Что происходит, когда вы решили посмотреть сериал

Какие люди и технологии стоят за бесконечной лентой фильмов и сериалов и возможностью за секунду начать просмотр.

Вас встретит персонализированная главная страница с «витриной». Её содержимое зависит от того, новый вы пользователь или постоянный посетитель. Например, новичок видит «заглушку» — разнообразный контент, покрывающий наиболее востребованные пользователями жанры и фильмы из каталога сервиса.

Заглушка-витрина перестраивается каждый день. Также она зависит от того, из какой страны пользователь и с какого устройства он зашёл — ведь в разных странах доступен разный контент, а некоторые форматы видео удобнее смотреть на разных экранах.

Чтобы пользователь видел самый подходящий и интересный контент, разработчики ivi создали рекомендательную систему Hydra. Каждый раз, когда пользователь совершает некоторое «полезное действие», система обновляет свое знание об интересах пользователя и в режиме реального времени генерирует для него новые персональные рекомендации.

Полезными действиями являются просмотр, оценка, покупка и добавление фильма в избранное. Помимо полезных действий, система также учитывает impressions — «взгляд пользователя на постер фильма».

Impression позволяет определить фильмы, которые пользователь увидел в рекомендациях, но по какой-то причине проигнорировал (не провзаимодействовал с ними). Если пользователь заходит несколько раз на сервис, видит один и тот же фильм и никак не взаимодействует с ним, то, скорее всего, этот фильм либо пользователю не нравится, либо он его уже посмотрел.

Hydra учитывает этот неявный сигнал для того, чтобы временно понизить приоритет «неактивным» фильмам и дать возможность другим релевантным проектам попасть на витрину.

Пользователь может в любой момент настроить рекомендации — чаще ставить рейтинги фильмам и удалять из просмотренного то, что ему не понравилось. В будущем команда инженеров планирует добавить возможность точнее настраивать рекомендации, рассказывая системе, какие фильмы он смотрел, и какие ему понравились.

Рекомендательная система очень похожа на любую другую базовую модель машинного обучения с подготовкой данных, обучением моделей, тестированием, оптимизацией и интеграцией в сервис. В случае ivi, Data Science (DS) инженеры также занимаются разработкой и поддержкой Hydra.

Команда Big Data собирает в Data Lake огромное количество событий о том, как пользователи взаимодействуют с сервисом. Например, множество событий-сигналов: просмотры, рейтинги, клики, избранное, список «посмотреть позже», покупки, impressions. А от устройства нужно получить информацию об операционной системе, площадке, стране.

На основе этих данных Hydra учитывает интересы пользователя и строит рекомендации. При построении рекомендаций также учитывается, является ли пользователь подписчиком, есть ли у него детский профиль и многое другое.

В Data Lake отправляется информация о том, как пользователи относятся к различным типам монетизации. Например, если какие-то пользователи больше заинтересованы в подписочном контенте, но не покупают транзакционный, нужно это учесть и не продвигать платные фильмы, по крайней мере, показывать не так часто. Таким образом повышается удовлетворенность от сервиса, чтобы пользователь не страдал от того, что точно не будет смотреть.

В ivi работает большая редакция, которая формирует подборки по тематикам, жанрам или событиям. Например, подбирает фильмы-кандидаты на Оскар, победителей Каннского фестиваля, группирует их по жанрам, «свежести» и так далее. Самые популярные подборки — это новинки.

Пользователь видит подборку, если в ней содержатся релевантные фильмы и она удовлетворяет бизнес-правилам. Например, в подборке должно быть не менее 5-6 фильмов. Их точное число зависит от платформы, на которой зритель запустил ivi — ведь на смартфоне можно отобразить меньше контента, и подборка для него может быть короче.

Есть и автоматическая генерация подборок — ведь редактор не может держать в голове информацию о содержимом всех подборок, доступных на сервисе на определенной платформе и в определенный момент времени. Если не учитывать всей этой информации, содержимое подборок может дублироваться, что делает их похожими друг на друга и убивает идею подборки, как уникального тематического кластера контента.

Сейчас ivi идёт к тому, чтобы у каждого пользователя подборки были персональными, то есть на лету группировались из релевантного для него контента.

В ivi есть отдел контента, который закупает фильмы и сериалы и договаривается с правообладателями о формате распространения — с рекламой, платно или по подписке. Они учитывают, что все фильмы распределяются по «окнам»: сначала фильм выходит в кинотеатры, через 1-2 месяца правообладатель отдает фильм на платную модель распространения, в «цифровое окно». Так фильм попадает в стриминговые сервисы и цифровые магазины.

Некоторые из правообладателей, как правило, самые крупные компании, не разрешают отдавать свой контент по рекламной модели из-за имиджевых рисков.

Поэтому разделение фильмов по моделям монетизации зависит от правообладателя и их требований. Одна из основных задач отдела контента — постоянно пополнять медиатеку. Новинками, классикой и с возможностью «циркуляции» фильма из платной модели в рекламную.

В целом, фильмы из подписки в рекламный формат переносятся постоянно, чтобы пополнять каталог и привлекать новых зрителей. Часто после подписки команда переводит фильм на рекламную модель, если договоренности с правообладателем позволяют это сделать.

Кстати, офлайн-доступ тоже определяется правообладателем и является одним из «бонусов» для подписчиков. Возможность скачивания фильма — это часть сложного договора с правообладателем, поэтому скачать можно не все фильмы, которые есть в подписке.

Наличие нескольких типов монетизации — еще одна сложная задача, которую приходится решать рекомендательной системе. Ведь подписчикам и не подписчикам доступен разный контент, и они по-разному относятся типам монетизации.

Стоимость определяется расчетом маржи — видеосервисы тратят большие бюджеты на контент. Расчёты проводят сразу несколько структур внутри компании, которые занимаются развитием бизнеса и платной модели, оценивают цены на фильмы, работают с партнерами и улучшают подписку для пользователей.

Например, за их авторством скидки на платные фильмы для подписчиков, есть бесплатный фильм по пятницам и другие механики, привлекающие пользователей.

Сейчас стоимость ежемесячной подписки ivi — 399 рублей, похожих сумм придерживаются и многие другие участники рынка.

Нельзя заставлять пользователя купить фильм или оформить подписку, так как это сильно сузит аудиторию. Работа над контентом по рекламной модели отличается от подписочной, поэтому ей занимается несколько департаментов.

Основной отдел — отдел рекламного бизнеса, который развивает направление рекламной монетизации, также есть аналитики, бэк-офис и отдел продаж. Их основная и общая задача — предложить интересные фильмы и хорошие условия тем зрителям, кто не готов платить за подписку, но хочет пользоваться легальным сервисом.

Но просто предлагать просмотр рекламных роликов скучно — они неинтересны как пользователям, так и рекламодателям. Поэтому команды рекламной модели постоянно запускают новые форматы, например, для аудитории Smart TV это веб-сериалы и интерактивная реклама. Они дают хорошую конверсию и конвертируются в новых зрителей: после просмотра ролика можно сразу записаться на тест-драйв без переходов на сайт.

Качество фильма зависит от двух частей: скорости и стабильности интернет-соединения пользователя и серверов ivi. Со стороны ivi, за качество, скорость и надёжность соединения отвечает команда ИТ-инженеров. Их задача — чтобы сервер определил, какой фильм хочет посмотреть пользователь, в каком разрешении доступен фильм, есть ли у пользователя подписка, и в зависимости от этого подобрать оптимальные варианты просмотра.

Все серверы распределены по России, чтобы обеспечить доставку контента без задержек для всех зрителей.

Также инженеры ivi работают над внутренней стороной приложений — они должны определять, какие кодеки и форматы поддерживает устройство, быстро подгружать фильм и компенсировать потери соединения в моменты, когда у зрителя нет интернета.

Одна из технологий, которую используют разработчики — адаптивный стриминг видео. Она позволяет в момент нестабильного соединения получить немного худшую картинку из-за снижения битрейта видео, но при этом пользователь продолжает просмотр без задержек.

Исследования в области рекомендаций и пользовательского поведения говорят о том, что недостаточно показать пользователю фильм, о котором он слышит в первый раз, чтобы он доверился системе и посмотрел его. Нужно объяснять пользователю, почему этот фильм ему подходит и почему его стоит посмотреть.

Сейчас модели обучения основаны на глобальном «смотрении» всего контента, но даже если человек хорошо разбирается в голливудском кино, он вряд ли будет так же хорошо разбираться в болливудском. На данный момент алгоритмы просто понимают, что есть множество контента и определенные паттерны его просмотра, но этого уже недостаточно.

Для этого нужно много метаинформации о фильме: его жанр, кто снимал и снимался в нём, анализировать видеоряд фильма, тексты и описания. Например, для идентификации жанра можно анализировать цветовую гамму фильтра: комедии более красочные, а драмы снимаются в приглушённых или тёмных тонах.

Также, для определения жанровой и тематической составляющей фильмы можно учитывать длительность планов — непрерывных последовательностей кадров от одной монтажной склейки до другой. В боевиках таких планов очень много, и они очень короткие. В тоже время в более интеллектуальном кино один план может длиться минуту.

Актеры и другие участники съемок тоже влияют на ощущения зрителей, причем не всегда явным образом. Например, людям часто нравятся фильмы, в которых один и тот же сценарист, хотя обычно при выборе фильма смотрят на режиссера или актеров. Все эти мелкие детали дают общую информацию о фильме, и ей нужно пользоваться, чтобы сделать рекомендации ещё лучше.

Наконец, сами рекомендации нужно лучше объяснять. Часто видно, что пользователь приходит, видит рекомендации и раздумывает, довериться ли рекомендательной системе или же посмотреть на что-то более известное с точки зрения постера или советов друзей и знакомых. Или же просто выбирает из списка «посмотреть позже».

И это то, к чему стремятся разработчики — создать ощущение веры в проект и в то, что Hydra умеет выбирать контент, который понравится каждому.