Netflix为什么会从其五星级评级系统转换为喜欢/不喜欢的系统？

Netflix过去常常根据用户提交的其他电影/节目的评分来提供建议。该评级系统获得了五颗星。

现在，Netflix允许用户喜欢/不喜欢（竖起/竖起）电影/节目。他们声称对电影进行评分更容易。

从统计角度上讲，这种2向分类是否比5向分类系统更具预测性？它不会捕获更少的变化吗？

根据Preston＆Coleman（2000）的一篇文章，2个项目规模的可靠性与5个项目规模的可靠性没有显着差异：

衡量的主题是对流言satisfaction语的满意度，但它可以很好地转化为电影等级。还测量了易用性，使用速度有多快以及一个人在不同的项目尺度上表现出的感觉如何。结果如下：

显然，与5个项目规模相比，用户发现2个项目规模更易于使用和使用，但在表达用户的真实信念方面也非常不足。这表明2项量表不能很好地捕获基础可变性，并导致可变性丧失。2个项目量表的歧视指数也明显低于5个项目量表。

考虑到以上所有因素，我推测Netflix愿意交换一些投票精度以吸引更多用户投票。我认为他们更喜欢投票的人，因为这样可以增加样本覆盖率。这可以更好地了解较少参与的用户。与参与的用户相比，参与较少的用户的附加信息的边际价值可能更高。