哈德利·迈尔斯（HadleyMyers） ，很棒的文章。这是否意味着我应该停止使用您的Netflix密码？
@phil_kay感谢您分享文章。我真的很喜欢将实验描述为一个迭代的学习过程，并且非常重视建立因果关系的重要性。
最近，我在《 BBC世界新闻》上看到了一篇文章“ Netflix考虑打击密码共享”这激发了我的兴趣，让我开始思考。 显然，一些家庭成员违反服务条款共享了Netflix的订阅。
这个问题不是Netflix独有的。如本文所述，大多数流媒体平台允许“允许用户创建多个配置文件”，从而可以同时从多个设备进行查看，并且最近几年使用流媒体服务的任何人都可以确认。 用户不应该做的是让不在同一地址居住的朋友或邻居使用他们的订阅。
我必须说，我是Netflix的忠实拥护者，也是客户。 我的帐户具有三个配置文件：一个由我使用，一个由我妻子使用，一个在我们三个孩子之间共享。 我总是惊讶于我推荐的节目与我的个人品味如何匹配，以及它们与其他简介中最突出显示的节目有何不同。
就分析而言，Netflix是一家非常成熟的公司，毫无疑问，它采用了许多与向我推荐节目相同的技术来识别服务违规条款。 但是，除了这篇300字的BBC文章以及我自己使用该平台的经历之外，我对它的内部运作没有任何见识，我只能想象那些技术可能是什么。 这是我想出的：
- 一种显然不起作用的选择是使用链接到帐户物理地址的本地IP地址来确认登录。 在大流行发生之前的几天里，我经常出差，经常使用来自不同城市甚至国家（地区）酒店的同一iPad上的个人资料登录Netflix。 我确定还有其他人有多个住所，他们可以从这些住所观看Netflix。 我见过人们在公共交通工具上用手机看Netflix。 服务条款都允许这样做，并且采取措施防止这种情况肯定会加重许多忠实的客户。
- 当前使用电子邮件或短信验证帐户的试用版可能同样会惹恼某些人。 我可以很容易地想象出这样一种情况：我三岁的孩子正试图观看Peppa Pig的瞬间，并被要求通过发送到我手机中的文字来验证她的帐户。 随之而来的尖叫声（不是真的，她是一个伟大的，理解力强的孩子，可是和我在一起），可以立即切换到迪士尼+，也许永远也不要切换回去。
在某些情况下，很有可能不是实际违规情况，例如在黄金时段在同一城市的多个重复地理位置一致登录同一帐户，或者每天在不同的国家或大洲同时使用。 即使在这些情况下，也可能存在合法使用的孤立案例，但很难想象，而且肯定会占少数。
根据先前引用的BBC文章（该文章构成了我对该主题研究的全部内容），Netflix“现在全球有超过2亿用户。”如果要为解决此问题做出任何有意义的尝试，则必须寻求分析的帮助。 一个真正好的起点可能是以下几种可用的无监督学习算法之一JMP，例如分层聚类。
无监督学习允许将具有相似观看习惯的用户分类为集群，而无需提前识别这些习惯。 在下面的示例中，使用51个使用指标将15100个Internet用户分组为五个集群。 如图1所示，并非所有集群都包含相同数量的用户。 实际上，群集2、3和5之间仅包含25个用户。 如果这是我的数据集，我将仔细研究这些集群，以了解它们与其余的15,075个人之间的区别。
图1：五个群集的计数，这些数据集的互联网使用习惯数据集为15,100（左），JMP中的分层群集平台生成了树状图。
该信息可以在下面图2中的平行线图中找到，其中每条线代表一个群集。 从图的最左端看，集群5中的三个用户似乎平均比其他集群中的三个用户具有更大的tot_HO（在线总小时数）。 这可能是将该集群与其他集群区分开的指标之一。 如图中曲线偏斜的部分所示，还有其他地方。
图2：平行线图，显示了五个群集中每个群集的使用习惯如何不同。
下一步将是考虑这些差异，并从逻辑上考虑哪些群集由最有可能违反其服务协议的用户组成。 关于JMP的好处是，最初，如果没有任何具体的东西出现，这些平台旨在让分析师继续探索数据，直到发现有意义的东西为止。 一旦发生这种情况，他们将对帐户有一个很好的了解，以警告为目标。
从那里，像Netflix这样的流媒体平台可以监视这些帐户，以查明它们的使用习惯是否存在差异。 这样做可能表明某些帐户中有多个家庭共享密码，并且注意了警告。 一个明确的结果是在本地化区域进行测试，并查看随后几天或几周内订阅量是否激增。
所有这些都可以作为训练数据集的基础，并可以开发模型来估算用户实施违规行为的可能性。 可能性大于50％可能表明存在违规行为，但是该公司可能会选择保守一些，仅将高于70％的用户视为潜在的违规者。 这可以通过调整概率阈值以优化混淆矩阵来完成-这些选项和其他选项在整个JMP中都可以找到。 该模型的结果甚至可以根据概率进行分类，并对这些分类采取不同的措施。 例如，习惯表明有99％违规几率的用户可能会被暂停帐户，而80％以上的用户可能会收到警告。
在这里，想要停止密码共享的流媒体平台需要对它希望实现的目标，优先级在哪里以及绝对希望避免的事情做出一些决定。 如果没有仔细考虑，它可能会使用此过程无意中开发了不公平且错误地针对少数群体的模型。 或者，错误的猜测可能会导致数十名合法用户取消其服务并转换为竞争对手。 这突出了在此过程的每个步骤中都包括人员监督的重要性，包括尤其是让人员使用逻辑和常识来评估模型。 许多组织都在艰难地学习如果将机器留给自己的设备将对品牌产生怎样的影响，那么组织的例子就很多。
也许流媒体公司除了订阅费（例如产品展示位置）外，还可以通过其他方式利用观看者获利，并且宁可在更多观看者而不是更少观看者方面犯错。 当然，获得多少观看者与失去的订阅费用将是做出这些决定之前所需的信息类型。 JMP可以在此过程的每个步骤中使用。 我们的软件使领域专家可以浏览大型和复杂的数据集，直到发现只有他们自己才能理解的见解。 它还使那些专家可以提取洞察力，并以利益相关者容易理解的方式展示它们，从而确保所产生的任何行动都与企业的战略需求相一致。
有趣的是，各种流媒体服务将采取什么行动来解决此问题。 可以肯定的是：与许多其他组织一样，它们将利用分析的力量来告知和增强驱动它们的决策。
@phersh哈！:face_with_tears_of_joy:
很棒的帖子@哈德利·迈尔斯（HadleyMyers） 。
我只是想分享一下Netflix在数据分析方面所做的一些事情。 我真的很喜欢本文来自他们的一位数据科学家。 我真正喜欢的是，他们认识到需要进行试验，而不仅仅是期望从被动收集的数据中找到金矿。 JMP客户知道这一点，但是许多被AI所吸引的组织根本不了解。
……实验可能被认为优于大多数基于观测数据的机器学习方法。 我们确实在研究和构建ML模型和算法上花费了大量的精力。 仔细利用观察到的数据中的模式对于做出预测和重申假设非常有力，但进行实验以引起因果关系则更为强大。
