@HadleyMyers 、素晴らしい記事。これは、Netflixパスワードの使用をやめるべきだという意味ですか？
@HadleyMyers
It's a very insightful and useful article！
@phil_kay記事を共有していただきありがとうございます。反復学習プロセスとしての実験の説明と、因果関係を確立することの重要性が本当に気に入りました。
最近、BBC WorldNewsの記事に出くわしました。 「Netflixはパスワード共有の取り締まりを検討しています」それが私の興味を刺激し、考えさせられました。 どうやら、いくつかのNetflixサブスクリプションは、利用規約に違反して複数の世帯によって共有されています。
この問題はNetflixに固有のものではありません。ほとんどのストリーミングプラットフォームでは、記事で説明されているように、「ユーザーが複数のプロファイルを作成できるようにする」ことで、複数のデバイスからの同時視聴が可能であり、過去数年間にストリーミングサービスを使用したことがある人なら誰でも確認できます。 ユーザーが行うべきではないことは、同じアドレスに住んでいない友人や隣人にサブスクリプションを使用させることです。
私はNetflixを大いに賞賛しているだけでなく、顧客でもあると言わざるを得ません。 私のアカウントには3つのプロファイルがあります。1つは私が使用し、もう1つは妻が使用し、もう1つは3人の子供の間で共有されます。 私のプロフィールで推奨されている番組が私の個人的な好みとどのように一致しているか、他のプロフィールでより目立つように表示されている番組とどのように異なっているかは、いつも驚いています。
分析に関する限り、Netflixは非常に成熟した会社であり、サービス違反の特定と同じように、番組の推奨に使用されているのと同じ手法の多くを採用していることは間違いありません。 しかし、この300語のBBCの記事とプラットフォームを使用した私自身の経験を超えて、その内部の仕組みについての洞察がないので、私はそれらのテクニックが何であるかを想像することしかできません。 これが私が思いついたものです：
- 明らかに機能しないオプションの1つは、アカウントの物理アドレスにリンクされているローカルIPアドレスを使用してサインインを確認することです。 パンデミックが発生する前の数日間、私は頻繁に旅行し、さまざまな都市や国のホテルの同じiPadから自分のプロファイルを使用してNetflixにサインインすることがよくありました。 Netflixを視聴する複数の住居を持っている人もいると思います。 公共交通機関で携帯電話を使ってNetflixを見ている人を見たことがあります。 これはすべて利用規約で許可されており、それを防ぐための措置を講じることは確かに多くの忠実な顧客を悪化させるでしょう。
- 電子メールまたはテキストメッセージを使用してアカウントを確認する現在のトライアルは、一部の人々を同様に苛立たせる可能性があります。 私の3歳の子供がペッパピッグを見ようとし、私の電話に送信されたテキストを介して彼女のアカウントを確認するように求められた瞬間に私が到達できないシナリオを簡単に想像できます。 続く悲鳴（実際には、彼女は素晴らしく理解力のある子供ですが、これについては私と一緒にいてください）は、すぐにDisney +に切り替え、おそらく決して元に戻さないことで満足します。
同じ都市内の複数の地理的な場所でのプライムタイム中の同じアカウントへの一貫したログインや、異なる国や大陸での毎日の同時使用など、実際の違反ではない可能性が高い状況があります。 これらの出来事の中でさえ、合法的な使用の孤立したケースが存在するかもしれませんが、それらは想像するのが難しく、確かに少数派です。
このトピックに関する私の調査全体を形成する以前に参照されたBBCの記事によると、Netflixには「現在世界中に2億人以上の加入者がいます」。この問題に取り組むために有意義な試みを行う場合は、分析に助けを求める必要があります。 開始するのに本当に最適な場所は、で利用可能ないくつかの教師なし学習アルゴリズムの1つである可能性があります。 JMP、階層的クラスタリングなど。
教師なし学習では、同様の視聴習慣を持つユーザーを、事前にそれらの習慣を特定することなくクラスターに分類できます。 以下の例では、15,100人のインターネットユーザーが51の使用状況メトリックを使用して5つのクラスターにグループ化されています。 図1に示されているように、すべてのクラスターに同じ数のユーザーが含まれているわけではありません。 実際、クラスター2、3、および5には、それらの間に25人のユーザーしか含まれていません。 これが私のデータセットである場合、これらのクラスターを詳しく調べて、残りの15,075人との違いを理解しようとします。
図1：15,100のインターネット使用習慣のデータセット（左）とJMPの階層的クラスタリングプラットフォームによって生成された樹状図の5つのクラスターのカウント。
その情報は、下の図2の並列コードプロットにあります。各線はクラスターを表しています。 プロットの左端を見ると、クラスター5の3人のユーザーは、平均して、他のどのクラスターのユーザーよりもtot_HO（オンラインの合計時間）が大きかったようです。 これは、このクラスターを他のクラスターと区別するメトリックの1つである可能性があります。 線がずれているプロットの部分に示されているように、他にもあります。
図2：並列コードプロット。5つのクラスターのそれぞれで使用習慣がどのように異なるかを示しています。
次のステップは、これらの違いを検討し、サービス契約に違反している可能性が最も高いユーザーで構成されているクラスターについて論理的に考えることです。 JMPの良いところは、最初は具体的なものが何も現れない場合、何か意味のあるものが現れるまでアナリストがデータを探索し続けることができるようにプラットフォームが設計されていることです。 それが起こると、彼らは警告を対象とするアカウントについての良い考えを持っているでしょう。
そこから、Netflixのようなストリーミングプラットフォームはこれらのアカウントを監視して、それらの使用習慣に違いがあるかどうかを調べることができます。 これは、一部のアカウントに複数の世帯がパスワードを共有していることを示している可能性があり、警告に注意が払われています。 明確な結果は、ローカライズされた地域でのテストとしてこれを実行し、その後の数日または数週間でサブスクリプションにスパイクがあるかどうかを確認することです。
これらすべてが、トレーニングデータセットの基盤となり、ユーザーが違反を犯している可能性を推定するためのモデルを開発する可能性があります。 50％を超える可能性は違反を示唆している可能性がありますが、会社はアプローチをより保守的にすることを選択し、たとえば70％を超えるユーザーのみを潜在的な違反者と見なす場合があります。 これは、確率しきい値を調整して混同行列を最適化することで実行できます。これらのオプションやその他のオプションは、JMP全体にあります。 このモデルの結果は、確率に応じてビニングすることもでき、これらのビンに対してさまざまなアクションを実行します。 たとえば、99％の違反の可能性を示す習慣を持つユーザーはアカウントを停止し、80％を超えるユーザーには警告を送信する場合があります。
これは、パスワード共有を停止したいストリーミングプラットフォームが、達成したいこと、優先順位がどこにあるか、絶対に避けたいことについていくつかの決定を下す必要がある場所です。 注意深く検討しないと、このプロセスを使用して、マイノリティ集団を不当かつ誤って対象とするモデルを不注意に開発する可能性があります。 または、推測が間違っていると、多数の正当なユーザーがサービスをキャンセルして競合他社に切り替える可能性があります。 これは、このプロセスのすべてのステップに人間の監視を含めることの重要性を浮き彫りにします。これには、特に、論理と常識を使用してモデルを人間に評価させることが含まれます。 自分のデバイスに任せた場合にマシンがブランドに対して何をするかを難しい方法で学んでいる組織の例はたくさんあります。
おそらく、ストリーミング会社は、プロダクトプレースメントなどのサブスクリプション料金とは別に、視聴者数を収益化する方法を持っており、視聴者を少なくするのではなく、多くする側に誤りを犯したいと考えています。 もちろん、獲得した視聴者の数とサブスクリプション料金の損失は、これらの決定を行う前に必要な情報の種類になります。 JMPは、このプロセスのすべてのステップで使用できます。 当社のソフトウェアを使用すると、ドメインの専門家は、専門家である彼らだけが理解できる洞察が現れるまで、大規模で複雑なデータセットをたどることができます。 さらに、これらの専門家は洞察を抽出し、利害関係者が簡単に消化できる方法でそれらを提示できるため、結果として生じるアクションがビジネスの戦略的ニーズと一致することが保証されます。
今後、この問題に対処するためにさまざまなストリーミングサービスがどのようなアクションをとるかを見るのは興味深いでしょう。 1つ確かなことは、他の多くの組織と同様に、分析の力を活用して、意思決定を推進する決定を通知および強化することです。
@phershハ！:face_with_tears_of_joy:
素晴らしい投稿、 @HadleyMyers 。
Netflixがデータ分析で行うことのいくつかについてかなりのことを書いていることを共有したかっただけです。 私は本当に楽しかったですこの記事彼らのデータサイエンティストの一人から。 私が本当に気に入っているのは、彼らが実験の必要性を認識しており、受動的に収集されたデータから金を見つけることを期待しているだけではないということです。 JMPの顧客はこれを知っていますが、AIの魔法に誘惑されてきた多くの組織はそれを理解していません。
…実験は、観察データに基づくほとんどのMLアプローチよりも優れていると考えることができます。 私たちは、MLモデルとアルゴリズムの研究と構築に多大な労力を費やしています。 観測されたデータのパターンを注意深く利用することは、予測を行うためにも、仮説を再確認するためにも強力ですが、因果関係を突き止めるために実験を実行することはさらに強力です。
