Hintergrund

Netflix, Spotify und Co: Die Vermessung des digitalen Ich

von

Mit jedem Klick bei Streaming-Angeboten produzieren wir Daten, mit denen Netflix, Spotify und Co. Inhalte empfehlen oder gleich neu produzieren. Ein Erklärungsversuch, wie Big Data unseren Medienkonsum verändert.

Wenn Jan Böhmermann und Olli Schulz demnächst auf Spotify blödeln, stehen sie unter ganz anderer Beobachtung. Nicht nur seitens der Hörer und Kritiker, die das neue Format mit dem alten «Sanft & Sorgfältig» vergleichen werden. Nein, Böhmermann und Schulz sind auch dann Teil der Spotify-Welt, in der millisekundengenau gemessen wird, was der Nutzer wann tut. Spotify wird wissen, an welchem Zeitpunkt die Sendung abgebrochen oder unterbrochen wird, wann vorgespult wird, was währenddessen auf dem Smartphone gemacht wird. Die Vermessung ist ultimativ – und sie ist das Gegenteil vom Radio, wo Quoten nur einmal im halben Jahr gemessen werden und wo Böhmermann und Schulz jetzt herkommen.

Die Verhandlungen mit den beiden Moderatoren sollen schon länger laufen. Spotify wagt hier einen neuen Schritt, man kauft Content ein, der das eigene Angebot exklusiv aufwertet. Es ist das Netflix-Modell, bei dem man Hörer mit eigenen Shows an sich binden will. Diese Entwicklung beginnt nun auch bei den Musik-Streamern, die künftig mehr als nur Musik anbieten werden. Durch die größere Konkurrenz (z.B. durch Apple Music, Deezer, Tidal) müssen die Anbieter Alleinstellungsmerkmale aufweisen. Und wie bei Netflix müssen diese dem Zuhörer schmecken. Es ist also kein Zufall, dass Böhmermann und Schulz zu Spotify gehen. Der Anbieter weiß ganz genau, welche Zielgruppe er sich mit den Entertainern einkauft.

Spotify lernt uns kennen


Spotifys Algorithmus gilt als der beste und genaueste der Branche. Wer den Dienst schon länger benutzt, erhält jede Woche eine neue personalisierte Playlist, die es in sich hat. „Dein Mix der Woche“ basiert punktgenau auf dem eigenen Musikgemschmack und enthält ca. 30 Songs. Es ist verblüffend, wie gut diese Playlist immer wieder funktioniert, weil sie immer wieder frisch und neu herüberkommt. Je mehr man Spotify nutzt, je umfassender man seine Bibliothek füllt und Songs bewertet, desto besser wird der Algorithmus, desto besser wird die persönliche Playlist.

Anders als die meisten Streaming-Anbieter gab Spotify im letzten Jahr einen Einblick über die Funktionsweise des Algorithmus. Zum Teil basieren die persönlichen Empfehlungen auf anderen Musikfans. Spotify besitzt über zwei Milliarden von Usern generierte Playlists. Der Dienst schaut sich nun an, in welchen dieser Playlists die Songs vorkommen, die man selbst am meisten mag, am meisten gespielt, am besten bewertet hat. Spotify vermutet nun, dass andere Songs dieser Playlists ebenfalls gefallen werden.

Diese Herangehensweise ist einfach wie genial, weil sie nicht nur auf Big Data basiert, sondern auch die menschliche Kreativität – durch die User-Playlists – mit einbezieht. Doch der Algorithmus geht noch weiter: Der zweite Weg hin zu den besten Song-Empfehlungen basiert auf dem eigenen Musikgeschmack. Alles, was man auf Spotify tut, wird analysiert und zusammengepuzzelt. Irgendwann hat der Dienst ein Profil erstellt mit den Genres und Künstlern, die man am meisten mag. Dabei geht es nicht nur um „Rock“ oder „Hip-Hop“, sondern man teilt viel genauer ein, in sogenannte Mikro-Genres wie „Indie R&B“ oder „Neo Soul“.

Der Algorithmus von Spotify verarbeitet diese beiden Inputs – Musikgeschmack sowie User-Playlists – auf intelligente Art und spuckt jede Woche eine neue persönliche Playlist mit Songs aus, die man noch nicht kennt. Dieses Feature ist einzigartig bei den Musik-Streamern, und es wird von den Nutzern geliebt. Als die Playlist im letzten September wegen eines technischen Fehlers kurzzeitig nicht am Montagmorgen aktualisiert wurde, war der Aufschrei in den sozialen Netzwerken groß. Die User haben offensichtlich kein Problem damit, dass Spotify ihren Musikgeschmack ganz genau vermisst. Im Gegenteil: Der Vorteil einer Playlist, die so gute Empfehlungen gibt wie man selbst wahrscheinlich nie könnte, ist größer als der Nachteil, seine Daten preiszugeben.

Netflix: Codes und Kreativität


Ähnliches gilt für die visuellen Streaming-Anbieter wie Amazon und Netflix. Auch hier produzieren die Nutzer täglich Milliarden Daten, die ausgewertet und aggregiert werden. Die persönlichen Empfehlungen bei Netflix funktionieren ähnlich wie bei Spotify: Über 75.000 solcher Mikro-Genres zu Filmen und Serien kennt der Anbieter, anhand derer ein genaues Profil des eigenen Geschmacks entsteht. Netflix will beispielsweise nicht, dass man alle Neuerscheinungen im Angebot kennt – eine entsprechende Liste gibt es nicht. Lediglich die Neuerscheinungen, von denen Netflix glaubt, dass sie mich interessieren würden, erscheinen unter den Empfehlungen.

Auch die Produktion neuer eigener Inhalte basiert auf den Geschmacksprofilen der zig Millionen Nutzer. Dabei gehen Amazon und Netflix unterschiedliche Wege. Während Netflix strikt ganze Staffeln für neue Serien ordert, pilotiert Amazon seine Ideen zunächst öffentlich. Die Folgen, die in den sogenannten „Pilot Seasons“ dann am besten abschneiden, erhalten ganze Staffeln.

Ironischerweise gehörten zu den ersten eigenen Inhalten von Amazon und Netflix zwei ganz ähnliche Shows: «Alpha House» und «House of Cards». Beide spielten in der amerikanischen Politik und im weißen Haus, beide handelten von republikanisch denkenden Personen (auch wenn Frank Underwood offiziell Demokrat ist). In beiden spielen Hollywood-Darsteller (John Goodman und Kevin Spacey). Der größte Unterschied: Die eine Serie ist Comedy, die andere Drama. Dennoch funktionierte nur «House of Cards» richtig, während «Alpha House» nach zwei Staffeln leise vom Bildschirm verschwand.

Der Datenanalyst Sebastian Wernicke erklärte kürzlich in einem TED Talk, warum die Netflix-Serie erfolgreich war und die Amazon-Serie nicht. Das Ergebnis ist überraschend: Amazon soll sich komplett auf die Daten verlassen haben, während Netflix irgendwann die Kreativität der eigenen Mitarbeiter anzapfte. Wernicke erklärte die Vorgehensweise, mit der Entscheidungen aufgrund von Big Data getroffen werden: Im ersten Teil nimmt man die vorhandenen Daten auseinander und analysiert diese, im zweiten Teil werden sie wieder zusammengesetzt, um daraus Nutzen zu stiften.

Netflix aber soll den zweiten Teil vernachlässigt, sich also nicht allein auf die vorhandenen Daten verlassen haben, sondern aus dem analyiserten Datenmaterial die richtigen kreativen Schlüsse gezogen haben – in den Köpfen der Mitarbeiter. „Es gibt da ein anderes cooles Tool, das die Daten intelligent zusammensetzen kann, und wir alle besitzen es. Es ist unser Gehirn“, sagt Wernicke. „Deswegen war Netflix so erfolgreich. Sie nutzten Daten und das Gehirn genau dort, wo sie im Entstehungsprozess gebraucht wurden.“

Amazon also versuchte, eine Show zu produzieren, von der man von vornherein durch bekannte Daten zu wissen glaubte, dass diese Show gefallen würde. Bei Netflix war es anders: Sie produzierten eine Show, von der die Nutzer noch gar nicht wussten, dass sie sie irgendwann lieben würden. Ganz nach Steve Jobs also, der einmal sagte: „ A lot of times, people don't know what they want until you show it to them.”

Kurz-URL: qmde.de/85290
Finde ich...
super
schade
100 %
0 %
Teile ich auf...
Kontakt
vorheriger ArtikelPrimetime-Check: Freitag, 29. April 2016nächster ArtikelFormel 1 bei RTL: Timo Glock springt als Experte ein
Schreibe den ersten Kommentar zum Artikel
Weitere Neuigkeiten

Optionen

Drucken Merken Leserbrief




E-Mail:

Quotenletter   Mo-Fr, 10 Uhr

Abendausgabe   Mo-Fr, 16 Uhr

Datenschutz-Info

Letzte Meldungen

Werbung

Mehr aus diesem Ressort


Jobs » Vollzeit, Teilzeit, Praktika


Surftipp


Surftipps


Werbung