Comment Netflix utilise le Big Data pour créer du contenu et améliorer l'expérience utilisateur

Avec une part de marché de 51 % de l'industrie américaine du streaming et plus de 148 millions d'abonnés au streaming dans le monde au quatrième trimestre 2018, Netflix est certainement une force avec laquelle il faut compter.

Plus intéressant encore, Netflix est en passe d'être rentable. Le graphique ci-dessous, gracieuseté de Statista, montre les revenus annuels de Netflix de 2002 à 2018, et une chose est claire : Netflix connaît une croissance constante et exponentielle.

Contrairement à la plupart des autres marques, la croissance de Netflix est davantage attribuable au contenu et à l'expérience utilisateur qu'au marketing, et ce contenu est largement influencé par le big data.

Les mégadonnées aident Netflix à prospérer malgré des décisions contre-intuitives

Alors que de nombreuses organisations n'ont pas encore exploité efficacement les données à leur disposition, Netflix est une exception notable.

Netflix est facilement l'une des entreprises les plus contre-intuitives. Un énorme exemple de la nature contre-intuitive de Netflix est illustré par sa décision de bloquer complètement les VPN en 2016.

Ceci malgré le fait qu'à l'époque, plus de 30 millions d'utilisateurs de Netflix vivaient dans des pays où le service Netflix n'est pas disponible sans utiliser de VPN ou d'autres services de masquage de localisation (et où Netflix enregistre désormais la plupart de ses gains d'abonnement).

La même année, Netflix a augmenté ses prix et a refusé de reculer malgré les protestations des utilisateurs et la perte de centaines de milliers d'utilisateurs.

Pourtant, Netflix n'a fait que grandir depuis.

Le graphique suivant montre la croissance du nombre d'abonnés de Netflix depuis sa décision controversée d'interdire les VPN et d'augmenter ses prix en 2016.

Alors, comment Netflix est-il capable de poursuivre une croissance rapide malgré l'aliénation d'une partie importante de sa base ? En tirant parti du Big Data pour savoir exactement ce que veulent les utilisateurs et en le leur donnant.

Netflix parie gros sur le contenu et l'expérience utilisateur, la plus grande partie du budget de Netflix est consacrée au contenu. En 2019, Netflix engage un budget de 15 milliards de dollars pour le contenu. À titre de comparaison, ils engagent un maigre 2,9 milliards de dollars pour le marketing.

Bien qu'il soit facile de se concentrer sur l'énorme budget de contenu de Netflix, ce serait une meilleure idée de se concentrer sur le processus utilisé pour trouver des idées pour ce contenu et sur le rôle joué par les mégadonnées.

L'infrastructure Big Data de Netflix

Netflix utilise des logiciels de traitement de données et des outils de business intelligence traditionnels tels que Hadoop et Teradata, ainsi que ses propres solutions open source telles que Lipstick et Genie, pour collecter, stocker et traiter des quantités massives d'informations. Ces plateformes influencent ses décisions sur le contenu à créer et à promouvoir auprès des téléspectateurs.

Netflix n'utilise pas d'entrepôt de données Hadoop traditionnel basé sur un centre de données. Afin de lui permettre de stocker et de traiter un ensemble de données en augmentation rapide, il utilise le S3 d'Amazon pour stocker ses données, ce qui lui permet de créer plusieurs clusters Hadoop pour différentes charges de travail accédant aux mêmes données. Dans l'écosystème Hadoop, il utilise Hive pour les requêtes et analyses ad hoc et Pig pour ETL (extraction, transformation, chargement) et les algorithmes.

Il a ensuite créé son propre projet Genie pour aider à gérer des volumes de données de plus en plus massifs à mesure qu'il évolue. Tout cela pointe vers une chose : Netflix est très soucieux d'avoir beaucoup de données et de pouvoir traiter ces données pour s'assurer qu'il comprend exactement ce que veulent ses utilisateurs.

Le résultat a été tout simplement incroyable. Netflix a pu garantir un taux d'engagement élevé avec son contenu original, de sorte que 90 % des utilisateurs de Netflix se sont engagés avec son contenu original.

L'approche Big Data de Netflix en matière de contenu connaît un tel succès que, par rapport à l'industrie de la télévision, où seulement 35% des émissions sont renouvelées après leur première saison, Netflix renouvelle 93% de ses séries originales.

House of Cards : une étude de cas Netflix sur le big data

La série télévisée House of Cards est l'un des exemples les plus souvent cités de l'utilisation des mégadonnées par Netflix pour concevoir un contenu à succès. Pour de bonnes raisons.

Quelques faits rapides :

• Lorsque Netflix a voulu présenter l'émission House of Cards en 2013, contrairement à la pratique standard dans l'industrie de la télévision, Netflix n'a pas lancé de pilote. Au lieu de cela, il a commandé deux saisons de l'émission (pour un montant estimé à plus de 100 millions de dollars), avant même la diffusion du premier épisode. Un très gros pari pour un spectacle sans garantie de réussite, du moins on le croyait.
• L'émission House of Cards a été un succès instantané, et six ans plus tard, malgré l'agitation autour de sa star, Kevin Spacey, le programme affiche toujours une note de 8,8 sur 10 sur plus de 420 000 critiques sur IMDB, le plaçant dans la ligue des blockbusters comme Avatar et Les Soprano.
• Selon Netflix, House of Cards a été un tel succès qu'il s'agissait du contenu le plus diffusé aux États-Unis et dans 40 autres pays au sommet de son succès.

Alors que l'engagement de Netflix pour deux saisons de House of Cards était un pari pour les étrangers, les initiés savaient déjà que l'émission réussirait

En fait, la confiance de Netflix dans le succès de House of Cards était telle qu'un dirigeant a déclaré à GIGAOM dans une interview qu'ils n'avaient pas besoin de dépenser des millions pour amener les gens à se connecter au programme. Ils savaient juste que les gens le regarderaient.

En raison de la relation directe que Netflix entretient avec ses abonnés, ainsi que d'une abondance de données sur la façon dont les membres du public interagissent avec leur contenu, l'entreprise pourrait facilement déterminer le type de contenu que les gens voulaient.

Dans le cas de House of Cards, en analysant ses données, Netflix s'est rendu compte qu'un pourcentage important de ses 33 millions d'abonnés à l'époque avait diffusé l'œuvre du réalisateur David Fincher, The Social Network, du début à la fin sur sa plateforme, et que les films mettant en vedette Kevin Spacey a toujours eu du succès auprès de son public.

De plus, les données de Netflix ont révélé que la version britannique de House of Cards sur sa plateforme était un succès. Et que ceux qui avaient regardé la version britannique de House of Cards avaient aussi regardé d'autres films interprétés par Kevin Spacey ou réalisés par David Fincher.

S'appuyant sur ces données, Netflix a conclu qu'une émission déjà réussie en Grande-Bretagne, mettant en vedette l'acteur très apprécié Kevin Spacey et le réalisateur David Fincher, pour un public américain, serait un grand succès.

Netflix avait raison

Dans les trois mois suivant l'introduction de House of Cards, Netflix a ajouté 2 millions d'abonnés aux États-Unis et 1 million d'abonnés supplémentaires à l'international.

Cela signifie qu'environ 72 millions de dollars ont été ajoutés au résultat net de l'entreprise, remboursant presque son investissement initial dans l'émission House of Cards en quelques mois à peine.

Avec un taux de renouvellement de 93 % de ses émissions après la première saison, le succès de House of Cards n'est pas un incident isolé. D'autres séries comme Orange Is The New Black, Arrested Development et The Crown ont été présentées pour être acclamées en utilisant un processus similaire qui repose sur le Big Data.

Comment Netflix utilise les données pour améliorer l'expérience utilisateur

Lorsqu'il s'agit de collecter des données, l'énorme base d'utilisateurs de Netflix de plus de 148 millions d'abonnés lui confère un énorme avantage. Il se concentre ensuite sur les métriques suivantes :

• Date de visionnage du contenu
• L'appareil sur lequel le contenu a été regardé
• Comment la nature du contenu regardé variait en fonction de l'appareil
• Recherches sur sa plateforme
• Portions de contenu qui ont été re-regardées
• Si le contenu a été mis en pause
• Données de localisation de l'utilisateur
• Heure de la journée et de la semaine à laquelle le contenu a été regardé et comment cela influence le type de contenu regardé
• Métadonnées de tiers comme Nielsen
• Données de médias sociaux de Facebook et Twitter

Une fois les données collectées, Netflix utilise ces données de nombreuses manières. L'une des utilisations les plus importantes est la formulation et la validation d'idées de programmation originales, comme indiqué dans l'exemple de House of Cards ci-dessus.

La manière dont Netflix a maîtrisé l'utilisation efficace des données pour amener les gens à s'engager avec son contenu est sans doute plus significative.

Netflix est si doué pour la promotion de contenu ciblé qu'environ 80 % du contenu diffusé sur sa plate-forme est influencé par son système de recommandation.

Ce système de recommandation est conçu de telle sorte que :

• Netflix s'efforce de donner à chaque utilisateur exactement ce qu'il veut grâce à un classement de contenu personnalisé qui organise la collection de chaque utilisateur de Netflix en fonction des informations personnelles collectées sur l'utilisateur. Comme Netflix, vous pouvez utiliser les mégadonnées pour vous assurer que le contenu fourni à chaque utilisateur est influencé par l'activité personnelle de l'utilisateur et son interaction avec votre marque, garantissant que l'expérience de contenu est unique pour chaque utilisateur.
• Netflix classe les contenus les plus populaires et les plus populaires non seulement en fonction de la popularité du contenu, mais également en fonction des informations personnelles disponibles sur l'utilisateur. Le contenu est promu sur la base de l'activité Netflix de l'utilisateur. La leçon clé ici est que même si les gens s'intéressent à ce qui est populaire, ils veulent toujours qu'il soit influencé par leurs intérêts. Lors de la promotion du « meilleur contenu » auprès des utilisateurs, il est important de s'assurer qu'il correspond à leurs intérêts personnels.
• Le contenu récemment consulté est trié en fonction d'une analyse indiquant si les utilisateurs sont censés continuer à regarder ou à revoir, ou si les utilisateurs ont arrêté de regarder parce qu'ils ne trouvent pas le contenu intéressant. C'est essentiel pour s'assurer que Netflix n'ennuie pas ses utilisateurs ; il peut être tentant de vouloir continuer à promouvoir le même contenu puisque vous y avez investi. Si l'activité de l'utilisateur indique un manque d'intérêt, il vaut mieux reléguer le contenu et proposer quelque chose de plus intéressant.
• Un algorithme d'affinité de contenu recommande un contenu similaire au contenu qu'un utilisateur vient de regarder. Il est important de noter que les gens sont plus susceptibles de vouloir consommer un contenu similaire à celui qu'ils viennent de consommer.

En conclusion

Sans s'ennuyer avec la technicité, Netflix est clairement un excellent exemple de la puissance du big data. Bien que vous n'ayez peut-être pas les ressources pour créer votre propre projet pour une plus grande efficacité des données comme Netflix l'a fait en créant son projet Genie, l'industrie du big data évolue rapidement et de nombreux outils open source existent pour vous aider à collecter et traiter les données essentielles. pour comprendre exactement ce que veulent vos utilisateurs.

En suivant l'exemple de Netflix, il est possible d'exploiter efficacement le Big Data pour améliorer votre contenu et votre expérience utilisateur et assurer la croissance de votre entreprise.

Gabrielle Sadeh est consultante en marketing numérique. Elle peut être trouvée sur Twitter @GabrielleSadeh.