كيف تستخدم Netflix البيانات الضخمة لإنشاء المحتوى وتحسين تجربة المستخدم

مع حصة سوقية تبلغ 51 بالمائة من صناعة البث الأمريكية وأكثر من 148 مليون مشترك متدفق في جميع أنحاء العالم اعتبارًا من الربع الرابع 2018 ، تعد Netflix بالتأكيد قوة لا يستهان بها.

والأكثر إثارة للاهتمام ، أن Netflix في طريقها لتحقيق الأرباح. يوضح الرسم البياني أدناه ، من باب المجاملة Statista ، الإيرادات السنوية لـ Netflix من 2002 إلى 2018 ، وهناك شيء واحد واضح: Netflix ينمو باستمرار وبشكل كبير.

على عكس معظم العلامات التجارية الأخرى ، يُعزى نمو Netflix إلى المحتوى وتجربة المستخدم أكثر من التسويق ، ويتأثر هذا المحتوى إلى حد كبير بالبيانات الضخمة.

تساعد البيانات الضخمة Netflix على الازدهار على الرغم من القرارات غير البديهية

بينما لا يزال يتعين على العديد من المؤسسات الاستفادة بشكل فعال من البيانات المتاحة لها ، فإن Netflix يعد استثناءً جديرًا بالملاحظة.

تعد Netflix بسهولة واحدة من أكثر الشركات غير البديهية الموجودة هناك. يظهر مثال ضخم لطبيعة Netflix غير البديهية من خلال قرارها بحظر الشبكات الافتراضية الخاصة في 2016.

هذا على الرغم من حقيقة أنه في ذلك الوقت ، كان أكثر من 30 مليون مستخدم لـ Netflix يعيشون في بلدان لا تتوفر فيها خدمة Netflix دون استخدام VPN أو خدمات أخرى لإخفاء الموقع (وحيث تسجل Netflix الآن معظم مكاسبها من الاشتراك).

في العام نفسه ، رفعت Netflix أسعارها ورفضت التراجع على الرغم من احتجاجات المستخدمين وفقدان مئات الآلاف من المستخدمين.

ومع ذلك ، نمت Netflix منذ ذلك الحين فقط.

يوضح الرسم البياني التالي نمو عدد المشتركين في Netflix منذ أن اتخذت قرارها المثير للجدل بحظر الشبكات الافتراضية الخاصة ورفع أسعارها في عام 2016.

إذن كيف تستطيع Netflix مواصلة النمو السريع على الرغم من تنفير جزء كبير من قاعدتها؟ من خلال الاستفادة من البيانات الضخمة لمعرفة ما يريده المستخدمون بالضبط ومنحهم إياه.

تراهن Netflix بشكل كبير على المحتوى وتجربة المستخدم ، حيث يتم إنفاق الجزء الأكبر من ميزانية Netflix على المحتوى. في عام 2019 ، خصصت Netflix ميزانية قدرها 15 مليار دولار للمحتوى. للمقارنة ، فإنهم يلتزمون بمبلغ ضئيل قدره 2.9 مليار دولار للتسويق.

في حين أنه من السهل التركيز على ميزانية محتوى Netflix الضخمة ، سيكون من الأفضل التركيز على العملية المستخدمة للتوصل إلى أفكار لهذا المحتوى ومقدار الدور الذي تلعبه البيانات الضخمة.

البنية التحتية للبيانات الضخمة لـ Netflix

تستخدم Netflix برامج معالجة البيانات وأدوات ذكاء الأعمال التقليدية مثل Hadoop و Teradata ، بالإضافة إلى حلولها مفتوحة المصدر مثل Lipstick and Genie لجمع كميات هائلة من المعلومات وتخزينها ومعالجتها. تؤثر هذه الأنظمة الأساسية على قراراتها بشأن المحتوى الذي يجب إنشاؤه والترويج له للمشاهدين.

لا تستخدم Netflix مستودع بيانات Hadoop التقليدي المستند إلى مركز البيانات. من أجل السماح لها بتخزين ومعالجة مجموعة بيانات متزايدة بسرعة ، تستخدم Amazon's S3 لتخزين بياناتها ، مما يسمح لها بتدوير مجموعات Hadoop متعددة لأحمال عمل مختلفة تصل إلى نفس البيانات. في نظام Hadoop البيئي ، يستخدم Hive للاستعلامات والتحليلات المخصصة و Pig for ETL (الاستخراج والتحويل والتحميل) والخوارزميات.

ثم أنشأت مشروع Genie الخاص بها للمساعدة في التعامل مع أحجام البيانات الهائلة المتزايدة أثناء توسعها. كل هذا يشير إلى شيء واحد: Netflix خاص جدًا بشأن امتلاك الكثير من البيانات والقدرة على معالجة هذه البيانات للتأكد من أنها تفهم بالضبط ما يريده مستخدموها.

كانت النتيجة مذهلة. تمكنت Netflix من ضمان نسبة مشاركة عالية مع محتواها الأصلي ، بحيث تفاعل 90 بالمائة من مستخدمي Netflix مع محتواها الأصلي.

يعتبر نهج البيانات الضخمة لـ Netflix للمحتوى ناجحًا للغاية ، مقارنة بصناعة التلفزيون ، حيث يتم تجديد 35 بالمائة فقط من العروض بعد موسمها الأول ، يجدد Netflix 93 بالمائة من مسلسله الأصلي.

House of Cards: دراسة حالة Netflix في البيانات الضخمة

أحد أكثر الأمثلة التي يتم الاستشهاد بها حول استخدام Netflix للبيانات الضخمة لتصور محتوى ناجح هو مسلسل House of Cards التلفزيوني. لأسباب وجيهة.

بعض الحقائق السريعة:

• عندما أرادت Netflix تقديم عرض House of Cards في عام 2013 ، على عكس ما كانت عليه الممارسة المعتادة في صناعة التلفزيون ، لم تطلق Netflix برنامجًا تجريبيًا. بدلاً من ذلك ، كلفت موسمين من العرض (لما يقدر بـ 100 مليون دولار) ، حتى قبل بث الحلقة الأولى. مقامرة كبيرة جدًا لعرض دون ضمان النجاح ، أو هكذا كان يُعتقد.
• حقق عرض House of Cards نجاحًا فوريًا ، وبعد ست سنوات ، على الرغم من الاضطرابات التي أحاطت بنجمه ، كيفين سبيسي ، لا يزال البرنامج يتمتع بتصنيف 8.8 من أصل 10 من أكثر من 420.000 تقييم على IMDB ، مما يضعه في دوري الأفلام الرائجة مثل الصورة الرمزية و The Sopranos.
• وفقًا لـ Netflix ، حقق House of Cards نجاحًا كبيرًا حيث كان المحتوى الأكثر بثًا في الولايات المتحدة و 40 دولة إضافية في ذروة نجاحه.

بينما كان التزام Netflix بموسمين من House of Cards مقامرة للأجانب ، كان المطلعون يعرفون بالفعل أن العرض سينجح

في الواقع ، كانت ثقة Netflix في نجاح House of Cards كبيرة لدرجة أن مسؤولًا تنفيذيًا أخبر GIGAOM في مقابلة أنه لا يحتاج إلى إنفاق الملايين لحث الناس على الانضمام إلى البرنامج. كانوا يعرفون فقط أن الناس سيشاهدونها.

نظرًا للعلاقة المباشرة التي تربط Netflix بمشتركيها ، فضلاً عن وفرة البيانات حول كيفية تفاعل أعضاء الجمهور مع محتواهم ، يمكن للشركة بسهولة تحديد نوع المحتوى الذي يريده الأشخاص.

في حالة House of Cards ، من خلال تحليل بياناتها ، أدركت Netflix أن نسبة كبيرة من مشتركيها البالغ عددهم 33 مليونًا في ذلك الوقت قد بثوا أعمال المخرج David Fincher ، The Social Network ، من البداية إلى النهاية على منصتها ، وأن هذه الأفلام تعرض كان Kevin Spacey ناجحًا دائمًا مع جمهوره.

علاوة على ذلك ، كشفت بيانات Netflix عن نجاح النسخة البريطانية من House of Cards على منصتها. وأن أولئك الذين شاهدوا النسخة البريطانية من House of Cards قد شاهدوا أيضًا أفلامًا أخرى من تمثيل كيفن سبيسي أو من إخراج ديفيد فينشر.

بالاعتماد على هذه البيانات ، خلص Netflix إلى أن العرض الناجح بالفعل في بريطانيا ، بطولة الممثل المحبوب كيفن سبيسي والمخرج ديفيد فينشر ، للجمهور الأمريكي ، سيكون نجاحًا كبيرًا.

كان Netflix على حق

في غضون ثلاثة أشهر من تقديم House of Cards ، أضافت Netflix مليوني مشترك في الولايات المتحدة ومليون مشترك إضافي دوليًا.

وهذا يعني أنه تمت إضافة ما يقدر بنحو 72 مليون دولار إلى صافي أرباح الشركة ، مما أدى إلى سداد استثماراتها الأولية في عرض House of Cards في غضون أشهر فقط.

مع معدل تجديد 93 بالمائة لعروضه بعد الموسم الأول ، فإن نجاح House of Cards ليس حادثة منعزلة. تم تقديم سلاسل أخرى مثل Orange Is The New Black و Arrested Development و The Crown للإشادة باستخدام عملية مماثلة تعتمد على البيانات الضخمة.

كيف تستخدم Netflix البيانات لتحسين تجربة المستخدم

عندما يتعلق الأمر بجمع البيانات ، فإن قاعدة مستخدمي Netflix الضخمة التي تضم أكثر من 148 مليون مشترك تمنحها ميزة هائلة. ثم يركز على المقاييس التالية:

• تم مشاهدة محتوى التاريخ
• الجهاز الذي تم مشاهدة المحتوى عليه
• كيف اختلفت طبيعة المحتوى الذي تمت مشاهدته باختلاف الجهاز
• عمليات البحث على منصتها
• أجزاء من المحتوى تمت إعادة مشاهدتها
• ما إذا كان المحتوى متوقفًا مؤقتًا
• بيانات موقع المستخدم
• وقت اليوم والأسبوع الذي تمت فيه مشاهدة المحتوى وكيف يؤثر على نوع المحتوى الذي تمت مشاهدته
• البيانات الوصفية من جهات خارجية مثل Nielsen
• بيانات وسائل التواصل الاجتماعي من Facebook و Twitter

بمجرد جمع البيانات ، تستخدم Netflix هذه البيانات بعدة طرق. أحد أهم الاستخدامات هو صياغة أفكار البرمجة الأصلية والتحقق من صحتها ، كما تمت مناقشته في مثال House of Cards أعلاه.

يمكن القول إن الأمر الأكثر أهمية هو الطريقة التي أتقنت بها Netflix الاستخدام الفعال للبيانات لجذب الأشخاص إلى التفاعل مع محتواها.

تعتبر Netflix جيدة جدًا في الترويج للمحتوى المستهدف بحيث يتأثر ما يقدر بـ 80 بالمائة من المحتوى المتدفق على نظامها الأساسي بنظام التوصيات الخاص بها.

تم تصميم نظام التوصيات هذا بطريقة:

• تركز Netflix على منح كل مستخدم ما يريده فقط من خلال مُصنف محتوى مخصص ينظم مجموعة كل مستخدم لـ Netflix بناءً على المعلومات الشخصية التي تم جمعها عن المستخدم. مثل Netflix ، يمكنك استخدام البيانات الضخمة للتأكد من أن المحتوى المقدم لكل مستخدم يتأثر بالنشاط الشخصي للمستخدم وتفاعله مع علامتك التجارية ، مما يضمن أن تكون تجربة المحتوى فريدة لكل مستخدم.
• تحتل Netflix المرتبة الأولى والمحتوى الرائج ليس فقط بناءً على مدى شعبية المحتوى ولكن أيضًا استنادًا إلى المعلومات الشخصية المتاحة حول المستخدم. يتم الترويج للمحتوى على أساس نشاط Netflix للمستخدم. الدرس الأساسي هنا هو أنه بينما يهتم الناس بما هو شائع ، فإنهم ما زالوا يريدون أن يتأثر بمصالحهم. عند الترويج لـ "أفضل محتوى" للمستخدمين ، من المهم التأكد من أنه ملائم لمصالحهم الشخصية.
• يتم فرز المحتوى المعروض مؤخرًا بناءً على تحليل ما إذا كان من المتوقع أن يستمر المستخدمون في المشاهدة أو إعادة المشاهدة ، أو ما إذا كان المستخدمون قد توقفوا عن المشاهدة بسبب عدم العثور على المحتوى المثير للاهتمام. هذا هو المفتاح لضمان عدم ملل Netflix لمستخدميه ؛ قد يكون من المغري الاستمرار في الترويج لنفس المحتوى منذ أن استثمرت فيه. إذا كان نشاط المستخدم يشير إلى عدم وجود اهتمام ، فمن الأفضل استبعاد المحتوى وتقديم شيء أكثر إثارة للاهتمام.
• توصي خوارزمية تقارب المحتوى بمحتوى مشابه للمحتوى الذي شاهده المستخدم للتو. من المهم ملاحظة أنه من المرجح أن يرغب الأشخاص في استهلاك محتوى مشابه للمحتوى الذي استهلكوه للتو.

ختاما

بدون الشعور بالملل من التقنية ، من الواضح أن Netflix مثال رائع على قوة البيانات الضخمة. على الرغم من أنه قد لا يكون لديك الموارد اللازمة لإنشاء مشروعك الخاص لزيادة كفاءة البيانات الضخمة مثلما فعلت Netflix من خلال إنشاء مشروع Genie الخاص بها ، فإن صناعة البيانات الضخمة تتطور بسرعة وهناك الكثير من الأدوات مفتوحة المصدر لمساعدتك في جمع البيانات الأساسية ومعالجتها لفهم ما يريده المستخدمون بالضبط.

باتباع مثال Netflix ، من الممكن الاستفادة بشكل فعال من البيانات الضخمة لتحسين المحتوى الخاص بك وتجربة المستخدم وضمان نمو عملك.

غابرييل سديه مستشارة تسويق رقمي. يمكن العثور عليها على تويتر GabrielleSadeh.