A comprehensive study of consumer ratings through secondary data for Netflix's streaming platform

Abstract

Αυτή η εργασία διερευνά τους οδηγούς των αξιολογήσεων χρηστών του Netflix με βάση ένα μεγάλο σύνολο δεδομένων τίτλων με διαφορετικό είδος, βαθμολογία ωριμότητας, χρόνο εκτέλεσης και δημοτικότητα. Χρησιμοποιώντας ένα συνηθισμένο πλαίσιο παλινδρόμησης ελάχιστων τετραγώνων, συνοδευόμενο από ενδελεχή διάγνωση - από τη δοκιμή ετεροσκεδαστικότητας έως τους ελέγχους του παράγοντα πληθωρισμού διακύμανσης - διαπιστώνουμε ότι οι αξιολογήσεις χρηστών συχνά συσχετίζονται έντονα όχι μόνο με τα χαρακτηριστικά των χρηστών, αλλά και με τα χαρακτηριστικά περιεχομένου, υποδηλώνοντας ότι προκύπτουν πολύ λιγότερο από την καθαρή προτίμηση και περισσότερο από την απόδοση περιεχομένου. Το πιθανότερο είναι ότι δεν παρακολουθείτε ένα σόου τρόμου, επιστημονικής φαντασίας ή ριάλιτι. Αυτά τα είδη λαμβάνουν γενικά πιο πολωμένες απαντήσεις, σε σύγκριση με τα ντοκιμαντέρ, τα δράματα, το φιλμ νουάρ και τα γουέστερν που λαμβάνουν σταθερά υψηλές βαθμολογίες θεατών. Οι πιστοποιήσεις υψηλότερης ηλικίας έχουν συνήθως θετική συσχέτιση με τη βαθμολογία, διαταράσσοντας τις υποθέσεις ότι το υλικό που είναι φιλικό προς την οικογένεια είναι αυτόματα πιο εμπορικά επιτυχημένο. Υπάρχει, επίσης, ένα «φαινόμενο bandwagon» ανιχνεύσιμο, μέσω του οποίου οι τίτλοι που προσελκύουν μεγαλύτερη αφοσίωση (ψήφοι) λαμβάνουν σταδιακά υψηλότερες βαθμολογίες. Ενώ το μέτριο τετράγωνο R υπογραμμίζει την επιρροή άυλων παραγόντων που αφορούν συγκεκριμένους χρήστες, αυτά τα αποτελέσματα δείχνουν ότι οι βασικές μεταβλητές περιεχομένου, ιδίως η δημοτικότητα, ο προσανατολισμός του είδους και οι ανάγκες ωριμότητας, έχουν ακόμη καλύτερη προγνωστική ισχύ για τις αξιολογήσεις των χρηστών σε ένα πλαίσιο ψηφιακής ροής.This paper investigates the drivers of Netflix user ratings based on a large dataset of titles with varying genre, maturity rating, runtime, and popularity. Utilizing an Ordinary Least Squares regression framework, accompanied by thorough diagnostics — from testing for heteroskedasticity to variance inflation factor checks — we find that user ratings often correlate strongly not with user characteristics alone, but with content characteristics too, suggesting that they emerge far less from purely preference and more from content attribution. Chances are you’re not watching a horror, sci-fi, or reality show; those genres generally get more polarized responses, compared to documentaries, dramas, film noir, and westerns that get consistently high viewer ratings. Higher age certifications usually have a positive correlation with rating, disrupting assumptions that family-friendly material is automatically more commercially successful. There is, also, a “bandwagon effect” detectable, through which titles attracting greater engagement (votes) receive incrementally higher ratings. While moderate R-squared highlights the influence of intangible user-specific factors, these results show that core content variables, notably popularity, genre orientation, and maturity needs, have even better predictive power for user evaluations in a digital streaming context.