Материал
Персонализация Netflix обложек: как сервис выбирает картинку для зрителя
Редакция Пиксель Вайб
Редакция Пиксель Вайб

Персонализация Netflix обложек: как сервис выбирает картинку для зрителя

Один фильм — две-три-... пять обложек: как Netflix решает, какую картинку показать именно вам

На одной обложке — пара, которая обнимается. На другой — мужчина в военной форме. При быстром просмотре каталога Netflix их легко принять за два разных фильма. Но обе картинки ведут к «Пурпурным сердцам» — истории о начинающей певице и морпехе, которые женятся по расчёту.

Почему Netflix не выбирает одну «лучшую» обложку для всех? Потому что одна и та же история может зацепить разных зрителей по-разному. И сервис давно пытается подобрать не только фильм, но и способ его показать.

Две разные кинематографичные обложки одного вымышленного фильма: на одной нежная пара обнимается, на другой мужчина в военной форме; между ними визуальная связь, без логотипов и текста

Иногда важнее не фильм, а то, как его показать

Один из ранних экспериментов Netflix был связан с документальным фильмом The Short Game. По первой обложке было понятно, что речь идёт о гольфе. Но по картинке трудно было догадаться о главной детали: на турнире соревновались дети младшего школьного возраста.

Для зрителя, которому гольф неинтересен, фильм выглядел как ещё одна спортивная документалка. Netflix начал показывать разным группам зрителей разные изображения и увидел, что некоторые варианты чаще приводят к просмотру.

Отсюда выросла более интересная идея: а что, если не искать одну удачную картинку для всех, а подбирать её под конкретного человека?

Представим «Пурпурные сердца».

  • Если зритель часто смотрит мелодрамы, его может заинтересовать кадр с влюблённой парой.
  • Если он обычно пропускает такие фильмы, но смотрит военные истории, больше шансов привлечь его может обложка с морпехом.

Фильм один и тот же. Меняется только первый сигнал, который получает зритель.

Netflix смотрит не только на то, что вы нажали

В 2017 году инженеры Netflix подробно описали подход к персонализации обложек. Система учитывала историю просмотров и контекст пользователя, выбирала изображение, а затем фиксировала, что произошло дальше: какую картинку человек увидел и запустил ли фильм.

Но одного запуска недостаточно. Иначе система могла бы научиться показывать обложки, которые отлично заставляют нажать на «Play», но плохо помогают выбрать фильм.

Поэтому Netflix учитывал ещё и качество просмотра. Логика примерно такая: зритель заметил морпеха, включил фильм, посмотрел минуту и закрыл. Для простой метрики это может выглядеть как успех. Для рекомендаций — уже нет.

Именно поэтому алгоритму важно понять не только, какая обложка привела к запуску, но и насколько этот запуск оказался содержательным. Так сервис старается не превращать персонализацию в обычный кликбейт.

Сцена детского турнира по гольфу: несколько младших школьников на поле, крупный план одного ребёнка с клюшкой и фокусом на соревновании, без текста и узнаваемых людей

Как алгоритм решает, какую картинку показать

Netflix описывает этот подход как contextual bandits — алгоритмы, которые одновременно учатся и принимают решения.

Условно процесс выглядит так:

  1. Для фильма есть несколько подходящих изображений.
  2. Система учитывает контекст конкретного зрителя: что он раньше смотрел, какие жанры и темы ему интересны и другие доступные сигналы.
  3. Алгоритм выбирает наиболее перспективную обложку, но время от времени пробует альтернативы.
  4. Результат возвращается в систему и используется для следующих решений.

Последний пункт особенно важен. Если постоянно показывать только текущего лидера, алгоритм почти ничего не узнает о других вариантах. Поэтому системе нужна контролируемая случайность: она иногда проверяет альтернативную картинку и смотрит, как на неё реагируют зрители.

Для Netflix это ещё и инженерная задача. В статье 2017 года компания писала о нагрузке свыше 20 млн запросов в секунду на пиковой нагрузке для визуальной части сервиса. Алгоритм должен не только хорошо выбирать картинку, но и делать это быстро и надёжно.

Почему обложку не стоит менять при каждом заходе

Есть и обратная проблема. Представьте, что вечером вы заметили фильм из-за обнимающейся пары, но решили посмотреть его завтра. На следующий день Netflix показывает тот же фильм уже с морпехом.

Алгоритм может считать новую обложку более подходящей. А вы просто не узнаете знакомый фильм среди остальных карточек.

Поэтому Netflix отдельно учитывал частоту смены изображений. Более редкие изменения позволяют точнее понять, какая обложка действительно повлияла на интерес, и одновременно не мешают зрителю найти фильм, который он уже заметил.

А если смотреть решили позже, фильм можно добавить в «Мой список» — тогда искать его повторно не придётся.

Теперь похожий подход приходит на YouTube

YouTube пошёл по близкой траектории. В сервисе уже можно тестировать до трёх вариантов обложки, а победивший вариант определяется по watch time и после завершения теста показывается зрителям. Тест может занимать до двух недель; функция зависит от доступности расширенных возможностей канала и сейчас предназначена для видео, для которых поддерживается A/B-тестирование.

А 23 сентября 2026 года YouTube анонсировал следующий шаг — dynamic thumbnails. Автор сможет подготовить до трёх вариантов, а сервис будет подбирать наиболее подходящую обложку для разных сегментов аудитории, а не просто выбирать одного победителя для всех.

Схема персонализации: несколько вариантов одной обложки слева, профиль зрителя с условными сигналами интересов в центре, выбранная персональная обложка справа; визуально понятная инфографика без текста

По сути, меняется сам подход к обложке. Раньше задача звучала как «найти лучшую картинку для ролика». Теперь всё чаще — «найти подходящую картинку для конкретного зрителя».

И это объясняет, почему один и тот же фильм или ролик может выглядеть для двух людей совершенно по-разному. Сервис показывает не другую историю — он по-разному объясняет, почему именно эту историю стоит открыть.

Комментарии

Написать комментарийВойти