La ciencia detrás de las recomendaciones de películas y series de Netflix

LOS GATOS.- Según Netflix, el principal método de descubrimiento de contenido para los usuarios del servicio es la lista de recomendados, por sobre la barra de búsqueda. Para la compañía, es una de las características que pone a su oferta por sobre la de la competencia y lo que hace que sus clientes no cancelen sus suscripciones.

"Cuando comparas las recomendaciones que te da otro servicio de video en internet, estamos mucho más adelante. La mayoría tiene una personalización mínima. Esto nos interesa mucho porque cuando mejoramos los algoritmos, los usuarios reproducen más videos y cancelan menos el servicio", afirma Carlos Gómez Uribe, ingeniero mexicano de 34 años y vicepresidente de innovación del producto, a cargo de los algoritmos de búsqueda y recomendación de la compañía.

Elegido como uno de los 20 latinos más influyentes en la industria por CNET, Gómez es el hombre a cargo de un sistema que, según él mismo describe, funciona en base a una infinidad de datos, incluyendo qué videos se ha visto, cantidad de tiempo dedicado, usuarios similares y calificaciones otorgadas. Pero más allá del procesamiento de datos de alto nivel, el inicio del sistema es bastante análogo.

Un equipo editorial de la compañía revisa el contenido disponible realizando anotaciones de todo tipo incluyendo "cuáles son los actores y directores de una película, dónde se filmó, si es un video alegre o triste, si es apropiado para niños", según describe Gómez. Con esos datos, y tomando en cuenta el historial de visionado, los usuarios son agrupados en categorías "que después podemos analizar para extraer señales que traten de predecir qué videos le van a gustar a cada persona".

A diferencia de lo que era Netflix en su época como una plataforma de arriendo de DVDs, donde el principal dato era la calificación que cada usuario le daba a una película, en el mundo del streaming lo que importa es cuánto tiempo le dedica un usuario al contenido. "Mientras más ves una película o serie, más peso le damos", indica el mexicano. "Los datos que describen cuánto tiempo se pasa un usuario viendo algún video nos sirven más para predecir qué otros videos va a ver por un rato", alimentando así el sistema de recomendaciones.

Consultado sobre las diferencias del modelo matemático de las recomendaciones en las distintas regiones en que Netflix está presente, Gómez indica que "como tenemos un catálogo fuerte en todas partes donde estamos, es básicamente el mismo algoritmo. En general el catálogo es suficientemente grande para que el algoritmo funcione en todos los países".

El futuro está en el contexto

Actualmente, si entras a Netflix en un computador, teléfono, tablet o consola de videojuegos, las recomendaciones son las mismas. La única diferencia está en la cantidad de títulos sugeridos, algo que depende del tamaño de la pantalla y la capacidad técnica del dispositivo. Pero la compañía está probando una tecnología que consideraría más elementos a la hora de recomendar.

"Es un área que llamamos recomendaciones contextuales. Puedes definir el contexto de diferentes maneras, pero las tres variables obvias para nosotros son el día de la semana, la hora y qué dispositivo se está usando", comenta el mexicano.

Gómez explica que el sistema está actualmente en pruebas. "Usamos el método científico. Creamos dos muestras de usuarios elegidos de la misma manera. A una le damos la experiencia actual y a la otra le damos la nueva que esperamos que sea mejor. Luego medimos cosas como qué tan fácil le resulta al usuario del algoritmo nuevo encontrar algo para ver".

El objetivo es determinar qué impacto tienen los cambios en el sistema en el tiempo que se dedica a ver contenido y, finalmente, en la mantención de la suscripción. Sólo los resultados que demuestran una mejora sustantiva son finalmente aplicados al producto público.

"Sólo lanzamos nuevos algoritmos cuando encontramos tests positivos. En el área de recomendaciones contextuales estamos en una etapa de investigación y experimentos y espero que en el próximo año encontremos algo que funcione bien. Por lo pronto, tenemos datos interesantes y prometedores, pero nada que esté en producción", concluye Gómez.