Tại sao Netflix sẽ chuyển từ hệ thống xếp hạng năm sao của mình sang hệ thống thích / không thích?

Netflix được sử dụng để dựa trên các đề xuất của mình về xếp hạng các bộ phim / chương trình khác của người dùng. Hệ thống đánh giá này có năm sao.

Giờ đây, Netflix cho phép người dùng thích / không thích (xem ngón tay cái / ngón tay cái xuống) phim / chương trình. Họ cho rằng việc đánh giá phim dễ dàng hơn.

Phân loại 2 chiều này có được dự đoán ít hơn về mặt thống kê so với hệ thống phân loại 5 chiều không? Nó sẽ không nắm bắt ít biến thể hơn?

variance predictive-models prediction

— jvriesem
nguồn

Tôi nghĩ rằng bất kỳ câu trả lời nào cũng cần nghiêm túc giải thích riêng của Netflix, bao gồm cả trong thử nghiệm A / B, họ nhận được gấp 4 lần xếp hạng trong hệ thống 2 chiều. Điều đó một mình là rất lớn. Ngoài ra, kết quả của cuộc thi Netflix nổi tiếng là dự đoán xếp hạng tốt hơn (những gì họ nhận được từ cuộc thi) đã không chuyển thành hành vi dự đoán tốt hơn . Bạn có thể đánh giá "Pride and Prejudice" một bộ phim hay hơn, nhưng có nhiều khả năng xem "Die Hard". Netflix có thể quan tâm nhiều hơn về những gì bạn muốn (hoặc sẽ) xem hơn những gì bạn nghĩ là một bộ phim hay hơn.

— ctwardy

Theo một bài báo của Preston & Coleman (2000), độ tương đối của 2 mặt hàng không khác biệt rõ rệt với độ tin cậy của 5 mặt hàng:

Chủ đề đo lường là sự hài lòng với restaruants nhưng nó phù hợp với xếp hạng phim. Dễ sử dụng, sử dụng nhanh như thế nào và một người có thể thể hiện cảm xúc như thế nào trên một vật phẩm khác biệt - thang đo cũng được đo lường. Kết quả như sau:

Rõ ràng là người dùng thấy 2 quy mô vật phẩm dễ sử dụng hơn một chút và sử dụng nhanh hơn so với 5 quy mô vật phẩm nhưng cũng không đủ để thể hiện niềm tin thực sự của người dùng. Điều này chỉ ra rằng quy mô 2 mặt hàng không nắm bắt được sự biến đổi cơ bản rất tốt và dẫn đến mất khả năng thay đổi. Các chỉ số phân biệt đối xử cũng kém hơn rõ rệt đối với 2 thang đo vật phẩm so với 5 thang đo vật phẩm.

Nếu tính tất cả những điều trên, tôi sẽ suy đoán rằng Netflix sẵn sàng trao đổi một số độ chính xác để bỏ phiếu để thu hút thêm người dùng tham gia bỏ phiếu. Tôi nghĩ rằng họ thích nhiều người bỏ phiếu hơn vì nó làm tăng phạm vi bảo hiểm mẫu. Điều này có thể dẫn đến sự hiểu biết tốt hơn về người dùng ít tham gia. Giá trị cận biên của thông tin bổ sung cho người dùng ít tham gia có khả năng cao hơn nhiều so với người dùng tham gia.

— Vivaldi
nguồn