Wie Netflix Big Data nutzt, um Inhalte zu erstellen und die Benutzererfahrung zu verbessern

Mit einem Marktanteil von 51 Prozent der amerikanischen Streaming-Branche und über 148 Millionen Streaming-Abonnenten weltweit im vierten Quartal 2018 ist Netflix sicherlich eine Kraft, mit der man rechnen muss.

Interessanterweise ist Netflix auf dem besten Weg, profitabel zu sein. Die folgende Grafik, mit freundlicher Genehmigung von Statista, zeigt den Jahresumsatz von Netflix von 2002 bis 2018, und eines ist klar: Netflix wächst konstant und exponentiell.

Im Gegensatz zu den meisten anderen Marken ist das Wachstum von Netflix mehr auf Inhalt und Benutzererfahrung als auf Marketing zurückzuführen, und dieser Inhalt wird weitgehend von Big Data beeinflusst.

Big Data hilft Netflix, trotz kontraintuitiver Entscheidungen erfolgreich zu sein

Während viele Unternehmen die ihnen zur Verfügung stehenden Daten noch effektiv nutzen müssen, ist Netflix eine bemerkenswerte Ausnahme.

Netflix ist mit Sicherheit eines der kontraintuitivsten Unternehmen auf dem Markt. Ein großes Beispiel für die kontraintuitive Natur von Netflix ist die Entscheidung, VPNs im Jahr 2016 zu blockieren.

Dies trotz der Tatsache, dass zu dieser Zeit mehr als 30 Millionen Netflix-Nutzer in Ländern lebten, in denen der Netflix-Dienst nicht verfügbar ist, ohne ein VPN oder andere Standortmaskierungsdienste zu verwenden (und in denen Netflix jetzt den größten Teil seiner Abonnementgewinne erfasst).

Im selben Jahr erhöhte Netflix seine Preise und weigerte sich, trotz Protesten von Nutzern und dem Verlust von Hunderttausenden von Nutzern nachzugeben.

Netflix ist jedoch erst seitdem gewachsen.

Die folgende Grafik zeigt das Abonnentenwachstum von Netflix seit seiner umstrittenen Entscheidung, VPNs zu verbieten und seine Preise im Jahr 2016 zu erhöhen.

Wie kann Netflix das schnelle Wachstum fortsetzen, obwohl es einen erheblichen Teil seiner Basis entfremdet hat? Durch die Nutzung von Big Data, um genau herauszufinden, was die Benutzer wollen, und ihnen diese zur Verfügung zu stellen.

Netflix setzt viel auf Inhalte und Benutzererfahrung, der größte Teil des Netflix-Budgets wird für Inhalte ausgegeben. Im Jahr 2019 stellt Netflix ein Budget von 15 Milliarden US-Dollar für Inhalte bereit. Zum Vergleich: Sie geben magere 2,9 Milliarden US-Dollar für das Marketing aus.

Während es einfach ist, sich auf das riesige Content-Budget von Netflix zu konzentrieren, wäre es eine bessere Idee, sich auf den Prozess zu konzentrieren, der verwendet wird, um Ideen für diese Inhalte zu entwickeln, und wie viel Rolle Big Data spielt.

Die Big-Data-Infrastruktur von Netflix

Netflix verwendet Datenverarbeitungssoftware und traditionelle Business-Intelligence-Tools wie Hadoop und Teradata sowie eigene Open-Source-Lösungen wie Lipstick und Genie, um riesige Datenmengen zu sammeln, zu speichern und zu verarbeiten. Diese Plattformen beeinflussen ihre Entscheidungen darüber, welche Inhalte erstellt und für die Zuschauer beworben werden sollen.

Netflix verwendet kein herkömmliches Rechenzentrums-basiertes Hadoop-Data Warehouse. Um einen schnell wachsenden Datensatz speichern und verarbeiten zu können, verwendet es Amazons S3 zum Lagern seiner Daten, sodass mehrere Hadoop-Cluster für verschiedene Workloads mit Zugriff auf dieselben Daten aufgebaut werden können. Im Hadoop-Ökosystem verwendet es Hive für Ad-hoc-Abfragen und -Analysen und Pig für ETL (Extrahieren, Transformieren, Laden) und Algorithmen.

Anschließend wurde ein eigenes Genie-Projekt ins Leben gerufen, um bei der Skalierung immer massiver Datenmengen zu bewältigen. All dies weist auf eines hin: Netflix legt großen Wert darauf, viele Daten zu haben und diese Daten zu verarbeiten, um sicherzustellen, dass es genau versteht, was seine Benutzer wollen.

Das Ergebnis war einfach unglaublich. Netflix konnte mit seinen Originalinhalten eine hohe Interaktionsrate sicherstellen, sodass 90 Prozent der Netflix-Nutzer mit seinen Originalinhalten interagiert haben.

Der Big-Data-Ansatz von Netflix für Inhalte ist so erfolgreich, dass Netflix im Vergleich zur TV-Branche, in der nur 35 Prozent der Shows nach ihrer ersten Staffel erneuert werden, 93 Prozent seiner ursprünglichen Serien erneuert.

House of Cards: Eine Netflix-Fallstudie zu Big Data

Eines der am häufigsten zitierten Beispiele für Netflixs Nutzung von Big Data zur Konzeption erfolgreicher Inhalte ist die TV-Serie House of Cards. Aus guten Gründen.

Einige kurze Fakten:

• Als Netflix 2013 die House of Cards-Show vorstellen wollte, hat Netflix, anders als in der Fernsehbranche üblich, keinen Piloten gestartet. Stattdessen gab es zwei Staffeln der Show in Auftrag (für geschätzte 100 Millionen US-Dollar), noch bevor die erste Episode ausgestrahlt wurde. Ein sehr großes Wagnis für eine Show ohne Erfolgsgarantie, dachte man zumindest.
• Die House of Cards-Show war ein sofortiger Hit, und sechs Jahre später, trotz der Turbulenzen um ihren Star Kevin Spacey, erreicht die Sendung immer noch eine Bewertung von 8,8 von 10 aus über 420.000 Rezensionen auf IMDB, was sie in die Liga der Blockbuster wie Avatar und Die Sopranos.
• Laut Netflix war House of Cards so erfolgreich, dass es auf dem Höhepunkt seines Erfolgs der am häufigsten gestreamte Inhalt in den Vereinigten Staaten und in 40 weiteren Ländern war.

Während Netflix das Engagement für zwei Staffeln von House of Cards für Außenstehende ein Wagnis war, wussten Insider bereits, dass die Show erfolgreich sein würde

Tatsächlich war das Vertrauen von Netflix in den Erfolg von House of Cards so groß, dass eine Führungskraft GIGAOM in einem Interview sagte, dass sie keine Millionen ausgeben müssten, um die Leute dazu zu bringen, sich auf das Programm einzuschalten. Sie wussten nur, dass die Leute es sehen würden.

Aufgrund der direkten Beziehung, die Netflix zu seinen Abonnenten hat, sowie einer Fülle von Daten darüber, wie die Zuschauer mit ihren Inhalten interagieren, konnte das Unternehmen leicht feststellen, welche Art von Inhalten die Leute wollten.

Im Fall von House of Cards stellte Netflix durch die Analyse seiner Daten fest, dass ein erheblicher Prozentsatz seiner damals 33 Millionen Abonnenten die Arbeit von Regisseur David Fincher, The Social Network, von Anfang bis Ende auf seiner Plattform gestreamt hatte und dass Filme mit Kevin Spacey war bei seinem Publikum immer erfolgreich.

Darüber hinaus zeigten die Daten von Netflix, dass die britische Version von House of Cards auf seiner Plattform ein Hit war. Und dass diejenigen, die die britische Version von House of Cards gesehen hatten, auch andere Filme gesehen hatten, die von Kevin Spacey gespielt oder von David Fincher inszeniert wurden.

Basierend auf diesen Daten kam Netflix zu dem Schluss, dass eine bereits erfolgreiche Show in Großbritannien mit dem beliebten Schauspieler Kevin Spacey und dem Regisseur David Fincher für ein amerikanisches Publikum ein großer Erfolg werden wird.

Netflix hatte recht

Innerhalb von drei Monaten nach der Einführung von House of Cards gewann Netflix 2 Millionen Abonnenten in den USA und 1 Million zusätzliche Abonnenten international.

Dies bedeutete, dass dem Unternehmen schätzungsweise 72 Millionen US-Dollar hinzugefügt wurden, was seine anfängliche Investition in die House of Cards-Show in nur wenigen Monaten fast amortisiert hat.

Mit einer Verlängerungsrate von 93 Prozent für seine Shows nach der ersten Staffel ist der Erfolg von House of Cards kein Einzelfall. Andere Serien wie Orange Is The New Black, Arrested Development und The Crown wurden mit einem ähnlichen Prozess eingeführt, der auf Big Data beruht.

Wie Netflix Daten verwendet, um das Benutzererlebnis zu verbessern

Wenn es um das Sammeln von Daten geht, ist Netflix mit seiner riesigen Benutzerbasis von über 148 Millionen Abonnenten ein enormer Vorteil. Es konzentriert sich dann auf die folgenden Metriken:

• Datumsinhalt wurde angesehen
• Das Gerät, auf dem der Inhalt angesehen wurde
• Wie die Art der angesehenen Inhalte je nach Gerät variierte
• Sucht auf seiner Plattform
• Teile des Inhalts, die erneut angesehen wurden
• Ob Inhalte pausiert wurden
• Standortdaten des Nutzers
• Tages- und Wochenzeit, zu der Inhalte angesehen wurden und wie sie die Art der angesehenen Inhalte beeinflusst
• Metadaten von Drittanbietern wie Nielsen
• Social-Media-Daten von Facebook und Twitter

Sobald Daten gesammelt wurden, verwendet Netflix diese Daten auf vielfältige Weise. Eine der wichtigsten Anwendungen ist das Formulieren und Validieren von originellen Programmierideen, wie im obigen Beispiel aus dem Kartenhaus diskutiert.

Wohl bedeutender ist die Art und Weise, in der Netflix die effektive Nutzung von Daten beherrscht, um Menschen dazu zu bringen, sich mit seinen Inhalten zu beschäftigen.

Netflix ist so gut in der gezielten Content-Promotion, dass schätzungsweise 80 Prozent der auf seiner Plattform gestreamten Inhalte von seinem Empfehlungssystem beeinflusst werden.

Dieses Empfehlungssystem ist so konzipiert, dass:

• Netflix konzentriert sich darauf, jedem Benutzer genau das zu bieten, was er möchte, durch einen personalisierten Inhaltsranker, der die Sammlung jedes Netflix-Benutzers basierend auf den über den Benutzer gesammelten persönlichen Informationen organisiert. Wie Netflix können Sie Big Data verwenden, um sicherzustellen, dass die an jeden Benutzer gelieferten Inhalte von der persönlichen Aktivität des Benutzers und der Interaktion mit Ihrer Marke beeinflusst werden, um sicherzustellen, dass das Inhaltserlebnis für jeden Benutzer einzigartig ist.
• Netflix stuft Top- und Trend-Inhalte nicht nur nach der Popularität der Inhalte ein, sondern auch basierend auf den persönlichen Informationen, die über den Benutzer verfügbar sind. Der Inhalt wird auf Grundlage der Netflix-Aktivitäten des Benutzers beworben. Die wichtigste Lektion hier ist, dass die Leute zwar an dem interessiert sind, was beliebt ist, aber dennoch wollen, dass es von ihren Interessen beeinflusst wird. Beim Bewerben von „Top-Inhalten“ für Benutzer ist es wichtig, sicherzustellen, dass sie für deren persönliche Interessen relevant sind.
• Kürzlich angesehene Inhalte werden basierend auf einer Analyse sortiert, ob von Benutzern erwartet wird, dass sie sich weiter ansehen oder erneut ansehen, oder ob Benutzer das Anschauen abgebrochen haben, weil sie den Inhalt nicht interessant finden. Dies ist der Schlüssel, um sicherzustellen, dass Netflix seine Benutzer nicht langweilt. Es kann verlockend sein, den gleichen Inhalt weiterhin bewerben zu wollen, seit Sie in ihn investiert haben. Wenn die Benutzeraktivität auf mangelndes Interesse hinweist, ist es besser, den Inhalt zu verbannen und etwas Interessanteres anzubieten.
• Ein Inhaltsaffinitätsalgorithmus empfiehlt Inhalte, die den Inhalten ähneln, die sich ein Nutzer gerade angesehen hat. Es ist wichtig zu beachten, dass die Menschen eher Inhalte konsumieren möchten, die denen ähnlich sind, die sie gerade konsumiert haben.

Abschließend

Ohne sich mit der Technik zu langweilen, ist Netflix eindeutig ein großartiges Beispiel für die Macht von Big Data. Auch wenn Sie möglicherweise nicht über die Ressourcen verfügen, um Ihr eigenes Projekt für mehr Big-Data-Effizienz zu erstellen, wie es Netflix mit seinem Genie-Projekt getan hat, entwickelt sich die Big-Data-Branche schnell weiter und es gibt viele Open-Source-Tools, die Ihnen helfen, die wesentlichen Daten zu sammeln und zu verarbeiten um genau zu verstehen, was Ihre Benutzer wollen.

Wenn Sie dem Beispiel von Netflix folgen, ist es möglich, Big Data effektiv zu nutzen, um Ihre Inhalte und Benutzererfahrung zu verbessern und das Wachstum Ihres Unternehmens sicherzustellen.

Gabrielle Sadeh ist Beraterin für digitales Marketing. Sie ist auf Twitter @GabrielleSadeh zu finden.