Raccomandazioni Sociosemiotiche

Considerazioni sul significato dei suggerimenti di visione del sistema di raccomandazione di Netflix

Abstract [ita]

Questo articolo si propone di ragionare sul funzionamento dei sistemi di raccomandazione utilizzati da Netflix, allo scopo di suggerire ai suoi utenti quali contenuti guardare. Considerando quanto l'efficacia di queste procedure risulti fondamentale per il business della nota azienda americana, che può fidelizzare così i suoi clienti, personalizzando la sua offerta e presentando loro solo quei prodotti audiovisivi che essi dovrebbero gradire, la presente ricerca intende riflettere sul contributo che la sociosemiotica potrebbe apportare a tale sistema, ponendosi le seguenti domande: ciò che viene suggerito agli utenti di Netflix da parte dei suoi algoritmi di raccomandazione appare effettivamente interessante a coloro che lo guardano? Il sistema di etichettatura utilizzato da Netflix è davvero in grado di supportare la macchina, nell’indovinare i gusti dei propri utenti? Strutturando il lavoro in due fasi, una di indagine sul campo e una di indagine desk, compito della ricerca sarà quindi quello di fornire una risposta a tali interrogativi e di riflettere, in ultimo, sulla possibilità di proporre un sistema di etichettatura di tipo sociosemiotico che possa essere utilizzato per integrare quello di Netflix.

Abstract [eng]

This article reflects on how Netflix's recommendation system works. More specifically, it asks whether the audiovisual contents suggested by the algorithms of the well-known American company to its customers, on the basis of the mechanised study of their viewing preferences, really appear interesting and meaningful. In order to provide an answer, a sociosemiotic survey was carried out, partly in the field and partly at the desk, based on twenty interviews with some Netflix users and on the analysis of some TV series they watched, among those reported by the streaming platform. The study highlighted some issues related to the labelling system of such contents, an activity that is, after all, carried out by human beings, who instruct machines. In this regard, some solutions are suggested to make the criteria for classifying audiovisual products in general more effective, so as to improve the performance of the algorithms and the services of all those companies or institutions that, like Netflix, use recommendation systems to interact with us.