2018年2月28日

マーケティング

Netflixに学ぶデータドリブンな最適化施策

netflixnetflix

ご存知のように、今や世界中の企業でデータを活用したグロース施策が行われています。

スタートアップが増えているドイツベルリンでも「データ分析」「A/Bテスト」「機械学習」などをテーマにしたミートアップは多数開催され、他のテーマに比べ参加者が多く賑わっています。

 

そこで今回は、データドリブンな施策で急成長をとげ、世界190カ国以上、1億9千万人以上のメンバーがいる「Netflix」に注目し、どのようにデータを活用しているのかを取り上げてみたいと思います。

 

1.”視聴される”と予測されたコンテンツの提供

Netflixには毎日のように新しいコンテンツが追加されています。

例えば2018年2月の1ヶ月間では、なんと約80もの作品が追加され、またオリジナルの作品も多く追加されています。

実はそのオリジナル作品は、一定数視聴されると予測された上で制作されているそうです。

例えば、オリジナル作品の中でもヒット作の「Orange is the New Black」

人気作品の続きやリメイク版でもなく有名な俳優を起用したわけでもありません。

データに基づいて分類された複数のユーザーコミュニティ(属性)に好まれる傾向にある要素を作品に込めたと言われています。

ヒットには、データの根拠が裏付けされているのです。

 

2.コンテンツのレコメンド精度

面白いコンテンツを揃えることは、莫大な量の動画コンテンツがある今では大前提になっているかもしれません。
それをどのようにユーザーに届けるか、という点でNetflixは優れています。

膨大な量のデータを分析するアルゴリズムを駆使し、レコメンド機能の精度をあげることに注力しています。
例えばNetflixにログインすると、「視聴した作品」や「マイリストに追加した作品」に関連した動画がレコメンドとして表示されます。

また、「マッチ度98%」などマッチ度が各作品に表示され、どの程度自分が好みそうか、度合いが表示されます。

実際に、Netflixを使うとファーストビューまたは1スクロール内には必ず気になる作品が見つかり、見たい作品を迷ったらマッチ度を参考にするといったように、作品を探す手間と時間が少なく次々にコンテンツを見たくなってきます。

このようにレコメンドするためのデータとしては「作品データ」「ユーザー行動データ」が紐付けられています。
「作品データ」に関しては監督やジャンルなど作品の基礎情報のほか、1つのジャンルをレベル分けするなど、精度の高いレコメンドになるように多くのパターンを持っています。

「ユーザーの行動データ」に関しては、居住国、デバイス、検索履歴、視聴作品から、いつ視聴し、どこで一時停止したかなど非常に粒度の細かい行動データを取得しています。
またユーザーのデータにおいては、居住国に縛られず、グローバルな視点でコミュニティを捉えることで精度向上へ繋げていると言います。

例えば、「食育や食品産業に関心を示す健康志向の高いコミュニティ」からグローバルで高い評価を得た作品があります。
国別に見ると少数になりレコメンドの質が低下しますが、グローバルなデータを活用することでより精度の高いレコメンドができているそうです。

参考:レコメンド機能に対するグローバルなアプローチ(Netflix)

 

3.作品アイキャッチ画像やタイトルの最適化

Netflixは、より良いアイキャッチ画像やタイトルの見せ方が、ユーザーがより早く楽しめる作品を発見できエンゲージメントを高めると言っています。
そこで、1つの作品に対して複数パターンのアイキャッチ画像でABテストを行い、どのアイキャッチ画像が最もコンバージョンが高いかを判定しています。

面白いのは、国によってどのようなアイキャッチ画像が好まれるかが分かれるそうです。

こちらは「アンブレイカブル キミーシュミット」という作品のパターンのアイキャッチ画像です。

(右下のアイキャッチ画像が勝ち)

参考:Keynote: How Netflix Leverages Big Data – Brian Sullivan, Director of Streaming Analytics, Netflix(Youtube)

 

ちなみに膨大な量のデータを支えている、気になるNetflixのABテストのインフラ構造はこのようになっています。

参考:Netflix Experimentation Platform – Jason Reid, Senior Data Engineer(Youtube)

 

いかがでしたでしょうか。

今回はNetflixがデータドリブンで取り組む施策を3つご紹介いたしました。

個人への最適化が生活者へのアプローチとして重要とされる中で、データを活用することは不可欠になっています。

これからデータ活用を考えている場合はまずはこのような事例を参考にしイメージしてみることをおすすめします。

1

0

AUTHOR

Miu マーケター

ドイツでWEBマーケティングしています。

アプリでもっと便利に!気になる記事をチェック!

記事のお気に入り登録やランキングが表示される昨日に対応!毎日の情報収集や調べ物にもっと身近なメディアになりました。

簡単に自分で作れるWebAR

「palanAR」はオンラインで簡単に作れるWebAR作成ツールです。WebARとはアプリを使用せずに、Webサイト上でARを体験できる新しい技術です。

palanARへ
palanar

palanはWebARの開発を
行っています

弊社では企画からサービスの公開終了まで一緒に関わらせていただきます。 企画からシステム開発、3DCG、デザインまで一貫して承ります。

webar_waterpark

palanでは一緒に働く仲間を募集しています

正社員や業務委託、アルバイトやインターンなど雇用形態にこだわらず、
ベテランの方から業界未経験の方まで様々なかたのお力をお借りしたいと考えております。

話を聞いてみたい

運営メンバー

eishis

Eishi Saito 総務

SIerやスタートアップ、フリーランスを経て2016年11月にeishis, Inc.を設立。 マーケター・ディレクター・エンジニアなど何でも屋。 COBOLからReactまで色んなことやります。

sasakki デザイナー

アメリカの大学を卒業後、日本、シンガポールでデザイナーとして活動。

しまだ

しまだ デザイナー

WebAR/VRのデザインと3DCG制作がメインです。 肩書きは「アニメ案件に関わりたいデザイナー」。

Miu マーケター

ドイツでWEBマーケティングしています。

しんのき エンジニア

主に React Native を使ったアプリ開発と AWS や Firebase を使ったサーバーレスアーキテクチャを担当しています。元々はインフラとかPHPをやっていました。

yamakawa

やまかわたかし デザイナー

フロントエンドデザイナー。デザインからHTML / CSS、JSの実装を担当しています。最近はReact NativeやReact360をよく触っています。

furuya エンジニア

サーバーサイド、フロントエンド、Unityと色々手を出してる雑食系エンジニア。ReactNativeが最近のマイブーム。

Sayaka Osanai デザイナー

Sketchだいすきプロダクトデザイナー。シンプルだけどちょっとかわいいデザインが得意。 好きな食べものは生ハムとお寿司とカレーです。

はらた

はらた エンジニア

サーバーサイドエンジニア Ruby on Railsを使った開発を行なっています

うえまつゆい エンジニア

サーバーサイドエンジニアからフロントエンドエンジニアになりました。主にReact Nativeでのアプリ開発をしています。

kobori

こぼり ともろう エンジニア

サーバーサイドエンジニア。SIerを経て2019年7月に入社。日々学習しながらRuby on Railsを使った開発を行っています。

sasai

ささい エンジニア

フロントエンドエンジニア WebGLとReactが強みと言えるように頑張ってます。

damien

Damien

WebAR/VRを中心に企画やディレクションやエンジニアもちょっとやっています。森に住んでいます。

デザイナーゲスト

ゲスト デザイナー

CONTACT PAGE TOP