Depuis l’explosion de popularité de la plateforme Netflix, celle-ci semble être en constante recherche de meilleurs moyens de collecter des données pour capter l’attention de ses utilisateurs et les encourager à consommer davantage. Ayant développé des algorithmes puissants d’intelligence artificielle, Netflix à la capacité de suggérer les films ou séries susceptibles de plaire à chacun de ces usagers. En effet, environ 80% des contenus affichés sur Netflix découlent du système de recommandations. Cet article met donc en lumière l’utilisation d’analytique web derrière la plateforme pour d’optimiser son effet sur ses utilisateurs.

Afin de suggérer les bons éléments, plusieurs variables doivent être considérées. D’abord, il est important de connaître le profil de l’utilisateur, soit s’il s’agit d’une personne dans l’optique de découverte ou de continuité (qui reprend le visionnage d’un contenu).

Habitude ou optique de découverte de Netflix

Pour savoir de quel genre d’utilisateur il s’agit, l’algorithme de Netflix observe si les récents films ou séries commencés avaient bien été terminés et également ses heures d’écoute habituelles selon les séries précises qu’il écoute. Si l’utilisateur est nouveau sur la plateforme ou qu’il n’a pas navigué sur Netflix récemment, il est probable qu’il soit dans une optique de découverte.

Cette fonction permet entre autres de cibler d’autres variables permettant d’en connaître davantage sur un usager dans l’optique de continuité : son profil (pays de résidence, notes attribuées aux contenus écoutés, catégories favorites, etc.), sa fréquence d’écoute, sa tendance à écoute des films ou séries précises à des heures précises ainsi que le contexte qui l’entoure (heure d’écoute, sorte d’appareil, etc.). Il est également possible d’analyser les comportements et le contenu.

Analyse comportementale

Netflix utilise notamment l’apprentissage machine afin de dresser un portrait comportemental de ses usagers, c’est-à-dire une machine pouvant prendre des décisions en fonction des données reçues. Les algorithmes de ‘’machine learning’’ ont la capacité de manipuler des modèles complexes et de prendre en charge une énorme quantité d’informations. Ainsi, l’algorithme analyse de nombreuses données : la navigation sur Netflix, le temps d’écoute d’une série, les séries délaissées après combien de temps, connaître celles regardées avant et après pour évaluer la corrélation et évidemment, ce que chaque utilisateur écoute depuis le début de son abonnement.

Analyse de contenu

Afin d’analyser le contenu, Netflix inclut des ‘’tags’’ à chaque film et série qui permettent d’identifier les différentes variantes, par exemple l’emplacement du déroulement du film, le genre d’histoire, le cadre temporel, etc. Une nouvelle stratégie pour mettre de l’avant un film ou une série s’agit de modifier la vignette de présentation afin de la personnaliser aux goûts de l’utilisateur et qu’elle puisse s’identifier le plus possible à son style, comme on peut le voir avec les différentes vignettes de la série Stranger Things.

Ce facteur influence considérablement le choix de contenu d’un usager, compte-tenu qu’il ne passe qu’en moyenne 1,8 seconde à prendre un choix et que l’image compte pour 82% de sa décision. L’image tentera donc de promouvoir des scènes précises selon les intérêts du téléspectateur. Pour les dirigeants de Netflix, l’objectif à long terme soit que le contenu que l’utilisateur souhaite regarder soit directement afficher lorsqu’il se connecte, sans avoir à faire d’effort.