反饋

奈飛公司

奈飛公司（Netflix）成立於1997年，聯合創始人和首席執行官為裏德·哈斯廷斯（Reed Hastings），公司總部設在加利福尼亞州洛斯加託斯（Los Gatos），以在線訂閲模式開展的電影DVD 租賃業務風生水起、惹人注目。公司採用費用包月制，消費者可以無限次租借影片，而且不收延期歸還滯納金。

公司名稱: 奈飛公司
外文名: Netflix
成立時間: 1997年

總部地點: 美國加利福尼亞州洛斯加託斯
創始人: 裏德·哈斯廷斯
官網: https://www.netflix.com/

奈飛公司發展歷程

2002年在美國納斯達克上市，目前截止2019年8月16日公司市值1325.76億美元。

2022年6月3日，奈飛公司的網站和應用程序在俄停止使用，訂閲用户將不再擁有登錄權限。^[3]

奈飛公司公司介紹

Netflix, Inc. (Nasdaq: NFLX) Netflix是一家在線影片租賃提供商。公司能夠提供超大數量的DVD，而且能夠讓顧客快速方便的挑選影片，同時免費遞送。Netflix已經連續五次被評為顧客最滿意的網站。可以通過PC、TV及iPad、iPhone收看電影、電視節目，可通過Wii，Xbox360，PS3等設備連接TV。Netflix大獎賽從2006年10月份開始，Netflix公開了大約1億個1－5的匿名影片評級，數據集僅包含了影片名稱，評價星級和評級日期，沒有任何文本評價的內容。比賽要求參賽者預測Netflix的客户分別喜歡什麼影片，要把預測的效率提高10%以上。

Netflix是一家美國公司，給美國、加拿大提供互聯網隨選流媒體播放，定額制DVD、藍光光碟在線出租業務。該公司成立於1997年，總部位於加利福尼亞州洛斯蓋圖，1999年開始訂閲服務。2009年，該公司可提供多達10萬部DVD電影，並有1千萬的訂户。2007年2月25日，Netflix宣佈已經售出第10億份DVD。

奈飛公司分析大獎

援引路透社紐約9月21日消息：來自186個國家的四萬多個團隊經過近三年的較量，世界最大的在線影片租賃服務商Netflix 今天宣佈，一個由工程師，統計學家，研究專家組成的團隊奪得了Netflix大獎，該團隊成功的將Netflix的影片推薦引擎的推薦效率提高了10%。Netflix大獎的參賽者們不斷改進了影片推薦效率，Netflix的客户已經為此獲益。

隨着一百萬美金大獎的頒發，Netflix很快宣佈了第二個百萬美金大獎，希望世界上的計算機專家和機器學習專家們能夠繼續改進推薦引擎的效率。

獲獎團隊BPC（BellKor's Pragmatic Chaos），由原本是競爭對手的三個的團隊重新組團而成，今天獲得了由Netflix的創始人兼首席執行官哈庭斯頒發的一百萬獎金。團隊的七個成員分別是來自奧地利、加拿大、以色列和美國的電腦專家、統計專家和人工智能專家。七個成員今天都參加了頒獎儀式，這也是這七個成員第一次碰面。這一百萬獎金如何分配將由團隊自行決定。

首席執行官哈庭斯説：“我們經歷了一次非常激烈的比賽，參賽團隊開始時候獨立作戰，後來協同作戰，終於將影片推薦效率提高到了10%以上。在接近比賽截止日期時，還有新的參賽作品不斷快速的提交上來，讓整個比賽過程變得非常的曲折和驚心動魄。“

Netflix説，BPC團隊最終險勝另一個團隊the Ensemble，該團隊也是由多個前參賽團隊組成的新的團隊。最終，這兩個團隊的影片推薦效率非常接近。由來自Netflix的專家和大學教授組成的評委會用了幾周的時間來評選出最終優勝者。加州大學聖地亞哥分校的艾爾坎教授和加州大學爾灣分校的史密斯教授參加了比賽評委會。

比賽規則要求獲勝團隊公開他們採用的推薦算法，這樣很多商業都能從中獲益。獲勝的參賽作品和參賽選手評級方法將被公佈在加州大學爾灣分校的機器學習雜誌上。

奈飛公司推薦算法

第一個Netflix大獎成功的解決了一個巨大的挑戰，為提供了50個以上評級的觀眾準確的預測他們的口味。下一個百萬大獎目標是，為那些不經常做影片評級或者根本不做評級的顧客推薦影片，要求使用一些隱藏着觀眾口味的地理數據和行為數據來進行預測。同樣，獲勝者需要公開他們的算法。如果能解決這個問題，Netflix就能夠很快開始向新客户推薦影片，而不需要等待客户提供大量的評級數據後才能做出推薦。

新的比賽用數據集有1億條數據，包括評級數據，顧客年齡，性別，居住地區郵編，和以前觀看過的影片。所有的數據都是匿名的，沒有辦法關聯到netflix的任何一個顧客。

與第一個大獎賽不同，這次比賽沒有設定比賽目標。50萬美金首先獎勵給6個月內取得領先的團隊，另外50萬美金獎勵給18個月後取得領先的團隊。

推薦引擎是Netflix公司的一個關鍵服務，1千多萬顧客都能在一個個性化網頁上對影片做出1－5的評級。Netflix將這些評級放在一個巨大的數據集裏，該數據集容量超過了30億條。Netflix使用推薦算法和軟件來標識具有相似品味的觀眾對影片可能做出的評級。兩年來，Netflix 已經使用參賽選手的方法提高了影片推薦的效率，這已經得到了很多影片評論家和用户的好評。

Strands推薦引擎的首席科學家裏克·漢加特納博士寫道：“在短期內，搜索引擎將會越來越多地加入簡單的推薦技術，以處理接近的查詢詞（例如，“您要找的是這個，根據類似查詢/其他人的搜索，你可能要尋找的是這個。”）但從長期來説，而比起搜索行業和搜索技術，推薦技術會更加地無孔不入。”