Como a Netflix usou Big Data para alcançar um crescimento fenomenal

0 Comentários

O fenomenal crescimento mundial da Netflix é um fator significativo no sucesso contínuo da empresa. A partir da 2017, ela estava operacional em mais de 190 países, e de seus 130 milhões ou mais assinantes, quase 73 milhões residem em jurisdições fora da EUA. E por Q2 2018, as receitas de streaming internacionais da Netflix haviam superado suas receitas de streaming nos EUA. Tendo em mente que a Netflix era uma empresa somente para os EUA até a 2010 e que tinha presença apenas em países da 50 na 2015, isso constitui uma excelente realização comercial. Portanto, não é surpresa que muitas indústrias de grande porte, incluindo cassinos on-line e sites de comércio eletrônico, sigam o modelo Netflix no uso de estratégias de análise de dados.

A estratégia de globalização da Netflix conseguiu superar alguns problemas difíceis: diferentes regiões exigiam acordos de conteúdo diferentes, várias barreiras legislativas muitas vezes tinham que ser abordadas país a país, muitos blocos de assinantes eram não-falantes de inglês e insistiam em conteúdo local, e muitos Os assinantes do programa -be só tinham experimentado conteúdo gratuito e estavam muito relutantes em se inscrever em conteúdo transmitido por streaming.

Apesar de todos esses problemas e muito mais, a Netflix conseguiu crescer de forma consistente e exponencial e agora é uma entidade global com mais usuários de conteúdo pago do que a participação total de mercado de todos os concorrentes rivais combinados.

Ferramentas de Big Data

Uma característica importante da história da Netflix tem sido o contínuo uso sofisticado da empresa de ferramentas de coleta e análise de dados para informar suas decisões de negócios. Estes foram implantados para coletar, mapear e interpretar descobertas com base em uma grande quantidade de dados que a Netflix coletou sobre as preferências de um host de diferentes grupos de usuários. Outro produto dessa abordagem é que, embora o orçamento de análise da Netflix tenha subido, seu orçamento de marketing foi reduzido significativamente. Um resultado dessa mudança é que a Netflix está, portanto, fazendo marketing para grupos e populações que têm um interesse existente, ou pelo menos um forte interesse potencial, em produtos da Netflix. Isso significa que a empresa raramente desperdiçar dinheiro com qualquer tipo de marketing especulativo puramente 'arma de dispersão' para usuários que possam não ter interesse direto em tomar qualquer decisão de compra em seu favor.

O algoritmo de recomendação

As ferramentas de monitoramento que a Netflix usa estão sempre reunindo informações e testando continuamente os cenários com base em sua análise detalhada do fluxo de dados da Netflix. Assim, cada assinante do Netflix clica em play, pause e stop é gravado e examinado detalhadamente.

Acredita-se que o Netflix rode os testes 250 A / B por ano. Esses testes envolvem usuários 100,000, além de outro 100,000 selecionado como um grupo de controle. Eles são transmitidos com o mesmo conteúdo, mas com pequenas variações no formato. Tais ajustes podem estar no design ou na aparência do conteúdo transmitido, e a Netflix está interessada em avaliar como esses ajustes são recebidos pelo público-alvo de seus usuários.

Outra área de avaliação é o uso de cartões de aterrissagem - as imagens de exibição que os usuários do Netflix encontrarão ao navegar pelas listas de títulos de filmes disponíveis no Netflix. A empresa está mais uma vez buscando avaliar o efeito de pequenas alterações de formato no comportamento do usuário. Parece que a Netflix também está preparada para introduzir o mesmo sistema com seus trailers de reprodução automática como um meio de identificar as opções mais populares.

As estatísticas sugerem que um espectador médio navegará pelos títulos 50 antes de estar pronto para selecionar o próximo filme que deseja transmitir. E parece que a maioria das análises da Netflix está sendo implantada para ajustar a lista de opções para corresponder às preferências prováveis ​​do visualizador. Cada lista é específica do usuário e é baseada principalmente no histórico de exibição anterior, mas continuamente informada por quaisquer outras tendências de dados que foram observadas.

Por exemplo, a Netflix estará ciente de qual hora do dia você tende a assistir, e essa informação terá alguma influência na escolha dos filmes que a empresa escolhe oferecer - embora a Netflix esteja um pouco relutante em detalhar os ajustes que provavelmente fazer e por quê.

Caso clínico: House of Cards

Aqui, a Netflix observou que muitos de seus assinantes tendiam a transmitir "The Social Network", dirigido por David Fincher, do começo ao fim. Eles também observaram que os filmes de Kevin Spacey tiveram um apelo consistente para o público da Netflix. Além disso, a análise da Netflix indicou que o UK A versão de 'House of Cards' foi um sucesso e revelou que os espectadores britânicos também procuraram outros filmes dirigidos por David Fincher ou com Kevin Spacey.

Com base nessa avaliação de dados, a empresa previu que o 'House of Cards' também seria um sucesso nos EUA e decidiu investir $ 100 milhões de acordo. Esta decisão inteligente foi um sucesso estrondoso, conquistando mais de 10 milhões de assinantes adicionais da Netflix nos EUA, mais 2 milhões em todo o mundo, tudo nos primeiros três meses do lançamento. Como resultado, a Netflix havia praticamente coberto seu investimento em "House of Cards" no primeiro trimestre.

Investir em análise de big data permitiu que a Netflix visasse e personalizasse suas ofertas transmitidas a tal ponto que, como no caso do 'House of Cards', os números também podem informar decisões futuras sobre investimentos em filmes e séries de TV. Efetivamente limitar, ou até mesmo remover, esses riscos tem sido um fator importante no crescimento fenomenal desta empresa ambiciosa.

Códigos de bônus do Jackpot City Casino Online >>

Jackpot City Casino Online. Entrar!
Fonte: jackpotcitycasino.com
Como a Netflix usou Big Data para alcançar um crescimento fenomenal Atualizada: 18 de Junho de 2019 Autor: Damon