Een gebruiker die inlogt op Netflix krijgt direct een overzicht van films en series te zien. Dat aanbod is voor iedere gebruiker anders. Algoritmes bepalen welke films en series de gebruiker op dat moment waarschijnlijk interessant vindt. Het kan dus zijn dat Netflix je het ene moment een keiharde thriller aanraadt en een paar dagen later een komedie. Om gebruikers niet te verwarren, worden nieuwe aanbevelingen enkel gegenereerd als een gebruiker langer dan acht uur niet op Netflix is geweest.
De samenstelling wordt onder meer bepaald door de feedback van gebruikers, die bijvoorbeeld kunnen aangeven hoe goed ze een film vonden of in welke categorieën ze geïnteresseerd zijn. Ook minder bewuste acties van gebruikers worden meegewogen. Als een kijker de film halverwege afbreekt en nooit meer afkijkt, dan 'snapt' Netflix dat die film blijkbaar niet zo goed beviel.
Om te bepalen wat een gebruiker waarschijnlijk interessant vindt, worden verschillende technieken ingezet. Zo worden op basis van metadata en statistieken films en series gezocht die lijken op wat een gebruiker eerder al heeft gezien. Ook wordt de zogenoemde Markovketen ingezet, zo vertelde Neil Hunt, de chief product officer van Netflix, tegenover Tweakers. Met de Markovketen probeert Netflix in te schatten welke films of tv-series een gebruiker waarschijnlijk zelf zou kiezen.
Daarnaast worden gebruikers samen met andere Netflix-abonnees in clusters geplaatst. Die clusters zijn onzichtbaar voor abonnees, maar bestaan uit gebruikers die over vergelijkbare interesses beschikken. Netflix kijkt hoe goed films en series in een bepaald cluster bevallen, en probeert te voorspellen hoe goed een bepaalde film of serie een abonnee zal bevallen. Het aantal clusters verschilt: in de Verenigde Staten zijn dat er tienduizenden, in het Verenigd Koninkrijk zijn het er duizenden. De gemiddelde Netflix-abonnee is - zonder dat hij dat weet - lid van 3 of 4 clusters.
Om te bepalen welk algoritme het best werkt, gebruikt Netflix a/b-testing. "In veel bedrijven beslist de baas wat er wordt gebouwd", zegt Neil Hunt, de chief product officer van Netflix. "Maar dat is niet per se de beste manier." Netflix past daarom a/b-testing toe. Bepaalde bezoekers krijgen een bepaalde versie van een nieuwe feature te zien, en vervolgens wordt gekeken hoe ze daarop reageren, bijvoorbeeld door te meten hoeveel tijd mensen content vanaf Netflix streamen.
Netflix heeft heel veel gegevens van gebruikers om al die aanbevelingen mogelijk te maken: in principe wordt alle informatie over kijkgedrag eeuwig opgeslagen, tenzij een gebruiker een jaar lang niet meer inlogt. Hunt bezweert dat het bedrijf goed omgaat met al die, soms gevoelige, gegevens van gebruikers. "We delen het niet met andere bedrijven", aldus Hunt. "We gebruiken het enkel om gebruikers betere aanbevelingen te doen." Hoeveel Netflix van een gemiddelde gebruiker 'weet,', kan hij niet aangeven.