Récemment, je suis tombé sur un article sur BBC World News intitulé "Netflix envisage de réprimer le partage de mot de passe" cela a suscité mon intérêt et m'a fait réfléchir. Apparemment, certains abonnements Netflix sont partagés par plusieurs ménages en violation des conditions de service.
Ce problème n'est pas propre à Netflix; la plupart des plates-formes de streaming permettent des visionnements simultanés à partir de plusieurs appareils en «permettant aux utilisateurs de créer plusieurs profils», comme le décrit l'article et ce que toute personne ayant utilisé un service de streaming au cours des dernières années pourrait confirmer. Ce que les utilisateurs ne sont pas censés faire, c'est laisser des amis ou des voisins qui ne vivent pas à la même adresse utiliser leur abonnement.
Je dois dire que je suis un grand admirateur de Netflix, ainsi qu'un client. Mon compte comporte trois profils: un utilisé par moi, un par ma femme et un partagé entre nos trois enfants. Cela m'a toujours étonné de voir à quel point les émissions recommandées sur mon profil correspondent à mes goûts personnels et à quel point elles diffèrent de celles affichées plus en évidence dans les autres profils.
En ce qui concerne l'analyse, Netflix est une entreprise extrêmement mature et je ne doute pas qu'elle utilise bon nombre des mêmes techniques utilisées pour me recommander des émissions que pour identifier les violations de service. Cependant, n'ayant aucune idée de son fonctionnement interne au-delà de cet article de 300 mots de la BBC et de mes propres expériences d'utilisation de la plate-forme, je ne peux qu'imaginer ce que pourraient être ces techniques. Voici ce que j'ai trouvé:
- Une option qui ne fonctionnera clairement pas est de confirmer les connexions à l'aide d'adresses IP locales liées aux adresses physiques des comptes. Dans les jours qui ont précédé la pandémie, je voyageais assez fréquemment et je me connectais souvent à Netflix en utilisant mon profil depuis ce même iPad depuis des hôtels de différentes villes ou même de pays. Je suis sûr qu'il y en a d'autres qui ont plusieurs résidences à partir desquelles ils regardent Netflix. J'ai vu des gens regarder Netflix avec leur téléphone dans les transports en commun. Tout cela est autorisé dans les conditions de service, et prendre des mesures pour éviter cela aggraverait certainement de nombreux clients fidèles.
- L'essai actuel, qui utilise un e-mail ou un SMS pour vérifier un compte, peut également ennuyer certaines personnes. Je peux facilement imaginer des scénarios où je suis inaccessible au moment où mon enfant de 3 ans essaie de regarder Peppa Pig et est invité à vérifier son compte via un SMS envoyé sur mon téléphone. Les cris qui en découleraient (pas vraiment, c'est une enfant formidable et compréhensive, mais restez avec moi sur celui-ci) seraient apaisés en passant immédiatement à Disney +, et peut-être en ne jamais revenir en arrière.
Il y a des situations qui sont plus susceptibles qu'improbables d'être des violations réelles, telles que des connexions cohérentes au même compte pendant les heures de grande écoute à plusieurs emplacements géographiques répétés dans la même ville, ou une utilisation simultanée quotidienne dans différents pays ou continents. Il peut exister des cas isolés d'utilisation légitime même dans ces cas, mais ils sont difficiles à imaginer et seraient certainement minoritaires.
Selon l'article de la BBC référencé plus tôt, qui constitue l'intégralité de mes recherches sur ce sujet, Netflix «compte désormais plus de 200 millions d'abonnés dans le monde». S'il veut faire une tentative significative pour s'attaquer à ce problème, il devra se tourner vers l'analytique pour obtenir de l'aide. Un très bon point de départ peut être l'un des nombreux algorithmes d'apprentissage non supervisé disponibles dans JMP, comme le clustering hiérarchique.
L'apprentissage non supervisé permet aux utilisateurs ayant des habitudes de visionnage similaires d'être classés en groupes sans avoir à identifier ces habitudes à l'avance. Dans l'exemple ci-dessous, 15 100 internautes sont regroupés en cinq clusters utilisant 51 métriques d'utilisation. Comme le montre la figure 1, tous les clusters ne contiennent pas le même nombre d'utilisateurs. En fait, les clusters 2, 3 et 5 ne contiennent que 25 utilisateurs entre eux. S'il s'agissait de mon ensemble de données, j'examinerais de plus près ces grappes pour essayer de comprendre en quoi elles diffèrent des 15 075 personnes restantes.
Figure 1: Comptages pour cinq clusters pour l'ensemble de données sur les habitudes d'utilisation d'Internet de 15 100 (à gauche) et le dendrogramme produit par la plate-forme de clustering hiérarchique dans JMP.
Cette information peut être trouvée dans le diagramme de cordon parallèle ci-dessous dans la figure 2, où chaque ligne représente un cluster. En regardant l'extrême gauche de l'intrigue, il semble que les trois utilisateurs du groupe 5, en moyenne, avaient un tot_HO (nombre total d'heures en ligne) plus grand que les utilisateurs de l'un des autres groupes, en moyenne. Cela peut être l'une des métriques qui distingue ce cluster des autres. Il y en a d'autres aussi, comme indiqué dans les parties du graphique où les lignes s'écartent.
Figure 2: Diagramme de cordon parallèle, montrant comment les habitudes d'utilisation diffèrent pour chacun des cinq groupes.
L'étape suivante consisterait à considérer ces différences et à réfléchir de manière logique aux clusters composés d'utilisateurs qui enfreignent probablement leurs accords de service. La bonne chose à propos de JMP est qu'au départ, si rien de concret n'émerge, les plates-formes sont conçues pour permettre aux analystes de continuer à explorer les données jusqu'à ce que quelque chose de significatif leur apparaisse. Une fois que cela se produit, ils auront une bonne idée des comptes pour cibler les avertissements.
À partir de là, une plate-forme de streaming comme Netflix pourrait surveiller ces comptes pour savoir s'il existe des différences dans leurs habitudes d'utilisation. Cela pourrait indiquer que certains des comptes avaient plusieurs ménages partageant des mots de passe, et les avertissements ont été entendus. Un résultat clair serait de faire cela comme un test dans une région localisée et de voir s'il y a une augmentation des abonnements dans les jours ou les semaines qui ont suivi.
Tout cela pourrait servir de base à un ensemble de données de formation et au développement d'un modèle pour estimer la probabilité qu'un utilisateur commette des infractions. Des probabilités supérieures à 50% peuvent suggérer des violations, mais l'entreprise peut choisir d'être plus conservatrice dans son approche et de ne considérer que les utilisateurs au-dessus, disons, d'une chance de 70% en tant que contrevenants potentiels. Cela peut être fait en ajustant le seuil de probabilité pour optimiser la matrice de confusion - ces options et d'autres se retrouvent tout au long du JMP. Les résultats de ce modèle pourraient même être regroupés en fonction de la probabilité, avec différentes actions prises sur ces classes. Par exemple, les utilisateurs dont les habitudes indiquent une probabilité de 99% de violations peuvent voir leur compte suspendu, tandis que ceux qui dépassent 80% peuvent recevoir des avertissements.
C'est là qu'une plate-forme de streaming qui veut arrêter le partage de mot de passe doit prendre des décisions sur ce qu'elle espère accomplir, où se trouvent ses priorités et ce qu'elle aimerait absolument éviter. Sans un examen attentif, il peut utiliser ce processus pour développer par inadvertance des modèles qui ciblent injustement et incorrectement les populations minoritaires. Ou, de mauvaises suppositions peuvent conduire à des dizaines d'utilisateurs légitimes d'annuler leur service et de passer à un concurrent. Cela souligne l'importance d'inclure une surveillance humaine à chaque étape de ce processus, y compris, et surtout, de faire évaluer les modèles par les humains en utilisant la logique et le bon sens. Il existe de nombreux exemples d'organisations qui apprennent à leurs dépens ce que les machines feront à leur marque si elles sont laissées à elles-mêmes.
Peut-être que les entreprises de streaming ont des moyens de monétiser l'audience en dehors des frais d'abonnement, tels que le placement de produit, et préféreraient plutôt se tromper du côté d'un plus grand nombre de téléspectateurs plutôt que de moins. Bien sûr, le nombre de téléspectateurs gagnés par rapport aux frais d'abonnement perdus serait le type d'informations nécessaires avant de prendre ces décisions. JMP peut être utilisé à chaque étape de ce processus. Notre logiciel permet aux experts du domaine de parcourir des ensembles de données volumineux et complexes jusqu'à ce que des informations émergent que seuls eux, en tant qu'experts, peuvent comprendre. Il permet en outre à ces experts de distiller les idées et de les présenter d'une manière qui est facilement assimilée par les parties prenantes, garantissant ainsi que les actions qui en résultent correspondent aux besoins stratégiques de l'entreprise.
Il sera intéressant de voir quelles actions les différents services de streaming entreprennent pour résoudre ce problème à l'avenir. Une chose est sûre: comme de nombreuses autres organisations, elles auront mis à profit la puissance de l'analytique pour éclairer et augmenter les décisions qui les motivent.
Très bonne publication, @HadleyMyers .
Je voulais juste partager que Netflix a écrit un peu sur certaines des choses qu'ils font avec l'analyse de données. J'ai vraiment apprécié Cet article d'un de leurs data scientists. Ce que j'aime vraiment, c'est qu'ils reconnaissent la nécessité d'expérimenter et ne s'attendent pas seulement à trouver de l'or dans les données collectées passivement. Les clients de JMP le savent, mais de nombreuses organisations qui ont été séduites par la magie de l'IA ne comprennent tout simplement pas.
… L'expérimentation peut être considérée comme étant supérieure à la plupart des approches d'apprentissage automatique basées sur des données d'observation. Nous consacrons beaucoup d'efforts à la recherche et à la création de modèles et d'algorithmes de ML. Exploiter soigneusement les modèles dans les données observées est puissant pour faire des prédictions et aussi pour réaffirmer des hypothèses, mais il est encore plus puissant d'exécuter des expériences pour déterminer la causalité.
