Quand un utilisateur parcourt Netflix, les films et séries s’afficheront en fonction de sa navigation. C’est ce qui fait de Netflix un phénomène à part entière dans le domaine du ciblage digital.

L’algorithme de suggestion utilisé par Netflix prend en compte différents éléments (la navigation dans le site, le temps de visionnage, l’heure de visionnage…). Tous ces éléments sont corrélés entre elles et font que l’expérience d’un utilisateur diffère de celles des autres.

L’avantage concurrentiel principal de ce type de business, est la collecte de données et Meta données de la part des utilisateurs. Netflix a développé un business model qui met ses utilisateurs au centre de ses décisions Marketing. Il a contribué fortement aux changements de la façon dont les personnes visionnent la télé.

Netflix a également développé ce qu’on appelle le « Bing Watching ». Il s’agit du phénomène qui pousse les utilisateurs à passer des heures en continu des épisodes d’une série.

Stratégie du Netflix Data management :

Sourcing, extraction et analyse des données

Netflix a donc mis en place une série d’opérations grâce au Big Data tel que le contrôle de la qualité et l’optimisation de la taille de son catalogue.  L’entreprise est consciente qu’elle ne peut pas obtenir l’ensemble des films et séries populaires due aux difficultés des acquisitions de droit.  Grâce aux données des comportements de leurs visiteurs ils peuvent optimiser la qualité de leur contenu, faire en sorte qu’il soit intéressant et arrêter la diffusion du contenu moins attrayant.  

Ces éléments permettent effectivement de garder des abonnés sans pour autant dépendre de la publicité  comme source de bénéfices mais il faut tout de même garder en esprit que ce n’est pas très efficace pour gagner de nouveaux consommateurs.

La stratégie de gestion des données qui est considérée comme le moteur de l’outil de recommandation Netflix suit trois étapes phares :

• DataSource
• Extraction des données
• Analyse de donnée

Datasource :

La sélection des sources de données jouent un rôle primordial dans la construction d’un outil de recommandation ciblé pertinent. La moyenne qu’un  utilisateur passe à choisir ce qu’il veut visionner est de 60 à 90 secondes. Dépassé ce délai les chances pour que l’utilisateur en question sélectionne un titre est réduit. C’est pour cela  que Netflix dispose d’un temps très limité afin de comprendre les habitudes de l’utilisateur et de lui suggérer du contenu.

Pour ce faire, il existe plusieurs critères pour comprendre l’utilisateur. Cela inclut bien entendu la catégorie du contenu visionné (Romance, comédie, horreur…) il existe plusieurs catégories spécifiques à Netflix. Ce dernier prend également en compte le flux de lecture (si le l’utilisateur mets en pause, rembobine ou abandonne la lecture) et le type d’appareil utilisé pour visionner le contenu. 

Sans oublier la localisation géographique, le jour, le moment de visionnage (jour ou nuit), dans quel page le contenu a été trouvé…etc

Les données que les utilisateurs fournissent en donnant leurs avis, en remplissant le formulaire d’inscription  tout en spécifiant leurs préférences ainsi que les inscriptions faites à partir des réseaux sociaux permettent de d’obtenir un tissue d’information comparable aux informations générées de l’analyse du comportement des utilisateurs.

Le secteur de l’audiovisuelle repose de plus en plus sur ce type de collecte et d’analyse de données pour en ressortir des études presque ethnographiques dont Netflix est en partie pionnier. Après l’étape de sourcing vient celle du stockage des données.

L’extraction et stockage des données :

La technique de gestion des données est connue sous le nom d’ETL (Extract, Transform and Load). Elle implique le traitement la Mass Data qui dispose de critères très techniques tel que la véracité (fiabilité de la donnée). Ce traitement de données permet d’utiliser cette dernière avec toute confiance par ce qu’elle ne contient pas d’erreurs. Le chargement des données est cadré par l’architecture et définit  modèle d’intégration et l’emplacement de stockage des données.

En ce qui concerne le stockage il existe deux options :

• Warehouse : il s’agit d’un énorme dépôt de données
• Cloud : Il s’agit d’un espace de stockage à distance

Netflix stocke ses données dans le AWS (Amazon Web Service) qui une infrastructure qui permet une gestion de données à grand volume. (Etude de cas Netflix AWS, 2016).

Une fois avoir extraits les données et les avoir stockés, il ne reste plus qu’à effectuer une analyse des données afin d’en ressortir des recommandations ciblées pour les abonnées de la plateforme.

L’analyse des données :

• 

L’analyse des données permet d’obtenir des statistiques ainsi que des indicateurs de performances prédéterminés.  L’analyse de ces informations conduit  à des stratégies ou des réponses à des problématiques de retour sur investissement.

Un algorithme complexe qui repose sur la veille continuelle des comportements et préférences des abonnées qui détermine Le catalogue Netflix. Une équipe spécifique attribue des tags à chaque contenu.  Des sous catégories de films et séries sont créés lorsque on trouve des similitudes entre eux. L’algorithme prend également en considération les tendances grâce à Trending now.

Trending now est l’algorithme qui a pour but de catégoriser les tendances. Ces les critères de l’environnement social et digital du consommateur qui génèrent ces tendances. Il pourrait s’agir de la période de Thanksgiving, Noel, Saint-Patrick’s Day …