Ở bài viết trước, chúng ta đã tìm hiểu cách Machine Learning học từ dữ liệu hành vi của người dùng thông qua quá trình Data → Feature → Training → Prediction.
Hôm nay, hãy cùng xem quy trình đó được áp dụng trong thực tế như thế nào thông qua một trong những hệ thống gợi ý nổi tiếng nhất thế giới: Netflix.
Netflix có biết bạn thích bộ phim nào không?
Câu trả lời là:
Không.
Ít nhất là ở lần đầu tiên bạn sử dụng.
Netflix không thể biết sở thích của một người dùng mới.
Điều họ có là một mô hình Machine Learning liên tục quan sát hành vi của bạn.
Ngay từ những phút đầu tiên, hệ thống đã bắt đầu thu thập rất nhiều tín hiệu như:
- Bạn tìm kiếm phim gì?
- Bạn chọn thể loại nào?
- Bạn xem đến hết hay tắt giữa chừng?
- Bạn mất bao lâu để quyết định nhấn Play?
- Bạn xem liên tục nhiều tập hay chỉ xem một phần?
Đối với người dùng, đó chỉ là những thao tác bình thường.
Đối với Machine Learning, đó là dữ liệu để hiểu sở thích của bạn.
Recommendation System là gì?
Netflix sử dụng một nhóm thuật toán gọi là Recommendation System.
Mục tiêu của hệ thống này rất đơn giản:
Dự đoán bộ phim tiếp theo mà bạn có nhiều khả năng xem nhất.
Điều thú vị là Netflix không cố gắng tìm bộ phim hay nhất.
Họ cố gắng tìm bộ phim phù hợp nhất với từng người dùng.
Đó là lý do hai người mở Netflix cùng lúc gần như không bao giờ nhìn thấy cùng một trang chủ.
Collaborative Filtering – “Những người giống bạn”
Một trong những kỹ thuật nổi tiếng nhất trong Recommendation System là Collaborative Filtering.
Nguyên lý của nó khá trực quan.
Giả sử:
- Bạn và An đều thích Stranger Things.
- Hai người đều xem Dark.
- Hai người đều xem Wednesday.
Nhưng An đã xem thêm Black Mirror còn bạn thì chưa.
Machine Learning sẽ đặt giả thuyết:
Nếu hai người có sở thích tương tự ở nhiều bộ phim, khả năng cao bạn cũng sẽ thích Black Mirror.
Netflix không cần hiểu nội dung phim trước.
Họ chỉ cần nhận ra rằng bạn có hành vi giống với hàng triệu người dùng khác.
Netflix không chỉ nhìn vào lịch sử xem
Nhiều người nghĩ Netflix chỉ lưu lịch sử xem phim.
Thực tế, hệ thống Machine Learning còn phân tích rất nhiều tín hiệu khác, chẳng hạn:
- Thời lượng xem mỗi bộ phim.
- Tỷ lệ xem hết phim.
- Khoảng thời gian bạn thường xem.
- Thiết bị bạn sử dụng.
- Tần suất xem từng thể loại.
- Những nội dung bạn bỏ qua.
Mỗi tín hiệu đều góp phần xây dựng “hồ sơ sở thích” của người dùng.
Theo thời gian, hồ sơ này ngày càng chính xác.
Vì sao gợi ý ngày càng đúng?
Machine Learning không học một lần rồi dừng lại.
Sau mỗi lần bạn sử dụng Netflix, hệ thống sẽ nhận thêm dữ liệu mới.
Nếu bạn:
- xem hết một bộ phim,
- xem lại nhiều lần,
- bỏ qua một bộ phim khác,
mô hình sẽ cập nhật lại dự đoán của mình.
Đó là một vòng lặp liên tục:
Hành vi → Dữ liệu → Huấn luyện → Dự đoán → Hành vi mới
Chính vòng lặp này giúp Recommendation System ngày càng hiểu người dùng hơn.
Điều thú vị hơn nữa…
Không chỉ danh sách phim được cá nhân hóa.
Netflix còn cá nhân hóa:
- thứ tự hiển thị phim,
- các hàng nội dung trên trang chủ,
- trailer tự động phát,
- và thậm chí là ảnh bìa (thumbnail) của cùng một bộ phim.
Hai người cùng xem một bộ phim nhưng có thể nhìn thấy hai ảnh bìa hoàn toàn khác nhau.
Lý do là Machine Learning dự đoán hình ảnh nào khiến mỗi người có nhiều khả năng nhấn xem hơn.
Đây cũng sẽ là chủ đề của bài viết tiếp theo.
Kết luận
Netflix không đơn thuần là một nền tảng xem phim.
Đó là một hệ thống Machine Learning khổng lồ hoạt động phía sau để liên tục học từ hành vi của hàng trăm triệu người dùng trên toàn thế giới.
Recommendation System giúp Netflix trả lời một câu hỏi quan trọng:
“Đâu là bộ phim mà người dùng này có nhiều khả năng nhấn xem nhất ngay lúc này?”
Đó cũng chính là sức mạnh của Machine Learning trong việc tạo ra những trải nghiệm cá nhân hóa mà chúng ta sử dụng mỗi ngày.
Netflix Tech Blog: https://netflixtechblog.com/
Tác giả: Bùi Đình Tuyển – Data Analyst tại MCNA Technology School
📞 Hotline: 0939.866.825 (Mr. Minh Khang)
🌐 Website: mcna.vn
📍 Hà Nội: 30 Trung Liệt, Đống Đa | Liền kề 44B TT2 Văn Quán, Hà Đông
📍 TP.HCM: 50B Phan Tây Hồ, Cầu Kiệu
