不同的影片型態，但看起來都有類似套路感覺的主因了．

好了，故事講得差不多了，我們還是要回頭來看一下，Cinematch他底層的數學邏輯到底是什麼？

當然，我們還是會用最簡單的方式介紹，讓你能精確掌握概念，而且沒有壓力，一看就懂．所以請大家耐著性子看下去，不要一聽到數學就轉台喔！

相關係數的簡單算法介紹

以上分析Netflix算法的沿革，其中多次提到相關性，到底相關性是怎麼算出來的呢？

如果我們假設一部影片評分人數越多，會點擊收看的人也越多，但我們不確定之間的相關性，這時候我們可以先搜集一下數值，看一下十隻不同影片的評分次數和觀影人數

p.s. 由於fb無法正確顯示表格和公式，請有興趣的夥伴搜尋“一起出來玩” 網站裡面的資料分析，即可看到完整文稿．我把連結放在下方留言第一行以免被FB算法過濾掉，我寫得非常簡單，把複雜算式和證明都刪掉了，大家千萬不要聽到數學就退避三舍，花個三分鐘看一下，你會發現自己不但看得懂，而且還會感覺非常有收穫喔！

接下來我們可以運用高中學過，統計學家皮爾森發明的相關係數的公式來計算：

對應到上圖，將以上的數值算出來

將以上數值帶入公式後，算出來的R值約莫是0.98, 由此可知評分人數和觀看人數的相關係數r很高

如果我們今天要分析的不是一組係數，而是兩組係數，例如影片主題與長度對收視情形之間的相關性，該怎麼做呢？

此外，剛剛舉的例子是十支影片的案例，如果我們只想知道一支影片如何受到趨勢的影響，例如：這支影片每日被觀影的次數和被評分的總人數之間的關係時，那又該怎麼做呢？

這正是我們下兩講要跟大家分享的內容：

各位伙伴，我們下一講再見！