Η Adobe πιστεύει ότι έχει την απάντηση στο πρόβλημα της “κοινής χρήσης κωδικού πρόσβασης” (password sharing) του Netflix που αφορά έως και 46 εκατομμύρια ανθρώπους, σύμφωνα με μια μελέτη του 2020.
Το TorrentFreak αναφέρει:
Η Adobe πιστεύει ότι δεδομένου κάθε χρήστης είναι διαφορετικός, οποιεσδήποτε ενέργειες γίνονται από ένα λογαριασμό θα πρέπει να αποτελούν μέρος μιας στρατηγικής που βασίζεται σε δεδομένα και έχει σχεδιαστεί για τη “μέτρηση, διαχείριση και δημιουργία εσόδων” από την κοινή χρήση κωδικού πρόσβασης.
Το όραμα της εταιρείας είναι πλατφόρμες όπως το Netflix να αναπτύξουν μοντέλα μηχανικής εκμάθησης για να εξαγάγουν μοτίβα συμπεριφοράς που σχετίζονται με έναν λογαριασμό. Μετά θα μπορούν να καθορίσουν πώς χρησιμοποιείται ο λογαριασμός.
Αυτές οι πληροφορίες θα μπορούν να καθορίσουν ποια μέτρα θα πρέπει να ληφθούν έναντι ενός λογαριασμού αλλά και το πώς θα μπορεί να προσδιοριστεί η επιτυχία ή όχι, παρακολουθώντας έναν λογαριασμό για τις επόμενες εβδομάδες ή μήνες.
Αγνοώντας για λίγο τους προφανώς ανατριχιαστικούς παράγοντες, η προσέγγιση της Adobe είναι πολύ πιο περίπλοκη, ακόμα κι αν η συνοδευτική διαφάνεια δίνει μια αίσθηση “βαθμολογικής απόκρισης” στην κοινή χρήση αρχείων. Το ερώτημα είναι πόσες πληροφορίες πελατών θα χρειαζόταν η Adobe για να διασφαλίσει ότι οι η Netflix στοχεύει τους σωστούς λογαριασμούς, με σωστές ενέργειες, τη σωστή στιγμή.
Το Adobe’s Account IQ τροφοδοτείται από το Adobe Sensei, το οποίο με τη σειρά του λειτουργεί σαν ένα επίπεδο νοημοσύνης για την πλατφόρμα του Adobe Experience. Θεωρητικά, η Adobe θα γνωρίζει περισσότερα για έναν streaming λογαριασμό από αυτούς που τον χρησιμοποιούν, επομένως η εταιρεία θα πρέπει να μπορεί να προβλέψει την πιο αποτελεσματική πορεία για τη μείωση της κοινής χρήσης του κωδικού πρόσβασης ή/και τη δημιουργία εσόδων από αυτόν, χωρίς να ενοχλεί τον κάτοχο του λογαριασμού.
Όμως εάν παρακολουθεί τους λογαριασμούς των πελατών με τόσο μεγάλη λεπτομέρεια, η συλλογή όλων των διαθέσιμων πληροφοριών είναι το προφανές επόμενο βήμα.
Η Adobe οραματίζεται τη συλλογή όλων των δεδομένων, όπως το πόσες συσκευές χρησιμοποιούνται, πόσα άτομα είναι ενεργά, σε ποιες γεωγραφικές τοποθεσίες, ID συσκευής, και πάρα πολλά άλλα.
Αυτό θα οδηγήσει στη συνέχεια σε ένα συμπέρασμα “πιθανότητας κοινής χρήσης”, μαζί με μια ταξινόμηση προτύπων χρήσης που θα πρέπει να προσδιορίζει τους ταξιδιώτες, τους μετακινούμενους, τη στενή οικογένεια και τους φίλους, ή ακόμη και την ύπαρξη δεύτερου σπιτιού.
Μετά την συλλογή όλων των απαραίτητων δεδομένων οι νομικές υπηρεσίες θα μπορούν να εντοπίσουν τους παραβάτες λογαριασμούς και να αρχίσουν να προετοιμάζουν τη “βαθμιδωτή απάντησή” τους για την αλλαγή συμπεριφοράς. Μετά τη δημιουργία εσόδων από αυτούς που θέλουν να πληρώσουν, αυτοί που αρνούνται να πληρώσουν θα μπορούν να εντοπιστούν και να απορριφθούν. Ή όπως το θέτει η Adobe:
“Επιστρέψτε τους free-loaders στη διαθέσιμη αγορά.”
Τέλος, η Adobe προτείνει επίσης ότι το σύστημά της μπορεί να χρησιμοποιηθεί για τον εντοπισμό πελατών που επιδεικνύουν καλή συμπεριφορά. Αυτοί οι χρήστες θα μπορούν να ανταμειφθούν εξαλείφοντας τις απαιτήσεις ελέγχου ταυτότητας, τα όρια ταυτόχρονου streaming και τις εγγραφές συσκευών.
