Algoritmos de recomendação

um estudo sobre como funciona e como é descrito o sistema de recomendações da Netflix

Resumo

As produções audiovisuais visualizadas por cada usuário na plataforma de streaming Netflix são baseadas, em parte, nos dados coletados, tratados e arquivados sobre como e o que foi consumido anteriormente por ele e por outros usuários. As sugestões de novos conteúdos são efetuadas por sistemas de recomendação e são operacionalizadas por um conjunto de algoritmos, que por muitas vezes são mantidos em segredo comercial. A Netflix, em seu site, propõe uma “uma descrição de alto nível” sobre o sistema de recomendação “em uma linguagem para leigos”. Este artigo analisa como esse texto explicita o funcionamento dessas ferramentas, articulando-o com autores que já fizeram parte do grupo de programadores da plataforma, outros críticos, e especialistas em algoritmos de recomendação. A análise demonstrou que, a partir da coleta de poucos dados do usuário, especialmente se comprado com o volume geralmente extraído de sites de redes sociais, é possível efetivar seu elaborado sistema de recomendação de forma personalizada. Os dados coletados se comportam como um “padrão de inclusão” e se constituem em matéria prima de um banco de dados que alimenta o sistema, criando um complexo perfil personalizado para cada indivíduo. Esse perfil é o que recomenda novos títulos no sistema de busca e orienta, principalmente, a posição do item nas fileiras na interface inicial. Por fim, a posição do título na interface e a fileira da qual faz parte influenciam significativamente na escolha da produção, o que tem consequências no contato com a diversidade de produtos audiovisuais, na manutenção da assinatura, e na experiência de consumo na plataforma.