Netflix 的訂閱人數從 2002 年的一百萬人，成長到現在的 1000萬人，靠的就是推薦系統。大數據幫助 Netflix 了解使用者的喜好，平台上 80% 呈現的內容都深受大數據影響。
即時更正推薦影片符合使用者的需求、影片類型不侷限在特定分類中 ;Netflix 透過大數據以及演算法建造完善的推薦系統留住顧客、更省下了10億美元。
自動化行銷應該學習 Netflix 推薦系統的操作模式，讓企業在推行行銷活動之前，就能夠預測結果是否有效。
接下來，讓我們來看看 Netflix 是怎麼利用大數據增加參與度、留住忠誠的顧客。
Netflix 如何收集大數據？
Netflix 從這些地方收集數據創造更完善的使用者體驗
Netflix 如何使用這些大數據？
收集數據後真正的價值在於如何處理這數據、展現獨有的洞察力
Netflix 花了 1000萬美元打造《紙牌屋》， 他們相信這齣影集有了英國版《紙牌屋》的粉絲基礎， 絕對能成功行銷給美國的觀眾。 提供個人化的 Netflix 影片系列， 不同的使用者在同一類型的影片中將獲得不同的推薦片單。 在所有列表的最高排名中挑出個人化的推薦影片。 熱門影片中摻雜個人化的推薦影片。 使用者在觀看一部影片時，可能對另外一部影片也很感興趣。 即使相似度排名並沒有個人化，不過 Netflix 會藉由使用者上一部觀看的影片判斷可能感興趣的影片。 搜集使用者最近觀看的影片，分析使用者是否會繼續播放影片或是對這部影片不感興趣。
資料來源：Martech
