Plataformas Streaming e Sistema de Recomendação, como funciona?

Nos últimos anos, diversos sistemas de streaming de vídeo, música e até mesmo jogos online vêm se popularizando. Hoje em dia, é muito comum que as pessoas tenham assinaturas em uma ou diversas destas plataformas.

Dentre os maiores streamings de vídeo podemos citar a Netflix, e na música o Spotify. Contudo, com o passar do tempo, e a aceleração que a pandemia de Covid-19 causou no mundo digital, diversas outras plataformas foram e vêm sendo lançadas.

3 fatores que levaram à popularização dos sistemas de Streaming

Toda essa mudança que é possível observar na forma como as pessoas consomem conteúdo de entretenimento é possível por 3 fatores principais.

Primeiramente, a vontade das pessoas de escolher o que querem assistir ou ouvir, a qualquer hora do dia. Com isso, as programações fixas da televisão já não funcionavam mais.

Depois, o acesso mais fácil à internet de boa qualidade, com velocidade suficiente para realizar as transmissões em tempo real. E finalmente, a disponibilização de sistemas e aparelhos mais avançados, também facilita a aderência.

Nesse sentido, a tecnologia envolvida nos sistemas de streaming e suas recomendações para os usuários é um ponto importante a considerar. 

Vamos abordar em maiores detalhes abaixo o que são e como funcionam os sistemas de recomendações. E dessa forma, você vai conseguir entender o motivo pelo qual o Spotify, por exemplo, consegue recomendar as melhores músicas para você.

Como surgiram os sistemas de recomendação nas plataformas de streaming?

A partir da criação de plataformas de streaming para assistir filmes e séries, escutar músicas, ou até mesmo acessar jogos online, outros sistemas começaram a existir também.

Um exemplo são os sistemas de recomendação, que possibilitam que o usuário escolha de forma mais assertiva o que vai assistir ou escutar em seguida. 

Ainda que os sistemas de recomendação venham com uma propaganda de “personalização” para o usuário, se tratam de algoritmos. Estes são capazes de aprender quais são os assuntos que você mais gosta e passam a recomendar mais filmes, séries e músicas sobre esses temas.

Com isso, o usuário não precisa mais pensar nos títulos que quer assistir ou faixas que quer ouvir. Afinal, um sistema está recomendando algo conforme seus gostos pessoais.

Consequentemente, a experiência das pessoas nas plataformas de streaming acabam se transformando em algo passivo, e não ativo.

Como funcionam os sistemas de recomendação? 

Os sistemas de recomendação utilizados em plataformas de streaming buscam filtrar o conteúdo disponibilizado para recomendar aos usuários. A fim de fazer isso, os sistemas utilizam de tecnologia de Deep Learning.

Existem diferentes métodos para fazer esse sistema de recomendação funcionar. Entenda cada um deles abaixo.

Filtragem Baseada em Conteúdo (Content-Based)

Para este método, as recomendações serão feitas considerando o conteúdo que o usuário já consumiu na plataforma. Para isso, o sistema gera um perfil para cada usuário e busca conteúdos similares.

Esse tipo de sistema não precisa que você realize ações para que aconteçam boas recomendações.

Se você escuta músicas do gênero pop diariamente, a tendência será a recomendação deste tipo de música para que você siga escutando aquilo que você mais gosta.

Porém, existem desvantagens também. Como no exemplo acima, você não será apresentado a outros tipos de música que poderiam ser do seu interesse. E o motivo? Porque você decidiu que escutaria música pop utilizando a plataforma de streaming.

Com isso, no longo prazo o sistema de recomendação começa a falhar pois o usuário estará sempre em contato com o mesmo tipo de conteúdo.

Outra desvantagem a ser considerada é o critério para determinar o que é similaridade entre conteúdos. Considerando filmes, por exemplo, o que levar em consideração? Os atores, o gênero, o trailer, entre outros.

Filtragem Colaborativa (Collaborative Filter)

Nessa metodologia, o sistema vai recomendar o conteúdo considerando a similaridade entre usuários. É por isso que se trata de uma filtragem colaborativa.

Se você e outro usuário assistirem ao mesmo filme A, quando você assistir ao filme B, ele será recomendado ao outro usuário também.

Assim há uma troca de recomendações entre pessoas que estão utilizando a plataforma de streaming e possuem um perfil similar.

Você já deve ter percebido recomendações como “quem comprou este item, também comprou estes outros itens” em lojas online. Esse tipo de recomendação é baseada na metodologia de filtragem colaborativa.

Nesse caso, o problema de ter recomendações do mesmo tipo de conteúdo sempre deixa de existir.

Mas é preciso levar um ponto de atenção em consideração. Como saber se o usuário gostou de fato do conteúdo que assistiu, escutou ou leu? Nesse sentido, é interessante que os próprios usuários avaliem suas experiências com o conteúdo, a fim de auxiliar o sistema de recomendação no futuro.

Outros pontos que podem auxiliar o sistema de Deep Learning é o tempo que o usuário assistiu a um conteúdo, ou quantas vezes este conteúdo foi acessado.

Sistemas Híbridos (Hybrid)

Este método de recomendação possibilita unir as características dos sistemas Baseado em Conteúdo e Filtragem Colaborativa.

Como resultado da união, a tendência é que as recomendações sejam mais assertivas nesse sistema do que nos anteriores individuais.

Na prática, o sistema de recomendação terá as recomendações separadas, e a partir de um algoritmo será feita a união destas em uma única lista.

Cold-Start

Você pode estar pensando: mas e os usuários novos? É nesse ponto que o sistema de recomendação Cold-Start se apresenta.

O desafio é grande porque não há coleta de informações sobre estes usuários novos. E em alguns casos, quando não há necessidade de login para consumo do conteúdo, os usuários novos podem existir por muito tempo.

Para que o Cold-Start funcione, são criadas listas com recomendações gerais. No Spotify, por exemplo, é possível encontrar a lista das músicas mais tocadas no Brasil ou no Mundo. Também existem listas que utilizam os conteúdos mais acessados na última semana para fazer esse tipo de recomendação.

Além disso, se for possível obter a informação de localização do usuário, pode-se indicar conteúdos mais acessados em determinada região.

Problemas relacionados às recomendações de plataformas de Streaming

Como você percebeu, os sistemas de recomendação envolvem muita tecnologia e uma quantidade muito grande de dados. Cada ação que os usuários realizam em uma plataforma de streaming gera dados, que são analisados pelos sistemas e resultam nas recomendações que recebemos diariamente.

Contudo, quando a plataforma utiliza um método como o Content-Based, há um risco que você acabe preso em apenas um tipo de conteúdo.

Muitas pessoas acabam não se importando com isso, afinal estão recebendo recomendações de coisas que gostam. Porém, é interessante ficar sempre atento a este tipo de recomendação. Para se proteger, busque sair da sua zona de conforto e tenha contato com conteúdos de assuntos diferentes.

Sejam estes conteúdos músicas, filmes, séries, notícias, livros ou itens de e-commerce. Essa variação será benéfica e mostrará uma infinidade de outras opções para você.