เทคนิคดึงดูดลูกค้าในแบบ Netflix

เทคนคิ ดงึ ดดู ลกู คา้ ในแบบ Netflix สถานการณก์ ารแพรร่ ะบาดของเชือ้ ไวรสั โคโรนาสายพนั ธใุ์ หมท่ ่ีทาใหเ้ กิดโรคโควดิ -19 ไมเ่ พยี งแคส่ ง่ ผลกระทบโดยตรงตอ่ การ ใชช้ วี ิตของคนท่วั โลก แตย่ งั สง่ ผลใหเ้ ศรษฐกิจชะลอตวั ลงอยา่ งหลกี เลย่ี งไมไ่ ด้ สรา้ งแรงส่นั สะเทือนตอ่ บรษิ ัทยกั ษใ์ หญ่เป็น จานวนไมน่ อ้ ย แตใ่ นทางกลบั กนั Platform Streaming ช่ือดงั อยา่ งเน็ตฟลกิ ซ์ (Netflix) กลบั มยี อด สมาชกิ เพม่ิ ขนึ้ ถงึ 15.77 ลา้ นคน และมีรายไดร้ วมเพิม่ ขนึ้ ถงึ 27.6% เม่ือเทียบกบั ช่วงเดยี วกนั ของปีท่แี ลว้ “More than 80% of what people watch comes from our recommendation.” Netflix น่นั เป็นเพราะเน็ตฟลกิ ซไ์ ดม้ กี ารใชเ้ ทคนิคทางดา้ นวทิ ยาศาสตรข์ อ้ มลู (Data Science) เขา้ มาเก่ียวขอ้ ง โดยเนต็ ฟลกิ ซไ์ ด้ กลา่ ววา่ “More than 80% of what people watch comes from our recommendation.” ซงึ่ ถือวา่ เป็นตวั เลขที่สงู มาก ๆ บทความนจี้ ะอธิบายเกี่ยวกบั การใช้ Big Data ของเน็ตฟลกิ ซ์ ทีท่ าใหเ้ น็ตฟลกิ ซก์ ลายเป็นระบบ streaming เบอร์ 1 ของโลกในยคุ ปัจจบุ นั ในปี พ.ศ.2549 ซง่ึ บรษิ ัทไดเ้ รม่ิ เปิดตวั ในสหรฐั อเมรกิ านนั้ เนต็ ฟลกิ ซม์ จี านวนสมาชิกทงั้ สนิ้ ประมาณ 6 ลา้ นคน ก่อนจะเพ่ิม จานวนเป็นกวา่ 100 ลา้ นในปี พ.ศ.2560 และใหบ้ รกิ ารในกวา่ 190 ประเทศ ถา้ คดิ เป็นคา่ เฉลยี่ แลว้ เนต็ ฟลกิ ซจ์ ะมสี มาชิกหนา้ ใหมป่ ีละ 8.5 ลา้ น ซง่ึ เป็นการเตบิ โตทรี่ วดเรว็ มาก และผมเองก็เป็นหนง่ึ ในลกู คา้ ของเน็ตฟลกิ ซเ์ หมอื นกนั ไมร่ ูว้ า่ คนสว่ นใหญ่จะเป็นเชน่ เดยี วกนั หรอื ไม่ ท่นี อ้ ยครงั้ มากที่จะมาน่งั หาชื่อหนงั ทจ่ี ะดโู ดยการพมิ พช์ ื่อหนงั เอาเองในช่อง คน้ หา เพราะโดยสว่ นใหญ่แลว้ ถา้ อยากจะดหู นงั อะไรสกั เรอ่ื งก็มกั จะเลอื กดจู ากลสิ ตห์ นงั ท่ีทางเนต็ ฟลกิ ซแ์ นะนามาใหใ้ นหนา้ Home ซง่ึ ทกุ ครงั้ กม็ กั จะไดห้ นงั หรอื ซรี ยี ์ ท่ีสนกุ ถกู ใจจากลสิ ตห์ นงั พวกนนั้ นีแ่ หละ การท่จี ะแนะนาหนงั ใหถ้ กู ใจลกู คา้ ไมใ่ ชเ่ รอ่ื งง่ายเพราะ ถึงแมจ้ ะมที ฤษฎที บ่ี อกวา่ คนที่มีลกั ษณะทางประชากรคลา้ ย ๆ กนั จะ ชอบอะไรคลา้ ย ๆ กนั แตน่ ่นั ก็ไมเ่ สมอไป เพราะแตล่ ะคนก็จะมคี วาม Unique หรอื เอกลกั ษณร์ สนิยมของแตล่ ะบคุ คล ดว้ ย เหตนุ เี้ นต็ ฟลกิ ซเ์ ลยวางระบบ Personalize ท่ี Unique ของแตล่ ะสมาชิกซงึ่ แตล่ ะ Profile ของเนต็ ฟลกิ ซจ์ ะเหน็ อะไรท่ี แตกตา่ งกนั และ แนน่ อนวา่ ผมไมไ่ ดก้ าลงั พดู ถงึ แตล่ สิ ตข์ องหนงั ท่แี ตกตา่ งกนั สงิ่ ท่ีแตกตา่ งกนั ยงั มี การจดั ลาดบั (Ranking) การเรยี งหนงั ของแตล่ ะสมาชิกจะแตกตา่ งกนั โดยทจ่ี ะวางหนงั ที่คิดวา่ สมาชกิ นจี้ ะชอบทสี่ ดุ ไวท้ าง ดา้ นซา้ ย การวางโครงสรา้ ง (Structure) ของหนา้ จอ จากบนลงลา่ ง จะมี Section ของหนงั ทแ่ี ตกตา่ งกนั

การปรบั งานศลิ ป์ ใหถ้ กู จรติ สว่ นบคุ คล (Personalized Artwork) กลา่ วคือ แมแ้ ตภ่ าพประกอบก็ มกี าร Personalize เคย สงั เกตไหมวา่ หนา้ ปกของหนงั ทเ่ี ราดู จะมคี วามแตกตา่ งกนั บางครงั้ และ หนา้ ปกติใน profile ของเพือ่ นมนั แตกตา่ งกนั น่นั แหละ เพราะ Netflix มองวา่ หนา้ ปกของหนงั สง่ ผลตอ่ การตดั สนิ ใจกบั การดขู องลกู คา้ และ ลกู คา้ แตล่ ะคนชอบปกหนงั แตกตา่ งกนั ดงั นนั้ เนต็ ฟลกิ ซพ์ ยายามเลอื ก Artwork ของปกหนงั ทีค่ ดิ วา่ ลกู คา้ จะชอบทีส่ ดุ “เนอื้ หาคดั สรรสาหรบั คณุ ” ขอ้ ความทเ่ี ดง้ ขึน้ มาใน การแจง้ เตือนของเน็ตฟลกิ ซก์ เ็ ป็นการวิเคราะหจ์ าก Big Data ของหนงั ที่ สมาชิกคนนนั้ เคยดู และเพอื่ เลอื กหนงั ที่คาดวา่ จะถกู ใจสมาชกิ คนนนั้ ๆ Trending Now ของประเทศ นนั้ ๆ เพอ่ื แสดงใหเ้ หน็ วา่ Community หรอื สงั คมนนั้ ๆ กาลงั นยิ มรบั ชมอะไรกนั อยบู่ า้ ง จดุ มงุ่ หมายของระบบ Personalization หรอื Recommender System ของเนต็ ฟลกิ ซค์ อื เพอ่ื เพิม่ ความพงึ พอใจของสมาชกิ โดยการช่วยสมาชกิ คน้ หาหนงั ทตี่ วั จะชอบ ซงึ่ ระบบนมี้ นั ซบั ซอ้ นกวา่ ทเี่ ราคดิ เพราะการทจ่ี ะวางโครงสรา้ งของแพลตฟอรม์ ให้ สามารถเก็บขอ้ มลู สรา้ งระบบ Machine learning และทาการ Deploy ไดน้ นั้ ไมใ่ ช่เรอ่ื งงา่ ย และหนงึ่ ในอปุ สรรคท่ีใหญค่ ือ เรอ่ื งของเวลา อปุ สรรคทใ่ี หญ่ของการพฒั นาระบบ Personalization หรอื Recommender System คอื เรอ่ื งของเวลา เวลาทาใหอ้ ะไรหลาย ๆ อยา่ งไมแ่ นน่ อน ยกตวั อยา่ งเช่น พฤติกรรรมการดหู นงั ของสมาชิก ดงั นนั้ การวางระบบ Personalize ใหป้ รบั ตามการเปลย่ี นแปลงตา่ ง ๆ บนแพลตฟอรม์ ของเน็ตฟลกิ ซถ์ ือเป็นโจทยท์ ใ่ี หญ่ เน็ตฟลกิ ซไ์ ดว้ างระบบทจี่ ะมกี ารทดสอบ โมเดลในออฟไลน์ ตามมาดว้ ย A/B Testing บนออนไลน์ การทา A/B Testing เป็นกระบวนการทท่ี ดสอบวา่ สมาชิก จะชอบ การแนะนาหนงั แบบไหน ภาพประกอบแบบไหน มากที่สดุ เพ่อื นามาปรบั ปรุงตวั โมเดลเรอื่ ย ๆ หลงั จากใชง้ านจรงิ ภาพท่ี 1 วงจรนวตั กรรม (Innovation Cycle) ของระบบ Personalization ของเน็ตฟลกิ ซต์ งั้ แตร่ า่ งไอเดยี ไปจนถงึ Deployment เพื่อใชง้ านจรงิ บนแพลตฟอรม์ เน็ตฟลกิ ซใ์ หค้ วามสาคญั กบั ความเช่ือถือได้ (Reliability) ของโมเดล ขณะท่ี Offline Model ตอ้ งทดสอบอยา่ งเช่ือถือไดน้ นั้ Online Model ก็ตอ้ งแสดงผลอยา่ งเช่ือถือไดเ้ ชน่ กนั การฝึกซา้ (Retraining) ของโมเดลตอ้ งทาไดโ้ ดยอตั โนมตั แิ ละสามารถ ทดสอบซา้ ไดเ้ รอ่ื ย ๆ

โมเดลในฝ่ังออฟไลน์ แนน่ อนวา่ เวลาอาจทาใหข้ อ้ มลู มกี ารเปลย่ี นแปลงโดยฉบั พลนั หรอื อาจมปี ัญหาทางเทคนิคในขนั้ ตอนเก็บขอ้ มลู ซง่ึ สองปัญหา นจี้ ะสง่ ผลกบั การแสดงผลของโมเดลเป็นแน่ ดงั นนั้ ระบบในการตรวจจบั ปัญหาเป็นสงิ่ ทจี่ าเป็นเพอื่ ปอ้ งกนั ไมใ่ หโ้ มเดลท่ีมีการ แสดงผลต่าถกู เลอื กมาใชบ้ นแพลตฟอรม์ หนง่ึ ในระบบนขี้ องเนต็ ฟลกิ ซใ์ ช้ Anomaly Detection เพ่อื ตรวจจบั ความผดิ ปกติ ในชดุ ขอ้ มลู ท่นี ามาใชพ้ ฒั นาโมเดล ภาพที่ 2 Anomaly Detection ในการตรวจวดั ตวั เลขของจานวนขอ้ มลู ท่ีถกู ใชเ้ พ่อื train โมเดล สว่ นท่ีวงสแี ดงเป็นบรเิ วณท่ี ขอ้ มลู มีจานวนลดลงอยา่ งประหลาด จากภาพจะเหน็ ไดช้ ดั วา่ จานวนตวั อยา่ งทใี่ ช้ Train ตกลงจนผดิ ปกตใิ นบรเิ วณที่วงสแี ดงไว้ เมื่อเกิดเหตเุ ชน่ นรี้ ะบบ Anomaly Detection ของเน็ตฟลกิ ซจ์ ะสง่ สญั ญาณเตือนและหยดุ การเผยแพร่ (Publish) ไวก้ อ่ น นอกจากตวั อยา่ งนแี้ ลว้ ยงั มตี วั อยา่ ง อน่ื อกี มากมายในสว่ นของการ Training ในฝ่ังออฟไลน์ เช่น การ Train โมเดลจากการสมุ่ ทีห่ ลากหลาย เพอื่ ปอ้ งกนั การ Overfit ทีห่ มายถงึ ตวั แบบท่ีไดเ้ ป็นการเรยี นรูข้ อ้ มลู จาก Training Data set ดมี าก แตไ่ มส่ ามารถนาไปใชก้ บั ขอ้ มลู ทไ่ี มเ่ คย พบมากอ่ นไดด้ ี

โมเดลในฝ่ังออนไลน์ ในฝ่ังของดา้ นออนไลนน์ นั้ การตรวจสอบความผิดพลาดเป็นสว่ นสาคญั เพราะมนั คือสงิ่ ทลี่ กู คา้ จะเห็นแลว้ เนต็ ฟลกิ ซไ์ ดท้ าการ เช็คคา่ ท่ีควรจะคงที่ ยกตวั อยา่ งเชน่ คา่ ความนา่ จะเป็น (Probability) ท่ีไมค่ วรมากกวา่ 1 หรอื ในกรณีที่ Output ของโมเดล เป็น NaN หรอื infinity ซง่ึ กรณพี วกนจี้ ะเกิดขนึ้ ไดโ้ ดยการมี Unexpected Change, Bad Assumption หรอื Engineering Issue ดงั นนั้ จึงควรตอ้ งมกี ารตงั้ เงื่อนไขเพื่อปอ้ งกนั การนาโมเดลทีม่ ีขอ้ บกพรอ่ งไปใชก้ บั ลกู คา้ หลงั จากนนั้ สว่ นหลกั จะเป็นการเก็บผลลพั ธด์ วู า่ ตวั โมเดลทที่ างเนต็ ฟลกิ ซไ์ ด้ Deploy ไปนนั้ ดีแคไ่ หนโดยการดวู า่ สงิ่ ท่ีแนะนา ไป สมาชิกถกู ใจหรอื เปลา่ เม่ือเกบ็ ผลมาไดแ้ ลว้ ก็จะมา Evaluate ตวั โมเดลกนั ซงึ่ หากโมเดลปัจจบุ นั ไมส่ ามารถทางานไดด้ ี จะ ไดด้ าเนินการแกไ้ ข เช่นการดงึ โมเดลตวั เกา่ มาใชไ้ ปพลาง แลว้ คอ่ ยมาหาสาเหตวุ า่ ทาไมโมเดลถงึ มี Performance ท่ตี ่าลง อาจเป็นเพราะขอ้ มลู ที่ใช้ Train มกี ารเปลย่ี นแปลง หรอื ขอ้ มลู ที่ใช้ Train มีอายทุ ่ีเก่าเกินไปสาหรบั พฤติกรรมการดใู นปัจจบุ นั จากตวั อยา่ งนจี้ ะเหน็ ไดช้ ดั วา่ เนต็ ฟลกิ ซไ์ ดม้ กี ารวางแผนท่ีรอบคอบในการปอ้ งกนั ความผิดพลาดเชิงเทคนคิ ตา่ ง ๆ ทอ่ี าจเกิดขนึ้ เม่ือไรก็ได้ การใชข้ อ้ มลู ทาใหเ้ นต็ ฟลกิ ซท์ ราบวา่ ควรผลติ Content หรอื ออก Promotion อะไร การใชข้ อ้ มลู ใหเ้ กดิ ผลประโยชนม์ ากทสี่ ดุ เป็นสงิ่ ที่เนต็ ฟลกิ ซก์ าลงั ทา และ ทาไดด้ อี กี ดว้ ย การใชข้ อ้ มลู ของเนต็ ฟลกิ ซไ์ มไ่ ดแ้ ค่ สรา้ งความพงึ พอใจใหก้ บั สมาชิก แตย่ งั สามารถทราบไดว้ า่ ควรจะสรา้ งเนอื้ หา (Content) หนงั อะไร หรอื ออกโปรโมชนั ตา่ ง ๆ ทเี่ ก่ียวขอ้ งกบั แพลตฟอรม์ แนน่ อนวา่ ตอนนหี้ ลาย ๆ บรษิ ัท หลาย ๆ วงการเรม่ิ ใชข้ อ้ มลู ในการประกอบการตดั สนิ ใจตา่ ง ๆ ถา้ เพอื่ น ๆ ยงั ไมส่ ามารถใชข้ อ้ มลู ใหเ้ กิดประโยชนม์ ากทส่ี ดุ โดยเรว็ อาจเสยี เปรยี บใหก้ บั คแู่ ขง่ ทีเ่ ลง็ เห็นการใชข้ อ้ มลู ใหเ้ กิด ประโยชนก์ ็เป็นได้ บทความนไี้ ดร้ บั การเผยแพรค่ รงั้ แรกที่ BigData.go.th เว็บไซตเ์ พ่ือการแบง่ ปันความรูแ้ ละสง่ เสรมิ การใชป้ ระโยชนจ์ ากการ วเิ คราะหข์ อ้ มลู ขนาดใหญ่ (Big Data Analytics) โดย นายอรรถวิท ตลุ ยธญั สถาบนั สง่ เสรมิ การวเิ คราะหแ์ ละบรหิ ารขอ้ มลู ขนาดใหญ่ภาครฐั สานกั งานสง่ เสรมิ เศรษฐกจิ ดิจิทลั