最近，我在 BBC World News 上看到一篇文章，标题为“Netflix 考虑打击密码共享”这激发了我的兴趣并引发了我的思考。 显然，一些 Netflix 订阅被多个家庭共享，这违反了服务条款。
这个问题并非 Netflix 所独有。正如文章所述，大多数流媒体平台都允许通过“允许用户创建多个配置文件”从多个设备同时观看，任何在过去几年使用过流媒体服务的人都可以证实这一点。 用户不应该做的是让不住在同一地址的朋友或邻居使用他们的订阅。
我不得不说，我是 Netflix 的忠实粉丝，也是它的客户。 我的帐户有三份个人资料：一份由我使用，一份由我妻子使用，一份由我们的三个孩子共享。 我的个人资料中推荐的节目与我的个人品味如此吻合，以及它们与其他个人资料中更突出显示的节目有何不同，这一直让我感到惊讶。
就分析而言，Netflix 是一家极其成熟的公司，我毫不怀疑它在向我推荐节目时采用了许多与识别服务违规条款相同的技术。 然而，除了这篇 300 字的 BBC 文章和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了解，我只能想象这些技术可能是什么。 这是我想出的：
- 一种显然行不通的选项是使用链接到帐户物理地址的本地 IP 地址确认登录。 在大流行之前的日子里，我经常出差，经常会在不同城市甚至国家的酒店使用同一台 iPad 上的个人资料登录 Netflix。 我确信还有其他人拥有多个住处，可以在其中观看 Netflix。 我见过有人在公共交通工具上用手机观看 Netflix。 这都是服务条款允许的，采取措施阻止这种情况肯定会激怒许多忠实客户。
- 目前的试用使用电子邮件或短信来验证帐户，可能同样会惹恼一些人。 我可以很容易地想象这样的场景：当我 3 岁的孩子试图观看《小猪佩奇》时，我无法联系到，并被要求通过发送到我手机的短信来验证她的帐户。 随之而来的尖叫声（不是真的，她是一个伟大而善解人意的孩子，但请和我一起讨论这一点）可以通过立即切换到迪士尼+来平息，也许永远不会切换回来。
有些情况很可能是实际违规，例如在同一城市内的多个重复地理位置的黄金时段一致登录同一帐户，或者在不同国家或大洲每天同时使用。 即使在这些事件中，也可能存在合法使用的孤立案例，但很难想象，而且肯定是少数。
根据之前引用的 BBC 文章（该文章构成了我对该主题的全部研究），Netflix“现在在全球拥有超过 2 亿订阅者”。如果它要做出任何有意义的尝试来解决这个问题，就必须向分析寻求帮助。 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：杰普,比如层次聚类。
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 15,100 个互联网用户分为五个集群。 从图 1 中可以看出，并非所有集群都包含相同数量的用户。 事实上，集群 2、3 和 5 之间仅包含 25 个用户。 如果这是我的数据集，我会仔细观察这些集群，尝试了解它们与其余 15,075 人有何不同。
图 1：15,100 个互联网使用习惯数据集（左）的五个聚类计数以及 JMP 分层聚类平台生成的树状图。
该信息可以在下面图 2 的平行线图中找到，其中每条线代表一个簇。 从图的最左边看，集群 5 中的三个用户的平均 tot_HO（在线总小时数）似乎比任何其他集群中的用户平均而言更大。 这可能是区分该集群与其他集群的指标之一。 还有其他一些，如图中线条偏离的部分所示。
图 2：平行线图，显示五个集群中每个集群的使用习惯有何不同。
下一步将考虑这些差异，并逻辑地思考哪些集群由最有可能违反服务协议的用户组成。 JMP 的好处在于，如果最初没有出现任何具体的结果，这些平台的设计目的是让分析师继续探索数据，直到出现一些有意义的东西。 一旦发生这种情况，他们就会清楚地了解哪些帐户可以针对警告。
从那里，像 Netflix 这样的流媒体平台可以监控这些帐户，以了解他们的使用习惯是否存在差异。 这样做可能表明某些帐户有多个家庭共享密码，并且警告已引起注意。 一个明确的结果是在局部区域进行测试，看看接下来的几天或几周内订阅量是否会出现激增。
所有这些都可以成为训练数据集和开发模型来估计用户违规可能性的基础。 超过 50% 的可能性可能表明存在违规行为，但公司可能会选择更加保守的方法，仅将高于（例如 70%）可能性的用户视为潜在违规者。 这可以通过调整概率阈值来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箱，并对这些分箱采取不同的操作。 例如，有99%违规可能性的用户可能会被暂停其帐户，而超过80%的用户可能会收到警告。
这是一个想要阻止密码共享的流媒体平台需要做出一些决定，决定它希望实现什么、它的优先事项在哪里以及它绝对希望避免什么。 如果不经过仔细考虑，它可能会利用这一过程无意中开发出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大量合法用户取消服务并转向竞争对手。 这凸显了在此过程的每一步中纳入人类监督的重要性，包括特别是让人类使用逻辑和常识来评估模型。 有很多例子表明，组织通过艰难的方式了解到，如果让机器自行处理，会对他们的品牌产生什么影响。
也许流媒体公司除了订阅费之外还有其他方式通过收视率货币化，例如植入式广告，并且宁愿选择更多观众而不是更少观众。 当然，在做出这些决定之前，需要了解获得多少观众以及损失多少订阅费。 JMP 可用于此过程的每个步骤。 我们的软件使领域专家能够深入研究大型复杂的数据集，直到出现只有他们作为专家才能理解的见解。 它还允许这些专家提炼见解并以利益相关者易于理解的方式呈现它们，从而确保任何由此产生的行动符合业务的战略需求。
看看各种流媒体服务将采取哪些行动来解决这个问题将会很有趣。 有一点是肯定的：与许多其他组织一样，他们将利用分析的力量来告知和增强推动他们的决策。
@菲尔_凯感谢您分享这篇文章。我真的很喜欢将实验描述为迭代学习过程，以及建立因果关系的重要性。
很棒的帖子， @哈德利迈尔斯。
我只是想分享一下，Netflix 写了很多关于他们在数据分析方面所做的事情。 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进行实验的必要性，而不仅仅是期望在被动收集的数据中找到黄金。 JMP 客户知道这一点，但许多被人工智能魔力所吸引的组织就是不明白。
…实验可能被认为优于大多数基于观察数据的机器学习方法。 我们确实花费了大量的精力来研究和构建机器学习模型和算法。 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用，但通过实验来找出因果关系则更有效。
@哈德利迈尔斯，很棒的文章。这是否意味着我应该停止使用您的 Netflix 密码？
