Experience On / Dados

Data Analytics: você sabia que está no elenco dos maiores sucessos da Netflix?

por Elcio Santos - 06/07/2021

Data Analytics: você sabia que está no elenco dos maiores sucessos da Netflix? Para onde a ciência de dados levou a Netflix.

Pode parecer surpreendente para muita gente, mas o ator principal nos filmes que assistimos pelo popular serviço de streaming não é Tom Cruise, nem Brad Pitt, chama-se data analytics.

Ou Análise de Dados, se você clicar nas legendas em português.

Sim, a Netflix é a maior rede de TV pela Internet do mundo.

Mas o que a maioria das pessoas não percebe é que, em sua essência, a Netflix é uma empresa de ciência de dados com foco em seus clientes.

Ou seja, são eles as verdadeiras estrelas dos seus filmes, e não os grandes nomes de Hollywood.

A Netflix tem uma história interessante.

Ela nasceu em 1997 e na época podia ser descrita como uma empresa de que criara um site para alugar DVDs que eram movimentados através do correio.

Isso era bastante inovador, pois os seus concorrentes – a Blockbuster, lembra?, era o principal deles – obrigavam os clientes a pegarem e a devolverem os DVDs nas lojas.

Com a Netflix, o cliente não apenas recebia o DVD em casa como a devolução podia ser feita simplesmente depositando-o na caixa de correio mais próxima.

A conveniência não ficava por aí.

O cliente fazia uma assinatura que lhe dava direito a receber um número x de DVDs e ficar com eles o tempo que quisesse.

O modelo, portanto, eliminou as irritantes multas por atraso na devolução.

E quando o cliente resolvia devolver um, dois ou todos os vídeos que tinha em casa, podia escolher outros DVDs para assistir.

Neste ponto, cabe observar que, com esse modelo de assinatura, a Netflix inovou também em modelos de negócio, sendo praticamente uma das primeiras empresas fora das editoras de jornais e revistas e das próprias provedoras a trazer para a Internet a chamada economia da recorrência.

Do ponto de vista logístico, o modelo inicial da Netflix também era muito inteligente: o acordo com o correio americano garantia que o DVD devolvido fosse entregue a um outro cliente, sem precisar passar por um estoque centralizado, tornando o processo muito mais econômico.

Para onde a ciência de dados (data analytics) levou a Netflix

Essas inovações logísticas logo começaram a deixar baixas na concorrência.

As primeiras a tombar não foram as pequenas locadoras de bairro e sim gigantes como a Blockbuster que dependiam de um enorme volume de transações.

Olhando para trás, pode-se até pensar que as inovações logísticas desenvolvidas pela Netflix não fossem tão difíceis de copiar.

Mas, por trás delas, havia uma coisa mais importante: a atuação da empresa estava assentada sobre a inteligência artificial, que se apoiava na análise científica de uma base de dados muito solidamente montada e pelo investimento consistente em novas tecnologias.

O que veio a seguir foi chocante e mostra o quanto a ciência de dados está enraizada na alma da Netflix.

A empresa abandonou o modelo que havia criado – no auge do sucesso! – e transformou-se em um serviço de streaming.

Como isso ocorreu?

Simples.

A utilização dirigida do data mining, permitiu a análise dos dados identificar que seus clientes não queriam receber DVDs em casa, queriam mesmo era poder assistir filmes e programas de TV da forma mais conveniente possível.

Em 1997, essa forma envolvia enviar DVDs pelo correio, mas dez anos depois a Internet avançara o suficiente para permitir o acesso direto a esses conteúdos via streaming.

Vai parar por aqui?

Atualmente, a Netflix possui mais de 208 milhões de membros em aproximadamente 50 países (dados de 29/4/2021).

E tem a capacidade de tratar cada um deles individualmente, através de uma grande e bem sucedida estratégia ancorada em data analytics.

Assim, se você assistir a The Fast and The Furious na sexta à noite, a Netflix provavelmente apresentará um filme de Mark Wahlberg como uma de suas recomendações personalizadas para o sábado à noite.

Mas ela leva a ciência de dados para o nível seguinte do jogo (big data analytics), usando os insights que retira de suas análises para orientar a forma como seus executivos compram, licenciam e criam novos conteúdos.

Dois exemplos disso são House of Cards e Orange is the New Black.

Outra prova de como suas análises funcionam?

Os programas mais assistidos da empresa são gerados a partir de recomendações, que por sua vez promovem o engajamento e a fidelidade do cliente, aumentando assim o CLV (customer lifetime value).

Só pra se ter uma ideia mais clara, a Netflix apresenta uma taxa de retenção de 93% enquanto um de seus concorrentes, a Amazon Prime, apresenta uma taxa de 73%.

Corolário: a empresa trabalha constantemente no aperfeiçoamento de seus mecanismos de recomendação.

A história da Netflix é um estudo de caso perfeito para aqueles que precisam de públicos engajados para sobreviver.

Afinal, como duvidar de uma empresa que saiu do zero em 1997 para um valor de mais de 225 bilhões de dólares em 2021. E para quem o céu (dos dados) é mais um alvo do que um limite.

Ciência de dados? Big data analytics? Que história é essa?

Na verdade, é um processo.

Vamos tentar explicar isso um pouco melhor.

A ciência de dados pode parecer a um leigo algo que é realizado por iniciados que utilizam bolas de cristal – sim, estamos falando de MacBook Pros – falam uma língua esquisita (aprendizado de máquina, árvores aleatórias, redes profundas armazenadas em poderosos data warehouse, classificadores bayesianos) e produzem previsões incrivelmente detalhadas do que o futuro trará.

Por mais que a equipe da Always On e eu mesmo fiquemos tentados com a ideia de sermos vistos como super heróis, a realidade é um pouco diferente.

Tem mais a ver com aquela frase do Thomas Edison: “talento é 1% inspiração e 99% transpiração”.

O poder da ciência de dados vem do esforço permanente de profissionais preparados para adquirir uma compreensão cada vez mais profunda de estatísticas e algoritmos, programação e hacking, e habilidades de comunicação.

E, mais importante, trata-se da aplicação desses três conjuntos de habilidades de maneira disciplinada e sistemática. Esse processo tem vários passos.

1. Defina o problema

Quem é seu cliente?

O que exatamente o cliente está pedindo para você resolver?

Como você pode traduzir seu pedido ambíguo em um problema concreto e bem definido?

2. Colete os dados brutos necessários para resolver o problema

Esses dados já estão disponíveis?

Em caso afirmativo, quais partes dos dados são úteis?

Se não, de que mais dados você precisa?

Que tipo de recursos (tempo, dinheiro, infraestrutura) seriam necessários para coletar esses dados de uma forma utilizável?

3. Estruture os dados

Dados reais e brutos raramente podem ser usados imediatamente e exatamente por isso, precisam fazer parte de um processo de governança de dados bem pensado e bem executado.

Existem erros na coleta de dados, registros corrompidos, valores ausentes e muitos outros desafios que você terá que gerenciar.

Primeiro, você precisará limpar os dados para convertê-los em um formulário que possa ser analisado posteriormente.

4. Explore as informações

Depois de limpar os dados, garantindo o data quality, ou descomplicando, a qualidade dos dados a serem utilizados, você deve entender as informações contidas neles em alto nível.

Que tipo de tendências ou correlações óbvias você vê nos dados?

Quais são as características de alto nível e algumas delas são mais significativas do que as outras?

5. Realize análises aprofundadas (aprendizado de máquina, modelos estatísticos, algoritmos)

Esta etapa geralmente é a parte principal do seu projeto, em que você aplica todo o maquinário de última geração da análise de dados para descobrir previsões e insights de alto valor.

6. Comunique os resultados da análise (data analytics)

Todas as análises e resultados técnicos que você apresentar são de pouco valor, a menos que você possa explicar às partes interessadas o que eles significam, de uma forma que seja compreensível e convincente.

A narrativa de dados é uma habilidade crítica e subestimada que você precisará aprender a construir e usar.

Uma das formas de tangibilizar o acesso a estas e outras informações, é utilizar ferramentas de data visualization (visualização de dados), como power BI, apenas para dar um exemplo.

Serviços de streaming e quem mais?

Como vimos no exemplo da Netflix, a ciência de dados e data analytics podem ser usadas como uma arma secreta quando se trata de entender o comportamento do consumidor.

E não apenas para quem precisa de audiências engajadas, como é o caso de serviços de streaming de vídeo.

Ela pode ser usada por praticamente todos os setores.

Analistas de sinistros de seguros podem usar a ciência de dados para identificar comportamento fraudulento, cientistas de dados de comércio eletrônico podem construir experiências personalizadas para seus clientes, empresas de streaming de música podem usá-lo para criar diferentes gêneros de playlists – as possibilidades são infinitas.

Vamos trazer outros cases de uso da ciência de dados e publicar em breve.

Mas você não precisa esperar para conhecê-los.

Envie um email para [email protected] e vamos conversar.

Traga suas dúvidas, terei o maior prazer em discutir sobre elas e até mesmo encontrarmos um caminho eficaz para resolvê-las.

Descomplique já

Fale com um dos nossos especialistas em Estratégia do Consumidor