Netflix是如何做决策的? | 1. Netflix的决策制定

这是Netflix关于实验和决策的系列文章,系统介绍了实验对于Netflix的重要性,实验的最主要工具--A/B测试,数据科学和文化在实验与决策过程中的重要性等。整个系列共七篇文章,这是第一篇。原文:Decision Making at Netflix[1]

  1. Netflix的决策制定👈
  2. 什么是A/B测试?
  3. A/B测试结果之假阳性和显著性统计
  4. A/B测试结果之假阴性和统计功效
  5. 在做决定时建立信心
  6. 实验是数据科学的主要关注点
  7. 学习的文化

本文是关于Netflix如何基于A/B测试来做出决定的系列文章的第一篇。基于A/B测试做出的决策,Netflix可以不断改进产品,从而不断提升会员的满意度,让我们的会员享受更快乐的生活。后续文章将涵盖A/B测试的基本统计概念、实验在Netflix中的作用、Netflix如何投资基础设施来支持和扩大实验、以及实验文化在Netflix中的重要性。

从创立开始,Netflix的理念就是将消费者的选择和控制置于娱乐体验的中心。作为一家公司,我们不断改进产品,以改善这一价值主张。例如,Netflix的用户界面在过去十年中经历了彻底的转变。早在2010年,用户界面是静态的,只有有限的导航选项,呈现方式的灵感来自于VCD租赁店的显示器。如今,用户界面具有沉浸感和视频预览功能,导航选项更丰富但不那么突兀,方框设计更是充分利用了数字体验。

图1:Netflix 2010年(上)和2020年(下)的TVUI

Netflix做出了无数的决策,才从2010年的用户体验过渡到了我们今天的用户体验。在大显示屏上显示一个视频标题还是显示多个视频标题?视频比静态图像更好吗?如何在受限网络上提供无缝的视频传输体验?如何选择要显示哪些标题?导航菜单放在哪里,应该包含什么?这样的例子不胜枚举。

做决定很容易,难的是做正确的决定。我们如何才能确信做出的决定能够为现有会员提供更好的产品体验,并帮助发展新会员?按照传统的方式,Netflix为了给会员提供更多乐趣,可以采用下面这些方式来决定如何改进产品:

  • 让领导来做所有的决定。
  • 聘请一些设计、产品管理、用户体验、流媒体交付和其他领域的专家,然后采纳他们最好的想法。
  • 进行内部辩论,让我们最有魅力的同事的观点占据上风。
  • 抄袭竞争对手。
图2:不同的决策方式。从左上方顺时针方向:领导、内部专家、抄袭竞争对手、小组辩论

不管用上面的哪种方式,决策都是依赖于少数人的观点和看法。领导小组就几个人,小组辩论的规模也不大,Netflix在每个需要做决策的领域也只有这么多专家,也许有几十个流媒体或相关服务可以作为我们的灵感来源。此外,这些模式并没有提供系统的方法来做决定或解决冲突的观点。

在Netflix,我们相信有更好的方法来决定如何改善向用户提供的体验:A/B测试。这是基于实验的方式,与由高管或专家组成的小团体参与决策不同,实验让我们所有成员都有机会通过自己的行动,就如何继续发展愉快的Netflix体验进行投票。

更广泛的说,A/B测试,以及其他因果推理方法,如准实验[2],是Netflix使用科学方法[3]为决策提供信息的方式。我们做出假设,收集实验数据,提供证据支持或反对我们的假设,然后得出结论并产生新的假设。正如我的同事Nirmal Govind所解释的[4],实验在支撑科学方法的演绎(从普遍原则中得出特定结论)和归纳(从特定结果和观察中形成普遍原则)的迭代循环中发挥着关键作用。

后续文章将深入A/B测试的细节,以及Netflix如何使用测试来为决策提供信息。

References:
[1] Decision Making at Netflix: https://netflixtechblog.com/decision-making-at-netflix-33065fa06481
[2] Quasi Experimentation at Netflix: https://netflixtechblog.com/quasi-experimentation-at-netflix-566b57d2e362
[3] Scientific Method: https://en.wikipedia.org/wiki/Scientific_method
[4] A/B Testing and Beyond Improving the Netflix Streaming Experience with Experimentation and Data: https://netflixtechblog.com/a-b-testing-and-beyond-improving-the-netflix-streaming-experience-with-experimentation-and-data-5b0ae9295bdf

你好,我是俞凡,在Motorola做过研发,现在在Mavenir做技术工作,对通信、网络、后端架构、云原生、DevOps、CICD、区块链、AI等技术始终保持着浓厚的兴趣,平时喜欢阅读、思考,相信持续学习、终身成长,欢迎一起交流学习。
微信公众号:DeepNoMind

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,172评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,346评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,788评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,299评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,409评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,467评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,476评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,262评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,699评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,994评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,167评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,827评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,499评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,149评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,387评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,028评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,055评论 2 352

推荐阅读更多精彩内容