Почему Netflix переключился бы со своей пятизвездочной рейтинговой системы на систему «нравится / не нравится»?

Netflix использовал свои предложения на основе предоставленных пользователем оценок других фильмов / шоу. Эта рейтинговая система имела пять звезд.

Теперь Netflix позволяет пользователям нравится / не нравится (большие пальцы вверх / вниз) фильмы / шоу. Они утверждают, что фильмы легче оценивать.

Разве эта двухсторонняя классификация не будет статистически менее предсказательной, чем пятисторонняя классификационная система? Разве это не захватило бы меньше вариаций?

variance predictive-models prediction jvriesem
источник

Я думаю, что к любым ответам следует относиться серьезно к собственному объяснению Netflix, в том числе к тому, что в A / B-тестировании они получили в 4 раза больше оценок в двусторонней системе. Это одно огромно. Кроме того, результатом знаменитой конкуренции Netflix стало то, что более точные прогнозы рейтингов (что они получили от конкурентов) не привели к улучшению прогнозирования поведения . Вы можете судить «Гордость и предубеждение» как лучший фильм, но с большей вероятностью посмотрите «Крепкий орешек». Netflix, вероятно, гораздо больше заботится о том, что вы хотите (или будете) смотреть, чем о том, что вы считаете лучшим фильмом.

ctwardy

Ответы:

Согласно статье Preston & Coleman (2000), достоверность 2-х элементов заметно не отличается от надежности 5-ти элементов:

Предметом измерения было удовлетворение восстановителями, но это хорошо отражается на рейтинге фильмов. Также была измерена простота использования, то, насколько быстро это можно использовать и насколько хорошо человек может выражать свои чувства в разных предметных шкалах. Результаты приведены ниже:

Ясно, что пользователи находят 2-х элементную шкалу немного проще и быстрее в использовании по сравнению с 5-ти шкалой, но также очень неадекватны в выражении истинных убеждений пользователя. Это указывает на то, что шкала из 2 пунктов не очень хорошо отражает основную изменчивость и приводит к потере изменчивости. Индексы дискриминации также заметно хуже для 2 шкал предметов по сравнению с 5 шкалами предметов.

Принимая во внимание все вышесказанное, я могу предположить, что Netflix готова обменяться некоторой точностью голосования, чтобы привлечь больше пользователей к голосованию. Я думаю, что они предпочитают голосовать больше людей, так как это увеличивает охват выборки. Это может привести к лучшему пониманию менее активных пользователей. Предельная ценность дополнительной информации для менее активных пользователей, вероятно, намного выше по сравнению с заинтересованными пользователями.

Vivaldi
источник