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

Mit einem Marktanteil von 51 Prozent in der amerikanischen Streaming-Branche und über 148 Millionen Streaming-Abonnenten weltweit im 4. 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 Inhalte und Benutzererfahrung als auf Marketing zurückzuführen, und diese Inhalte werden 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 nicht effektiv nutzen können, ist Netflix eine bemerkenswerte Ausnahme.

Netflix ist leicht eines der kontraintuitivsten Unternehmen da draußen. Ein großes Beispiel für die kontraintuitive Natur von Netflix zeigt sich in der 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 ohne Verwendung eines VPN oder anderer Standortmaskierungsdienste nicht verfügbar ist (und in denen Netflix jetzt den größten Teil seiner Abonnementgewinne verzeichnet).

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

Netflix ist jedoch erst seitdem gewachsen.

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

Wie kann Netflix also trotz der Entfremdung eines erheblichen Teils seiner Basis ein schnelles Wachstum fortsetzen? Indem wir Big Data nutzen, um genau herauszufinden, was Benutzer wollen, und es ihnen geben.

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

Es ist zwar einfach, sich auf das riesige Inhaltsbudget von Netflix zu konzentrieren, aber es wäre eine bessere Idee, sich auf den Prozess zu konzentrieren, mit dem Ideen für diesen Inhalt entwickelt werden, und darauf, welche 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 Informationsmengen 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 traditionelles Hadoop Data Warehouse auf Rechenzentrumsbasis. Um es zu ermöglichen, einen schnell wachsenden Datensatz zu speichern und zu verarbeiten, verwendet es Amazons S3, um seine Daten zu lagern, so dass es mehrere Hadoop-Cluster für verschiedene Workloads, die auf die gleichen Daten zugreifen, hochfahren kann. Im Hadoop-Ökosystem verwendet es Hive für Ad-hoc-Abfragen und Analysen und Pig für ETL (Extract, Transform, Load) und Algorithmen.

Anschließend wurde ein eigenes Genie-Projekt erstellt, um bei der Skalierung mit immer größeren Datenmengen umzugehen. All dies weist auf eine Sache hin: Netflix legt großen Wert darauf, viele Daten zu haben und diese Daten verarbeiten zu können, um sicherzustellen, dass es genau versteht, was seine Benutzer wollen.

Das Ergebnis war einfach unglaublich. Netflix konnte eine hohe Interaktionsrate mit seinen ursprünglichen Inhalten sicherstellen, sodass 90 Prozent der Netflix-Nutzer sich mit seinen ursprünglichen Inhalten beschäftigt 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 Originalserien erneuert.

House of Cards: Eine Netflix-Fallstudie zu Big Data

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

Einige schnelle Fakten:

• Als Netflix 2013 die House of Cards-Show einführen wollte, anders als es in der TV-Branche üblich war, startete Netflix keinen Piloten. Stattdessen beauftragte es zwei Staffeln der Show (für geschätzte $ 100 + Millionen), noch bevor die erste Episode ausgestrahlt wurde. Ein sehr großes Glücksspiel für eine Show ohne Erfolgsgarantie, so dachte man.
• Die House of Cards Show war ein sofortiger Hit, und sechs Jahre später, trotz der Turbulenzen um seinen Star Kevin Spacey, rühmt sich das Programm immer noch eine 8,8 von 10 Bewertung von über 420.000 Bewertungen auf IMDB, was es in die Liga der Blockbuster wie Avatar und Die Sopranos.
• Laut Netflix war House of Cards ein solcher Erfolg, dass es auf dem Höhepunkt seines Erfolgs der am meisten gestreamte Inhalt in den USA und 40 weiteren Ländern war.

Während das Engagement von Netflix für zwei Staffeln von House of Cards für Außenstehende ein Glücksspiel 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 einzustellen. 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 Zuschauer mit ihren Inhalten interagieren, konnte das Unternehmen leicht bestimmen, 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 damaligen 33 Millionen Abonnenten die Arbeit von Regisseur David Fincher, dem sozialen Netzwerk, von Anfang bis Ende auf seiner Plattform gestreamt hatte und dass Filme mit Kevin Spacey bei seinem Publikum immer erfolgreich waren.

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 von Kevin Spacey oder David Fincher gesehen hatten.

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 fügte Netflix 2 Millionen Abonnenten in den USA und 1 Million zusätzliche Abonnenten international hinzu.

Dies bedeutete, dass schätzungsweise 72 Millionen US-Dollar zum Endergebnis des Unternehmens beigetragen wurden, wodurch sich die anfängliche Investition in die House of Cards-Show in nur wenigen Monaten fast auszahlte.

Mit einer Erneuerungsrate 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, der auf Big Data basiert, eingeführt.

Wie Netflix Daten verwendet, um die Benutzererfahrung zu verbessern

Wenn es um das Sammeln von Daten geht, bietet Netflix mit seiner riesigen Nutzerbasis von über 148 Millionen Abonnenten einen enormen Vorteil. Es konzentriert sich dann auf die folgenden Metriken:

• Datum, an dem der Inhalt angesehen wurde
• Das Gerät, auf dem der Inhalt angesehen wurde
• Wie die Art des betrachteten Inhalts je nach Gerät variiert
• Sucht auf seiner Plattform
• Teile des Inhalts, die erneut angesehen wurden
• Ob der Inhalt angehalten wurde
• Standortdaten der Nutzer
• Uhrzeit des Tages und der Woche, in der Inhalte angesehen wurden und wie sie die Art der angesehenen Inhalte beeinflussen
• Metadaten von Dritten wie Nielsen
• Social Media-Daten von Facebook und Twitter

Sobald die Daten Netflix nutzt diese Daten in vielerlei Hinsicht. Eine der wichtigsten Anwendungen ist die Formulierung und Validierung von ursprünglichen Programmierideen, wie im obigen House of Cards-Beispiel erläutert.

Bedeutender ist wohl die Art und Weise, wie Netflix die effektive Nutzung von Daten gemeistert hat, um Menschen dazu zu bringen, sich mit seinen Inhalten zu beschäftigen.

Netflix ist so gut in der gezielten Werbung für Inhalte, 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 durch einen personalisierten Content Ranker genau das zu geben, was er möchte, der die Sammlung jedes Netflix-Benutzers basierend auf persönlichen Informationen organisiert, die über den Benutzer gesammelt wurden. 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.
• Netflix bewertet Top- und Trendinhalte nicht nur nach der Beliebtheit der Inhalte, sondern auch nach den persönlichen Informationen, die über den Benutzer verfügbar sind. Der Inhalt wird auf der Grundlage der Netflix-Aktivität des Benutzers beworben. Die wichtigste Lektion hier ist, dass die Menschen zwar daran interessiert sind, was beliebt ist, aber dennoch möchten, dass es von ihren Interessen beeinflusst wird. Bei der Bewerbung von „Top-Inhalten“ für Benutzer ist es wichtig sicherzustellen, dass sie für ihr persönliches Interesse relevant sind.
• Kürzlich angesehene Inhalte werden basierend auf einer Analyse sortiert, ob von Benutzern erwartet wird, dass sie sie weiterhin ansehen oder erneut ansehen, oder ob Benutzer das Ansehen eingestellt haben, weil sie den Inhalt nicht interessant fanden. Dies ist der Schlüssel, um sicherzustellen, dass Netflix seine Benutzer nicht langweilt; es kann verlockend sein, den gleichen Inhalt zu bewerben, da Sie in ihn investiert haben. Wenn die Benutzeraktivität auf mangelndes Interesse hinweist, ist es besser, den Inhalt zu verbannen und etwas Interessanteres anzubieten.
• Ein Algorithmus zur Inhaltsaffinität empfiehlt Inhalte, die denen ähneln, die ein Benutzer gerade angesehen hat. Es ist wichtig zu beachten, dass Menschen eher Inhalte konsumieren möchten, die denen ähneln, die sie gerade konsumiert haben.

Abschließend

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

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

Gabrielle Sadeh ist Beraterin für digitales Marketing. Sie kann auf Twitter @GabrielleSadeh gefunden werden.