Aby określić docelową liczbę potencjalnych odbiorców, sztuczna inteligencja Netfliksa wykorzystuję metodę uczenia transferowego. SI porównuje parametry wyuczone z „zadania źródłowego” z tymi reprezentującymi „zadanie docelowe”. W tym przypadku zadania źródłowe są proste: jakie tytuły są porównywalne z produkcją Netfliksa i jakiej oglądalności można się spodziewać?
Na potrzeby porównań tematycznych Netflix tworzy „mapę podobieństwa”, w której sztuczna inteligencja używa metadanych, tagów i innych oznaczeń, które pomagają określić podobieństwa do innych tytułów. Następnie algorytm ocenia potencjalne zainteresowanie, jakie może wzbudzić nowa produkcja, porównując, ile osób w danym kraju oglądało podobne filmy czy seriale.
[facebook=https://www.facebook.com/dobreprogramy/posts/10157966983185686]
Na przykład, jeśli polscy widzowie chętnie oglądają dramaty, to Netflix wie, że należy przyspieszyć prace związane z marketingiem czy lokalizowaniem tego typu produkcji w naszym kraju. Algorytm ma dostęp do znacznie szerszych danych niż tylko bibliotek portalu, więc może podawać rzetelniejsze wnioski.
Dzięki wykorzystaniu sztucznej inteligencji Netflix minimalizuje ryzyko oraz potencjalne straty. Jednak korzystają na tym również widzowie, kiedy algorytm wpływa na przyspieszenie prac nad serialem czy filmem, który zyskuje wyjątkową popularność.
