Blog Aplikasi Data Science: Sistem Rekomendasi Netflix

Aplikasi Data Science: Sistem Rekomendasi Netflix

Sarah Juliandiny Juni 10, 2022 5 min read

Apakah Anda ingat film terakhir yang Anda tonton di Netflix?

Setelah menonton film itu, apakah Anda mendapat rekomendasi film serupa?  

Lalu, apakah Anda bertanya-tanya bagaimana Netflix mengetahui apa yang Anda sukai dan bagaimana hal itu muncul di beranda setiap kali Anda membuka platform mereka?

Di sinilah peran data science.

Lebih dari 80% acara yang orang tonton di Netflix ditemukan melalui recommendation system platform.

Itu berarti, sebagian besar dari apa yang Anda putuskan untuk Anda tonton di Netflix adalah hasil dari keputusan dengan bantuan.

Ada banyak sekali aplikasi data science, dan Netflix menggunakan data science untuk memberikan rekomendasi yang relevan dan menarik untuk Anda.

Bahkan Netflix mengelompokkan penggunanya ke dalam lebih dari 2.000 kelompok berdasarkan selera.

Berdasarkan kelompok tersebut, Netflix kemudian menentukan rekomendasi yang dapat Anda rasakan langsung pada platform mereka.

Penasaran bagaimana cara kerja recommendation system di Netflix, yuk kita bahas lewat artikel ini.

Apa itu Recommendation System?

Recommendation system adalah salah satu sistem yang mampu memprediksi peringkat yang mungkin pengguna berikan untuk suatu item tertentu.

Netflix memanfaatkan data science sebagai strategi untuk merekomendasikan film yang mirip dengan yang Anda sukai dan tonton berulang kali, sehingga Anda terus menggunakan Netflix sebagai platform untuk menonton film.

Oleh karena itu, berdasarkan film yang telah Anda tonton, Netflix memberikan rekomendasi film-film yang memiliki tingkat kemiripan serupa.

Ada dua jenis recommendation system, yaitu Content-based recommendation systems dan Collaborative filtering recommendation systems.

Content-based Recommendation Systems

Content-based Recommendation Systems Used by Netflix

Dalam content-based recommendation systems, poin-poin yang menjadi pertimbangan antara lain latar belakang pengetahuan produk dan informasi pelanggan.

Berdasarkan konten yang telah Anda tonton di Netflix, sistem ini akan memberi Anda rekomendasi konten serupa.

Misalnya, jika Anda pernah menonton film bergenre fiksi ilmiah, content-based recommendation system akan memberi Anda saran untuk film serupa yang bergenre sama, yaitu fiksi ilmiah.

Jenis recommendation system ini tidak memerlukan data pengguna lain saat merekomendasikan film ke satu pengguna.

Kesamaan antara satu film dan film lainnya dapat dihitung menggunakan cosine similarity measure atau predictive models seperti Bayesian Classifiers, Decision Trees, dan lainnya.

Collaborative Filtering Recommendation Systems

Collaborative Filtering Recommendation Systems Used by Netflix

Berbeda dengan sistem pertama yang memberikan rekomendasi produk sejenis, Collaborative Filtering memungkinkan rekomendasi berdasarkan kesamaan profil penggunanya.

Salah satu keuntungan utama dari Collaborative Filtering adalah cara kerjanya tidak tergantung pada pengetahuan produk, melainkan pada riwayat pengguna lainnya.

Misalnya, jika si A menonton konten crime, fiksi ilmiah, dan thriller, sementara si B menonton konten fiksi ilmiah, thriller, dan action.

Sistem ini mempertimbangkan behavior dari  suatu pengguna sambil merekomendasikan pengguna lainnya.

Dengan mencatat film mana yang disukai pengguna tertentu serta dikombinasikan dengan pengguna lain yang memiliki behavior serupa, akan muncul rekomendasi di antara kedua pengguna tersebut.

Bagaimana Netflix Menerapkan Data Science pada Recommendation System Mereka?

Netflix menerapkan Hybrid Recommendation System pada platform mereka.

Apa artinya?

Netflix menggabungkan teknik content-based dan collaborative filtering untuk menyarankan konten kepada penggunanya.

Hal ini yang membuat recommendation system Netflix sangat powerful.

Pada tahun 2006 hingga 2009, Netflix menjalankan campaign yang meminta orang-orang untuk membantu meningkatkan algoritma sistem rekomendasi mereka yang bernama “Cinematch”.

Ada hadiah sebesar USD 1 juta bagia siapa pun yang dapat meningkatkan akurasi prediksinya sebesar 10%–berdasarkan seberapa banyak seseorang akan menikmati film menurut preferensi mereka.

Melihat imbalan yang mereka tawarkan, dapat disimpulkan betapa pentingnya performa recommendation system bagi Netflix.

Menurut Netflix, mereka memiliki waktu terbatas, yakni 90 detik saja, untuk menyarankan judul film kepada pengguna sebelum pengguna kehilangan minatnya dan keluar dari layanan.

Dalam waktu sangat singkat untuk menangkap minat itu, recommendation system adalah cara paling efisien dan menarik untuk membuat pengguna menemukan rekomendasi konten secepat mungkin.

Tentu saja, data mendorong sistem untuk semakin canggih, melalui kebiasaan menonton Anda, waktu, durasi, dan sebagainya.

Bahkan Netflix secara khusus mempekerjakan staf untuk mengategorikan genre, tema, dan setiap bagian dari acara TV dan film dan menerapkan tag ke masing-masing untuk menciptakan genre kecil yang sangat spesifik, seperti “Drama time-travel yang menyayat hati” atau “Film romantis dua orang pemuda sakit keras”.

Recommendation system dibutuhkan di hampir setiap industri dan digunakan oleh platform populer seperti Netflix.

Sekarang, setelah Anda tahu lebih banyak tentang recommendation system Netflix yang terkenal, jika menurut Anda hal ini merupakan topik yang penting, sudah saatnya Anda mulai belajar data science bersama Pacmann.

Referensi:

A New Horizon for the Recommendation: Integration of Spatial Dimensions to Aid Decision Making

Recommendation Systems Explained

Introduction To Recommender Systems- 1: Content-Based Filtering And Collaborative Filtering

Content-based vs. Collaborative Filtering