0,00 MXN

No hay productos en el carrito.

English English Español Español
0,00 MXN

No hay productos en el carrito.

La fórmula secreta detrás de Netflix

Martha se acuesta en el sofá. Los zapatos caen al piso mientras ella accede a su cuenta de Netflix después de una auditoría con muchas facturas durante casi 10 horas. Martha no quiere tomar más decisiones por hoy. Apenas con unos movimientos del cursor, en la tercera fila, debajo de “Porque viste…”, Martha llega a la película que necesita. El póster delata que sí, se ve interesante porque Fassbender. Además lo dice Netflix. Y debe tener razón. Siempre es así para ella.
La segmentación es cosa del pasado. Algo que las antiquísimas agencias de publicidad veían como el non plus ultra del buen marketing. Ahora el mundo se encamina más a una personalización en la oferta de productos y servicios. Mientras Google se especializa en conocer los intereses del consumidor, por ejemplo, Spotify y Netflix centran sus esfuerzos en conocer los gustos personales y las motivaciones que están detrás de cada clic de sus suscriptores.

Conquistando al mundo (una persona a la vez)

Con 75 millones de suscriptores a nivel mundial, el algoritmo de Netflix debe de estar aceitado, tanto para ofrecer a sus usuarios títulos idóneos para sus gustos, como para conocer, justamente, el gusto específico de cada uno. “Toda la gente es diferente, pero no en la forma en que podrías imaginar”, declara Reed Hastings, CEO de Netflix. “Con el mismo catálogo alrededor del mundo, sabemos qué quiere cada persona”. Lo cual no significa que atiendan con lupa a cada uno.

La segmentación es cosa del pasado. Cada día nos encaminamos más a una personalización en la oferta de productos y servicios.

Los antiguos métodos para segmentar a una población ya son ineficientes para modelos de negocio basados en engagement de usuarios (zona geográfica, edad, género, etcétera); sobre todo ahora que la data permite conocer usos y costumbres del consumidor con precisión. “Tenemos una montaña de datos a nuestra disposición”, explica Todd Yellin, VP de innovación de Netflix. “Esta montaña se divide en dos categorías. El 99% es basura. El 1%, oro. ¿Edad, género, zona geográfica? Eso ya sólo es un montón de basura”. Pero, ¿por qué?
Yellin explicó para Wired que los estereotipos no son útiles. Por ejemplo, sólo el 10% de los suscriptores que acceden a contenido de anime se encuentran en Japón. El 90 restante se encuentra repartido en el resto del mundo. El catálogo agrupa los títulos en un par de miles de clusters, los cuales se determinan no por el lugar donde residen los suscriptores, sino por sus gustos —por la manera en que ve una película, la califica y repite patrones que coinciden con otras personas.
Netflix asigna a cada suscriptor tres de cada cinco de estos clusters, considerando cada una de las coincidencias obtenidas de acuerdo a sus gustos. “Cuando tienes más de 75 millones de personas alrededor del mundo, puedes ser realmente especifico”, arguye Yellin. A esto sucede que el usuario promedio sólo ve entre 40 a 50 opciones de los miles de opciones que el catálogo de la compañía contempla. El algoritmo permite que esos 40 a 50 títulos que aparecen al usuario sean los adecuados para sus gustos.
“Solíamos ser más ingenuos. Sobre-explotábamos las señales individuales. Si veías una comedia romántica, todo tu top estaba conformado por comedias románticas. No tenías mucha variedad. Y esto te llevaba rápidamente a un callejón sin salida alrededor del mismo contenido”. Por supuesto, esto concluía en la mudanza de plataforma o incluso de canal de entretenimiento por parte del usuario, considerando que Netflix probablemente tenía un catálogo reducido en cuanto a su gusto se refiere, anulando por completo la relación y, lo más dramático, la suscripción.
Alejandro Sánchez, director de BI de la consultoría de negocios digitales e ecommerce Lits Ebusiness, nos explica. “Por ejemplo, hacen una tabla. Por un lado colocan los títulos, por otra parte a los usuarios. Digamos que a los usuarios A, B y C les gustaron las opciones 4, 7 , 10, 11 y 15; el usuario A no vio la opción 10, pero B y C, sí; entonces a A le aparecerá este título como recomendación”. De esta forma un usuario de Tailandia puede tener gustos más similares a uno de Brasil que a los de sus vecinos.

Nuevas historias, nuevos mercados

La segmentación tampoco está descartada, al contrario. En la ruta crítica de una empresa, cuando no se conoce la historia de alguien –un nuevo cliente que acaba de ingresar–, probablemente sea la mejor manera de trabajar con la información disponible de él en la red. Es, además, la manera más sana de comenzar: aprovechar aquello que un individuo otorga voluntariamente por participar de tus dinámicas comerciales e intentar transformar eso en una relación.
Imagina que hay un nuevo cliente que ha entrado a tu streaming de música. No ha reproducido nada aún. Su Facebook no delata demasiado. Lo utiliza poco. Su Twitter no sigue ni una sola cuenta de músicos ni ha posteado videos musicales, tampoco tiene fotos de conciertos o menciones relativas a nada musical. Tampoco parece mostrar mucho interés en la música en general cuando busca videos en YouTube o reproduce algo en su celular. La interacción con un amigo suyo que casualmente es tu cliente, tampoco es sustancial para ti.
¿Qué puedes hacer para entender sus gustos? Le aplicas un testing que te permita segmentar sus gustos a cambio de una recompensa, por ejemplo. Le pides, por ejemplo, que seleccione sus géneros dilectos y artistas preferidos y le pones A, B, C, D, E y todas las opciones posibles que no agoten su paciencia. Ya tienes un primer corte que te puede dar indicadores.
¿Cómo le haces sugerencias a partir de esto? Tal vez comparando a perfiles que hayan escogido lo mismo o escuchen y sigan a los mismos artistas o álbumes. Un segmento, pues, que responda a las mismas características de intereses y, por qué no, a partir de datos de perfil que más adelante pueden descartarse, como la edad, género y ubicación que coincidan. Así hasta que su historial de uso, como bien lo indica el término, te cuente su historia contigo: sus gustos, sus aficiones, sus afinidades y sus elecciones afectivas.
Claro que también podrías adivinar, pero eso es inviable, considera Sánchez. Cierto que una persona puede tener mucha experiencia en el mercado, trayectoria a la cabeza de negocios o industrias. Pero en Internet, esa experiencia sólo vale si tiene un respaldo de datos. Y esa misma filosofía, que basa su argumentación para la toma de decisiones en datos y no intuiciones, es la que ha permitido a Amazon llegar adonde ahora se encuentra.
Lo mismo sucede en el video on demand. La visión de Netflix es global, pero su forma de actuar es local. Es decir, el algoritmo y el catálogo funcionan de manera universal, pero se adecuan a las restricciones legales de cada país. Por ejemplo, los usuarios canadienses ya pueden ver Star Wars: The Force Awakens; en Francia existe una restricción para proteger a los cines, en la que ninguna cinta puede llegar a las plataformas sino hasta tres años después de su estreno.
“La interfaz de usuario y el diseño son los mismos en cualquier parte del mundo”, detalla Sánchez. “Las diferencias que puedan encontrarse son el resultado de 160 pruebas A/B testing, cada una comparaba entre dos y 20 experiencias diferentes”.
Mantener afinado el algoritmo es elemental para el día a día de Netflix y se vuelve crítico al momento de entrar a nuevos mercados. Netflix debe trabajar mucho más duro para conocer qué mostrar a la cada persona de una región en la que nunca antes habían estado; y no por una cuestión geográfica per se, sino por las políticas o condiciones sociales, tecnológicas y circunstancias que determinan el temperamento de los individuos. ¿Por qué tanta atención a estos detalles? Porque influyen, aunque no determinan, los gustos de una persona. Y los gustos de una persona son relevantes porque no pretende entablar una conversión llanamente, sino una relación y a largo plazo.

Netflix algoritmo engagement business intelligence big data
El nivel de engagement que tiene Netflix con sus usuarios ha derivado en que sea, incluso, un indicador en las relaciones de pareja.

Lo importante también es entender que el enfoque no debe de ser unilateral, sino de atención a lo que acontece. Sánchez añade al respecto: “la cuestión no radica en qué datos necesites, sino a cuáles tienes acceso. Cuando aún no tienes un historial que te permita conocer el comportamiento de tus usuarios, entender su historia con lo que vendes o haces, o mejor todavía contigo, debes recurrir a la segmentación, a pruebas de A/B testing (algunos incluso adquieren bases de datos). Esto para tener un primer acercamiento hacia tu usuario, cuando ya cuentes con los datos suficientes podrás dar paso a la personalización”.
¿Qué nos enseña la historia de Netflix? Que para crear una relación a largo plazo se requieren soluciones de business intelligence aplicada a big data con vías a la personalización. Al menos si quieres ser exitoso. Lo que se logra al ingresar a los gustos e intereses de un usuario y participar activamente de aquello que ama, motivándolo a que siga haciéndolo, se sorprenda y se emocione con regularidad. Cuando no sabes nada de él y los datos disponibles no son suficientes, segmentas y preguntas (tal vez a cambio de recompensas). Sólo puedes lograr que tenga una historia contigo si incentivas que te proporcione la información que requieres para que te adopte como parte de su día a día. Y así hasta que te vuelvas quien le evite a Martha indagar en un catálogo para ver una película y te vuelvas más indispensable (¿por qué no?) que un novio.

Comentarios

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Artículos relacionados

3,179FansLike
90FollowersFollow
223FollowersFollow

Últimos artículos