Hur Netflix använde stora data för att uppnå fenomenal tillväxt

0 Kommentarer

Netflix fenomenala globala tillväxt är en viktig faktor i företagets fortsatta framgång. Från och med 2017 var den operativ i mer än 190-länder, och av dess 130 miljoner eller så abonnenter bor nästan 73 miljoner i jurisdiktioner utanför USA. Och genom Q2 2018 hade Netflix internationella strömmande intäkter överträffat sina amerikanska strömmande intäkter. Med tanke på att Netflix var en USA-enbart verksamhet fram till 2010 och hade en närvaro i bara 50-länder i 2015, utgör detta en enastående affärsverksamhet. Det är därför ingen överraskning att många stora industrier, inklusive onlinekasinon och e-handelswebbplatser, nu följer Netflix-modellen i deras användning av dataanalysstrategier.

Netflix globaliseringsstrategi har lyckats övervinna några svåra problem: Olika regioner krävde olika innehållsavtal, olika lagstiftningsbarriärer måste ofta kontaktas land för land, många abonnentblock var icke-engelska talare och insisterade på lokalt innehåll och många skulle -En abonnent hade bara upplevt gratis innehåll och var väldigt ovilliga att anmäla sig till betalat för streamat innehåll.

Trots alla dessa problem och mer har Netflix lyckats växa konsekvent och exponentiellt och är nu en global enhet med fler användare av betalt innehåll än den totala marknadsandelen för alla sina strömmande rivaler i kombination.

Stora datatools

Ett viktigt inslag i Netflix-historien har varit företagets fortsatta sofistikerade användning av datainsamlings- och analysverktyg för att informera sina affärsbeslut. Dessa har implementerats för att samla, kartlägga och tolka fynd baserat på en mängd data. Netflix har samlat in inställningarna för en mängd olika användargrupper. En annan produkt av detta tillvägagångssätt har varit att medan Netflix-analysbudgeten har stigit har marknadsbudgeten minskat avsevärt. Ett resultat av denna förändring är att Netflix marknadsför målgrupper och befolkningar som har ett befintligt intresse eller, i alla fall, ett starkt potentiellt intresse i Netflix-produkter. Det innebär att företaget sällan slösar bort pengar på någon form av spekulativ marknadsföring till "spridningspistol" för användare som inte har något direkt intresse av att göra någon form av köpbeslut till deras fördel.

Rekommendationsalgoritmen

Övervakningsverktygen Netflix använder alltid information och testar kontinuerligt scenarier utifrån deras djupgående analys av Netflix dataflöde. Så varje Netflix-abonnent klickar på spel, paus och stopp spelas in och granskas i detalj.

Man tror att Netflix kör runt 250 A / B test per år. Dessa tester gäller om 100,000-användare, plus en annan 100,000 vald som en kontrollgrupp. De streamas samma innehåll men med små avvikelser i formatet. Sådana tweaks kan vara i utformningen eller utseendet på det strömmade innehållet, och Netflix är intresserade av att bedöma hur sådana justeringar tas emot av deras användargränssnitt.

Ett annat utvärderingsområde är användningen av landningskort - bildskärmens bilder Netflix-användare kommer att hitta när de bläddra igenom listor över filmtitlar som finns tillgängliga på Netflix. Företaget försöker återigen utvärdera effekten av små formatförändringar på användarbeteendet. Det verkar som om Netflix också är baserade på att introducera samma system med autoplay trailers som ett sätt att identifiera de mest populära alternativen.

Statistik föreslår att en genomsnittlig tittare bläddrar runt 50-titlarna innan de är redo att välja nästa film som de vill strömma. Och det verkar som om majoriteten av Netflix-analysen för närvarande utplaceras för att finjustera listan över alternativ som matchar tittarens troliga preferenser. Varje lista är användarspecifik och baseras huvudsakligen på tidigare tittarhistorik men informeras kontinuerligt av andra datatrender som noterats.

Exempelvis kommer Netflix att vara medveten om vilken tid på dagen du brukar titta på och den informationen kommer att ha något inflytande över valet av filmer som företaget väljer att erbjuda - men Netflix är lite ovilliga att få reda på vilka anpassningar de sannolikt kommer att göra och varför

Fallhistoria: House of Cards

Här noterade Netflix att en stor del av sina abonnenter tenderade att strömma "The Social Network", regisserad av David Fincher, från början till slut. De observerade också att Kevin Spacey-filmer hade en konsekvent överklagande för Netflix-publiken. Ytterligare Netflix-analyser indikerade att UK versionen av "House of Cards" var en succé och avslöjade att brittiska tittare också sökte andra filmer regisserade av David Fincher eller med Kevin Spacey.

Baserat på denna databedömning förutspådde företaget att "House of Cards" också skulle vara en framgång i USA och bestämde sig för att investera $ 100 miljoner i enlighet därmed. Det här klara beslutet var en rungande framgång och fick Netflix 2 miljoner extra amerikanska abonnenter plus 1 miljoner mer över hela världen, allt inom de första tre månaderna av lanseringen. Som ett resultat hade Netflix nästan täckt sin "House of Cards" -investering under första kvartalet.

Investeringar i stor dataanalys har gjort det möjligt för Netflix att rikta in sig och anpassa sina strömförsörjningar i en sådan utsträckning att siffrorna, liksom med "House of Cards", också kan informera framtida beslut om investeringar i filmer och tv-serier. Effektivt begränsande eller ens borttagning har sådana risker varit en viktig faktor i den fenomenala tillväxten av detta ambitiösa företag.

Jackpot City Online Casino Bonuskoder >>

Jackpot City Casino Online. Gå med nu!
källa: jackpotcitycasino.com
Hur Netflix använde stora data för att uppnå fenomenal tillväxt Uppdaterad: Juni 18, 2019 Författare: Damon