Netflix üyelerine gösterilen yapımların görsellerini kişiselleştiriyoruz. Bu kişiselleştirilmiş materyalleri, üyelere neyi izleyebilecekleriyle ilgili daha kolay karar verebilmeleri için yardımcı olmayı hedefleyen algoritmalarla oluşturuyoruz.

Grace Tang, Aneesh Vartakavi, Julija Bagdonaite, Cristina Segalin, Vi Iyengar

Netflix'teki hikâyeler çok yönlüdür; yani aynı hikâye farklı üyelere çeşitli şekillerde çekici gelebilir. Örneğin epik bir yapım içerisinde dramatik bir aşk hikâyesi barındırıyorsa, romantik yapımları izlemeyi daha sık tercih eden üyelerimiz için bu yapımın afişini ve diğer bilgi öğelerini, dramatik aşk hikâyesine dair kurguyu öne çıkaracak şekilde tasarlarız. Bu da onların karar verme sürecini kolaylaştırır. 

Daha önceki bir blog yazımızda, görsel kişiselleştirme algoritmamızın her üye için en iyi görseli nasıl seçebileceğini açıklamıştık; peki yapımın içerisinden seçim yapılacak doğru bir görsel kümesi nasıl oluşturulur? Bir yapımın tanıtımını tasarlarken hangi verilere sahip olmanız gerekir? 

Bu blog yazısında, etkili görsel oluşturmanın iki yaklaşımını tartışıyoruz. Genel olarak şunlardır: 

1.     Yukarıdan aşağı yaklaşım: Görüntü özelliklerini önceden belirlediğimiz yaklaşım.

2.     Aşağıdan yukarı yaklaşım: Verinin önemli eğilimleri yüzeye çıkarmasına izin verdiğimiz yaklaşım.

Tanıtım afişinin rolü

Harika bir tanıtım afişi, izleyicilerin sevecekleri yapımları keşfetmelerine yardımcı olur. Üyelerin zaten ilgi alanlarına uygun yapımları hızlı bir şekilde bulmalarına yardımcı olmanın yanı sıra, yeni içerikler keşfetmelerine de olanak tanır. Üyelerimizin ilgi alanlarına göre kişiselleştirilmiş afişler tasarlamak istiyoruz; ancak aynı zamanda yapımı gerçekçi bir şekilde temsil etmeyi de istiyoruz. Tık tuzağı yapmaktan kesinlikle kaçınıyoruz.

Örneğin; Purple Hearts, geleceğin şarkı yazarı olmaya çalışan birinin yakın zamanda gönderilecek bir denizci ile yaptığı anlaşma üzerine kurulu bir film. Bu yapımın romantizm sevenlerin yanı sıra askeri ve savaş temalarını sevenlerin de ilgisini çekebilecek hikâyeleri var gibi görünüyor. Bunu yapım için hazırlayacağımız afişin görsel setine de yansıtmalıyız.

Yaratıcı ipuçları

Hem üyelerimizle ilgili hem de çekici ve gerçekçi görsel setleri oluşturmak için yapımın içeriği hakkında bilgiye sahip yaratıcı stratejistler ve tasarımcılara güvendik. Onların uzmanlığı tamamlamak için de onlara yardımcı olacak bazı araç setleri oluşturduk. Netflix'te hâlihazırda bulunan binlerce yapımın o ana kadar gösterdiği performansı inceleyerek; sanat ve bilimin güzel bir kesişimine ulaşıyoruz. Tabii bu yaklaşımın bazı olumsuz yönleri de var: Bu büyük veri koleksiyonunu manuel olarak incelemek sıkıcı ve bu şekilde tüketici eğilimlerini aramak nispeten subjektif ve onay önyargısına duyarlı olabilir. 

Yaratıcılar iyi bir sanat eseri yapmanın ne olduğu konusunda yılların deneyimine ve uzman bilgisine sahiptir. Diğer yandan özellikle Netflix yapımlarında kullandığımız özel tuvaller sayesinde bazı varsayımlarımızı test etmekten de zarar çıkmaz. Örneğin, bazı yapımların mevcut afişlerinde etkili olan belirli geleneksel sanat stilleri, Netflix’in arayüzü tasarımına göre oturma odanızdaki TV’de iyi görünmeyebilir. Netflix görselleri, bir film afişi veya fiziksel bir reklam panosu ile karşılaştırıldığında TV ekranlarında ve mobil telefonlarda çok farklı boyutlara uyarlanmıştır. Dolayısıyla mevcut tasarım prensiplerinden çıkarımlar yapmak yerine, sanatın bizim arayüzlerimizdeki etkisine odaklanmalıyız. 

Bu zorlukları da göz önünde bulundurduğumuzda kısacası veriye dayalı öneriler geliştiriyor ve bu önerileri yaratıcı ve kullanıcı dostu bir şekilde sunuyoruz. Bu içgörüler, daha etkili materyal setleri oluşturmamıza yardımcı olmak için odaklanacağımız çerçeveyi çiziyor. Şimdi iki farklı yaklaşıma göre afiş tasarımımızı detaylandıralım. 

Yukarıdan aşağı yaklaşım

Yukarıdan aşağıya yaklaşımımızda, nitelikleri belirterek görüntüyü tanımlıyoruz ve görüntüyü başarılı kılan özellikleri buluyoruz. Geniş bir özellik seti belirlemek için tecrübesine güvendiğimiz uzmanlarla iş birliği yapıyoruz ve bunları “Computer Vision” (Bilgisayarla Görme) ve Machine Learning (Makine Öğrenimi) tekniklerini kullanarak modelliyoruz. Bu özellikler, renk ve doku gibi daha düşük seviyeli özelliklerden yüz sayısı, kompozisyon ve yüz ifadeleri gibi daha yüksek seviyeli özelliklere kadar değişebiliyor.

Yüz algılama ve nesne etiketleme gibi bazı özellikleri oluşturmak için önceden eğitilmiş modelleri/API'ları kullanabiliriz. Önceden eğitilmiş bu modeller yeterli olmadığında da özel modeller oluşturmak için insan destekli yapay zekâ araçları geliştirdik. Örneğin Computer Vision modelleri, bir görüntüde yüz yüze olan iki kişinin yüz ifadelerinin mutlu olup olmadığını söyleyebilir; ama bu iki kişi arkadaş mı yoksa romantik bir ilişki içerisinde mi? Buna insan karar verebilir. Bu gibi daha özel tanımlama seçenekleri için uzmanlarımızın hızlı ve verimli bir şekilde Machine Learning modellerini eğitmesine yardımcı olan araçlar oluşturduk. 

Özellikleri tanımlamamızın ardından, bu özelliklerden hangilerinin afiş tasarımını daha ilgi çekici hâle getireceğini belirliyoruz. Aynı zamanda ilerleyen zamanlarda çıkacak diğer yapımlarla ilgili içgörüler elde edebiliyoruz. Hemen örneklendirelim; verilere baktığımızda tek kişilik portrelerin yer aldığı tanıtım afişlerinin, birden fazla kişiyi içerenlere oranla daha iyi performans gösterme eğiliminde olduğunu gördük.

Aşağıdan yukarı yaklaşım 

Yukarıdan aşağı yaklaşım, verilerle desteklenen net içgörüler sunabilir; ancak bu içgörüler önceden tanımlayarak modellediğimiz özelliklere sınırlıdır. Bunu, önceden herhangi bir tahminde bulunmadığımız, aşağıdan yukarıya bir yaklaşım kullanarak dengeliyoruz. Uygulamada, benzer görüntülerden oluşan görsel kümelerini kenara ayırıyoruz ve yaratıcı uzmanlarımızın bu görsel gruplarından içgörü, konsept ve ilham almalarını sağlıyoruz.

Yukarıda örneklediğimiz yapım Purple Hearts üzerinden gidelim; karakterlerden biri Deniz Piyadelerinde. Benzer yapımlardaki diğer görüntü kümelerine baktığımızda genellikle askeri üniformalı karakterler ve savaş görüntüleriyle ilişkilendirilen görüntüler içeren bir görsel kümesi görüyoruz.

Yukarıdaki kümeden bazı görüntüleri tanımlayacak olursak; bazıları silah tutan, ciddi yüz ifadeleriyle objektife bakan üniformalı asker veya subay örnekleri görüyoruz. Tanıtım afişini hazırlayan uzmanlarımız, performans verilerini kullanarak bu kalıbın daha önce benzer yapımlarda ne kadar etkili olup olmadığını görebilir ve bu bilgiyi tanıtım afişi oluşturma aşamasında ilham kaynağı olarak kullanabilir.

Benzer şekilde, yapımda bir romantizm hikâyesi var, bu yüzden romantizmi gösteren bir dizi görüntü buluyoruz. Bu yöntemle afişi hazırlayan uzmanımız fiziksel yakınlığın, yani beden dilinin romantizmi aktardığı sonucuna vararak tanıtım afişini tasarlama aşamasında bunu ilham kaynağı olarak kullanabilir.

Üye kümeleme

Bir başka yöntem de üyeleri tercihlerine göre gruplandırdığımız üye kümeleme tekniği. Üyelerin davranışlarını görüntüleyerek onları gruplayabilir veya aynı görüntülere olumlu yanıt veren üye gruplarını bulmak için görüntü kişiselleştirme algoritmamızdan yararlanabiliriz. Bu kalıpları birçok yapımda gözlemledikçe, hangi kullanıcı kümelerinin hangi yapımla ilgilenebileceğini tahmin edebiliriz. 

Mesela Netflix üyelerini biri romantizmi, diğeri aksiyonu seven iki geniş kümeye ayıralım. Bir yapımı yayınladıktan sonra bu iki üye grubunun nasıl tepki verdiğine bakabiliriz. Purple Hearts izleyicilerinin yüzde 80'inin romantizm kümesine, yüzde 20'sinin ise aksiyon kümesine ait olduğunu görebiliriz. Ayrıca, temsili bir romantizm hayranının, aynı yapıma ait tüm farklı afiş tasarımları içerisinde en olumlu tepkiyi çiftin sarıldığı tasarıma verdiğini görebiliriz. Tabii aksiyondan hoşlanan izleyiciler de en çok savaş alanında yer alan askerin olduğu tasarıma olumlu tepki veriyor. Birçok yapımda bu benzer davranış biçimlerini gözlemledikçe, hangi kullanıcı kümelerinin ilerleyen zamanlarda hangi yapımlarla ilgilenebileceğini tahmin etmeyi öğrenebiliyoruz. Bunun yanı sıra hangi temaların onların olduğu kümede daha etkili olduğunu da görüyoruz. Bu örnekteki gibi edindiğimiz içgörüler, gelecekteki yapımlarımızın tanıtımını oluştururken bize rehberlik ediyor.

İçgörülerimizi veriyle destekliyoruz

Amacımız, yapımlarımızı tanıtırken kullandığımız reklam öğelerini veriye dayalı içgörülerle güçlendirmek. Yukarıdan aşağıya ve aşağıdan yukarıya olan bu yöntemler, hedefimize farklı açılardan yaklaşır ve farklı tekniklerle içgörü sağlar. 

Aşağıdan yukarı yaklaşımlarda karmaşık yüksek seviyeli içerik özelliklerini ve bunların kombinasyonlarını modelleyebiliriz; ancak içgörüler daha az belirgin ve subjektif olabilir. Yani iki kullanıcı aynı görüntü kümesine bakarken farklı içgörüler çıkarabilir. Bununla birlikte, aşağıdan yukarı yöntemlerde, beklenmeyen yeni model kalıpları yüzeye çıkabilir, bu kalıplar ilham sağlayabilir ve yukarıdan aşağı modelindeki gibi direktife bağlı olmadığından yaratıcı keşif ve yorumlamaya açıktır. 

Bu özelliklerin kombinasyonlarını modellemek ve etkilerini ölçmek nispeten daha zordur. Ayrıca, karmaşık görüntülerin özelliklerini belirlemek zor olabilir ve bunu yapabilmek için özel modeller gerekir. Örneğin, "aşk" temasını oluşturmak için çok sayıda görsel yöntem kullanılabilir: kalp emojileri, ele ele tutuşan iki kişi veya birbirinin gözlerine bakan insanlar gibi. Yukarıdan aşağı yaklaşımlarla ilgili bir diğer zorluk ise düşük seviye özelliklerin altta yatan gerçek trendi gözden kaçırabileceğidir. Bu şu anlama geliyor; yeşil ve mavi renkler, doğa belgeselleri için etkili özelliklerdir ancak altta yatan asıl etkili trend orman veya deniz gibi doğal ortamların tasvir edilmesidir. 

Elbette algoritmalarımız kusursuz değil. Mevcut modellerimizin yapımlarla ilgili saptayamadığı başka önemli faktörler de bulunuyor. Tabii bunlar genellikle görselin kendisi dışındaki faktörlerdir; yapımdaki ünlülerin yerel olarak ne kadar popüler olduğu veya estetik tercihleri oluşturan kültürel farklar gibi. Belirli temaların nasıl tasvir edildiği, bir üyenin ne zaman hangi cihazı kullandığı vb. gibi durumlar da tasarladığımızın afişin etkisini artırabilir veya azaltabilir. Üye topluluğumuz günden güne daha global ve çeşitli hâle geliyor. Bu yüzden tanıtım materyallerimizde daha kapsayıcı ve kişiselleştirilmiş bir deneyim yaşayabilmeleri için bu etkenleri de göz önünde bulundurmamız gerekiyor.

Teşekkür

Bu çalışma, yaratıcı inovasyon alanında iş birliği yaptığımız partnerlerimiz olmadan mümkün olmazdı. Özellikle, burada tanımladığımız teknolojiyi oluşturmamıza yardımcı olan Ben Klein ve Amir Ziai'ye özel teşekkürlerimizi etmek isteriz.