Met bijna 150 miljoen abonnees kun je stellen dat Netflix een doorslaand succes is. De strategie van Netflix is gericht op data-analyse. Het heeft zelfs een eigen datavisualisatie-tool ontwikkeld om door de hele organisatie heen realtime relevante informatie te krijgen. Niet alleen alle medewerkers zijn hiermee in staat de juiste beslissingen te nemen, ook Netflix zelf kan feilloos inspelen op de kijkersbehoefte.
Ons brein heeft minder dan 250 milliseconden nodig om visuele informatie te begrijpen en daarop te reageren. Het vergelijken van verschillende tabellen met ongestructureerde data kost veel meer moeite en is als het om een bepaald datavolume gaat zelfs onmogelijk om te interpreteren. Goede datavisualisatie-tools zorgen ervoor dat managers en medewerkers trends kunnen ontwaren in grote volumes data. Dankzij dynamische vergelijkingen en cross reference tools komen er bovendien onverwachte inzichten en verbanden naar voren, die alleen bloot zijn te leggen via data-analyse.
Met de datavisualisatie-tools van Netflix krijgt het bedrijf inzichten uit data die al gestructureerd zijn. De teams hoeven zich alleen nog maar te focussen op het nemen van de juiste beslissing.
Een voorbeeld van datavisualisatie bij Netflix:
Je ziet hier een realtime-overzicht van Amerikaanse consumenten die verbonden zijn met het Netflix-platform. Aan de rechterkant zie je incident tracking en performance indicatoren gedurende de tijd. De opbouw van het scherm is dynamisch en is door iedere gebruiker aan te passen. Het geeft een realtime-overzicht van welke incidenten er zijn voor de verbindingen met de dienst. Zonder deze tool is het veel lastiger om hier een beeld van te krijgen. De data zijn verzameld vanuit verschillende bronnen en vaak niet eens toegankelijk voor de meeste medewerkers. Dankzij deze datavisualisatie kunnen teams dagelijkse activiteiten monitoren en de resultaten via simpele weergaven presenteren aan andere stakeholders. Netflix noemt dit ‘operational visibility’. Dezelfde werkwijze wordt toegepast voor het maken van content zoals de succesvolle series. House of Cards is zelfs gecreëerd op basis van data over abonnees.
Programma creëren met informatie over kijkers
Een analyse van datawetenschappers maakte duidelijk dat het typische Britse tv-publiek fan is van acteur Kevin Spacey en films van David Fincher. Niet geheel verrassend kreeg Spacey de hoofdrol in House of Cards. Door eenzelfde strategie van analyse van voorkeuren van kijkers, weet Netflix keer op keer series te creëren die aanslaan bij het publiek en waar mogelijk, meerdere seizoenen ervan uit te brengen. Dit is bij maar liefst tachtig procent van de series het geval, terwijl het gemiddelde van series die een vervolg krijgen in de tv-industrie op een kwart blijft hangen.
Data-analyse zorgt ook hier voor een duidelijk voordeel. Het helpt Netflix abonnees te begrijpen zodat het in kan spelen op wensen van het publiek. In dit kader ontwikkelde Netflix verder tien verschillende trailers voor de serie House of Cards, elk gericht op een specifiek publiek. Fans van Kevin Spacey kregen de trailer waarin hij nadrukkelijk naar voren kwam en fans van Claire kregen een trailer met haar voorgeschoteld.
Big data management-strategie
Het is duidelijk dat datavisualisatie wordt ingezet door organisaties die het meeste uit hun data willen halen – zoals Netflix, Twitter en Amazon. Netflix dankt zijn groei grotendeels aan het strategische gebruik van de verzamelde data. Met bijna 150 miljoen abonnees heeft Netflix enorm veel informatie over zijn gebruikers. Deze big-datamanagement-strategie brengt een heel nieuwe benadering met zich mee voor rapportage en het creëren van series. Met niet alleen de groei van het aantal abonnees als gevolg, maar een massaal bingewatchend publiek dat maar geen genoeg kan krijgen van de content die Netflix hem voorschotelt.
Ik moest de term bingewatchen even opzoeken, hoe datavisualisatie aan dit fenomeen bijdraagt is me echter nog niet helder. De verslaving lijkt me eerder in de ‘cliffhanger’ te zitten waarmee aflevering afgesloten wordt zodat de kijker nieuwsgierig is naar de volgende aflevering.
Dat data analyses – geen visualisaties – tot inzichtelijkheden leiden is niet nieuw, de vraag is echter of dit soort profileringen wenselijk zijn. De populariteit van een acteur versus een actrice heeft veelal te maken met bijzondere persoonsgegevens. NetFlix vergeet dat dit soort profilering niet alleen een inbreuk is op bepaalde wetgeving maar ook leidt tot een vorm van oneerlijke concurrentie.
@Ewout Dekkinga
De term bingewatching is al best ingeburgerd… 😉
Bij het bingewatchen van een serie helpt een cliffhanger aan het eind van van een aflevering.
Na een film, of na de laatste aflevering van een serie, kun je een suggestie krijgen voor een nieuwe film of serie. Een beetje zoals Bol.com’s “anderen die dit ding kochten, kochten ook …”, maar dan vrij “intelligent” (of eigenlijk gewoon gebaseerd op veel data, waaronder een goed profiel van jou en jouw kijkgedrag, waardoor de kans dat de suggesties voor jou de juiste zijn redelijk groot is).
Naast suggesties voor een volgende film of serie na afloop, probeert Netflix je ook te sturen middels mails. Daarmee willen ze deels hun nieuwste series slijten, en deels jou aan het kijken houden. Ook dat gebeurt weer met alle verzamelde data.