NETFLIX ứng dụng trí tuệ nhân tạo để mang đến trải nghiệm khách hàng tốt hơn

Netflix đã phát triển từ một công ty cho thuê DVD qua thư để trở thành một dịch vụ phát video trực tuyến theo yêu cầu dựa trên thuê bao với 130 triệu thuê bao trên toàn thế giới.1

Netflix không (chưa) hiển thị quảng cáo trên nền tảng của mình, mà tạo ra doanh thu từ phí thuê bao mà người dùng trả. Động lực đằng sau sự phát triển bền vững của nó là người dùng cảm thấy rằng mình đang tận hưởng dịch vụ tốt và xứng đáng với mức phí thuê bao hàng tháng mà họ phải trả.

Để đảm bảo việc này, đầu ra của phim và TV của Netflix được hướng tới ý niệm về “nghiện phim” – nhất là là giữ khách hàng dính mắt vào TV trong một khoảng thời gian kéo dài. Lý thuyết này (thứ dường như đang được hình thành) sẽ khiến họ (người dùng) cảm thấy phí thuê bao là khoản đầu tư đáng giá.

Trí tuệ nhân tạo đang giải quyết là gì?

Ngày nay, người tiêu dùng không thực sự thiếu các lựa chọn cho việc giả trí nữa. Giữa dịch vụ xem phim trực tuyến, internet, video game và truyền hình truyền thống, có hàng ngàn kênh và dịch vụ cạnh tranh giành sự chú ý của chúng ta khi chúng ta dính vào ghế vào lúc rảnh rỗi.

Trong “những ngày tháng xưa cũ”, việc sắp lịch được xem là một môn khoa học chính xác, và các mạng lưới tivi chọn lựa cẩn thận những chương trình nào sẽ được phát vào giờ nào để phù hợp với cuộc sống của chúng ta và để có được sự trung thành của chúng ta.

Ví dụ, việc lên lịch cho các bản tin thời sự vào đầu buổi tối khi chúng ta mới đi làm về, sau đó là tiêu khiển vừa phải khi chúng ta thư giãn vào buổi tối, và phim đêm muộn trước giờ đi ngủ.

Với các dạng giải trí theo nhu cầu, công việc này không còn khả thi nữa. Việc khách hành có thể xem những gì họ muốn, khi họ cần, gây ra một tình huống khó xử. Điều gì sẽ xảy ra nếu họ cứ liên tục chọn sai chương trình để xem, và cuối cùng họ không cảm thấy được đủ thư giản  so với số tiền họ đã bỏ ra?

AI được ứng dụng như thế nào trong thực tế?

Netflix sử dụng trí tuệ nhân tạo (AI) để dự đoán bạn có khuynh hướng muốn xem gì tiếp theo trong danh mục trên 10.000 bộ phim và chương trình tivi của nó.

Chúng là những gợi ý xuất hiện ngay lập tức sau khi một bộ phim hay một chương trình kết thúc, cũng như nội dung xuất hiện trên menu của dịch vụ này khi Netflix tải nội dung lên TV, laptop hay máy tính bảng của bạn.

Netflix bắt đầu dùng điểm xếp hạng IMDB cùng với thói quen xem trước đây của người dùng, và các lựa chọn mà họ cung cấp về các chương trình họ quan tâm khi đăng ký lần đầu, để đưa ra giải pháp về một “lịch cá nhân” về các nội dung mà nó nghĩ khán giả sẽ quan tâm.2

Kể từ đó, Netflix đã xây dựng một bộ dữ liệu khổng lồ về thói quen xem của người dùng – chỉ riêng ngày 7 tháng 1 năm 2018, khán giả của Netflix đã lập kỉ lục bằng cách xem trực tuyến 350 triệu giờ nội dung trong một ngày.3

Điều này có nghĩa là nó biết nhiều vô cùng về những chương trình và bộ phim mà những người có cùng sở thích với bạn có lẽ sẽ thích.

Những công nghệ, công cụ và dữ liệu nào đã được sử dụng?

Dữ liệu đáng kể nhất đi vào thuật toán xếp lịch cá nhân là thói quen xem cá nhân của người dùng trong quá khứ.

Netflix đã phát triển (và đưa vào kho mã nguồn mở) thư viện học sâu của mình có tên là Vectorflow để xử lý các dữ liệu thu thập được dựa trên việc xem của khách hàng.4

Đặc biệt, đây là một hệ thống gợi ý – một câu chuyện thành công chính đối với công nghệ AI được Amazon sử dụng cho tính năng gợi ý sản phẩm và Facebook với tính năng “những người bạn có thể biết” (people you may know).

Netflix chia nhỏ nội dung của mình (phim và chương trình) và gắn nhãn (tag) chúng dựa trên các yếu tố riêng lẻ – phim hành động, phim kinh dị tâm lý (psychological thriller), nữ anh hùng (female protagonist) – có hàng vạn nhãn khác nhau có thể gán cho các phần nội dung riêng lẻ.

Sau đó, nó sẽ so sánh cách các nội dung gắn với các nhãn này khớp với sở thích xem của cá nhân như thế nào. Khi nó tìm thấy các nhãn nhất định tương hợp với những khán giả có một hồ sơ nhất định (dựa trên lịch sử xem của họ), nó sẽ gợi ý nội dung đó cho những người khác cũng tương hợp với hồ sơ đó.

Nó cũng được dùng cho một số chức năng khác của dịch vụ, chẳng hạn như tối ưu hóa chất lượng phát trực tuyến để đảm bảo người dùng nhận được chất lượng hình ảnh tốt nhất có thể.

Khi các nhà khoa học dữ liệu phát triển các phương pháp học máy mới có thể dự đoán chính xác hơn về những gì khách hàng của họ sẽ muốn xem, họ kiểm tra chúng bằng cách triển khai trên một tập hợp khách hàng con trước.

Nếu họ thấy các chỉ số chung cải thiện thì nó sẽ được triển khai trên toàn mạng lưới. Những chỉ số này bao gồm số giờ nội dung được người dùng xem, cũng như churn rate – tỉ lệ người dùng hủy thuê bao vì họ không thể tìm được gì để xem.5

Để tối ưu hóa việc phát trực tuyến và chất lượng hình ảnh, Netflix dùng các thuật toán phân tích từng khung hình ở thời gian thực để đưa ra giải pháp về cách nó được nén đến kích cỡ nhỏ nhất có thể, mà vẫn giữ được tất cả các dữ liệu tạo nên hình ảnh mà con người sẽ thấy được.6

Các yếu tố của mỗi khung hình như ánh sáng, độ phức tạp (từng phần riêng lẻ của hình đó khác với các phần khác như thế nào) và bao nhiêu phần của hình ảnh đó sẽ chuyển sang khung hình kế tiếp đều được thuật toán này tính toán đến.

Kết quả đạt được là gì?

Netflix có thể gợi ý nội dung một cách chính xác cho khán giả dựa trên sở thích của họ, và sở thích của những người khác trùng khớp với hồ sơ của họ. Điều này dẫn đến việc những người tái đăng kí trong thời gian lâu hơn, đem đến giá trị trọn đời lâu dài hơn cho công ty.

Với tư cách là một nhà sản xuất nội dung nói riêng, nó cũng có thể tạo ra những bộ phim và chương trình tivi ăn khớp mật thiết với những gì mà khán giả muốn xem.

Thuật toán nén AI của Netflix để tối thiểu hóa kích thước các file cần phải truyền, và do đó cải thiện chất lượng phát trực tuyến, đã thành công trong việc giảm việc sử dụng dữ liệu đến 1.000 lần.

Một tập phim Jessica Jones, vốn yêu cầu băng thông lên đến 750 megabit/giây, đã được giảm xuống còn 750 kilobit/giây.

Các thách thức và bài học chính được rút ra

  • Dịch chuyển từ mô hình đặt hàng qua thư đến mô hình thuê bao đã gia tăng lượng dữ liệu mà Netflix có thể thu thập lên cực kì lớn, không chỉ là những gì khách hàng xem, mà còn là cách thức và thời gian mà họ xem nó.
  • Cung cấp cho khách hàng nhiều gợi ý chính xác hơn về những gì họ có thể muốn xem có nghĩa là ít khách hàng sẽ hủy thuê bao hơn vì lý ho không thể tìm thấy những bộ phim và chương trình mà họ sẽ thích thú.
  • AI cho phép những gợi ý này trở nên ăn ý hơn, vì chúng học từ một bộ dữ liệu về thói quen khách hàng không ngừng tăng tưởng.
  • Netflix có thể sử dụng cơ sở dữ liệu khổng lồ về thói quen xem này mà nó đã xây dựng để bắt đầu sản xuất những nội dung của chính nó, được định hướng bởi dữ liệu về những gì mà người dùng của nó muốn.
  • Phát trực tuyến video với chất lượng cao và cực cao sử dụng lượng băng thông khổng lồ – những nguồn lực hạn chế và đắt đỏ. AI có thể giảm thiểu chi phí này bằng cách học để chỉ truyền những dữ liệu quan trọng.

Tham khảo

1.       Netflix, Shareholder’s letter, 16 July 16 2018: https://s22.q4cdn.com/959853165/files/doc_financials/quarterly_reports/2018/q2/FINAL-Q2-18-Shareholder-Letter.pdf

2.       It’s Foss, Netf lix Open Source AI: https://itsfoss.com/netflix-open-source-ai/

3.       Variety, Netflix Subscribers Streamed Record-Breaking 350 Million Hours of Video on Jan. 7: https://variety.com/2018/digital/news/netflix-350-million-hours-1202721679

4.       Netflix, Introducing Vectorflow: https://medium.com/@NetflixTechBlog/introducing-vectorflow-fe10d7f126b8

Leave a Reply

WeTransform