Caso Final Netflix

[pic 2]

MBA con especialización en Project Management

Caso Netflix

Bloque Internacionalización

Profesor: Ángel Pérez Torres

Estudiante: Francisco Fuenzalida Vattier

28 de septiembre de 2021

ÍNDICE

I.        Marketing Digital        2

1.        Fuentes de datos útiles e importantes en el ecosistema de Netflix        2

2.        Estrategias e iniciativas de Marketing Personalizado de Netflix        4

3.        Herramientas de neuromarketing que se utilizan en media streaming        6

II.        Transformación e inteligencia digital        7

1.        Escenario digital de Netflix        7

2.        Iniciativas de transformación digital de Netflix        11

3.        Propuesta de otras iniciativas para acelerar el cambio        12

III.        E-Commerce y Redes Sociales        12

1.        Estrategia de Internet llevada a cabo por Netflix        12

2.        Propuesta para el aumento de suscriptores        13

3.        Acción de marketing realizada en RRSS        13

IV.        Bibliografía        15

1. Marketing Digital

1. Fuentes de datos útiles e importantes en el ecosistema de Netflix

En los inicios del servicio de streaming de Netflix, funcionaba con un reproductor de video basado en Microsoft Silverlight^[1] para evitar la descarga y distribución no autorizada del contenido audiovisual, migrando a HTML5 el año 2014.

El back-end del servicio está compuesto por cerca de 700 microservicios o aplicaciones que se ejecutan en forma independiente, comunicándose entre sí mediante APIs^[2]. Cada uno de estos microservicios realiza una tarea específica, las que van desde realizar el cargo mensual a los suscriptores hasta, por ejemplo, la presentación al usuario de las viñetas gráficas de películas o series en base a sus preferencias. Dado lo anterior, se puede decir, que en términos informáticos Netflix está compuesto por un ecosistema de microsistemas con objetivos específicos a cada uno en vez de una arquitectura informática monolítica^[3] (Lobato, 2019).

En el año 2000, Netflix introdujo la opción para que los usuarios pudiesen clasificar en línea las películas que arrendaban en DVD, otorgándoles de 1 a 5 estrellas. Tomando como base esta información además del historial de arriendos, el sistema generaba recomendaciones de contenido al usuario. Este sistema se denominó Cinematch y consistía en un microservicio complejo que presentaba al usuario el catálogo de películas ordenado según sus intereses.

En ese tiempo los datos que tenía Netflix sobre sus usuarios eran nombre, código postal, género, edad y la clasificación otorgada a las películas. Cuando finalmente Netflix tuvo la certeza que la infraestructura de Internet era capaz de soportar la visualización de contenido audiovisual con buena calidad, lanzó su servicio de streaming y al mismo tiempo empezó a registrar en sus bases de datos mucha más información sobre el comportamiento del usuario:

• Cuando hace una pausa, retrocede o avanza rápidamente.
• Qué día ve contenido.
• La fecha y hora en que visualiza el contenido.
• Ubicación geográfica desde donde el usuario está viendo contenido.
• El dispositivo utilizado.
• Cuando hace una pausa y abandona el contenido y si alguna vez regresa a verlo.
• Las calificaciones otorgadas.
• Búsquedas realizadas.
• Comportamiento de navegación y desplazamiento.
• En qué momento aparecen los créditos de las producciones y poder determinar si el usuario abandona la aplicación o vuelve a navegar.
• Sugerencia de contenido personalizado cuando aparecen los créditos.

En definitiva, toda esa enorme cantidad de datos es lo que viene a ser el Big Data de Netflix. El éxito de esta compañía radica justamente en el aprovechamiento de estos datos para mejorar la experiencia del usuario y sus propios procesos internos, por lo que el dato pasó a ser el motor que guía las decisiones de Netflix, logrando un amplio conocimiento de sus clientes con información actualizada y obtenida en tiempo real para poder ofrecerle contenido adaptado al usuario y no al contrario como lo son otros medios audiovisuales.

Es por ello por lo que Netflix utiliza minería de datos para encontrar patrones de comportamiento de sus usuarios, así como también Machine Learning para implementar procesos automatizados de mejoras en la experiencia del usuario y análisis predictivo para la elaboración de predicciones con un bajo grado de incertidumbre.

Netflix no solo utiliza la analítica para la oferta de contenidos personalizados, sino que también para la producción de contenido propio. Cuando un canal de televisión convencional lanza una nueva serie, tiene un promedio histórico de apenas un 35% de probabilidades de éxito de audiencia, mientras que Netflix aumenta esa tasa de éxito a un 70% gracias al análisis del Big Data.

Como ejemplo de esto último, uno de los mayores casos de éxito de Netflix ha sido la serie de producción propia House of Cards (dirigida por David Fincher y protagonizada por Kevin Spacey), la que se gestó en base a los siguientes factores:

• El éxito de audiencia de la versión británica de House of Cards.
• La gran cantidad de usuarios que vieron la película completa The Social Network, la que fue dirigida por David Fincher.
• De los usuarios que vieron la versión británica de House of Cards, una gran cantidad de ellos también vieron películas del director David Fincher.
• De los usuarios que vieron la versión británica de House of Cards, una gran cantidad de ellos también vieron películas donde actuaba Kevin Spacey.

Gracias a los algoritmos de analítica de datos, Netflix pudo determinar con un alto grado de certeza quienes estarían interesados en ver una serie de drama político protagonizada por Kevin Spacey y dirigida por David Fincher; y con ello tomar la decisión de invertir $100 millones de dólares para producir 2 temporadas iniciales de 13 episodios cada una. Agregando a lo anterior, Netflix realizó 10 tráilers (sinopsis) distintos, cada uno dirigido a distintos tipos de audiencias para promover en forma dirigida la serie entre los usuarios.

Producto del éxito de House of Cards, en el año 2013 Netflix aumentó su base de suscriptores en 2 millones en Estados Unidos más 1 millón de otras partes del mundo, lo que implicaron ingresos que prácticamente igualaron el costo inicial de la serie. A parte del retorno de la inversión, lo que realmente le interesa a Netflix es hacer crecer la base de suscriptores para asegurar sus ingresos, lo que se puede corroborar en el caso de House of Cards en que encuestas posteriores indicaron que el 86% de los suscriptores no estaba dispuesto a cancelar su suscripción al servicio, logrando un alto nivel de fidelidad de los usuarios.

1. Estrategias e iniciativas de Marketing Personalizado de Netflix

La magnitud de los datos que Netflix almacena sobre sus usuarios es tal que permite un alto nivel de personalización en la interfaz altamente amigable que se le presenta al usuario.

Según lo señalado en las fuentes de datos identificadas, Netflix utiliza sus algoritmos de analítica y aprendizaje automático alimentados con los datos de los usuarios para ofrecer contenido recomendado a cada usuario basado en lo que les gusta, así como también en lo que no les gusta, además de tomar en cuenta lo que ya han visto previamente. El microservicio de recomendaciones tiene un nivel de precisión bastante alto, lo que redunda en que prácticamente el 80% del contenido visto por los usuarios tiene su origen en las recomendaciones personalizadas, de hecho, cuanto más lo utiliza el usuario, más precisas se vuelven las recomendaciones, creando un ciclo de retroalimentación continua.

...