چطور یک سریال، جهان را در می‌نوردد؟

بسترهای پخش اینترنتی (Streaming) نظیر نتفلیکس، اسپاتی‌فای و آمازون‌پرایم بی‌شک تحولی در سبک استفاده ما از رسانه‌ها ایجاد کرده‌اند. به ویژه اینکه در حال حاضر انبوهی از فیلم‌ها، موسیقی‌ها و برنامه‌های تلویزیونی در اختیار مخاطبان قرار گرفته است. حالا در این انبوه محتوا چطور می‌توانیم انتخاب کنیم؟ سرویس‌هایی نظیر نتفلیکس، از الگوریتم‌ها برای سوق دادن کاربر به سوی محتوای خاص و فعال نگه‌داشتن وی بر روی پلتفرم  استفاده می‌کنند. همینکه کاربر وارد سرویس می‌شود و از آن استفاده می‌کند، فرایند شخصی‌سازی هم آغاز می‌شود. نتفلیکس از جمله پلتفرم‌هایی است که سعی کرده با استفاده از روش‌های ماشینی، محتوا را بر اساس ذائقه مشتریانش به آن‌ها تحویل دهد. این پلتفرم با آرشیو عظیمی که از فیلم‌ها و سریال‌ها در اختیار دارد و نیز در سایه انبوه مشترکانش، به بزرگترین شبکه تلویزیون اینترنتی دنیا تبدیل شده است. بخش بزرگی از این موفقیت نتفلیکس مدیون سیستم شخص‌سازی هوشمند آن  موسوم به « موتور توصیه‌گر نتفلیکس» است. 

موتور توصیه‌گر

هر کاربر بر صفحه نتفلیکسِ خود، بر اساس سلیقه‌اش در فیلم دیدن، پیشنهاداتی دریافت می‌کند و حتی تصاویر فیلم‌ها و سریال‌ها در صفحه هر کاربر، مخصوص همان فرد بوده و براساس سلیقه وی نمایش داده می‌شوند. یادگیری ماشین و علم داده به نتفلیکس کمک می‌کند تا بر اساس رفتار کاربر در این پلتفرم، اطلاعات را شخص‌سازی کند (شکل ۱).  بر اساس گزارشی در سال ۲۰۱۹، این الگوریتم از محل حفظ مشتریان در پلتفرم، سالانه یک میلیارد دلار برای نتفلیکس درآمد داشته است. بخش قابل‌توجهی از آنچه مخاطبان نتفلیکس مشاهده می‌کنند حاصل پیشنهادهای توصیه‌گر نتفلیکس است. بیش از هزار دسته‌بندی بر اساس انتخاب‌های کاربران وجود دارد. نتفلیکس کاربران را از نظر ذائقه در بیش از دو هزار دسته جای داده است. با وجود هزاران عنوان فیلم و برنامه تلویزیونی، برای کاربران غیرممکن است که به تنهایی بتوانند محتوای موردنظر خود را بیابند. و موتور توصیه نتفلیکس این فرایند جستجو را برای کاربران خودکار کرده است. سامانه توصیه‌گر نتفلیکس از روش‌های متنوعی نظیر یادگیری تقویتی، شبکه‌های عصبی، مدل‌های گرافیکی احتمالی و فاکتورسازی ماتریسی استفاده کرده و حاصل کار صدها مهندسی است که رفتار میلیون‌ها کاربر را با توجه به پارامترهای مختلف بررسی می‌کنند. 

شکل۱ - نتفلیکس با استفاده از کلان‌داده‌ و یادگیری ماشین و بر اساس رفتار کاربر در این پلتفرم، اطلاعات را شخص‌سازی می‌کند.

نود ثانیه طلایی

اگرچه پلتفرم‌هایی نظیر نتفلیکس مدت‌هاست که در حال ایجاد تغییر در چشم‌انداز فرهنگ عامه هستند اما سال ۲۰۲۰ و شیوع کرونا، نقطه عطفی در این زمینه بوده است. بطوریکه در دو سال اخیر تسلط الگوریتم‌ها بر صنعت سرگرمی دنیا بیش از پیش خود را نشان داد. براساس آمارهای منتشر شده، با شیوع کرونا و آغاز قرنطینه، شمار مشترکان نتفلیکس رشد قابل‌توجهی کرده است. استفاده از روش‌های ماشینی برای شناخت و دسته‌بندی سلایق کاربران موضوع جدیدی نیست و حتی نگرانی‌هایی را در زمینه نقض حریم خصوصی ایجاد کرده است. با این حال بسیاری از کاربران خواسته یا ناخواسته،  اطلاعاتی با جزییات زیاد را در مورد سلایق و عادات فیلم دیدن خود در اختیار پلتفرم‌هایی نظیر نتفلیکس قرار می‌دهند. در سال ۲۰۱۳  و در تبلیغات سریال خانه پوشالی نتفلیکس بطور آشکار بر این موضوع تأکید می‌شد که این، نخستین سریالی است که وجودش را تقریباً بطور کامل مدیون کلان‌داده است. 

نتفلیکس در سال ۲۰۱۶  جزییاتی در مورد اطلاعات جمع‌آوری شده  به منظور دستیابی به اهدافی نظیر ترغیب کاربران برای  تمدید اشتراک  و یا بالابردن ساعات استفاده آن‌ها از این پلتفرم  منتشر کرد. اقداماتی که کمک می‌کنند تا کاربران داده‌های بیشتری را برای این پلتفرم تأمین کنند. ناگفته پیداست هر چه  شمار کاربران بیشتر شود، سامانه نیز قوی‌تر خواهد شد و هوشمندانه‌تر عمل خواهد کرد. براساس نتایج پژوهشی که از سوی خود نتفلیکس منتشر شده است، این پلتفرم فقط ۹۰ ثانیه فرصت دارد که توجه کاربر را جلب کرده و او را در پلتفرم نگه دارد. به همین دلیل است که این پلتفرم، بر روی سفارشی‌سازی پیشنهادها تمرکز زیادی دارد و برای دستیابی به این  هدف،  حتی به عکس‌هایی که از هر فیلم یا سریال در صفحه اصلی کاربر نمایش داده می‌شوند هم دقت می‌شود ( شکل ۳). 

شکل۳ - برای یک عنوان خاص، چندین تصویر تهیه می‌شود و هر تصویر براساس سلیقه و علایق کاربر بر صفحه‌ نتفلیکس وی به نمایش در می‌آید. بر همین اساس ممکن است دو کاربر متفاوت، دو تصویر کاملاً متفاوت از یک فیلم را بر صفحه خود ببینند. 

توصیه‌گر نتفلیکس

از کاربری که برای نخستین بار از سرویس نتفلیکس استفاده می‌کند خواسته می‌شود عناوینی که مایل است ببیند را انتخاب کند. این نخستین گام برای سامانه توصیه‌گر نتفلیکس است تا فرایند شخصی‌سازی را آغاز کند. با ادامه یافتن استفاده کاربر از پلتفرم، سامانه بطور دقیق‌تری خواهد توانست رفتار کاربر را رصد کرده و پیشنهادهای بهتری عرضه کند (شکل ۲). هرچه کاربر وقت بیشتری را در این پلتفرم بگذراند اطلاعات بیشتری در اختیار سامانه یادگیری ماشین قرار گرفته و  دید بهتری از او بدست خواهد آورد.  تاد یِلین معاون بخش نوآوری محصول نتفلیکس در سال ۲۰۱۷ چنین گفت: «در پروفایل مشترکان بدنبال این هستیم که چه می‌بینند، بعد از این چه خواهند دید، قبل از آنچه دیده‌اند، یک سال پیش چه دیده‌اند و در چه ساعتی از شبانه‌روز؟»

شکل۲ - توصیفی ساده از آنچه در سامانه توصیه‌گر نتفلیکس رخ می‌دهد. 

مهمترین روشی که نتفلیکس برای جلب توجه کاربران بکار می‌برد استفاده از تصاویری است که به هر عنوان اختصاص می‌دهد. بطوریکه برای هر فرد با توجه به سلیقه او، تصویری از هر عنوان فیلم نمایش داده می‌شود تا او ترغیب شود بر روی عنوان کلیک کند. به همین دلیل است که دو کاربر مختلف، ممکن است برای یک عنوان، تصاویر متفاوتی در صفحه نتفلیکس خود ببینند. نتفلیکس برای ارائه پیشنهادها، عناوین فیلم‌ها و سریال‌ها را در گروه‌هایی قرار داده و هر گروه مرتبط را در یک ردیف می‌چیند (شکل ۴). هر ردیف هم عنوانی دارد که نشاندهنده محتوای آن گروه است. زیرا به عقیده متخصصان نتفلیکس، با قرار دادن محتواهای مشابه در یک ردیف  و تخصیص نام به هر ردیف، کاربر سریع‌تر می‌تواند تصمیم بگیرد که محتوایی از آن ردیف انتخاب کند یا سراغ ردیف بعدی برود. هر دستگاهی محدویت‌هایی برای نمایش ردیف‌ها دارد و به همین دلیل است که نتفلیکس باید بطور دقیق بداند کاربر از چه دستگاهی استفاده می‌کند تا ردیف‌ها را به بهترین شکل نمایش دهد (شکل ۵).

شکل۴ - کارشناسان نتفلیکس معتقدند چیدن فیلم‌ها در گروه‌های ردیفی، به کاربر کمک می‌کند سریع‌تر دست به انتخاب بزند.

شکل۵ - نتفلیکس برای نمایش مناسب ردیف‌ها، به دستگاهی که کاربر از آن استفاده می‌کند توجه دارد.

بازی مرکب در دوران فزونی

نیاز به موتورهای توصیه‌گر و شخصی‌سازی، حاصل دورانی است که با عنوان دوران فزونی (era of abundance) از آن یاد می‌شود. ما در عصری زندگی می‌کنیم که انتخاب‌های بسیار متنوعی داریم. بعنوان مثال برخلاف گذشته که عناوین سینمایی اندکی در دسترس ما بودند حالا و با وجود اینترنت به آرشیو عظیمی از فیلم‌ها و سریال‌ها دسترسی داریم. 

با توجه به موفقیت بازی مرکب، به نظر می‌رسد یکی از راه‌های دستیابی به موفقیت یک فیلم یا سریال، ترویج الگوریتمی (algorithmic promotion) است. اینکه با استفاده از الگوریتم محتوایی که مورد توجه قرار گرفته است را بیش از پیش بزرگ کرده و ترویج کنیم. موفقیت بازی مرکب نمونه‌ای است از اینکه الگوریتم‌ها چطور می‌توانند محبوبیت یک عنوان را تقویت کنند. نظیر شبکه‌های اجتماعی که وقتی یک روند (ترند) شروع به جلب توجه می‌کند، الگوریتم‌ها کمک می‌کنند که توجه بیشتری به سوی آن جلب شود. دسته‌بندی‌های نتفلیکس هم همین کار را می‌کنند و به ما می‌گویند که کدام برنامه محبوب شده است و همین سبب می‌شود بر شمار بازدیدکنندگان آن برنامه افزوده شود. 

تسلط الگوریتم بر فرهنگ

ما بعنوان مصرف‌کننده روزانه محتوای رسانه‌ای، هنوز درک کاملی از عملکرد و قابلیت‌های این الگوریتم‌های توصیه‌گر نداریم و باید برخی از عواقب وجود چنین الگوریتم‌هایی را بشناسیم. این شخصی‌سازی‌ها و گروه‌بندی‌های فرهنگی که الگوریتم‌ها به دنیای ما آورده‌اند ممکن است ما را در دسته‌بندی‌هایی گرفتار کند و ما را در موقعیتی قرار دهد که محدودکننده و حتی مضر است . چیزی شبیه همان موقعیتی که در زمینه انتشار اخبار نادرست در شبکه‌های اجتماعی با آن مواجه هستیم. بعنوان مثال ممکن است شما بر اساس پیشنهادهایی که اینستاگرام می‌دهد، در حلقه‌ای گرفتار شوید و فقط محتواهای خاصی را ببینید و باقی پست‌هایی که شاید طبق سلیقه شما نبوده اما مفید باشند هرگز به دستتان نرسند. گروه‌بندی‌های حاصل پیشنهادهای الگوریتمی، حتی بر ارتباطات اجتماعی ما هم تأثیر عمیقی خواهند گذاشت. زیرا فرهنگ ما به مرور براساس محتوایی که به ما پیشنهاد می‌شود و مصرف می‌کنیم شکل خواهد گرفت.  در نتیجه گروه‌بندی‌هایی که بطور مثال در نتفلیکس می‌بینیم در نهایت حتی بر دوستیابی ما هم اثر می‌گذارند. 

باید به این نکته توجه داشته باشیم که استفاده پلتفرم‌هایی نظیر نتفلکیس از یادگیری ماشین و داده‌‌های کاربران، فقط به توصیه‌گری برای انتخاب فیلم و سریال محدود نمی‌شود. بلکه از این روش‌ها  در  تصمیم‌گیری برای ساخت و نمایش و حتی خرید بسیاری از سریال‌های موفق نتفلیکس استفاده شده است. بطوریکه  ممکن است بر این موضوع که فصل بعدی یک سریال چطور باشد یا سریال و فیلم در چه مکانی فیلمبرداری شود تأثیر گذارد. در نتیجه پرسش‌هایی مطرح می‌شود مبنی بر اینکه آیا در مورد پلتفرمی نظیر نتفلیکس، ممکن است کار فراتر از توصیه‌گری پیش رفته و حتی داده‌های جمع‌آوری شده از رفتارهای کاربران، بر پایان‌بندی فیلم‌ها و سریال‌ها و یا داستان دنباله‌های فیلم‌ها و سریال‌ها اثر گذارد؟ و آیا این سبب خواهد شد که مخاطبان سریال‌ها در چرخه‌ای گرفتار شوند و فقط یک سری محتوای شبیه به هم را ببینند؟ و سلایقشان تغییر کند؟

 پرسش مهم این است که چه کسی تصمیم می‌گیرد برچسب‌ها چه باشند، چه چیزی انتخاب شوند و چه زمانی محتوا را کنار گذاریم؟ ما یا ماشین؟