网飞公司|网飞（Netflix）的个性化体验简史( 三 )

创建算法和表现分层策略，从而能够更好地将用户与他们喜欢的电影联系起来。这一策略主要是用显性/隐性偏好数据，以及大量关于电影和电视节目的数据(评级、类型、剧情、主演、导演等)，来创建将用户与标题联系起来的算法。预计网飞公司Netflix也将创建一个简单的用户界面，为个性化选择提供视觉支持。

通过将用户与更好的电影和电视节目联系起来，提高每个用户的平均电影评级。假设网飞公司Netflix为其用户提供更高质量的电影和电视节目，用户留存度就会更高。

更高级的假设：个性化策略可以通过让用户更轻松的找到他们喜欢的电影，来提高用户留存率。
高层次的粘性指标是留存率。然而，这需要花费年的时间来改变这个指标。因此，网飞公司Netflix有一个更敏感的短期代理指标：在使用该服务的前两个月内，给至少50部电影打分的成员的百分比。
他们的理论是，用户会给很多电影打分，以获得更精准的推荐。这些评级表明，会员们对他们获得评级后得到的个性化推荐表示满意。更多的评分表明，用户们喜欢网飞公司Netflix的个性化销售算法。
以下是这一代理指标在一段时间内的改进情况：

文章插图
网飞公司Netflix个性化服务的早期代理指标，是在使用该服务的头两个月里，对至少50部电影或电视节目进行评分的会员的百分比。
为什么到了2011年，这一指标会下降？因为到那时，大多数会员都是流媒体电影的观看者，网飞公司Netflix对会员的喜好有着强烈的隐含信号。一旦你按下“播放”按钮，你可以选择继续观看或者停止观看。网飞公司Netflix不再需要收集那么多的星评了。
网飞公司Netflix花了十多年的时间，才证明个性化体验能提高用户留存率。而这一代理指标的持续增长促使该公司加倍重视个性化服务。
八、2006年：评级向导最初的个性化功能培养基地是网站上一个带有“推荐”（Recommendations）标签的区域。但测试显示，会员们更喜欢描述性的标签。新的标签是“你会喜欢的电影”（Movies You’ll Heart），吸引了很多的点击量。尽管设计团队认为这个标签“很丑”，但是它成功了。
会员进入到“你会喜欢的电影”区域之后，该网站会向他们介绍什么是“评级向导”:

文章插图
会员们一边等待DVD，一边“刷剧”。在“前两个月对至少50部电影进行评分的会员百分比”这一代理指标中，评级向导起到了至关重要的作用。会员们在网站中使用“星条”对许多电影进行评级时，“评级向导”是用户偏好输入的主要来源。
九、2006年：人口数据网飞公司Netflix收集了用户的年龄和性别数据，但在团队采用人口数据来预测用户的电影偏好时发现，算法并没有提高预测能力。嗯？这是怎么回事？
网飞公司Netflix是如何衡量预测能力的？个性化算法的代理度量是RMSE（均方根误差）——这种计算方法是用于测量算法的预测评级以及用户的实际评级之间的变量。
如果网飞公司Netflix预测你会喜欢《老友记》（Friends）和《宋飞正传》（Seinfeld），并且评级分别是四星和五星，恰好你给这两部剧的评分也是四星和五星，那这就是一个完美的预测。RMSE是一个“向下和向右”的指标，并且，随着时间的推移这个指标会通过协同过滤算法的改进而更新。可以从以下的图表中粗略得知：

文章插图
均方根误差（Root Mean Square Error），是对所有Netflix会员的预测与实际收视率的计算。这是一个随着时间的推移，而变得更好的“向下和向右的”指标。