Como funciona o algoritmo da Netflix e plataformas de Streaming?
Já não é novidade que plataformas de streaming fazem uso pesado do poder do algoritmo para criar recomendações mais precisas para seus usuários, desde os truques mais discretos (trocar a foto de capa que aparecem nas produções), até os mais esperados (a exibição ou não de certas produções na sua página inicial). O Machine Learning é gigantesco e, quanto mais você assiste, usa as ferramentas de busca e interage com a plataforma, mais a IA (Inteligência Artificial) aprende sobre você e se aprimora. Mas você já parou para pensar quais tipos de estratégias essas empresas usam para reter sua atenção?
Segundo o Sistema de recomendação da própria Netflix, as indicações têm como base não só aquilo que você assistiu, mas considera a duração da sua atenção, os aparelhos em que assiste, quais filmes e séries foram assistidos por pessoas similares a você, as categorias que mais acessa, elenco que mais parece agradar seus gostos, as interações com a plataforma, entre tantas outras. Com todos esses dados em mãos eles podem testar alternativas diferentes do que mais funciona para prender cada usuário à plataforma. Tais testes envolvem que o algoritmo faça testes em que escolhe, testa e substitui a ordem de episódios em séries antológicas, as capas das temporadas, com diferentes personagens em destaque, a capa de filmes, etc. a fim de fazer com que o usuário seja retido pelo maior tempo.
Sendo assim, mesmo em categorias iguais, usuários diferentes podem ter títulos diferentes, dispostos de maneiras diferentes no catálogo de acordo com que o ranqueador acha mais adequado para aquele perfil. Dessa forma, o algoritmo pode não apenas escolher os conteúdos mais adaptados aos nossos gostos (o que acaba por criar uma bolha do entretenimento, mas esse é outro assunto), mas ser utilizado para outros fins.
Além da óbvia necessidade de manter os assinantes do serviço, o que mais os streamings podem ganhar com algoritmos mais eficientes em reter sua atenção?
Toda essa coleção de dados são úteis para decidir a viabilidade de investimento na produção de próximas séries e filmes. O que também permite que os produtores otimizem os investimentos e oferece uma liberdade criativa aos criadores.
O Exemplo de House of Cards (2013)
De acordo com informações divulgadas pela própria Netflix, toda a big data recolhida pelo algoritmo os fizeram perceber que seus assinantes assistiam muitas produções do diretor David Fincher. Podiam ainda indicar que Kevin Spacey era um dos atores mais seguidos e apreciados do momento. Além de reconhecerem o sucesso da versão original britânica de “House of Cards” da BBC. Com esses 3 simples dados (possivelmente mais), apostaram em uma série unindo tudo que os próprios assinantes gostariam de ver em um único produto (mesmo sem ter essa noção). Claro que também não podemos descartar o excepcional zelo pela qualidade da série como um dos pontos que ajudou a produção a atingir marcas de sucesso, sem a qual, a série não vingaria.
Com essa breve explicação não é difícil imaginar que o mesmo pode ter sido feito com outra série mais recente de grande sucesso da plataforma, Stranger Things. Entramos aqui em um cenário especulativo, mas é provável que a lógica empregada deva ter sido muito próxima. Dados de que a temática nostálgica dos anos 80, histórias de ficção científica, filmes adolescentes e infantis como Goonies faziam sucesso podem ter levado a construção de uma série moldada a atender esse nicho de público, surgindo Stranger Things. E acertaram na mosca. O sucesso é estrondoso, tornando a série o carro-chefe da empresa e justificando um orçamento alto para os padrões da plataforma.
Mas afinal, esse modelo é válido ou não?
Esse tipo de uso dos dados pode ter suas vantagens e desvantagens. Criar séries e filmes com a (quase) certeza de que ela será um sucesso permite que os investimentos para a produção seja maior, já que apresenta um retorno quase garantido. Outra grande vantagem é permitir que ideias mais ousadas e que, a primeiro momento parecem não funcionar bem juntas, sejam testadas e produzidas. Em 2018, Ted Sarandos – um dos diretores executivos da empresa, fez um comentário sobre esse modelo da Netflix:
“Seria possível tentar imaginar quais outras séries agradam a quem assiste a ‘American Horror Story’, mas acho que ninguém imaginaria que ‘Bob’s Burger’ fosse uma delas. É isso que nos dá a possibilidade de ampliar a audiência de um diretor e, ao mesmo tempo, permitir que ele saia de sua zona de conforto. Se Murphy quisesse criar uma série para a Fox que não respeitasse as formas preferidas pelos espectadores daquele canal, ele simplesmente não poderia fazer. A Netflix, por sua vez, é capaz de explorar da melhor maneira possível a maior parte das coisas que os diretores e roteiristas pensam em fazer”
Ted Sarandos
Outra estratégia adotada pelo Netflix é de usar os dados coletados para revitalizar séries “mortas”. Quantas vezes não vimos ela comprar direitos de projetos cancelados de outros canais para se dedicar a novas temporadas? Isso aconteceu com Lucifer, Arrested Development e Designated Survivor para citar alguns exemplos. Qual a lógica por trás de comprar um título que outra emissora cancelou por falta de público?
Simples, o algoritmo os ajudam a responder certas perguntas: quantos espectadores completam todas as temporadas? Quais episódios são mais reassistidos? Qual é o intervalo que o usuário assiste um episódio ou outro? Se depois de uma análise aprofundada concluírem que série tem alta aprovação e engajamento, eles podem traçar as probabilidades de sucesso de uma possível continuação.
Por outro lado, essas abordagens baseadas puramente em dados tem uma grande problema que parece contraditório. Enquanto permite criações improváveis, expandindo a criatividade e abrindo o horizonte para títulos não usuais, ela pode “viciar” as grandes plataformas fazer única e exclusivamente aquilo que o algoritmo aponta como o mais provável de fazer sucesso, impedindo que diretores e roteiristas escrevam obras que querem escrever, para se dedicar naquilo que a IA aponta como sucesso.
A linha entre criatividade e reciclagem de conteúdo é tênue e pode ser difícil de quebrar. Principalmente quando investimentos milionários estão sendo feitos com a expectativa de resultados ainda mais expressivos. Portanto é difícil dizer até que ponto devemos considerar essa abordagem de dados nossa aliada ou nossa ruína. Mas uma coisa é certa, é esta a realidade que encontramos no momento, e podemos aproveitar da facilidade que ela oferece, mas sem deixar que ela determine o que consumimos.
Deixe sua opinião para a gente e acrescente valo à discussão!
