Por que a sua página inicial da Netflix é diferente dos seus amigos?

A cena é rotineira em vários lares brasileiros. Seja na TV, tablet, computador ou celular, você abre a Netflix e começa a navegar por páginas e páginas de títulos até encontrar algo que chame sua a atenção. O ritual, que pode até parecer bem corriqueiro, é cheio de ciência e objeto de estudos profundos da plataforma para otimizar o oferecimento de conteúdo e fisgar o usuário de acordo com seu perfil.

De acordo com vídeo publicado pelo site Vox, a Netflix tem um departamento dedicado para otimizar esse thumbnails -- as imagens representativas, ou miniaturas, de cada título -- e é obcecada por entender o que pode agradar ao usuário. Pode ser um título chamativo, uma determinada foto, sinopse ou algum tipo de arte específica, o algoritmo tenta desvendar suas preferências não só para lhe oferecer mais conteúdo, mas para usar ferramentas que te atraiam.

O artigo aponta que os usuários da Netflix passam cerca de 1.8 segundo julgando cada título capturado pelos olhos. Deste ponto em diante, o título tem até nove segundos para chamar definitivamente sua atenção e ganhar seu clique.

Por que a sua página inicial da Netflix é diferente das outras?

Todo este processo dispara uma sequência de eventos que geram dados e abastecem um algoritmo pessoal, que muda sua experiência a cada acesso. Este tipo de habilidade da plataforma faz parte do processo conhecido por "machine learning", no qual o computador usa dados matemáticos e algoritmos para conhecer melhor seus hábitos e "prever" seus gostos. Sendo assim, nada que lhe é oferecido na Netflix é por acaso. E os thumbnails têm papel importante nessa estrutura.

A ciência por trás miniaturas

Cada episódio de "Stranger Things", por exemplo, tem cerca de 86 mil quadros. Em plataformas de armazenamento de vídeo, como o YouTube, o serviço faz uma busca aleatória por imagens ao longo do arquivo. Na Netflix, o sistema usa um sistema baseado no "Aesthetic Visual Analysis", um tipo de ferramenta que faz uma varredura em todo o vídeo e busca, usando uma série de algoritmos, as melhores imagens para ilustrar cada item.

Não bastasse isso, o serviço também separa os melhores quadros em coleções determinadas escolhidas por meio de seu aspecto visual, contexto e composição. Nestes três tipos de imagem já são separados três grupos de imagens:

• Visual - Imagens bem coloridas, brilhantes e com contraste intenso
• Contexto - A ferramenta busca objetos e detecta rostos que ajudem na compreensão da série
• Composição - O algoritmo usa técnicas de design e fotografia para encontrar imagens com estéticas agradáveis ao olhar.

A partir deste momento, o sistema faz mais uma nova varredura escolhendo quais são as imagens mais atrativas, menos borradas e que tenham todos os itens pré-determinados para gerar uma boa miniatura. Só então o time criativo de designers cria diversas opções de artes com os logos da série ou filme.

Testes, testes, testes... e mais testes

Boa parte deste processo usado para abastecer o "machine learning" necessita de muitos testes. Assim como a plataforma busca compreender seus gostos pessoais -- se você é fã de filmes de terror ou séries dramáticas, por exemplo --, ele cataloga quais tipos de miniaturas te atraem mais.

Rapidamente, o algoritmo passa a entender o seu perfil de consumo, tanto em questão de conteúdo quanto da maneira que lhe é oferecido. E o processo vai além de simplesmente mostrar títulos do mesmo gênero.

Por exemplo, se você for fã de comédia e tiver assistido diversos filmes de humor e apresentações de stand-up, quando buscar pelo filme "Gênio Indomável", ele optará por te mostrar uma miniatura com o ator Robin Williams, uma figura conhecida de fãs de humor. Caso seu perfil esteja mais ligado comédias romântica, o sistema tentará encontrar uma imagem com um casal. Estes são apenas dois exemplos dentro de uma imensidão de possibilidades que a ferramenta gera a todo segundo para tentar fisgar usuários.

Mas é claro que o sistema também tem suas falhas.

O algoritmo também falha, e falha feio

Em outubro, Stacia L. Brown, criadora do podcast "Rise of Charm City", levantou uma questão nas redes sociais. A escritora afirmou que a plataforma estaria alterando as miniaturas baseado na etnia dos usuários. Brown, que é negra, notou que dois personagens "que aparecem em torno de dez minutos" no filme "Tal Pai, Tal Filha", também negros, estavam na capa do filme no seu perfil da Netflix. Os protagonistas da comédia são Kristen Bell ("The Good Place") e Kelsey Grammer ("Frasier").

A escritora notou padrões parecidos em filmes como "Simplesmente Amor", "Sierra Burgess é uma Loser" e "O Plano Imperfeito", além da série "Caso de Polícia". Em todos os casos, coadjuvantes negros eram favorecidos na imagem ao invés de protagonistas brancos.
 
A Netflix emitiu um comunicado oficial após a repercussão e negou as acusações. "Nós não pedimos para os nossos usuários informarem suas etnias ou seus gêneros no cadastro", lembrou a Netflix. "Não podemos usar essa informação para personalizar sua experiência no site". 

O artigo do Vox aponta algumas falhas do algoritmo, como no thumbnail de "Catwoman", que exibia Sharon Stone, que faz uma participação coadjuvante no filme. Da mesma forma como a escolha de qualquer outro personagem que não o de Wesley Snipes no filme Blade".

Você pode pular fora dessa pesquisa

Caso você não queira participar deste tipo de teste da Netflix, basta entrar nas configurações da plataforma e procurar pela opção "participação em testes" para desabilitar o envio destes dados para o serviço.