How Netflix Uses Bandit Algorithms for Thumbnail Selection

カートのアイテムが多すぎます

ご購入は五十タイトルがカートに入っている場合のみです。

カートに追加できませんでした。

しばらく経ってから再度お試しください。

ウィッシュリストに追加できませんでした。

しばらく経ってから再度お試しください。

ほしい物リストの削除に失敗しました。

しばらく経ってから再度お試しください。

ポッドキャストのフォローに失敗しました

ポッドキャストのフォロー解除に失敗しました

How Netflix Uses Bandit Algorithms for Thumbnail Selection

無料で聴く

ポッドキャストの詳細を見る

Netflix tests millions of thumbnail combinations daily using multi-armed bandit algorithms — a technique smarter than traditional A/B testing. In this episode, Lucas and Luna break down how contextual bandits balance exploration and exploitation to serve the most clickable image for each user, without wasting traffic on losing variants. They walk through the epsilon-greedy approach, why Netflix abandoned pure A/B splits, and how this same logic applies to ad creatives, recommendation carousels, and any high-stakes personalisation problem. Real example: how a single show's artwork variant drove a 20% lift in plays. If you work with user-facing models or optimise for engagement metrics, this episode gives you a practical framework you can borrow tomorrow. #Netflix #BanditAlgorithms #MultiArmedBandit #ContextualBandit #ThumbnailPersonalization #A/BTesting #ExplorationVsExploitation #EpsilonGreedy #RecommendationSystems #ConversionOptimization #DataScience #MachineLearning #Personalization #Technology #FexingoBusiness #BusinessPodcast #DataDriven #UserEngagement Keep every episode free: buymeacoffee.com/fexingo

まだレビューはありません