Na Consumer Electronics Show (CES) do ano passado, Reed Hastings, presidente executivo da Netflix, estabeleceu uma meta ambiciosa para atender os clientes da empresa: “Esperamos um dia ser tão bons em fazer sugestões, que o usuário, ao acessar a Netflix, vai saber qual é a série de TV ou o filme perfeito para o seu estado de ânimo”.
Mas o que é exatamente o conteúdo de entretenimento perfeito? A empresa de Hastings é pioneira na ciência dos algoritmos de recomendações, filão que a Netflix começou a explorar ainda em seus humildes dias de videolocadora por correio. As afinadas classificações de filmes e séries de TV e o igualmente apurado sistema que a empresa emprega para determinar as preferências de seus usuários tornaram-se referências para os programas de sugestão de produtos.
O fato, porém, é que os algoritmos tiram da busca por novos conteúdos de entretenimento um pouco da aventura e do acaso, além de raramente encorajar o consumidor a experimentar algo que esteja muito fora de seu universo de interesses. Isso representa um desafio para os produtores independentes de música, literatura ou cinema, que já penam para conquistar um pouco de atenção em meio à infinidade de opções oferecidas pela atual indústria do entretenimento. É possível que os softwares de recomendações agravem ainda mais a situação.
Os algoritmos de sugestões podem explorar os gostos já conhecido do usuário, oferecendo-lhe conteúdos similares, ou podem incentivá-lo a explorar coisas com as quais ele não tenha tanta familiaridade. O algoritmo típico tende a se orientar pelas preferências conhecidas, em vez de estimular a experimentação. Quando um consumidor compra um livro, por exemplo, a Amazon recomenda a ele obras sobre assuntos similares, que foram adquiridas por outras pessoas que compraram anteriormente o mesmo livro. A Netflix indica um filme com base nas escolhas de outras pessoas que têm históricos de filmes assistidos semelhantes.
Alguns sistemas de recomendações são bastante grosseiros. É o caso dos utilizados por lojas online que oferecem outras versões de um produto que o consumidor acaba de adquirir e dificilmente vai querer comprar de novo num futuro próximo, como um guarda-chuva. Outros são mais ousados, encorajando as pessoas a experimentar algo novo. Mas, se vão muito longe, correm o risco de afugentá-las. “Para conquistar o consumidor, é mais garantido recorrer repetidas vezes a recomendações similares”, diz Robert Kyncl, diretor de negócios do YouTube. “Mas o retorno é muito maior quando você introduz algo que sai um pouco do previsível e acaba dando certo.”
O Spotify, serviço de música por streaming, utiliza um modelo diferente: a playlist “Descobertas da Semana”, elaborada individualmente para mais de 100 milhões de usuários. O sistema da empresa esquadrinha os bilhões de playlists de seus usuários para descobrir faixas que podem cair no gosto de outras pessoas com interesses similares. Essas faixas são combinadas numa seleção de 30 músicas (em que pode haver tanto coisas conhecidas, como novidades), apresentada a cada usuário todas as segundas-feiras.
A empresa diz que o serviço é utilizado por dezenas de milhões de pessoas e oferece, semanalmente, um impulso significativo a milhares de músicos. Ao limitar a lista a uma ou duas horas de audição e determinar sua eliminação ao fim de cada semana, o Spotify cria um senso de escassez que mantém os usuários interessados e atentos.
A música se adapta bastante bem a esse tipo de abordagem. Os catálogos dos serviços de streaming contêm cerca de 30 milhões de faixas cada, frente a um universo bem mais restrito de filmes e séries de TV, que não ultrapassa a casa dos milhares. Além disso, as músicas, diferentemente dos filmes, têm duração curta o suficiente para que uma recomendação inadequada não incomode muito. A experiência do Spotify mostra que os algoritmos às vezes conseguem estimular as pessoas a deixar a parada de sucessos de lado e expandir seus horizontes.
