Netflix耗時三年開發、花費百萬美元懸賞演算法的推薦系統有哪些特性？
- 辨識每個用戶的profile：打開Netflix，首先會讓用戶選擇角色，透過一句親切的詢問”who’s watching“，Netflix迅速定位到用戶的年齡、性別、過去看過的內容，甚至好友訊息，並據此產生一個瀑布流主頁，結合獲取到的訊息，為用戶推薦符合口味的影片和電視劇。
- 讓用戶知道為什麼而推薦：在每個推薦板塊中，用戶能夠清楚地知道為什麼獲得這些推薦結果。這些理由都是些口語化的句式，例如：「因為你看過……」，「我們猜你喜歡……」等。這一步不但會給用戶帶來信任感，還會鼓勵他們更積極地參與推薦互動，給予更多有效反饋。
- 注重多樣性：同一個首頁中，不僅會根據用戶曾經看過什麼、也許會有的喜好推薦，netflix還專門開闢區域，為用戶推薦當天或當週最熱門的內容〈top N〉。這一步在最大限度滿足用戶喜好的同時，為發現更多用戶喜愛影片提供了可能。
- 利用好友連結：Netflix鼓勵使用FB帳號登入，在帶來用戶身份特徵的同時，還能了解其線上社交圈，透過好友們正在觀看的內容，能更準確推算用戶喜好。
- 為內容分類定義基因組合：Netflix拆解內容分類的基因〈Genre〉，再依據前述的特性來跟用戶需求配對，還必須考量到用戶對內容要有足夠的新鮮感。Netflix還會採取手段吸引用戶為推薦基因的合理性評分。
- 善用內容或用戶的相似度：Netflix除了top N和Genre系統外，還有一個重要的推薦形式，就是相似度。這個相似度推薦可以是兩個影片的相似度，也可以是兩個用戶的相似度，它可以出現在播放頁裡，也會出現在搜尋結果中，甚至在首頁作為一種內容分類。
贏得Netflix百萬獎金的演算法，高明之處在於分析了用戶評價數據中的時間和頻率 ，並建立相關性模型，對照出生活作息可能帶來的情緒影響，以及好惡標準的變化原因，讓推薦機制更得人心。