Netflix กลายเป็นผู้นำเรื่องการใช้ Big Data ได้อย่างไร?

หลังจากคุยเรื่อง Big Data เป็นน้ำจิ้มกันไปแล้วในบทความ Big Data คืออะไร? ทำไมถึงสำคัญกับชีวิตเรา? ก็ได้เวลาเจาะลึกรายละเอียดกรณีศึกษา และแอดก็ได้เลือก Netflix มาเป็นกรณีแรก บทความนี้คุณผู้อ่านจะได้เรียนรู้เกี่ยวกับ

1. ภาพรวม Netflix
2. Netflix ใช้งาน Big Data อย่างไร?
3. การใช้ Big Data ให้ผลลัพธ์เป็นอย่างไรบ้าง?
4. อุปสรรคในการใช้ Big Data
5. บทสรุป

Netflix ถล่มตลาดหนังเก่า

บริการสตรีมหนัง/ซีรี่ส์ชื่อดัง Netflix เพิ่งขยายมาถึงเมืองไทยก็เมื่อปี 2016 นี้เอง ผู้ใช้งานก็อยู่ที่ราวๆ 360,000 คน [1] เมื่อเทียบกับประเทศต้นกำเนิดอย่างอเมริกาถือว่าน้อยอยู่มากโข ซึ่งตอนนี้ที่นั่นตัวเลขผู้ใช้งานพุ่งเป็น 60.6 ล้านคนแล้ว [2] และเมื่อนับทั่วโลก Netflix จะมีผู้ใช้งานรวม 158.3 ล้านคน [3] ในกว่า 190 ประเทศ [4]

ข้อมูลการดูคอนเทนต์จากพวกเราเป็นล้านๆ คนจะถูกนำไปวิเคราะห์เพื่อทำความเข้าใจพฤติกรรม ไม่ว่าจะเป็นช่วงเวลาในการดู ดูทีเดียวจบเลยไหม ถ้าไม่จบแล้วหยุดตอนไหน ดูเรื่องนี้แล้วดูเรื่องไหนต่อ เป็นต้น

Big Data ของ Netflix ไม่ใช่แค่ “เยอะ” หรือ “ใหญ่” เท่านั้น แต่ Big Data ของพวกเขายังหมายรวมถึงเทคนิคและเทคโนโลยีล้ำหน้าต่างๆ ในการวิเคราะห์ข้อมูล ซึ่งจุดนี้เองที่ทำให้ Netflix กลายเป็นบริษัทผู้นำเรื่อง Big Data อย่างแท้จริง

นักเขียนบทในตำนานฮอลลีวู้ด วิลเลียม โกลด์แมน ได้เคยกล่าวเอาไว้ก่อนที่อินเทอร์เน็ตและ Big Data จะบูมอย่างทุกวันนี้ว่า “ใครก็บอกไม่ได้ว่าหนังเรื่องไหนจะกลายเป็นหนังติดอันดับขายดี ไม่มีทางบอกได้เลย”

แต่ต่อมา Netflix จะพิสูจน์ให้ทั้งโลกได้เห็นเองว่าตำนานก็คิดผิดได้ เพราะ Netflix ได้สร้างธุรกิจที่มีแก่นคือการทำนายด้วย Big Data ว่าผู้บริโภคจะชอบหรือไม่ชอบดูอะไรขึ้นมา และประสบความสำเร็จอย่างถล่มทลายจนร้านให้เช่าหนังเจ๊งไปตามๆ กัน

Netflix ใช้งาน Big Data อย่างไรบ้าง?

มองแวบเดียวในหน้า “หางาน” ของ Netflix ก็รู้แล้วว่าพวกเขาจริงจังเรื่องการวิเคราะห์ข้อมูลแค่ไหน Netflix ให้ความสำคัญกับการ “ทำนายคนดู” มาเป็นอันดับ 1 แต่ถ้าเขียนแค่ที่ 1 อย่างเดียวแอดก็กลัวว่าคุณผู้อ่านจะไม่เห็นภาพการใช้งาน Big Data โดยรวมของ Netflix แอดเลยรวบรวมตำแหน่งรองๆ มาให้ได้อ่านกันด้วย ดังต่อไปนี้

1. ทำนายคนดู (ระบบการแนะนำ)

Netflix ต้องการให้คนดูดูหนังและซีรีส์ในแพลตฟอร์มไปเรื่อยๆ ยิ่งคนดูติดงอมแงม ก็ยิ่งเสียเงินรายเดือนให้ Netflix ต่อไป ดังนั้นเป้าหมายแรกๆ ของการใช้ Big Data ของ Netflix คือการทำนายว่าคนดูจะชอบดูอะไรมากที่สุด 

Netflix คาดเดาหนังและซีรีย์ที่คุณน่าจะชอบโดยวิเคราะห์จากข้อมูลประวัติการดูหนังและซีรีย์ของคุณ แล้วนำมาเสนอให้คุณบนแถบ “Because you watched …” Netflix ทุ่มสุดตัวเพื่อพัฒนาแถบแนะนำนี้ ดูภาพประกอบด้านล่าง

ย้อนกลับไปที่ปี 2006 ตอนนั้น Netflix ยังเป็นแค่บริษัทให้เช่าแผ่นหนัง DVD ทางไปรษณีย์ ซีอีโอของ Netflix ที่ชื่อ รีด ฮอฟฟ์แมน อยากแนะนำหนังเรื่องต่อไปที่ลูกค้าน่าจะชอบ จึงได้จัดการแข่งขัน Netflix Prize ขึ้นโดยเชิญชวนให้เหล่าผู้เชี่ยวชาญด้านข้อมูลทั่วโลกแข่งกันสร้างระบบการแนะนำหนังที่ตรงใจคนดู ทีมที่สามารถแนะนำหนังได้ตรงใจคนดูมากที่สุดจะได้รับเงินรางวัล 1 ล้านดอลลาร์

ตั้งแต่นั้นมา ระบบการแนะนำหนังได้ถูกพัฒนาต่อมาเรื่อยๆ ในช่วงแรก ทีมวิเคราะห์ไม่ค่อยมีข้อมูลมากนัก มีแค่ 4 ส่วนเท่านั้น ได้แก่ ชื่อลูกค้า ชื่อหนัง คะแนนเรตติ้ง และวันที่ดู ส่งผลให้การแนะนำยังไม่ค่อยแม่นยำนัก

แต่หลังจาก Netflix เปิดให้บริการสตรีมมิ่งในปี 2007 ข้อมูลส่วนอื่นๆ ก็หลั่งไหลเข้ามา Netflix จึงสามารถแนะนำหนังหรือซีรีส์ได้ตรงใจลูกค้ามากขึ้น ลูกค้าก็ happy และยินดีที่จะจ่ายเงินเพื่อต่ออายุสมาชิก

2. แยกประเภทคอนเทนต์

นอกจากจัดการประกวดให้รางวัลเงินล้านแล้ว Netflix ก็ยังจ้างคนให้มาดูหนัง (หรือซีรี่ส์) ของพวกเขา และให้คนเหล่านั้นแท็ก (tagging) เนื้อหาหนังที่ดู แล้วการแท็กนี้ส่งผลกับเราอย่างไร?

สมมติคุณว่าคุณชอบดูหลวงพี่เท่งมาก คุณกดไลค์หลวงพี่เท่งที่มีแท็กว่า #ตลก #พระภิกษุ คุณก็จะได้แถบแนะนำที่มีแท็กคล้ายๆ กันนั้นอย่าง หลวงพี่แจ๊ส 5G เป็นต้น และการแท็กเหล่านี้เองที่ทำให้ Netflix มี “ประเภทหนังย่อย” กว่า 80,000 แท็ก!

3. เลือกซื้อคอนเทนต์

เพิ่งไม่นานมานี้เองที่ Netflix ผันตัวเองมาผลิตหนังและซีรีส์ขายเอง แต่แก่นของการทำธุรกิจรูปแบบใหม่นี้ก็ยังคงพึ่งพา Big Data เช่นเดิม และ Big Data ที่ว่าก็ทำให้ Netflix รู้ว่าคนดูชอบหนังของเดวิด ฟินเชอร์ และแสดงนำโดยเควิน สเปซี ซึ่งซีรี่ส์เรื่อง House of Cards ที่กำลังอยู่ในกระบวนการผลิตแต่ให้เข้าประมูลได้แล้วก็มีทั้ง 2 เงื่อนไขนั้นครบถ้วน

Netflix กวาดประมูล House of Cards จนชนะคู่แข่งทุกราย ไม่เว้นแม้แต่รายใหญ่ๆ อย่าง HBO หรือ ABC จากนั้นก็สั่งผลิตรวดเดียว 2 ซีซั่น (ทั้งหมด 26 ตอน) โดยไม่รอดูตัวอย่างก่อน เพราะพวกเขาเชื่อว่า House of Cards นี่แหละ คือ “ซีรี่ส์ที่สมบูรณ์แบบ” (กำกับโดยเดวิด ฟินเชอร์ และแสดงนำโดยเควิน สเปซี) ทุกๆ ขั้นตอนการผลิตถูกกำหนดโดย Big Data แม้กระทั่งเฉดสีบนโปสเตอร์ เพื่อดึงดูดคนดูให้มากที่สุด

ผลลัพธ์ที่ได้จากการใช้ Big Data

Netflix เติบโตด้วยตัวเลขที่น่าประทับใจ คนสมัครสมาชิกเพิ่มกว่า 4.9 ล้านคนภายในไตรมาสแรกของปี 2015 มากกว่าช่วงเดียวกันของปี 2014 ที่เพิ่มเพียง 4 ล้านคน Netflix บอกว่าคอนเทนต์ที่พวกเขาสร้างเองอย่าง House of Cards และ Orange is the New Black นี่แหละ ที่ทำให้พวกเขาได้ลูกค้ารายใหม่ๆ และรักษาฐานลูกค้าเก่าไว้ได้ เพราะกว่า 90% ของสมาชิก Netflix มีประวัติการดูซีรีส์และหนังที่ Netflix สร้างเอง

นอกจากนี้ยังมีอีกสถิติที่น่าสนใจ ในช่วงไตรมาสแรกของปี 2015 เมื่อนำจำนวนชั่วโมงดูหนังของสมาชิก Netflix ทั้งหมดมารวมกันจะสูงถึง 1 หมื่นล้านชั่วโมง ถ้าการใช้ Big Data ของ Netflix ยังพัฒนาไปเรื่อยๆ ตัวเลขเหล่านี้ก็คงจะโตขึ้นอีกอย่างแน่นอน

อุปสรรคในการใช้ Big Data

แม้ชุดข้อมูลที่คำนวณด้วยโปรแกรมง่ายๆ อย่าง นักแสดงคนไหนที่คนดูชอบและเวลาไหนคนดูมากที่สุด จะนำไปวิเคราะห์ได้ผลดี แต่ Netflix ก็ไม่มองข้ามเรื่องที่ว่าชุดข้อมูลที่คำนวณไม่ได้อย่างพวกคลิปภาพกับคลิปเสียงก็มีค่าไม่แพ้กัน แต่ปัญหาคือโปรแกรมคอมพิวเตอร์ไม่สามารถจัดการข้อมูลประเภทหลังด้วยตัวมันเองได้ แล้ว Netflix ทำอย่างไร?

เรื่องนี้แอดเกริ่นไปหน่อยแล้ว นั่นก็คือ Netflix จ้างคนมานั่งดูคอนเทนต์ที่พวกเขามีนั่นเองค่ะ “ประเภทหนังย่อย” กว่า 8 หมื่นแท็กทำให้ข้อมูลจากในหนังที่ยุ่งเหยิงดูเป็นสัดส่วนมากขึ้น แต่…ก็ยังไม่ละเอียดพออยู่ดี

Netflix จึงกำลังพยายามคิดค้นเทคโนโลยีในการจับภาพหน้าจอให้ออกมาเป็นไฟล์ภาพนิ่งและให้คอมพิวเตอร์วิเคราะห์ว่ามีอะไรเกิดขึ้นบ้างในภาพนั้น เช่น หน้าคนแสดง กลุ่มสีต่างๆ เป็นต้น พวกเขาจะทำให้การจับภาพนี้เกิดขึ้นตามตารางที่กำหนดไว้ และเมื่อคนดูกดหยุดหรือกดเล่น เช่น การที่มีคนกดหนีฉากเลือดสาด หรือฉากวาบหวิว Netflix ก็จะพยายามแนะนำหนังเรื่องที่ไม่มีฉากพวกนี้ให้อีก เป็นต้น

สรุปกันหน่อย หลังจากได้รู้กันไปแล้วว่า Netflix เป็นผู้นำ Big Data ได้ยังไง

ในยุคนี้ ไม่ว่าธุรกิจรูปแบบไหนก็หันมาใช้ Big Data กันทั้งนั้น รวมถึงผู้ให้บริการสตรีมมิ่ง Netflix หรืออาจจะเรียกได้ว่าเป็นปรมาจารย์ด้าน Big Data เลยก็ว่าได้ ด้วยระบบการแนะนำและแท็กกิ้งที่ทำให้ผู้ชมหาหนังดูง่ายขึ้น ผลคือล้มร้านเช่าหนังจนเจ๊งกันระนาว คนไปดูหนังที่โรงลดน้อยลง (“เดี๋ยวรอดูใน Netflix ก็ได้”) และ Netflix ขยายกิจการออกไปได้ถึง 190 ประเทศ

แต่เมื่อเวลาผ่านไป คู่แข่งย่อมเกิดขึ้นเป็นธรรมดา ทั้งดิสนีย์ แอปเปิ้ล อะเมซอน ซึ่งดูจะเป็นกำไรกับผู้บริโภค เพราะเขาแข่งกันเข้ามาแย่งตลาด ราคาก็น่าจะถูกลง คอนเทนต์น่าจะหลากหลายขึ้น แต่มันเป็นอย่างนั้นจริงหรือเปล่า? เราจะรับไหวมั้ยกับการจ่ายค่าสมัครสมาชิกรายเดือนหลายๆ เจ้า? แบบนี้จะคุ้มกว่ามั้ยถ้าใช้เคเบิ้ลทีวีต่อ? คุณผู้อ่านคิดเห็นอย่างไรบ้างคะ?

บทความน่าสนใจที่เกี่ยวข้อง

• บทความนี้ได้เจาะลึกเกี่ยวกับการใช้ Big Data ของ Netflix ว่าแต่…Big Data คืออะไรกันแน่? ตามไปหาคำตอบนี้รวมถึงเรื่องพื้นฐานทุกอย่างเกี่ยวกับ Big Data ได้ที่บทความ Big Data คืออะไร? ทำไมถึงสำคัญกับชีวิตเรา?
• Walmart เป็นอีกองค์กรที่ใช้ Big Data ได้อย่างมีประสิทธิภาพและเติบโตแข่งกับร้านค้าออนไลน์สมัยนี้ได้อย่างสูสี อ่านรายละเอียดเพิ่มเติมได้ที่บทความ Walmart ใช้ Big Data จนขึ้นแท่นเป็นร้านค้าปลีกที่ใหญ่ที่สุดในโลกได้อย่างไร?
• BBC ใช้ Big Data จนกลายเป็นผู้นำสื่อของโลกได้อย่างไร? ก็เป็นอีกบทความที่ล้วงลึกรายละเอียดเกี่ยวกับการใช้ Big Data ขององค์กรใหญ่ BBC
• Netflix ใช้ Big Data เพื่อช่วยให้ธุรกิจเติบโตไวขึ้น แต่ปัจจัยในการเติบโตของบริษัทนึงไม่ได้มีแค่นั้น มันขึ้นอยู่กับว่าใช้โมเดลธุรกิจแบบไหนด้วย และบทความ 9 โมเดลธุรกิจที่มาแรงที่สุดในโลกสมัยใหม่ ก็ได้อธิบายไว้หมดแล้ว
• 9 เทรนด์เทคโนโลยี ที่กำลังจะมาเปลี่ยนชีวิตคุณ เป็นบทความรวมสุดยอดเทคโนโลยีที่บอกว่า Big Data เป็นเพียงแค่ส่วนหนึ่งที่จะมาเปลี่ยนโลกในยุคสมัยใหม่
• ตอนนี้ผู้เชี่ยวชาญทั่วโลกมองว่า AI หรือปัญญาประดิษฐ์ จะเปลี่ยนโลกยิ่งกว่าไฟฟ้าหรืออินเทอร์เน็ต ไม่ว่าคุณจะเป็นใคร ทำอาชีพอะไร AI จะมีผลต่อคุณไม่ช้าก็เร็ว และคนที่รู้จักมันเร็วที่สุด ก็คือคนที่จะคว้าโอกาสใหญ่ได้ก่อนใคร

แนะนำหนังสือน่าสนใจ

อเล็ก รอส มือหนึ่งด้านนวัตกรรมของอเมริกา และอดีตที่ปรึกษาของบารัค โอบามา จะเฉลยทุกอย่างเกี่ยวกับ “โลกอนาคต” ในอีก 10 ปีข้างหน้า เพื่อคุณไม่ให้ตกยุคและรู้เท่าทันทุกการเปลี่ยนแปลง

ในหนังสือ รู้ทันอนาคตที่อาจจะไม่มีคุณ คุณจะพบกับเทรนด์อนาคตที่หลากหลาย เรื่องราวสนุกๆ และความลับระดับโลกที่จะทำให้คุณตกตะลึง

ซุมิตะ คัง เป็นคนญี่ปุ่นคนแรกที่ทำงานในบริษัทการเงินเก่าแก่ 300 ปีของเยอรมนี
เขาได้สัมผัสวิธีคิดแบบเยอรมัน และนำมาเทียบกับข้อดีของญี่ปุ่น
เขาผสานสไตล์ทั้ง 2 เข้าด้วยกัน เกิดเป็นแนวทางที่มหัศจรรย์ในหนังสือคิดแบบเยอรมัน ทำแบบญี่ปุ่น

พบกับศิลปะการเพิ่ม Productivity ที่รวมทั้งเยอรมันและญี่ปุ่น ตั้งแต่วิธีคิด การสื่อสาร การบริหารเวลา การทำงานเป็นทีม ไปจนถึงการใช้ชีวิต
ซึ่งจะช่วยคุณสร้างผลงาน และมีความสุขในชีวิตมากขึ้น

เจาะลึกบทเรียนล้ำค่าที่ถูกเก็บเป็นความลับเฉพาะในหมู่นักธุรกิจและนักลงทุน ส่งตรงจากศูนย์กลางสตาร์ทอัพอันดับ 1 ของโลก

• Airbnb บริษัทที่เคยขายอาหารเช้า แต่พลิกวิกฤติเป็นโอกาสจนปฏิวัติวงการโรงแรมได้
• Dropbox บริการฝากไฟล์ออนไลน์ที่ล้มผลิตภัณฑ์ของสตีฟ จอบส์ มาแล้ว
• Twitch แพลทฟอร์มสตรีมเกมที่เริ่มจากไอเดียเล็กๆ แต่ทะยานสู่อันดับ 1 ภายใน 2 ปี

บริษัทเหล่านี้เปลี่ยนจากธุรกิจเล็กๆ เป็นยักษ์ใหญ่สะเทือนวงการได้ในเวลาอันสั้น แต่น้อยคนนักที่จะรู้ว่า พวกเขาเป็นศิษย์ที่ร่ำเรียนมาจากสำนักเดียวกัน และคุณก็เรียนรู้วิธีคิดของพวกเขาได้ในหนังสือขโมยวิธีคิดสุดเจ๋ง จากสุดยอดโรงเรียนสอนสตาร์ทอัพ

แหล่งศึกษาเพิ่มเติม

• [1] statista.com
• [2] hollywoodreporter.com
• [3] edition.cnn.com
• [4] help.netflix.com
• muchneeded.com
• goodreads.com
• britannica.com
• bangkokpost.com
• pixelprivacy.com
• adobe.com
• vox.com
• investopedia.com
• cinemablend.com
• vixi.tv

• Facebook
• Twitter
• Line