Netflix 付錢請外部人士擊敗自家演算法

到了 2006 年，Netflix 的 DVD 郵寄推薦引擎 Cinematch 已是業務核心：推薦越準，顧客就越能持續找到自己喜歡的電影，也就越願意續訂；然而，儘管 Netflix 自家的資料科學團隊持續投入，演算法的準確度卻已停滯不前。

Netflix 沒有繼續擴編內部團隊，而是考慮另一種做法：把實際的訓練資料，也就是真實且經匿名化的使用者評分，交到遠比公司所能聘僱人數更多的研究人員面前，並且只在成果達到明確門檻時才付費；若無人成功，則無須支付任何費用。

公開真實且經匿名化的評分資料，並懸賞 100 萬美元徵求準確度提升 10%，讓數千個外部團隊參與競爭，且只在成功時付費。

公開真實資料吸引了超過 4 萬個團隊，多元程度遠非任何內部團隊可比。

獎金以超越明確基準為條件，因此 Netflix 只在成功時付費。

年度進步獎讓逐步的改善得以浮現，Netflix 因而能提早部署改良成果。

獎金成本遠低於在內部聘僱同等人才三年的支出。

當內部研發陷入停滯時，公開你的資料，並且只在成果超越你的基準時付費，把固定成本轉為或有成本。

三年間，來自超過 180 個國家的 4 萬多個團隊參賽，而 Netflix 早在任何最終優勝者揭曉之前，就已把年度進步獎排行榜上的逐步改良成果納入其正式演算法。2009 年，一個名為 BellKor's Pragmatic Chaos 的合併團隊跨越 10% 門檻，贏得 100 萬美元獎金；這筆金額只是內部招募同等規模機器學習人才三年所需成本的一小部分，而且 Netflix 在競賽期間本身就已免費取得大部分的準確度提升。