Machine learnig na Netflix: impactos dos algoritmos de recomendação na jornada e no consumo do usuário

Abstract

Este trabalho investiga como os algoritmos de recomendação da Netflix influenciam a jornada de consumo, moldam a experiência do usuário e afetam práticas de produção audiovisual. O trabalho analisa o funcionamento do machine learning dentro da plataforma, evidenciando como os sistemas de personalização operam de forma invisível para orientar escolhas, reduzir fricções e criar ambientes de conforto algorítmico. A interface, as thumbnails, a lógica de categorias e o autoplay são examinados como mecanismos de condução suave que diminuem a autonomia percebida. O trabalho também discute como métricas de retenção e previsibilidade impactam a criação de narrativas, gerando padrões estéticos recorrentes e absorvendo singularidades de obras que inicialmente destoam do formato dominante. A partir de autores como Zuboff, Han, Bini e Pariser, o trabalho reflete sobre os efeitos éticos, culturais e narrativos dessa mediação algorítmica, demonstrando que a experiência de escolha não é neutra, mas estruturada por sistemas que antecipam e moldam comportamentos. Conclui-se que a Netflix atua como agente ativo no consumo e na produção cultural, equilibrando conveniência e homogeneização.