最近、BBCワールドニュースで次のような記事を見つけました。 「Netflix、パスワード共有の取り締まりを検討」それが私の興味を呼び起こし、考えさせられました。 どうやら、一部のNetflixサブスクリプションが利用規約に違反して複数の世帯で共有されているようです。
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 プラットフォームは、この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を可能にしています。これは、過去数年間ストリーミング サービスを使用したことのある人なら誰でも確認できます。 ユーザーがしてはいけないことは、同じ住所に住んでいない友人や隣人に自分のサブスクリプションを使用させることです。
私は顧客であると同時に、Netflix の大ファンで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、1 つは妻が使用し、もう 1 つは 3 人の子供の間で共有します。 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、そして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るかには、いつも驚かされます。
分析に関する限り、Netflix は非常に成熟した企業であり、利用規約違反の特定と同様に、私に番組を勧める際に使用されているのと同じテクニックを多く採用していることに疑いの余地はありません。 しかし、この 300 ワードの BBC の記事と、このプラットフォームを使用した私自身の経験以外に、その内部の仕組みについての洞察がまったくないので、それらのテクニックがどのようなものであるかを想像することしかできません。 私が思いついたのは次のとおりです。
- 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。 パンデミックの前の数日間、私は頻繁に旅行に行っており、さまざまな都市や国のホテルから同じ iPad 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。 複数の住居を持ち、そこから Netflix を視聴し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。 これはすべてサービス利用規約で許可されており、これを防止する措置を講じることは、多くの忠実な顧客を確実に怒らせることになります。
- 現在の試験では、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認証しますが、同様に煩わしい人もいるかもしれません。 私の 3 歳の子供がペッパピッグを見ようとした瞬間に、私に連絡が取れなくなり、私の携帯電話に送信されたテキストでアカウントの確認を求められるというシナリオは簡単に想像できます。 その後起こるであろう叫び声（実際にはそうではありません、彼女は素晴らしい理解のある子供ですが、これについては私と一緒にいてください）は、すぐにDisney+に切り替えることで、おそらく元には戻らないことで鎮まるでしょう。
同じ都市内の複数の地理的場所でゴールデンタイムに同じアカウントに一貫してログインしたり、異なる国や大陸で毎日同時に使用したりするなど、実際の違反である可能性が高い状況があります。 これらの事例の中でも、合法的に使用された孤立したケースが存在する可能性がありますが、それは想像するのが難しく、間違いなく少数派です。
このテーマに関する私の調査全体を構成する、先に参照した BBC の記事によると、Netflix は「現在、世界中で 2 億人以上の加入者を抱えている」そうです。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。 開始するのに最適な場所は、以下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 つかもしれません。 JMP、階層的クラスタリングなど。
教師なし学習により、同様の視聴習慣を持つユーザーを、事前にそ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 からわかるように、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れば、これらのクラスターを詳しく調べて、残りの 15,075 人とどのように異なるかを理解しようとするでしょう。
図 1: 15,100 のインターネット使用習慣のデータ セットの 5 つのクラスターのカウント (左) と、JMP の階層クラスタリング プラットフォームによって生成された樹状図。
その情報は、以下の図 2 の平行コード プロットで確認できます。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、平均して他のクラスターのユーザーよりも tot_HO (合計オンライン時間) 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指標の 1 つである可能性があります。 プロットの線が逸脱している部分に示されているように、他にもあります。
図 2: 5 つのクラスターごとに使用習慣がどのように異なるかを示す平行コード プロット。
次のステップは、これらの違いを考慮し、どのクラスターが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かを論理的に考えることです。 JMP の良い点は、最初は具体的なことが何も出てこなくても、意味のある何か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、警告の対象となるアカウントについての良いアイデアが得られます。
そこから、Netflix のようなストリーミング プラットフォームがこれらのアカウントを監視して、使用習慣に違いがあるかどうかを確認できます。 そうすることで、一部のアカウントが複数の世帯でパスワードを共有しており、警告が無視されたことを示す可能性があります。 明らかな結果は、これをローカライズされた地域でテストとして実行し、その後の数日または数週間でサブスクリプションが急増するかどうかを確認することです。
これらすべては、ユーザーが違反を犯す可能性を推定するためのトレーニング データ セットとモデルの開発の基礎となる可能性があります。 可能性が 50% を超える場合は違反を示唆する可能性がありますが、企業はより保守的なアプローチを選択し、たとえば 70% を超える可能性を超えるユーザーのみを潜在的な違反者として考慮する可能性があります。 これは、確率の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および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、確率に従ってビンに分けられ、これらのビンに対してさまざまなアクションが実行されることもあります。 たとえば、違反の可能性が 99% であることを示す習慣を持つユーザーはアカウントを停止される可能性があり、80% を超えるユーザーには警告が送信される場合があります。
ここで、パスワード共有を停止したいストリーミング プラットフォームは、何を達成したいのか、優先順位はどこにあるのか、絶対に避けたいものは何かについていくつかの決定を下す必要があります。 慎重に検討しないと、このプロセスを使用して、少数派の人々を不当かつ不当にターゲットにするモデルを誤って開発する可能性があります。 あるいは、誤った推測により、多数の正規ユーザーがサービスをキャンセルし、競合他社に乗り換える可能性があります。 これは、特に人間が論理と常識を使用してモデルを評価することを含め、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強調しています。 機械を放っておくと自社のブランドにどのような影響を与えるかを組織が苦労して学習している例は数多くあります。
おそらく、ストリーミング会社は、商品の紹介など、購読料とは別に視聴者を収益化する方法を持っており、視聴者を減らすよりもむしろ視聴者を増やすほうが正しいと考えているのかもしれません。 もちろん、そのような決定を下す前に、視聴者数が増え、購読料が減ったのかが必要な情報となります。 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くまなく調べることができます。 さらに、専門家が洞察を抽出し、利害関係者が理解しやすい方法で提示できるため、結果として得られるアクションがビジネスの戦略的ニーズに確実に一致するようになります。
今後、さまざまなストリーミングサービスがこの問題に対処するためにどのような措置を講じ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、彼らも分析の力を活用して情報を提供し、意思決定を推進することになるということです。
@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とても気に入りました。
素晴らしい投稿、 @HadleyMyers 。
Netflix がデータ分析で行っていることについてかなり詳しく書いていることを共有したいと思います。 私は本当に楽しかったですこの記事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たのは、受動的に収集されたデータから金を見つけることだけを期待するのではなく、実験する必要性を彼らが認識していることです。 JMP の顧客はこのことを知っていますが、AI の魔法に魅了され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られるかもしれません。 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。 観察されたデータのパターンを注意深く利用することは、予測を立てたり、仮説を再確認したりするのに強力ですが、因果関係を解明するために実験を実行することはさらに強力です。
@HadleyMyers , 素晴らしい記事です。これは、Netflix パスワードの使用を停止する必要があるという意味ですか?
