网飞个性化推荐的价值：经济学证据
综合经济学
2026-03-30 v4 信息检索
机器学习
经济学
摘要
个性化推荐系统塑造了用户在线选择的很大一部分，但其精准定位的特性使得分离推荐价值与底层商品本身的价值极具挑战。我们构建了一个离散选择模型，将推荐诱导效用、低秩异质性和灵活的状态依赖效应嵌入，并将其应用于网飞的观看数据。我们利用推荐算法引入的特定变异性来识别并分别估计这些组件，以及恢复无模型的 diversion 比率，以用于验证结构模型。我们使用模型评估反事实情形，量化个性化推荐所产生的增量参与度。首先，我们表明，用矩阵分解或基于流行度的算法取代当前推荐系统将导致参与度分别下降4%和12%，并降低消费多样性。其次，大部分消费增长来自有效的精准定位，而非机械曝光，其中对中等流行度商品的收益最大（相对于广泛吸引或非常 niche 的商品）。
引用
@article{arxiv.2511.07280,
title = {The Value of Personalized Recommendations: Evidence from Netflix},
author = {Kevin Zielnicki and Guy Aridor and Aurélien Bibaut and Allen Tran and Winston Chou and Nathan Kallus},
journal= {arXiv preprint arXiv:2511.07280},
year = {2026}
}