Hvordan Netflix brukte store data for å oppnå fenomenal vekst

0 Kommentarer

Netflix fenomenale verdensomspennende vekst er en viktig faktor i selskapets fortsatte suksess. Fra og med 2017 var den operativ i mer enn 190-land, og av sine 130 millioner eller så abonnenter ligger nesten 73 millioner i jurisdiksjoner utenfor USA. Og ved Q2 2018 hadde Netflix internasjonale streaminginntekter overhalet sine amerikanske streaminginntekter. Med tanke på at Netflix var en amerikansk eneste virksomhet frem til 2010 og hadde en tilstedeværelse i bare 50-landene i 2015, utgjør dette en fremragende forretningsprestasjon. Det er derfor ikke overraskende at mange store bransjer, inkludert online kasinoer og e-handelsnettsteder, nå følger Netflix-modellen i deres bruk av dataanalysestrategier.

Netflix globaliseringsstrategi har klart å overvinne noen vanskelige problemer: Forskjellige regioner krever ulike innholdsavtaler, ulike lovgivningsbarrierer måtte ofte nærmer seg land for land, mange abonnentblokker var ikke-engelsktalende og insisterte på lokalt innhold, og mange ville -abonnenter hadde bare opplevd gratis innhold og var veldig motvillige til å registrere seg for betalte for streamet innhold.

Til tross for alle disse problemene og mer, har Netflix klart å vokse konsekvent og eksponentielt og er nå en global enhet med flere brukere av innbetalt innhold enn den totale markedsandelen av alle sine streaming rivaler kombinert.

Store dataverktøy

Et viktig trekk ved Netflix-historien har vært selskapets fortsatte sofistikerte bruk av datainnsamlings- og analyseverktøy for å informere forretningsbeslutninger. Disse har blitt distribuert for å samle, kartlegge og tolke funn basert på et vell av data. Netflix har samlet om innstillingene til en rekke forskjellige brukergrupper. Et annet produkt av denne tilnærmingen har vært at mens Netflix-analysebudget har gått opp, har markedsbudsjettet blitt betydelig redusert. Et resultat av denne endringen er at Netflix derfor markedsfører målrettede grupper og populasjoner som har en eksisterende interesse eller i det minste en sterk potensiell interesse i Netflix-produkter. Dette betyr at selskapet sjelden sparer penger på noen form for rent "spredningspistol" spekulativ markedsføring til brukere som kanskje ikke har noen direkte interesse i å gjøre noen form for kjøpsbeslutning i deres favør.

Anbefalingsalgoritmen

Overvåking verktøy Netflix bruker alltid samle informasjon og kontinuerlig teste ut scenarier basert på deres grundige analyse av Netflix datastrømmen. Så hver Netflix-abonnent klikker på spill, pause og stopp er registrert og gransket i detalj.

Det antas Netflix kjører rundt 250 A / B tester per år. Disse tester involverer om 100,000-brukere, pluss en annen 100,000 valgt som en kontrollgruppe. De streames det samme innholdet, men med små avvik i formatet. Slike tweaks kan være i utformingen eller utseendet på det streamede innholdet, og Netflix er interessert i å vurdere hvordan slike justeringer mottas av brukergruppen.

Et annet område for vurdering er bruken av landingskort - skjermbilderne Netflix-brukere vil finne når de bla gjennom lister over filmtitler som er tilgjengelige på Netflix. Selskapet søker igjen å evaluere effekten av små formatendringer på brukeradferd. Det virker som Netflix er også primet å introdusere det samme systemet med autoplay trailere som et middel til å identifisere de mest populære alternativene.

Statistikk antyder at en gjennomsnittlig seer vil bla gjennom 50-titler før de er klar til å velge neste film de vil streame. Og det ser ut som at flertallet av Netflix-analysene for tiden blir distribuert for å finjustere den listen over alternativer som samsvarer med seerens sannsynlige preferanser. Hver liste er brukerspesifikk, og er hovedsakelig basert på tidligere observasjonshistorikk, men kontinuerlig informert av andre datatrender som er notert.

For eksempel vil Netflix være oppmerksom på hvilken tid på dagen du pleier å se, og at informasjonen vil ha noen innflytelse på valg av filmer selskapet velger å tilby - selv om Netflix er litt motvillig til å detaljere hvilke tilpasninger de sannsynligvis vil lage, og hvorfor.

Sakshistorie: House of Cards

Her bemerket Netflix at mange av sine abonnenter hadde en tendens til å streame "The Social Network", regissert av David Fincher, helt igjennom fra begynnelse til slutt. De observerte også at Kevin Spacey-filmene hadde en konsistent appell for Netflix-publikum. Ytterligere Netflix-analyser indikerte at UK versjon av 'House of Cards' var en suksess og avslørte at britiske seere også søkte andre filmer regissert av David Fincher eller med Kevin Spacey.

Basert på denne datavurderingen forutslo selskapet at 'House of Cards' også ville være en suksess i USA og bestemte seg for å investere $ 100 millioner tilsvarende. Denne smarte avgjørelsen var en rungende suksess, og fikk Netflix 2 millioner ekstra amerikanske abonnenter pluss 1 millioner mer over hele verden, alt innen de første tre månedene av lanseringen. Som et resultat hadde Netflix nesten dekket investering i "House of Cards" i første kvartal.

Investering i stor dataanalyse har gjort det mulig for Netflix å målrette og tilpasse sine strømforsyninger i en slik grad at tallene, som med "House of Cards", også kan informere fremtidige beslutninger om å investere i filmer og TV-serier. Effektivt begrensende, eller til og med å fjerne, har slike risikoer vært en viktig faktor i den fenomenale veksten av dette ambisiøse selskapet.

Jackpot City Online Casino Bonuskoder >>

Jackpot City Casino Online. Bli med nå!
kilde: jackpotcitycasino.com
Hvordan Netflix brukte store data for å oppnå fenomenal vekst oppdatert: Juni 18, 2019 Forfatter: Damon