Alle bekannten Titel auf Netflix bereits geschaut und jetzt fällt es dir schwer eine neue Serie oder einen Film zu finden? Du willst vor lauter Verzweiflung am liebsten kündigen? Netflix schafft Abhilfe! Wie der Streaming-Dienst dein Nutzererlebnis durch KI verbessern kann und was individueller Content bedeutet, erfährst du hier.

Netflix ist mit fast 200 Millionen Nutzern der größte Streaming-Dienst auf der Welt. In über 190 Ländern wird mit Netflix gestreamt. Während der Corona-Pandemie konnte der Streaming-Riese seine Nutzerzahl weiter ausbauen. Dieser Erfolg ist kein Zufall, sondern liegt vor allem an der eigens entwickelten künstlichen Intelligenz.

Durch die immer weiterwachsende Anzahl an neuen Streaming-Anbietern und ihr vermehrtes Angebot an Inhalten, werden Personalisierungen bzw. passgenaue Empfehlungen immer wichtiger, um sich am Markt behaupten zu können. Die Nutzer*innen müssten Netflix zu folge in den ersten 90 Sekunden gecatched werden, sonst würden sie auf andere Streaming-Plattformen wechseln. Der erste Blick auf der Startseite sollte also einiges bieten und auf individuellen Vorlieben des Nutzers basieren. Um dies möglich zu machen verwendet Netflix eine künstliche Intelligenz, die die wichtigste Grundlage für alle Analysen darstellt. Diese kann anhand vorhandener Daten folgende Aufgaben erfüllen:

1. Filme und Serien nach Gemeinsamkeiten sortieren
2. herausfinden was Nutzer*innen für Vorlieben haben

Was macht der Algorithmus?

Sobald du dein persönliches Netflix-Profil öffnest, erhältst du eine Auswahl an Titeln, die bereits durch bestimmte Algorithmen auf dich zugeschnitten sind. Diese Empfehlungen basieren auf deinen Vorlieben und der Art und Weise wie sie dir präsentiert werden. Algorithmen versuchen mit einem möglichst geringen Aufwand zu filtern, welche Titel dir gefallen könnten, um dir daraufhin eine Auswahl anzubieten. Im Grunde beruht der Algorithmus auf dem sogenannten content-based-Ansatz, dass bedeutet das nur nach ähnlichen Titeln gesucht wird, die durch Metadaten verglichen werden können. So können dir personalisierte Empfehlungen angezeigt werden. Weitere detailliertere Informationen findest du auch im Netflix Tech Blog.

Was macht Netflix um seine Kunden zu halten?

Welche Daten sammelt Netflix eigentlich von seinen Nutzern, damit der Algorithmus passende Vorschläge machen kann?

Damit der Algorithmus passende individuelle Vorschläge geben kann, werden die Sehgewohnheiten ausgewertet, sowie das Feedback der Zuschauer*innen, wie gut oder schlecht sie die Serie bzw. den Film bewertet haben. Zu den Sehgewohnheiten zählt unter anderem die Tageszeit sowie die Nutzungs- bzw. Sehdauer. Außerdem wird berücksichtigt, was Mitglieder mit einem ähnlichen Geschmack sonst noch schauen, wobei das Abspielgerät ebenfalls registriert und ausgewertet wird.

Beim Einrichten eines neuen Netflix-Konto dienen die Titel, die du anfangs likest als Grundlage für erste Empfehlungen, ansonsten generiert Netflix selbst eine Liste aus beliebten Titeln unterschiedlichster Genres. Aufgrund deiner ersten angesehen Titel, versucht Netflix ein Datenprofil zu entwickeln, welches den oben genannten Kriterien entspricht. Dabei fallen zuletzt angesehene Titel stärker ins Gewicht des Empfehlungssystem, als welche aus der Vergangenheit.

Jeder Nutzer wird anhand der gewonnenen Daten in eines von über 2000 sich ständig weiterentwickelten „Taste Communities“ eingeordnet. „Taste Communities“ sind nichts anderes als Gruppen von Netflix-Nutzern, die ganz bestimmte Serien oder Genres konsumieren. Aus dieser jeweiligen Gruppe von Nutzern entstehen dann Wiedergabelisten, wie zum Beispiel von Nutzern die gerne Frauen in der Hauptrolle bevorzugen oder Superhelden-Filme schauen.

All diese Informationen werden Algorithmen übergeben, um daraus ein passgenaues Empfehlungssystem zu entwickeln. Bei der Auswahl der Titel sollen Netflix zu folge keine demografischen Informationen, wie Geschlecht oder Alter berücksichtigt werden.

Wie wichtig sind Metadaten für Netflix?

Nach Angaben von Netflix, werden 80 Prozent der gesamten Streaming-Inhalte nur über datenbasierte Empfehlungen entdeckt. Sogenannte „Recommendation Engines“, also Empfehlungs-Maschinen, können nur passende Inhalte empfehlen, wenn die Metadaten der gesamten Netflix Inhalte ausreichend und korrekt bestehen. Die Erstellung der Metadaten erfolgt durch maschinell lernende Systeme, die jeden Inhalt mit typischen Informationen, wie dem Genre, den Schauspielern, den Hauptthemen und den Sprachen abspeichern. Aus diesen ganzen gesammelten Informationen lassen sich nun Empfehlungen geben, die der Nutzer bei einer Suchanfrage erhält.

Der Algorithmus funktioniert bei der Suchanfrage am besten, wenn der Nutzer nach einzelnen Kategorien sucht. Die Empfehlungen der maschinell lernenden Systeme stoßen jedoch auch an ihre Grenzen. Netflix versucht deshalb auch durch wöchentlich wechselnde Listen mit den zehn meistgesehenen Inhalten einer Region, dem Nutzer auch Titel vorzuschlagen, die nicht den Empfehlungen des Algorithmus entsprechen. So können sie auch für ihre Eigenproduktionen werben und den Nutzer anregen, etwa ein neues Genre anzusehen.

Was macht Netflix Kündigungsraten letztendlich so gering?

Das Geschäftsmodell des Streaming-Anbieters basiert auf dem Gefühl der Nutzer*innen, dass für sie das Preis-Leistungs-Verhältnis stimmt. Der Konzern konzentriert sich deshalb auf das Konzept „Binge Watching“. Hierbei schaut der Zuschauer über lange Zeiträume eine Serie nach der anderen vor dem Streaming-Gerät an. Man geht davon aus, dass die Nutzer*innen dann der Meinung sind, ihre Investition habe sich ausgezahlt. So kann ihnen das Gefühl gegeben werden, die richtige Wahl für ein Abonnement getätigt zu haben. Die Nutzer*innen bleiben weiterhin bei Netflix und stellen so einen größeren Wert, CLV (Customer Lifetime Value), für das Unternehmen dar.

Dem Nutzer soll auf der Plattform nie langweilig werden, da Nutzerdaten, Algorithmen und Berechnungssysteme, so Netflix, immer wieder neue Empfehlungen generieren könnten. Die Algorithmen sollen durch jede Nutzerinteraktion trainiert werden, sodass die Vorhersage der Titelauswahl noch besser wird.

Fazit

KI kann zwar die gesamten Daten aller Nutzer*innen verarbeiten und Muster erkennen, aber verstehen kann sie diese noch nicht. Die künstliche Intelligenz bestizt keinen Verstand, das heißt wenn sie durch fehlerhafte Daten oder schlechter Programmierung unpassende Empfehlungen anzeigt, merkt sie das nicht.

Titel-Vorhersagen treffen deshalb nicht immer den Geschmack für uns Nutzer*innen, da die Interessen nicht statisch, sondern oft Situations-, Tages,- und Stimmungsabhängig sind.

Netflix betont, dass der Erfolg ihrer Titel sehr stark von ihren Nutzern abhängt und es deshalb umso wichtiger ist, ihre Bedürfnisse zu kennen und die Daten zu nutzen, die durch ihre Profile entstanden sind. Trotzdem kann langfristig gesehen die Gefahr bestehen, dass immer mehr von dem produziert, was schon erfolgreich war. Es sollte nicht zu einem wiedererkennbaren Schema-F bekannter Formate führen, nur damit Netflix die Kundenbindung halten kann. Wirklich zu verstehen, warum ein bestimmter Handlungsbogen einen Zuschauer mitreißt ist und bleibt zukünftig wohl eine der schwierigsten Aufgaben.

Wichtige abschließende Erkenntnisse

• Erhöhung der Datenmenge durch Abonnenten-basiertes Geschäftsmodell, somit Auskunft über Präferenzen des Kunden, sowie über den Konsum der Inhalte
• Geringe Kündigungraten ermöglichen individuelle Empfehlungen von Inhalten, die Kundeninteresse steigern kann
• Ständig wachsende Datenbestände ermöglichen KI über die Vorlieben der Nutzer*innen zu lernen
• Netflix kann eigene Inhalte produzieren, die sich an den Sehgewohnheiten der Nutzer*innen orientieren
• KI senkt den Bandbreiten-Ressourcen Verbrauch, durch Übertragen ausschließlich wichtiger Daten