De beste aanbeveling had je nooit zelf gekozen

Ik dacht dat mijn kijkgedrag redelijk voorspelbaar was. Thrillers, detectives, sciencefiction. Niet ingewikkeld, zou je zeggen. Maar toen ik mijn Netflix-geschiedenis eens beter bekeek, kwam er een ander beeld naar voren.

Blog door Frank Mekkelholt, Manager Tech & Innovatie bij Bindinc.

Mijn kijkpatroon

Mijn voorkeur gaat niet over genres. Er zit een veel specifiekere rode draad in wat ik kijk: iemand verliest de controle over zijn wereld, lichaam of identiteit, ontdekt dat de regels niet kloppen en moet bepalen wie of wat nog te vertrouwen is.

Dat ik zo naar mijn eigen kijkgedrag ben gaan kijken, komt niet uit de lucht vallen. Bij Bindinc houden we ons elke dag bezig met de vraag hoe content en kijkers elkaar beter kunnen vinden. Meestal kijken we daarvoor naar grote hoeveelheden data. Dit keer paste ik diezelfde manier van kijken eens toe op mezelf.

Het patroon van mijn kijkgedrag zie ik terug in titels die op papier weinig gemeen hebben. In Ozark raakt een gezin verstrikt in de regels van een crimineel systeem. In Orphan Black draait alles om de zeggenschap over je eigen identiteit en lichaam. In The Walking Dead zijn de gewone maatschappelijke regels verdwenen en wordt vertrouwen letterlijk een kwestie van leven of dood. In Missing zit de digitale werkelijkheid vol verborgen identiteiten. En in Upgrade geeft iemand de controle over zijn lichaam gedeeltelijk uit handen aan kunstmatige intelligentie. Op genre, cast of synopsis lijken die titels amper op elkaar. Voor mij als kijker blijkbaar wel.

Beperking van aanbevelingen

Dat brengt me bij aanbevelingen. Streamingdiensten kunnen grofweg drie dingen doen: populaire titels tonen, kijken naar wat mensen met vergelijkbaar kijkgedrag kiezen, of content aanraden die op bekende kenmerken lijkt. Daar is niets mis mee. Collaborative filtering vindt soms verrassende verbanden: als genoeg mensen zowel Ozark als Orphan Black kijken, leert een algoritme dat er blijkbaar een relatie bestaat. Het hoeft niet eens te snappen welke.

En daar zit precies de beperking. Een algoritme ontdekt dát titels bij dezelfde kijker passen, zonder te begrijpen waarom.

Op papier hetzelfde

Bij content-based aanbevelingen wordt dat nog zichtbaarder. Die leunen op de informatie die over een titel bekend is: genre, cast, regisseur, jaar, land, een korte synopsis. Nuttig, maar het vertelt vooral waar een film over gaat. Niet wat een verhaal met een kijker doet.

Neem Atlas en Upgrade. Op papier bijna hetzelfde: sciencefiction-actiefilms waarin iemand een verbinding aangaat met AI en een deel van de controle over het eigen lichaam afstaat. Toch vertellen ze onder de oppervlakte een tegengesteld verhaal. In Atlas maken vertrouwen en samenwerking de mens sterker. In Upgrade wordt datzelfde loslaten van controle juist een bedreiging voor de menselijke autonomie. Traditionele metadata ziet de overeenkomst. Rijkere data ziet ook het verschil.

Een rijkere vingerafdruk

Dat is precies wat het werk bij Bindinc. voor mij interessant maakt. We proberen video niet alleen te beschrijven, maar ook echt te begrijpen. Daarvoor gebruiken we technologie én menselijke interpretatie. Zo brengen we thema’s, waarden, gedrag, relaties en emotionele ontwikkeling in kaart. Niet om zoveel mogelijk kenmerken aan een video toe te voegen, maar juist om verbanden te zien die met genre, cast of een synopsis verborgen blijven. Daarmee creëer je een rijkere vingerafdruk van een film of serie die meer vertelt over wat er onder de oppervlakte speelt.

En dan ontstaat de waarde. Want wat als je daardoor een film of serie ontdekt die je nooit zelf zou hebben gekozen? Een onbekende titel uit een land waarvan je normaal weinig kijkt, zonder bekende acteurs en met een afbeelding die niet meteen aanspreekt. Maar wel met precies de thema’s en spanningen waar je blijkbaar gevoelig voor bent.

Dat noem ik relevante verrassing: content die je vooraf niet zou kiezen, maar waarvan je achteraf blij bent dat je haar hebt gezien.

Verborgen meesterwerk

Daarmee wint iedereen. De kijker komt meer buiten zijn vertrouwde genres, de streamingdienst ziet dat een groter deel van de catalogus daadwerkelijk wordt bekeken en films en series bereiken een publiek dat ze anders nooit had gevonden.

Netflix laat in eigen onderzoek zien dat aanbevelingen inderdaad voor meer spreiding kunnen zorgen. De grootste winst zit niet bij de allergrootste hits of de kleinste niches, maar bij de titels daartussenin. Content waarvoor een publiek bestaat, maar die zonder een goede aanbeveling makkelijk onontdekt blijft.

Dat betekent niet dat elke weinig bekeken titel een verborgen meesterwerk is. Sommige content wordt minder bekeken omdat er simpelweg weinig belangstelling voor is. En meer metadata toevoegen lost dat niet ineens op. Je moet weten welke kenmerken er echt toe doen en iets zeggen over kijkgedrag en waardering.

Content en kijker verbinden

We kunnen inmiddels dus steeds beter herkennen wat er werkelijk in een film of serie zit. Daarmee voorspellen we niet alleen wat iemand waarschijnlijk aanklikt, maar helpen we diegene ook om te ontdekken wat buiten de gebruikelijke keuze valt.

De strijd om de kijker wordt daarom niet gewonnen door steeds meer content te maken. Nieuwe content blijft nodig, maar meer aanbod betekent nog geen betere kijkervaring. Een grotere catalogus kan net zo goed leiden tot meer keuzestress en meer titels die nooit gevonden worden.

Voor mij zit daar de echte waarde: verhalen de kans geven hun publiek te bereiken en zorgen dat content en kijkers elkaar echt vinden. Misschien staat de volgende serie waar ik van ga houden al jaren in de catalogus. Alleen hebben het aanbevelingssysteem en ik nog niet de taal gevonden om elkaar dat duidelijk te maken.

Frank Mekkelholt
Manager Tech & Innovatie

Meer weten

Ben je benieuwd wat Bindinc. voor je kan betekenen? Neem contact op met Frank Mekkelholt via frank.mekkelholt@bindinc.nl.

Meld je hier aan voor onze nieuwsbrief om op de hoogte te blijven.