窗外夜色正肆无忌惮地晕染铺展，
在黄澄澄的灯光下晕晕欲睡，
大概拿一瓶啤酒，
打开电视欣赏一部大片正得当？
——可是宝宝不想花韶光读剧情先容！
怎么破？
答案是——
美国流媒体巨子、天下最大的收费视频网站Netflix——让你看一眼电视剧封面就决定订阅。
设计精良的内容推举引擎一贯是铸就Netflix成功的关键，利用Machine-learning algorithms(机器学习算法)，Netflix可以将用户主页上的所有内容，乃至到标题图像，进行针对每个不同用户的个性化设置。
借助人工智能让图像代替文本
视觉皮质层
视觉皮质层占人脑的30％，结果是人类处理图像的速率比处理文本自然快6万倍——以是我们都犯过“以貌取人”的缺点，不过这也是Netflix提高用户参与度的一个关键计策要素。
Netflix看似拥有无限量的内容，这可能是一把双刃剑。弘大的内容体量会导致Choice Paralysis选择瘫痪——人们有太多的选择，便无法决定要看什么。终极，他们便可能不会选择看，这便突显了Netflix须要一套繁芜推举算法的主要性。
Choice Paralysis 选择困难症
“我们没有一项特定产品——由于供应个性化体验，以是我们有的是数以亿计的不同种产品。”公司Machine Learning机器学习总监Tony Jebara说，“我们希望个性化做事不但是推举出适宜个体会员的不同内容，而且可以让会员对我们的推举笃信不疑。”
Tony Jebara
IT男拯救天下
Machine learning机器学习驱动Netflix的算法，在公司的整体成功中发挥了巨大浸染。通过推举干系度最高的内容，显著增加了会员参与度，每年为公司节省大约10亿美元。
算法将每个用户的不雅观看习气和偏好考虑在内后，制订呈现在会员面前的个性化主页和他们最可能感兴趣的优先内容选项。该公司正利用一种名为Interleaving(交叉存取)的方法让系统变得更高效，从一大组初始想法中识别出最有出息的排序算法，然后利用减少算法进行A/B测试。与传统的A/B测试比较，Interleaving交错测试在样本量少的情形下事情得更快。
A/B测试也称为split-testing(比拟测试或分离测试)，测试网站或在线做事中的两个变量，末了得出哪个变量更符合哀求。
Jebara说：“在创新的全体过程中，当团队无法将最好的Machine learning机器学习算法供应给用户时，我们真的会想打自己。”
对DVD封面说NO
Netflix曾经利用由内容互助伙伴供应的通用影片标题图像——它们每每是缩小版本的电影DVD封面，缺少个性。
为此，公司专门进行了测试，希望理解哪种类型的图像最有可能引起人们的关注。参与度衡量指标包括点击率、合计播放时长以及短韶光便跳出的不雅观看次数百分比。
Unbreakable Kimmy Schmidt 打不倒的金咪
那些通报出面部表情和以某些分外人物为特色的图像表现良好，例如，Netflix原创美剧《打不倒的金咪》中的一张紧张人物和深受粉丝喜好的Tituss Burgess在内的合影得到了最多的参与度。
那些为个体用户定制的个性化图像当然得到了最多的关注。
“如果我们知道有人喜好笑剧——由于他们看过《超级名模》（Zoolander）和《发展受阻》（Arrested Development）这样的笑剧电影或者电视剧，系统便会推举《心灵捕手给他》，标题图片便是一张Robin Williams罗宾威廉姆斯的照片。”Jebara阐明说。
看过很多John Travolta或者Uma Thurman主演的电影？大概这便是在Netflix上看到Pulp Fiction(低俗小说)电影图像被推举给你的缘故原由。
用图片讲故事
在某种程度上，Netflix总是在讲故事。
“故事是人类的心脏。”Jebara说，“通过故事，我们分享信息，让文化和措辞从远古流传到当代——先人将故事画在岩穴的石壁上，现在我们有PowerPoint。”
Netflix将标题图像视为“故事的入口”，正是由于有Machine-learning机器学习算法，公司才可以为用户供应他们会感兴趣的那些故事。
中国企业启迪录
当历史以不可逆之势裹挟着清风来袭时，须要找准风口，见机行事。美国Netfilix正愈演愈烈，除了良好的版权环境以外，Netflix利用人工智能选择对不雅观众最有吸引力的封面图片值得中国发达发展中的网络影视企业借鉴。
更多沿精彩国际商业聪慧，请连续关注喷鼻香港城市大学EMBA
城大EMBA——助力“中国梦”的国际化蜕变，挥洒中西聪慧，弄潮商业前沿。
喷鼻香港城市大学EMBA2018春招生全面开启火热进行中，be part of the excitment!
#清新.前沿.国际范# #Not. The. Same. Old#