问：Netflix会一直追踪我的观看历史吗？
艾玛特里安：我们能知道你播放和搜索过哪些视频，或是对那些视频进行了评分。此外，我们还能知道你播放视频的时间、日期和使用的设备。我们甚至还会追踪用户交互活动，如浏览或滚动等行为。所有这些数据都会被注入多种算法，每种算法都针对一个不同的用途进行了优化。从广泛的层面上来首，我们的大多数算法都是以一个假设为基础的，那就是相似的观看模式代表着相似的用户口味。我们能利用相似用户的行为来推断你所喜爱的内容。
问：那也就是说，如果我在午夜时间用iPad看Netflix视频，就会看到与晚上8点在电视上观看节目不同的推荐了？
艾玛特里安：一段时间以来，我们一直都致力于在推荐中引入上下文环境。我们有数据表明，在一个星期中的不同日子里，在一天的不同时间段，用户的观看行为都会有所不同;此外，他们的观看行为还会随着设备的改变而有所差异，有时候甚至就连用户所在的位置也会产生影响。但是，想要贯彻上下文环境下的推荐颇具挑战性，目前我们正致力于这项工作。我们希望，能在不久的未来使用这种方式来进行推荐。
问：为什么我会在推荐中看到如此之多的三星级甚至是两星级的电影呢？
葛梅兹-乌里韦：人们喜欢把《辛德勒的名单》(Schindler’s List)等电影的评分打得很高，而不是我喜欢看的《热浴盆时光机》(Hot Tub Time Machine)这样的恶搞喜剧片。如果你只向用户推荐四星级或五星级的电影，那并不意味着他们想要在某个周三工作了一整天以后还想看那样的电影。我们所拥有的数据中，最重要的是有关观看行为的数据。
艾玛特里安：我们知道，许多评分都是“成功指南”式的，而并不是反映你们的日常活动。
问：在你们面前，我们似乎没有什么事情可以隐瞒。
葛梅兹-乌里韦：很多人都会告诉我们说，他们经常会观看外国电影或是纪录片。但在实际生活中，这种情况发生的次数并不是很多。
问：推荐是否会对观看行为造成影响呢？
葛梅兹-乌里韦：位置很重要。推荐的视频越是接近第一的位置，那就越有可能被播放。在页面上，推荐视频所处的位置越高，被播放的可能性也就越高。
问：你们的推荐与其他公司有社么不同呢？
艾玛特里安：我们所做的几乎所有事情都与推荐有关。上周我曾造访过eBay，他们告诉我说，90%的用户购物活动都来自于搜索;而我们则恰恰相反。推荐是很重要的，而搜索功能只有在我们无法向用户推荐他们想看的内容时才会发挥作用。
问：算法推荐是否存在任何局限性？
葛梅兹-乌里韦：我曾在一年以前看过法国惊悚片《不可告人》(Tell No One)，后来一直都试图找到类似的电影。但这部电影的内容团队中的一个人告诉我说，那样的影片在这个世界上仅此一部。
更多详细信息，请您微信关注“计算网”公众号：
