Kulturą masową rządzą algorytmy

Widzowie do przewidzenia
Jeśli ktoś połknął nowy sezon „House of Cards” w weekend, nie powinien robić sobie wyrzutów. O to, żeby się nie oderwał od ekranu, zadbał algorytm. Jeden z tych, które rządzą dziś kulturą masową.
Szefowie Netflixa mawiają, że ich serwis istnieje w tylu wersjach, ilu ma użytkowników.
Marko Skrbic/Getty Images

Szefowie Netflixa mawiają, że ich serwis istnieje w tylu wersjach, ilu ma użytkowników.

Algorytm podyktował także sposób dystrybucji „House of Cards”. Okazało się, że lubimy połykać sezony seriali w całości.
materiały prasowe

Algorytm podyktował także sposób dystrybucji „House of Cards”. Okazało się, że lubimy połykać sezony seriali w całości.

audio

Audio Polityka Mariusz Herma - Widzowie do przewidzenia

Gdy w pierwszy weekend marca miliony widzów zasiadły do czwartej odsłony serialu „House of Cards”, swój własny seans rozpoczął producent programu. Zaczął od zanotowania nazwiska widza, jego pochodzenia oraz daty seansu. Ale takimi informacjami firma dysponowała już dekadę temu, gdy jej działalność ograniczała się do wysyłkowej wypożyczalni płyt DVD. Obecnie gdy któryś z 75 milionów użytkowników loguje się do serwisu internetowego Netflixa – od stycznia dostępnego także w Polsce – ten dowiaduje się także, z jakiego rodzaju urządzenia korzysta dany użytkownik. Telewizor, laptop, tablet, a może smartfon? Jakiej marki? Jaki model?

To dopiero początek seansu. Po wciśnięciu „play” system zacznie notować, w jaki sposób widz skonsumuje kolejną odsłonę polityczno-małżeńskich perypetii Franka i Claire Underwoodów. Czy obejrzy pierwszy odcinek w całości, od początku do końca, a może od razu kilka naraz? Czy w którymś momencie przewinie film do przodu lub cofnie go o kilka minut, aby ponownie obejrzeć wybraną scenę? A jeśli tak, to czy chodziło o wyjątkowo dynamiczny dialog (być może widz czegoś nie zrozumiał, w końcu podchodzi z kraju nieanglojęzycznego), czy o scenę łóżkową (w końcu ma 15 lat).

Czasem wydarzy się najgorsze: widz przerwie seans. Ale pauza pauzie nierówna. Być może wyszedł do toalety i za chwilę wznowi serial. Albo minęła północ i postanowił dokończyć oglądanie następnego wieczoru. Jeśli jednak do „House of Cards” już nie powróci, takiemu przypadkowi Netflix poświęci więcej uwagi. Szczególnie jeśli więcej osób porzuci serię po obejrzeniu danego odcinka czy wręcz konkretnej sceny, dajmy na to brutalnego morderstwa albo przydługiego przemówienia prezydenta. Wiedza ta przyda się nie tylko podczas kręcenia kolejnego sezonu „House of Cards”, lecz już przy kolejnym logowaniu niecierpliwego widza.

Telewizja ogląda widza

Szefowie Netflixa mawiają, że ich serwis istnieje w tylu wersjach, ilu ma użytkowników. Indywidualizuje się już podczas zakładania konta. Nowemu widzowi wyświetla listę mniej lub bardziej znanych filmów, a po wskazaniu trzech ulubionych wygeneruje mu stronę powitalną z listą wybranych specjalnie dla niego rekomendacji: filmów i seriali, które zdaniem algorytmu także powinny się mu spodobać. I niemal na pewno będzie miał rację.

Jeżeli wysoko oceniłeś film A i film B, to bazując na zagregowanych ocenach klientów o podobnych upodobaniach, z dużą pewnością spodoba ci się też tytuł C. Ta prosta zasada sprawdza się od lat – mówi Jakub Dubowik, starszy analityk danych w polskim oddziale amerykańskiej firmy Teradata, z której serwerów i wsparcia analitycznego korzysta Netflix. Podobnie jak Apple, eBay czy Wal-Mart, a także polscy operatorzy komórkowi. Wszystkie te marki łączy to, że codziennie gromadzą nieprawdopodobne ilości informacji o klientach. Specjaliści szacują, że „ślad informacyjny”, jaki każdy z nas pozostawia po sobie w sieci w ciągu jednego roku, to około jednego terabajta. Czyli odpowiednik blisko półtora tysiąca zapisanych po brzegi płyt CD. Mimo że dotyczą one naszych dotychczasowych zachowań, po odpowiedniej analizie pozwalają przewidzieć także te przyszłe.

– Jeśli wydaje ci się, że jesteś człowiekiem oryginalnym, chodzącym własnymi ścieżkami, z niekonwencjonalnym gustem muzycznym, filmowym czy kulinarnym – analitycy big data szybko wyprowadzą cię z błędu. Możemy się uważać za indywidualistów. Ale ślady, które pozostawiamy w różnych miejscach w sieci, pozwalają wymodelować sporą część naszego życia – przekonuje Dubowik. I zachęca do prostej zabawy z Google Trends. To darmowe internetowe narzędzie pozwala sprawdzić, jak często dane słowo lub frazę wyszukiwano w Google w ciągu ostatnich lat. Na przykład gdy przyjrzymy się popularności słowa „fitness”, zobaczymy skoki w dwóch momentach każdego roku. Na początku stycznia i tuż przed wakacjami. Czyli, odpowiednio, w okresie postanowień noworocznych i przedplażowym. Z kolei przed sylwestrem podwaja się liczba zapytań o darmową muzykę mp3.

Nawet tak proste i powszechnie dostępne narzędzie big data pomaga chociażby sieciowym sprzedawcom – podpowiadając, jakie produkty powinni w danym czasie eksponować w swoich cyfrowych witrynach. Do własnych celów Google czy Facebook wykorzystują nieporównywalnie bardziej złożone narzędzia. Podobnie jak Netflix, który już 10 lat temu rozpisał konkurs na algorytm najskuteczniej przewidujący to, jakie filmy mogą spodobać się danemu widzowi. Nagrodę główną – okrągły milion dolarów – przyznano dopiero trzy lata później. Co ciekawe, Netflix ostatecznie nie wdrożył tego kosztownego rozwiązania. Bo informacje udostępnione uczestnikom konkursu ograniczały się do czterech danych: numeru użytkownika, tytułu filmu, oceny wystawionej danemu filmowi oraz daty seansu. Tymczasem od czasu rozpisania konkursu firma systematycznie poszerzała zakres danych, które gromadzi o swoich widzach. Począwszy od analizy milionów codziennych wyszukiwań w katalogu Netflixa. A kończąc na śledzeniu tego, jak użytkownik zareaguje na trailer kolejnego filmu, który podsuwa mu się jeszcze podczas trwania napisów końcowych. Ale widzowie to tylko jedna strona równania.

Musi się podobać

Systemy rekomendacji dzielą się na dwa rodzaje. Te bardziej popularne znajdują użytkowników o zbliżonych zainteresowaniach. – Zaproponuj użytkownikowi to, co wybierali najczęściej klienci o podobnej historii ocen lub zakupów. Dlatego nazywamy je systemami user-based – tłumaczy Dubowik. Jeśli więc fani „Avatara” i „Matrixa” zazwyczaj docenili też „Władcę Pierścieni”, to po obejrzeniu tych dwóch pierwszych filmów zobaczysz zachętę do poznania dziejów Frodo Bagginsa. Netflix oczywiście korzysta z tego rozwiązania. Ale sięga również po drugi rodzaj systemów rekomendacji: usiłujących zrozumieć sam produkt i dlatego określanej mianem item-based.

Czytaj także

Aktualności, komentarze

W nowej POLITYCE

Zobacz pełny spis treści »

Poleć stronę

Zamknij
Facebook Twitter Google+ Wykop Poleć Skomentuj

Ta strona do poprawnego działania wymaga włączenia mechanizmu "ciasteczek" w przeglądarce.

Powrót na stronę główną