而通過(guò)這次百萬(wàn)大獎(jiǎng)賽，Netflix升級(jí)了自家網(wǎng)站的算法，在工程師中塑造了財(cái)大氣粗的大公司形象，發(fā)掘了無(wú)數(shù)優(yōu)秀算法人才，可謂一舉多得。更重要的是，它向用戶(hù)普及了”推薦“這個(gè)概念，并在用戶(hù)心目中將推薦這個(gè)概念與Netflix網(wǎng)站劃上了等號(hào)，從此用戶(hù)使用Netflix時(shí)對(duì)它的推薦系統(tǒng)有了更直觀的價(jià)值參照物——一百萬(wàn)美金，天然產(chǎn)生信任感和參與感，不可不謂高明之至。

下面，就讓我們看看，Netflix耗時(shí)三年開(kāi)發(fā)、花費(fèi)百萬(wàn)、吸引無(wú)數(shù)業(yè)界精英關(guān)注的推薦系統(tǒng)都有哪些特性。

打開(kāi)Netflix，首先彈出的是角色選擇窗口，通過(guò)一句親切的詢(xún)問(wèn)”who’s watching“，netflix迅速定位到用戶(hù)的年齡、性別、過(guò)去看過(guò)的視頻，甚至好友信息，并據(jù)此產(chǎn)生一個(gè)瀑布流主頁(yè)，結(jié)合獲取到的信息為用戶(hù)推薦符合口味的影片和電視劇。

Netflix推薦系統(tǒng)中一個(gè)非常重要的特性就是”推薦理由“，在每個(gè)推薦板塊中，用戶(hù)能夠清楚地知道為什么獲得這些推薦結(jié)果。這些理由都是些口語(yǔ)化的句式，比如：“因?yàn)槟憧催^(guò)**”，“我們猜你喜歡**”等等。這個(gè)舉措不但會(huì)給用戶(hù)帶來(lái)信任感，還會(huì)鼓勵(lì)他們更積極地參與到推薦互動(dòng)中來(lái)，給予更多有效反饋。

如果認(rèn)為Netflix的推薦就是一行一行視頻海報(bào)組成的瀑布流，那你就錯(cuò)了，它的推薦綜合了多種形式，并且很注重多樣性。同一個(gè)首頁(yè)中，不僅會(huì)根據(jù)用戶(hù)曾經(jīng)看過(guò)什么、也許會(huì)有的喜好推薦，netflix還專(zhuān)門(mén)開(kāi)辟區(qū)域，為用戶(hù)推薦當(dāng)天或當(dāng)周最熱的視頻-即topN為用戶(hù)推薦。這些舉措在最大限度滿(mǎn)足用戶(hù)喜好的同時(shí)，為發(fā)現(xiàn)更多用戶(hù)喜愛(ài)影片提供了可能。

利用好友鏈

Netflix鼓勵(lì)使用facebook登陸，因?yàn)橐粋€(gè)Facebook賬號(hào)在帶來(lái)用戶(hù)身份特征的同時(shí)，還有一項(xiàng)非常重要的作用，那就是它所關(guān)聯(lián)的好友圈，這個(gè)圈就是用戶(hù)的互聯(lián)網(wǎng)社交圈，所謂物以類(lèi)聚人以群分，通過(guò)好友們正在觀看的視頻，能更準(zhǔn)確地推算用戶(hù)喜好。

一個(gè)用戶(hù)會(huì)看到什么樣的基因內(nèi)容呢？這個(gè)就要結(jié)合前面所有特征：用戶(hù)角色、瀏覽歷史、多樣性、好友信息等等，再糅合保證讓用戶(hù)有足夠新鮮感的更新特征，最終選擇合適的Genre展現(xiàn)在用戶(hù)面前。在用戶(hù)瀏覽每個(gè)基因下的影片時(shí)，Netflix還會(huì)采取手段吸引用戶(hù)為基因的合理性打分。

Netflix除了top N和Genre系統(tǒng)外，還有一個(gè)重要的推薦形式，被Netflix穿插在推薦系統(tǒng)中，那就是相似度推薦。這個(gè)相似度推薦可以是兩個(gè)影片的相似度，也可以是兩個(gè)用戶(hù)的相似度，它可以出現(xiàn)在播放頁(yè)里，也會(huì)出現(xiàn)在搜索結(jié)果中，甚至首頁(yè)timeline中，作為一個(gè)Genre出現(xiàn)。

推薦系統(tǒng)發(fā)展到現(xiàn)在，已經(jīng)是一個(gè)擁有無(wú)數(shù)工程師、眾多分支共同發(fā)展的成熟體系，它在大部分網(wǎng)站中也均有應(yīng)用。以上提到的種種特性，可以說(shuō)是凡有推薦網(wǎng)站都會(huì)或多或少采用的推薦措施。

但是Netfilx推薦系統(tǒng)的強(qiáng)大之處在于它的將這些特性完美地綜合在了一起，在主頁(yè)上你會(huì)看到topN型的推薦，也會(huì)看到Genre型推薦，還會(huì)看到根據(jù)歷史的相關(guān)推薦，但它同時(shí)保持了界面的簡(jiǎn)潔，每個(gè)推薦都有適當(dāng)?shù)睦碛桑屇阋谎劬椭浪鼮槭裁磿?huì)出現(xiàn)在timeline里。這正符合了推薦的作用：讓用戶(hù)最快最簡(jiǎn)便地找到所需信息。

最后，讓我們揭開(kāi)懸念，看看價(jià)值百萬(wàn)美金的算法究竟是什么樣子：獲勝團(tuán)隊(duì) BPC 的算法的高明之處在于考察了用戶(hù)評(píng)級(jí)數(shù)據(jù)中的時(shí)間和“頻率”，用戶(hù)在為影片打分時(shí)往往帶有情緒影響，而情緒是與時(shí)間有關(guān)的。

另外，用戶(hù)的口味也許隨著時(shí)間的變化而變化。對(duì)比一位用戶(hù)五年之前的打分和他最近的打分，肯定他最近的打分更為準(zhǔn)確地反映了他當(dāng)前的好惡標(biāo)準(zhǔn)，在決定他明天可能喜好哪些電影時(shí)所起的作用更大。于是 BPC 團(tuán)隊(duì)就研究用戶(hù)評(píng)分的結(jié)果與他們打分的時(shí)間以及頻率之間的關(guān)系，建立了相關(guān)性模型。

比如用戶(hù)在周一和周五在打分時(shí)所用的標(biāo)準(zhǔn)有差異，有些用戶(hù)在周日的情緒最好，這時(shí)所打的分?jǐn)?shù)比平時(shí)偏高。通過(guò)這樣的分析，他們能更精確地發(fā)現(xiàn)用戶(hù)對(duì)電影的喜好口味，進(jìn)而對(duì)他們打分的規(guī)律預(yù)測(cè)得更為準(zhǔn)確。

據(jù)我所知，Netflix已經(jīng)發(fā)布了第二次百萬(wàn)大獎(jiǎng)賽的懸賞，這一次，這個(gè)以傳統(tǒng)DVD租賃開(kāi)始，卻以先進(jìn)推薦技術(shù)笑傲群雄的網(wǎng)站，又會(huì)給我們帶來(lái)什么驚喜呢，讓我們拭目以待。