안녕하세요. , 훌륭한 기사.Netflix 비밀번호 사용을 중지해야한다는 의미인가요?
@HadleyMyers
It's a very insightful and useful article!
헉 기사를 공유해 주셔서 감사합니다.반복적 학습 과정으로서의 실험에 대한 설명과 인과 관계 확립의 중요성이 정말 마음에 들었습니다.
최근에 BBC World News에서 "Netflix는 암호 공유에 대한 단속을 고려합니다." 그것은 내 관심을 불러 일으켰고 생각하게 만들었습니다. 분명히 일부 Netflix 구독은 서비스 약관을 위반하여 여러 가정에서 공유되고 있습니다.
이 문제는 Netflix에서만 발생하는 문제가 아닙니다. 대부분의 스트리밍 플랫폼은 기사에서 설명하고 지난 몇 년 동안 스트리밍 서비스를 사용한 사람이라면 누구나 확인할 수있는 "사용자가 여러 프로필을 만들 수 있도록 허용"함으로써 여러 장치에서 동시에 시청할 수 있습니다. 사용자는 같은 주소에 거주하지 않는 친구 나 이웃이 구독을 사용하도록 허용하면 안됩니다.
나는 넷플릭스를 좋아하는 사람이자 고객이라고 말해야한다. 내 계정에는 세 가지 프로필이 있습니다. 하나는 본인이 사용하고, 하나는 아내가 사용하고, 다른 하나는 세 자녀가 공유합니다. 내 프로필에 추천 된 프로그램이 내 개인적인 취향과 얼마나 잘 일치하는지, 그리고 다른 프로필에서 더 눈에 띄게 표시된 것과 어떻게 다른지 항상 놀랐습니다.
분석에 관한 한 Netflix는 매우 성숙한 회사이며 서비스 위반 조건을 식별 할 때와 마찬가지로 나에게 쇼를 추천하는 데 사용되는 것과 동일한 기술을 많이 사용하고 있다는 것은 의심의 여지가 없습니다. 그러나이 300 단어 BBC 기사를 넘어서는 내부 작업에 대한 통찰력과 플랫폼을 사용한 내 자신의 경험이 없기 때문에 이러한 기술이 무엇인지 상상할 수 있습니다. 내가 생각 해낸 것은 다음과 같습니다.
- 분명히 작동하지 않는 한 가지 옵션은 계정의 실제 주소에 연결된 로컬 IP 주소를 사용하여 로그인을 확인하는 것입니다. 전염병이 발생하기 며칠 전, 저는 자주 여행을했고 여러 도시 또는 국가의 호텔에서 동일한 iPad의 프로필을 사용하여 Netflix에 로그인하는 경우가 많았습니다. Netflix를 시청하는 여러 거주지를 가진 다른 사람들이있을 것입니다. 대중 교통에서 휴대폰으로 Netflix를 시청하는 사람들을 본 적이 있습니다. 이것은 모두 서비스 약관에 따라 허용되며,이를 방지하기위한 조치를 취하는 것은 많은 충성 고객을 확실히 악화시킬 것입니다.
- 계정을 확인하기 위해 이메일이나 문자 메시지를 사용하는 현재 평가판은 일부 사람들에게 똑같이 성 가실 수 있습니다. 3 살짜리 아이가 Peppa Pig를 보려고하는데 내 휴대폰으로 보낸 문자를 통해 그녀의 계정을 확인하라는 요청을받는 순간 내가 연락 할 수없는 시나리오를 쉽게 상상할 수 있습니다. 계속되는 비명 (정말, 그녀는 훌륭하고 이해력있는 아이이지만이 아이는 나와 함께있어 라)는 즉시 Disney +로 전환하고 아마도 절대로 다시 전환하지 않음으로써 달아 질 것입니다.
동일한 도시 내의 여러 반복되는 지리적 위치에서 황금 시간대에 동일한 계정에 일관되게 로그인하거나 다른 국가 또는 대륙에서 매일 동시에 사용하는 것과 같이 실제 위반이 아닐 가능성이 더 높은 상황이 있습니다. 이러한 경우에도 합법적 인 사용의 분리 된 경우가있을 수 있지만 상상하기 어렵고 확실히 소수에 속합니다.
이 주제에 대한 나의 연구 전체를 구성하는 앞서 언급 한 BBC 기사에 따르면, Netflix는 "현재 전 세계적으로 2 억 명 이상의 구독자를 보유하고 있습니다." 이 문제를 해결하기 위해 의미있는 시도를하려면 분석을 통해 도움을 받아야합니다. 시작하기에 정말 좋은 곳은 다음에서 사용할 수있는 여러 비지도 학습 알고리즘 중 하나 일 수 있습니다. JMP, 계층 적 클러스터링과 같은.
비지도 학습을 통해 유사한 시청 습관을 가진 사용자는 이러한 습관을 미리 식별 할 필요없이 클러스터로 분류 할 수 있습니다. 아래 예에서 15,100 명의 인터넷 사용자는 51 개의 사용 메트릭을 사용하여 5 개의 클러스터로 그룹화됩니다. 그림 1에서 볼 수 있듯이 모든 클러스터에 동일한 수의 사용자가있는 것은 아닙니다. 실제로 클러스터 2, 3 및 5에는 그 사이에 25 명의 사용자 만 포함됩니다. 이것이 내 데이터 세트라면이 클러스터를 자세히 살펴보고 나머지 15,075 명과 어떻게 다른지 이해하려고합니다.
그림 1 : JMP의 계층 적 클러스터링 플랫폼에서 생성 된 15,100 (왼쪽)의 인터넷 사용 습관 데이터 세트와 덴드로 그램에 대한 5 개의 클러스터 수.
이 정보는 그림 2의 병렬 코드 플롯에서 찾을 수 있습니다. 여기서 각 선은 클러스터를 나타냅니다. 플롯의 가장 왼쪽 끝을 보면 클러스터 5의 세 사용자가 평균적으로 다른 클러스터의 사용자보다 평균 tot_HO (총 온라인 시간)가 더 큰 것으로 보입니다. 이것은이 클러스터를 다른 클러스터와 구별하는 메트릭 중 하나 일 수 있습니다. 선이 벗어난 플롯 부분에 표시된 것처럼 다른 것도 있습니다.
그림 2 : 5 개 클러스터 각각에 대해 사용 습관이 어떻게 다른지 보여주는 병렬 코드 플롯.
다음 단계는 이러한 차이점을 고려하고 서비스 계약을 위반할 가능성이 가장 높은 사용자로 구성된 클러스터를 논리적으로 생각하는 것입니다. JMP의 좋은 점은 처음에 구체적인 내용이 나오지 않으면 분석가가 의미있는 데이터가 나올 때까지 데이터를 계속 탐색 할 수 있도록 플랫폼이 설계되었다는 것입니다. 그런 일이 발생하면 경고 대상 계정에 대한 좋은 아이디어를 갖게됩니다.
거기에서 Netflix와 같은 스트리밍 플랫폼은 이러한 계정을 모니터링하여 사용 습관에 차이가 있는지 확인할 수 있습니다. 이렇게하면 일부 계정에 여러 세대가 암호를 공유하고 있음을 나타낼 수 있으며 경고에주의를 기울였습니다. 명확한 결과는이를 현지화 된 지역에서 테스트로 수행하고 그 이후 며칠 또는 몇 주 동안 구독이 급증하는지 확인하는 것입니다.
이 모든 것이 학습 데이터 세트의 기초가 될 수 있으며 사용자가 위반할 가능성을 추정하기위한 모델 개발이 될 수 있습니다. 50 % 이상의 가능성은 위반을 시사 할 수 있지만 회사는 접근 방식에서보다 보수적으로 선택하고 위의 사용자 만 잠재적 위반자로 간주 할 수 있습니다. 이는 혼동 행렬을 최적화하기 위해 확률 임계 값을 조정하여 수행 할 수 있습니다. 이러한 옵션과 기타 옵션은 JMP 전체에서 찾을 수 있습니다. 이 모델의 결과는 확률에 따라 이러한 빈에 대해 다른 작업을 수행하여 비닝 할 수도 있습니다. 예를 들어, 99 %의 위반 가능성을 나타내는 습관을 가진 사용자는 계정이 정지되고 80 %를 초과하는 사용자는 경고를받을 수 있습니다.
암호 공유를 중단하려는 스트리밍 플랫폼이 달성하고자하는 목표, 우선 순위 및 절대적으로 피하고 싶은 사항에 대해 몇 가지 결정을 내려야합니다. 신중하게 고려하지 않으면이 프로세스를 사용하여 부주의하게 소수 집단을 대상으로하는 모델을 부당하게 개발할 수 있습니다. 또는 잘못된 추측으로 인해 많은 합법적 인 사용자가 서비스를 취소하고 경쟁자로 전환 할 수 있습니다. 이것은 특히 인간이 논리와 상식을 사용하여 모델을 평가하도록하는 것을 포함하여이 프로세스의 모든 단계에서 인간의 감독을 포함하는 것의 중요성을 강조합니다. 기계가 자신의 장치에 맡기면 기계가 브랜드에 어떤 일을하는지 어려운 방법을 배우는 조직의 예가 많이 있습니다.
아마도 스트리밍 회사는 제품 배치와 같은 구독료와는 별도로 시청률로 수익을 창출 할 수있는 방법을 가지고 있으며, 오히려 더 적은 시청자보다 더 많은 시청자의 편에서 실수를 할 것입니다. 물론, 얼마나 많은 시청자를 확보했는지와 구독료를 잃었는지가 결정을 내리기 전에 필요한 정보 유형이 될 것입니다. JMP는이 프로세스의 모든 단계에서 사용할 수 있습니다. 당사의 소프트웨어를 사용하면 도메인 전문가가 전문가 인 자신 만 이해할 수있는 통찰력이 나타날 때까지 크고 복잡한 데이터 세트를 살펴볼 수 있습니다. 또한 해당 전문가는 통찰력을 추출하고 이해 관계자가 쉽게 소화 할 수있는 방식으로 제시 할 수 있으므로 결과적인 조치가 비즈니스의 전략적 요구 사항과 일치하는지 확인할 수 있습니다.
앞으로이 문제를 해결하기 위해 다양한 스트리밍 서비스가 어떤 조치를 취하는 지 보는 것은 흥미로울 것입니다. 한 가지는 확실합니다. 다른 많은 조직과 마찬가지로 그들은 분석의 힘을 활용하여 결정을 내리고이를 뒷받침 할 것입니다.
@phersh 하아!:face_with_tears_of_joy:
그레이트 포스트, 안녕하세요. .
넷플릭스가 데이터 분석으로하는 일에 대해 꽤 많이 쓴다는 사실을 공유하고 싶었습니다. 난 정말 재미 있었어 이 기사 데이터 과학자 중 한 명이 제가 정말 좋아하는 것은 그들이 수동적으로 수집 된 데이터에서 금을 찾을 것이라고 기대하는 것이 아니라 실험의 필요성을 인식한다는 것입니다. JMP 고객은이 사실을 알고 있지만 AI의 마법에 매료 된 많은 조직에서는 이해하지 못합니다.
… 실험은 관찰 데이터를 기반으로하는 대부분의 ML 접근 방식보다 우수하다고 생각할 수 있습니다. 우리는 ML 모델과 알고리즘을 연구하고 구축하는 데 상당한 노력을 기울이고 있습니다. 관찰 된 데이터의 패턴을주의 깊게 활용하는 것은 예측을하고 가설을 재확인하는데도 강력하지만 인과 관계를 파악하기 위해 실험을 실행하는 것이 훨씬 더 강력합니다.
