Ein globales System für Empfehlungen

Als Netflix im Januar in 130 zusätzlichen Ländern startete, wollten wir sicherstellen, dass unser Dienst überall auf der Welt gut funktioniert. Dafür mussten viele komplexe technische Probleme auf globaler Basis gelöst werden.

So sind etwa die personalisierten Empfehlungen ein wichtiger Bestandteil der Netflix-Umgebung, da sie unseren Mitglieder helfen, ganz leicht etwas Neues und Spannendes zum Ansehen zu finden. Für diese Empfehlungen analysieren unsere Algorithmen riesige Datenmengen. Diesen Prozess auch global anzuwenden, war mit einigen Herausforderungen verbunden. In diesem Blogpost, beschreiben meine Kollegen Yves Raimond und Justin Basilico die technischen Herausforderungen, die wir dabei meistern mussten, etwas ausführlicher. Nach einem ganzen Jahr intensiver Forschung, in dem Dutzende Teams im Unternehmen an dieser Aufgabe arbeiteten, haben wir nun ein globales System für Empfehlungen entwickelt und implementiert, das unseren Mitgliedern überall auf der Welt zugutekommen wird.

Bei dieser Arbeit wurde deutlich, dass großartige Geschichten über Landesgrenzen hinweg wirken und Zuschauer in aller Welt mehr gemeinsam haben, als sie vielleicht denken. Eine Methode, wie Netflix personalisierte Empfehlungen für einzelne Mitglieder erstellt, hat etwa damit zu tun, Nutzergemeinschaften zu identifizieren, die ähnliche Filme und Serien mögen, und dann Empfehlungen zu erstellen, die darauf beruhen, was in diesen Gemeinschaften beliebt ist. Statt die Nutzer nur auf Basis eines Landes und eines Katalogs zu betrachten, findet unser globales Empfehlungssystem weltweit jene Nutzergemeinschaften, die für das einzelne Mitglied aufgrund des eigenen Geschmacks und der eigenen Vorlieben am relevantesten sind, und verwendet die daraus gewonnenen Erkenntnisse dafür, jedem Mitglied die besten Titel zu empfehlen, unabhängig davon, wo er oder sie lebt.

Einfacher ausgedrückt verbessern unsere globalen Erkenntnisse die personalisierten Empfehlungen noch weiter, weil unsere Mitglieder jetzt von ähnlichen Nutzern profitieren, egal wo in der Welt diese leben. Das ist besonders hilfreich für Mitglieder, die sich in neuen oder kleineren Märkten befinden. Aber auch in größeren und etablierteren Märkten profitieren jene Mitglieder davon, die sich für sehr spezifische Titel oder ausgefallene Themen interessieren.

Ein gutes Beispiel dafür ist Anime. Mithilfe unserer Daten konnten wir eine Gemeinschaft von Nutzern identifizieren, die sich besonders für die Art von Anime interessieren, die in der folgenden Liste wiedergegeben ist:

Es ist nicht verwunderlich, dass Japan das Land ist, in dem die meisten dieser Nutzer leben. Bemerkenswert ist jedoch, dass die japanischen Nutzer dennoch weniger als 10 % dieser Gemeinschaft ausmachen – die anderen Mitglieder in dieser Gemeinschaft kommen von überall aus der Welt! In diesem Fall ist es wirklich sinnvoll, die Daten aller relevanten Nutzer in allen Ländern zusammenzufassen. Das hilft uns, allen Netflix-Mitgliedern, die Teil dieser Gemeinschaft sind, bessere Empfehlungen zur Verfügung zu stellen, ganz egal, wo sie wohnen.

Ein weiteres Beispiel dafür, wie unser globales Empfehlungssystem unseren Mitgliedern überall auf der Welt zugutekommt, ist die weltweite Gemeinschaft der gesundheitsbewussten „Foodies“, die mehr über Nahrung und die Lebensmittelindustrie erfahren wollen. Die folgenden Empfehlungen sind ein Beispiel dafür, was in dieser Nutzergemeinschaft beliebt ist:

Der Prozentsatz an Nutzern in dieser Gemeinschaft ist in jedem einzelnen Land relativ klein. Wenn wir also nur die Daten eines einzigen Landes analysieren würden (insbesondere in einem neuen Land mit einer kleineren Anzahl von Mitgliedern), wären unsere personalisierten Empfehlungen recht ungenau. Indem wir jedoch Daten aus aller Welt und aus Ländern jeder Größe in unsere Analyse miteinbeziehen, können unsere globalen Algorithmen diese weltweiten Erkenntnisse nutzen, um für diese essensbewusste Gemeinschaft Empfehlungen abzugeben, die weitaus präziser und zuverlässiger sind.

Das globale Empfehlungssystem ist auch die perfekte Ergänzung zu unseren Bemühungen, überall auf der Welt die Lokalisierung unseres Dienstes voranzutreiben, um unseren Mitgliedern weltweit eine höchst personalisierte Erfahrung zu ermöglichen. Während es bei unseren Lokalisierungsbemühungen vor allem darum geht, lokale Inhalte, Sprachen, Zahlungsmöglichkeiten usw. hinzuzufügen, können unsere Mitglieder mithilfe des globalen Empfehlungssystems gleichzeitig von ihrer Zugehörigkeit zur globalen Gemeinschaft profitieren, die wir hier bei Netflix aufbauen.

– Carlos Gomez-Uribe