Algoritmos e análise de dados são usados para prever o sucesso de conteúdos em streaming. Descubra o papel que Cientistas de Dados têm nas séries que você escolhe maratonar.
Você conhece a adrenalina. Você é tomado pela euforia, sua visão se concentra em um ponto e seu sangue esquenta. Você esquece de tudo: do aniversariante da vez, de passear com seu cachorro, até de comer.
O motivo? Saiu a nova temporada da sua série favorita.
Os mais prudentes vão esperar até o fim de semana para começar a assisti-la. Mas você não. Seu corpo treme, parece que você é todo feito de metal e o sofá é um gigantesco eletroímã exercendo uma atração irresistível.
São poucos os que têm a disciplina. Em geral a gente se engana dizendo “só um”, até se dar conta que são 4 da manhã e não consta na ata da reunião das 9 horas uma discussão sobre seu personagem favorito de Stranger Things.
E enfim: “Ufa, terminou o episódio.”
Mas mal começaram os créditos e vem aquela contagem regressiva… 4, 3, 2, 1, e entra o capítulo seguinte. Forças para desligar? Não há. Já era. Você perdeu essa batalha assim que apertou play.
Como a Netflix faz isso? Simples. Muita análise e inteligência de dados e, claro, um ótimo time de Cientista de Dados.
Conhecendo o usuário
Como já dizia Frank Underwood, em House of Cards: “Decisões baseadas em emoções não são decisões”.
Ninguém sabe disso melhor que a Netflix. Tanto que a série foi a primeira produção original da empresa a ser criada totalmente com base em algoritmos. Sabia-se que ela seria um sucesso antes mesmo de as gravações começarem.
Por quê? Porque o serviço de streaming sabe tudo sobre os gostos e comportamentos de seus mais de 130 milhões de assinantes. E ele faz isso compilando dados:
-
Sobre o que você assiste: qual gênero, por quanto tempo, em que dispositivos, datas, locais e horários, como você classifica os conteúdos, com que frequência você pausa, em que momentos para de assistir ou mesmo abandona de vez uma produção.
-
Sobre como você navega: que termos pesquisa, que trailers vê dentro da plataforma, como utiliza a barra de rolagem, em que você clica, quanto tempo leva para selecionar um filme ou série, o histórico e os cookies do seu browser.
-
Sobre quem você é: seu nome, e-mail, endereço, telefone, método de pagamento e região, além de dados demográficos comumente providos por fornecedores terceirizados.
Sim, pode parecer muito, mas não é nada que não seja padrão de uma empresa com uma área de dados extremamente bem estruturada.
Fora que, com isso em mãos, é possível cruzar inúmeras informações que permite à Netflix prover uma experiência customizada, de alta qualidade e criar entretenimento com grandes chances de agradar o público e gerar engajamento.
Análise de tendências
Suponhamos que, em meio a suas análises, a Netflix perceba que uma quantidade considerável de pessoas está assistindo fielmente a “Três é Demais” (originalmente chamada Full House), comédia altamente popular nos anos 80 e 90, cancelada após oito temporadas.
Photo by Charles Deluvio on UnsplashA partir dessa evidência, eles podem se aprofundar em algumas questões que envolvem a série: Qual a retenção que ela apresenta? Que porcentagem de espectadores completa todas as temporadas? Quanto tempo isso leva? Qual é o intervalo entre o fim de um episódio e o início de outro? Se a série é abandonada, em que momento isso acontece? E quais são os as particularidades do conteúdo que se relacionam a esses comportamentos?
Se a conclusão dos dados for de que a série tem alto índice de aprovação e engajamento, cientistas podem então traçar tendências e probabilidades que orientam uma possível continuação — haveria enormes chances de que ela também seria assistida.
Começamos com uma suposição, mas foi o que aconteceu: Fuller House, a spinoff criada com quase todos os mesmos atores da série original, tem sido um sucesso e já foi renovada para sua quarta temporada.
Olho no futuro
O grande segredo, portanto, não é só a compilação, mas a predição de dados. E isso, ninguém faz melhor que a pessoa Data Scientist.
Os cientistas de dados não se preocupam apenas em encontrar padrões, aplicar estatística avançada e modelos de machine learning para responder questões-chave de negócios, como também para gerar novas perguntas. É a figura responsável por olhar para frente — literalmente prevendo o futuro.
Portanto, além de criar algoritmos e lidar com um volume grande de dados, também se espera deles que tenham a capacidade de interpretar seus achados e inferir conclusões.
Suas habilidades precisam ser avassaladoras não só do lado técnico: eles devem ser perspicazes também quanto à estratégia de negócios, fazendo com que os dados contem uma história coerente que sirva às necessidades da empresa.
Hoje, claro, a Netflix emprega vários deles. Mas em 2009, eles precisaram de uma ajudinha.
A empresa resolveu criar o Netflix Prize, que oferecia a recompensa de US$ 1 milhão ao grupo que criasse o algoritmo que melhor pudesse prever como clientes reagiriam a um filme com base em suas preferências e classificações prévias.
Houve um vencedor (e era 2009, mas o design grita 1998):
O algoritmo não foi implementado integralmente, mas ofereceu ganhos de precisão e ajudou o Netflix a gerar US$1 bilhão por ano em valor por retenção de usuários.
Seis anos depois, eles tinham confiança suficiente para conceber uma série com base no que a ciência de dados os dizia.
O fenômeno que se tornou House of Cards só incentivou ainda mais que dados e criatividade continuassem em sintonia: hoje, conteúdos originais da Netflix têm taxas de sucesso na faixa dos 80%, enquanto outras produções do catálogo da plataforma mantêm uma média entre 30% e 40%.
Os cientistas de dados da Netflix conhecem bem seus usuários e sabem usar isso a favor deles e, consequentemente, a favor do negócio. Talvez haja algumas festas de aniversário perdidas ou cachorros chateados por aí, mas pelo menos assim a gente sabe que nenhuma maratona vai ser subaproveitada.
Se você curtiu a carreira de Cientista de Dados, acesse nosso site e conheça o Bootcamp em Data Science & Machine Learning for Business da Tera. Essa é uma formação desenhada para aplicar sua curiosidade nata a conhecimentos em tecnologia, negócios e análise de dados para identificar e resolver problemas no mundo de dados.
