Netflix: o sistema de recomendação impulsiona 80% da visualização e economiza mais de $1B por ano

• The Netflix Recommender System: Algorithms, Business Value, and Innovation — ACM Transactions on Management Information Systems, Vol. 6, No. 4 (Gomez-Uribe & Hunt), 2015-12
• Netflix Recommendations: Beyond the 5 stars (Part 1) — Netflix Prize, «всё — рекомендация», 75% просмотра — Netflix TechBlog (Xavier Amatriain, Justin Basilico), 2012-04-06

Contexto

Netflix é a empresa que tornou os sistemas de recomendação mainstream muito antes da atual onda de IA. Em 2006, na era do DVD, anunciou o Netflix Prize — uma competição aberta com prêmio de $1M para quem melhorasse a precisão de seu sistema de predição de classificações Cinematch em 10%. A métrica era o erro quadrático médio das classificações preditas: o RMSE inicial de 0,9525 deveria ser reduzido para 0,8572. Em um ano, o time Korbell conquistou o primeiro Progress Prize com uma melhoria de 8,43%, e dois de seus algoritmos — fatoração de matrizes (SVD) e máquinas de Boltzmann restritas (RBM) — foram colocados em produção e continuaram funcionando por anos. Mas tiveram que ser escalados primeiro: as soluções da competição foram construídas para 100 milhões de classificações, enquanto a produção mantinha mais de 5 bilhões.

Em 2012, a empresa pivotou de entrega de DVDs para streaming, e a lógica de personalização mudou: os engenheiros Xavier Amatriain e Justin Basilico, em um post de blog técnico marcante, formularam o princípio de que 'tudo é uma recomendação' e citaram um número: 75% do que as pessoas assistem vem de alguma forma de recomendação. Naquela época, os usuários adicionavam 2 milhões de filmes e séries às suas filas e enviavam 4 milhões de classificações a cada dia.

O ápice dessa linha foi o artigo de 2015 em ACM Transactions on Management Information Systems. Foi escrito não por engenheiros comuns, mas por dois executivos sênior — VP de inovação de produtos Carlos Gomez-Uribe e diretor de produtos Neil Hunt. Na época da publicação, Netflix tinha mais de 65 milhões de membros transmitindo mais de 100 milhões de horas de vídeo por dia. O artigo estabeleceu um precedente raro: uma empresa pública, em um periódico revisado por pares, descreveu não apenas o design de seu sistema ML-chave, mas seu valor comercial em dólares — com metodologia, métricas e ressalvas.

Problema

TV pela Internet é sobre escolha: o quê, quando e onde assistir. Mas, como os autores do artigo escrevem, humanos são surpreendentemente ruins em escolher entre muitas opções: eles se sentem sobrecarregados rapidamente e ou escolhem 'nenhuma das opções' ou escolhem mal. A pesquisa de consumidores da Netflix mostrou limites concretos: um membro típico perde interesse após aproximadamente 60–90 segundos de escolha, tendo revisado 10–20 cartões de títulos (cerca de três em detalhes) em uma ou duas telas. Ou algo chama sua atenção dentro dessa janela, ou o risco de abandonarem o serviço aumenta substancialmente.

O problema do recomendador foi enquadrado de acordo: nessas duas telas, cada membro deve ver algo atrativo especificamente para ele. Sem personalização, a visualização se concentra em um punhado de sucessos — como na TV linear, onde o tempo de transmissão vai para alguns programas — enquanto a maioria do catálogo, paga com dinheiro de licenciamento, fica ociosa. E o catálogo Netflix é deliberadamente amplo, incluindo títulos de nicho de interesse apenas para grupos relativamente pequenos de espectadores: sem corresponder precisamente esses títulos às suas audiências, adquiri-los não compensa.

O modelo econômico é o modelo de assinatura. A receita é proporcional ao número de membros, que é impulsionada por três processos: aquisição de novos membros, cancelamentos e retorno de ex-membros. O churn mensal da Netflix está em dígitos baixos, e muito dele resulta de falhas de pagamento em vez de uma decisão deliberada de cancelar. Cada membro retido significa LTV mais alto e um ciclo de aquisição custoso a menos para substituí-lo. É exatamente por isso que a empresa mede a qualidade da recomendação pela retenção, não por cliques.

Solução

O recomendador Netflix não é um algoritmo, mas um conjunto de algoritmos especializados, cada um com seu próprio papel na página. Uma página inicial típica consiste em aproximadamente 40 linhas temáticas (até 75 vídeos por linha, dependendo do dispositivo). O Personalized Video Ranker (PVR) ordena pessoalmente o catálogo inteiro (ou subconjuntos de gênero) para cada perfil — ele preenche linhas de gênero como 'Filmes Suspensivos', mesclando uma dose de popularidade não personalizada. O Top-N Video Ranker constrói a linha Top Picks, focando apenas no topo do ranking — os melhores títulos do catálogo inteiro para essa pessoa. Trending Now captura tendências de visualização de curto prazo; Continue Watching estima quais títulos inacabados ressurgir primeiro. Video-Video Similarity ('sims') alimenta as linhas 'Porque Você Assistiu': a lista de similares em si é não personalizada, mas quais linhas BYW chegam à página e quais vídeos da lista são mostrados é pessoal.

Acima de tudo isso está o algoritmo Page Generation: ele monta cada página a partir de linhas candidatas, equilibrando relevância e diversidade — levando em conta mudanças de humor de sessão para sessão e contas compartilhadas entre uma casa. Uma classe separada são os algoritmos de seleção de evidência: eles decidem qual 'evidência' deve apoiar uma recomendação — a classificação predita, sinopse, prêmios ou similaridade a um título assistido recentemente — e qual versão da arte a usar. Até mesmo a busca é enquadrada como um problema de recomendação: ela representa os 20% restantes das horas transmitidas.

O mecanismo de melhoria principal é a cultura de testes A/B. As hipóteses são primeiro verificadas offline em dados históricos, depois em experimentos online: membros são alocados em células (o controle executa o algoritmo de produção), e grupos vivem com diferentes versões do produto por 2–6 meses. As métricas principais são retenção de membros e engajamento de médio prazo, não cliques: os autores analisam por que as métricas proxy de curto prazo enganam e como os testes em novos versus membros existentes se comparam (o comportamento dos membros existentes é enviesado pela habituação ao produto antigo). Eles também declaram uma limitação honesta: a sensibilidade do teste depende do tamanho da amostra, e medir pequenas deltas de retenção leva milhões de membros por célula.

O artigo também aborda a próxima fronteira: os autores descreveram planos para tornar o sistema global e consciente de idioma — um conjunto de algoritmos para 190+ países — e experimentos com testes baseados em intercalação para acelerar a iteração.

Resultado

O sistema de recomendação é usado na maioria das telas do produto e no total influencia a escolha de cerca de 80% das horas transmitidas na Netflix; os 20% restantes vêm da busca. A evolução do número é visível: em 2012 a empresa citou publicamente 75% — em 2015 a participação havia crescido para 80%. Para medir o impacto no catálogo, os autores introduziram a métrica de tamanho efetivo do catálogo (ECS): ela mostra quantos vídeos realmente compõem uma hora típica de visualização. Com o ranking personalizado de PVR, o catálogo efetivo é aproximadamente 4 vezes maior do que com o ranking de popularidade não personalizado: a visualização se estende muito além dos sucessos para a biblioteca ampla, incluindo títulos de nicho.

O resultado comercial final é declarado no artigo textualmente: 'Acreditamos que o efeito combinado de personalização e recomendações nos economiza mais de $1B por ano.' Os mecanismos funcionam através do churn: durante anos de desenvolvimento de personalização, o churn mensal foi reduzido em vários pontos percentuais, o que simultaneamente aumenta o LTV do membro e reduz a necessidade de aquisição cara para substituir quem sai. Limites importantes: esta é a própria estimativa da empresa ('acreditamos'), feita na escala de 65M+ membros de 2015, e os autores não divulgam seus componentes matemáticos — o artigo não fornece nem as porcentagens exatas de redução de churn nem custos de aquisição.

Em nossa opinião, este trabalho permanece como o padrão ouro para falar sobre o valor de um sistema ML. Primeiro, a cadeia 'métrica do sistema → métrica do produto → dinheiro' é transparente: ECS e taxa de conversão se vinculam ao engajamento, engajamento à retenção, retenção à receita de assinatura. Segundo, a estimativa '>$1B por ano' foi publicada por executivos sênior sob seus próprios nomes em um periódico revisado por pares — um compromisso incomparavelmente mais forte do que um comunicado de imprensa de marketing anônimo, embora a figura ainda não possa ser verificada independentemente.

Nossa segunda observação: o principal ativo da Netflix neste caso não são os algoritmos específicos (o SVD e RBM da era Netflix Prize há muito se tornaram apenas partes do conjunto) mas a infraestrutura de experimentação e disciplina de métricas. Um sistema que otimiza a retenção de horizonte de meses em vez de cliques de horizonte de sessão é uma decisão de gestão, não técnica — e julgando pelo artigo, é isso que converteu recomendações em um bilhão de dólares.

Lições aprendidas

1. Meça recomendações com métricas comerciais, não cliques: Netflix otimiza retenção e engajamento de médio prazo — é por isso que pode declarar o impacto em dólares.
2. Um sistema de recomendação é um conjunto de algoritmos especializados (ranking, tendências, similaridade, montagem de página, seleção de evidência), não um modelo único.
3. Usuários têm um orçamento de atenção — 60–90 segundos e 10–20 cartões de títulos: projete a experiência para esse limite, não para rolagem infinita.
4. 'Tamanho efetivo do catálogo' é uma métrica poderosa de conteúdo-ROI: personalização distribui a visualização 4x mais uniformemente e compensa as licenças em títulos de nicho.
5. Reduzir o churn em vários pontos percentuais em um modelo de assinatura se converte em bilhões: LTV cresce e a necessidade de novas aquisições cai.
6. Testes A/B de retenção exigem paciência e escala: células rodando 2–6 meses, e pequenas deltas requerem milhões de membros — métricas proxy rápidas enganam.
7. Executivos publicando a metodologia e números em um periódico revisado por pares é um caso raro onde 'IA vale $1B' pode ser verificado contra a fonte primária.

Perguntas frequentes