Personalized design analysis of Netflix thumbnails under graphic design principles

Abstract

Keywords: Graphic design; thumbnails; design principles.

1. Yapay Zeka, Dijital Yayıncılık ve Netflix

Bilginin mantık yoluyla ifade edilebileceği fikri, Aristoteles’in, silojistik mantık adı verilen, sonuca ulaĢmak için yapılan mantıksal çıkarımlar kullanan, bir dizi öncül önerme iĢleminin ortaya konması, aslında MÖ.4. yüzyıla kadar uzanmaktadır. Yapay zeka, ilk kez 1956 yılında, Prof. John McCarthy tarafından, “makinelerin duyumsama, mantık, karar alma ve geleceği tahmin etme yeteneğinin, nasıl simüle edileceği, araĢtırılan bir toplantıda” ortaya konmuĢtur. Yapay zeka, fikir ve mantıklı düĢünmenin “biçimlendirilerek” algoritmalara dönüĢtürelebileceğini temel almaktadır (Fan, 2020, s.18). Yapay Zekâ (YZ)/Artificial Intelligence (AI) teknolojiyi en insansı biçimde kullanan sistemdir. Bir baĢka tanımla, insan zekasını taklit ederek, elde edilen verilerle kendisini geliĢtirme ve yenileyebilme niteliklerine sahip makineler, yapay zeka olarak adlandırılmaktadır (Mysoft, 2019). Algoritmalar ise bilgisayar biliminde, hesaplamalara ve diğer problem çözme iĢlemlerine rehberlik edecek bir süreci tanımlayan, açıklayıcı talimatlar ve kurallar kümesidir (Fan, 2020, s.19). Günümüzde fiziksel ve dijital dünyanın biraraya gelmesi ile birlikte, kitlesel kullanıcı alıĢkanlıklarını, D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 179

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

veritabanlarında kullanmanın baĢarısını gören büyük Ģirketler, dijital yayıncılık alanında da yapay zeka kullanımına yönelmiĢlerdir. Dijital yayıncılık “analog olarak üretilen ses ve görüntü bilgilerinin, 0 ve 1’lerden oluĢan bitlere dönüĢtürülüp, gerekli olan kodlama teknikleri yapıldıktan sonra farklı modülasyon teknikleri ile alıcılara iletilmesi esasına dayanmaktadır” (Eralp, 2010). Dijital yayıncılık artık türleri ile anılmaya baĢlamıĢtır. IPTV, WEB TV, VOD VE OTT gibi servis isimleri, yayın uzantıları ve terimleri üzerinden değerlendirilmektedir. Netflix, 1997 yılında Kaliforniya’da baĢarılı bir DVD satıĢ, kiralama Ģirketi olarak kurulmuĢ olmasına rağmen, ilerleyen yıllarda internet üzerinden film izleme olanağı sunan OTT servsine dahil olarak üye sayısını artırmıĢtır. Netflix etkileĢime dayalı video sistemi modeli ile dünyanın en önde gelen çevrimiçi içerik üreten yayın hizmetlerinden biri olmuĢtur. Türkçe hizmet vermeye 22 Eylül 2016 tarihinde baĢlayan Netflix, sunduğu görsel iletiĢim tasarımı ve grafik uygulamaları ile takipçi sayılarını hızla artırarak, yoğun bir Ģekilde gündemde kalabilmeyi baĢarmaktadır. OTT (Over-the-Top), internet üzerinden yayınlanan talebe bağlı görsel-iĢitsel içeriğin, kullanıcısına sunulmasını sağlayan video hizmetidir. (Özel, 2020, s.117). Dijital yayın platformu Netflix, 2020 yılının ilk aylarının en çok indirilenler sıralamasında birinci, en çok kullanılan sıralamasında ikinci olarak listelerin baĢındaki yerini almaktadır.

Tablo 1. 2020 Yılı En Çok Kullanılan Dijital Yayın Platformları (Teknosafari, 2020).

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 180

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Netflix’ in uzun yıllardır ana hedefi, kiĢiselleĢtirilmiĢ önerilerini, doğru baĢlıklarla doğru zamanda kullanıcılarına göstermektir. Binlerce baĢlığa yayılan bir katalog ve yüz milyondan fazla hesaba yayılan farklı bir üye tabanı ile her üye için doğru olan baĢlıkları tavsiye etmek çok önemli ve kritik bir konudur. Önerilen belirli bir küçük önizleme görüntüsü/ kapak fotoğrafı (thumbnails) tasarım açısından neden önemsenmeli? Ġlgi çekecek yeni ve tanıdık bir önizleme hakkında ne söylenebilir ve nasıl ikna edilir? sorularına cevap bulmayı hedeflemektedirler. Netflix, üyelerine, özellikle tanıdık olmayan baĢlıklar konusunda, yeni içerikler keĢfetmelerine yardımcı olmaya önem vermektedir. Bunun için de baĢlıkları tasvir ettikleri, kullandıkları resim ya da görüntüleri özel olarak iĢlemektedirler. Bir baĢlığı temsil eden bir görsel öğe, aslında bir nevi geçiĢ görevi görmektedir. BaĢlığın birey için neden iyi olabileceğine dair kiĢiye görsel bir “kanıt” sunmaktadır.

2. Kullanıcı Deneyimi ve EtkileĢim Tasarımı

Teknolojik geliĢmelerle yaĢanan hızlı süreç gün geçtikçe daha hızlı dönüĢen bir yapıyı ve etkileĢimi beraberinde getirmektedir. Bu da dijital yayıncılıkta, kullanıcı deneyimi kavramını kaçınılmaz kılmaktadır. Kullanıcı deneyim tasarımları hedef kitlenin yeni medya teknolojilerini kullanım süreçlerindeki etkileĢimlerine odaklanmaktadır. Empatik bir bakıĢ açısı geliĢtirmek kullanıcı deneyim tasarımcılarının önemle üzerinde durmaları gereken bir noktadır. (Akt. EriĢti, 2020, s.59). Kullanıcı deneyim tasarımında, her izleyicinin deneyimlerine ve odaklanmasına dikkat çekilmelidir.

multidisipliner bir ekip ile yapılmalıdır. Girilen etkileĢim sürecinin memnuniyeti değerlendirilmelidir. Sistematik yapıda yaĢanan zorluklar ve artıĢlar etkili bir biçimde yeniden yapılandırılmalıdır. Örneğin, kullanıcıların 2020 yılı verilerine göre YouTube’ da 7 milyon video izlenmektedir, Netflix’te ise 764 bin saat video izlendiği istatistiklerde görülmektedir. (Brandingturkiye, 2020). 1997 senesinde kurulan, 139 milyon kayıtlı abonesi bulunan (2019 yılı verileri), 190’dan fazla ülkeye yayın yapan dijital yayın platformu olan Netflix abonelerinin, bir yılda izlediği film sayısı 60’a yakındır (Brandingturkiye, 2020).

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 181

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Tablo 2. Ġnternette 1 Dakikada Neler Oluyor (Brandingturkiye, 2020).

Kullanıcı deneyimi ile hazırlanan tasarım süreçleri ve kullanıcıların gönüllü olarak sistemde katılımcı olması, etkili bir pazarlama stratejisinin de zeminini hazırlamaktadır. Hedef kitle odaklı etkileĢim tasarımı ise hedef kitlenin yeterliliklerini, sınırlarını, gereksinimlerini, tasarım ortamı ile etkileĢim amaçlı etkileĢimin yapısını oluĢturur (Akt. EriĢti, 2020, s.62). Örnek vermek gerekirse Netflix’in tam olarak çalıĢmalarında gerçekleĢtirdiği gibi önce bir profil hesabı oluĢturularak, kiĢisel bilgilere ulaĢılır, veriler kayıt altına alınarak kullanıcı tercihleri oluĢturulur. Kullanıcının tercihlerine göre bir kiĢisel katalog belirlenir. Bu sayede üst düzeyde hazırlanan etkileĢim sisteminin oluĢturduğu örnekler, en iyi etkileĢim sürecini ve tercih nedenini oluĢturmaktadır.

3. Netflix KiĢiselleĢtirilmiĢ Algoritma Sistemi

Ġlk zamanlarda Netflix, klasik bir yöntemle hazırlanan afiĢleri kullanarak çalıĢmalarına baĢlamıĢtır ancak içeriği tam yansıtmadığını düĢündüğü noktada alternatif çözümler üretmiĢtir. Önce üç afiĢ tasarımı önerisi ile yaĢanan, tıklanma sayılarındaki artıĢ sonucu da yeniden bir arayıĢa girilmiĢtir. Geri bildirimlerde görülen etkileĢim sonuçlarındaki bu artıĢ da yeni bir algoritma sisteminin baĢlangıç noktası olmuĢtur. Credentials Sharing Insight isimli yapay zeka sistemi, kiĢiye özel, önceden elde edilmiĢ analizlerle, yeniden düzenleme sistemine dayanmaktadır (Ceotudent, 2020). D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 182

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Netflix, standart bir izleyicinin, her bir önizleme görüntüsünü 1.8 saniye izledikten sonra, 90 saniye içerisinde karar verdiğini ve her yeni bilgiyi iĢlemek için, gözün saniyede 3–4 defa hareket ettiği sonuçlarını baz alarak algoritmalarını planlamaktadır (Türk, 2019). Bununla birlikte, yapay zekanın baĢarı yüzdesini artırmak için sürekli olarak

Netflix için geliĢtirilmiĢ algoritma sistemi, tüm üyeleri arasından her birey ve her baĢlık için en ilgi çekici ve uygun tasarımı bulmaya çalıĢmaktadır. Örneğin Good Will Hunting filmini tasvir etmek için kullanılan görüntünün, kiĢiselleĢtirme çabaları incelendiğinde: Bir üyenin farklı türleri ve temaları ne kadar tercih ettiğine bağlı olarak bu kararı kiĢiselleĢtirilebilmektedir. Matt Damon ve Minnie Driver'ın yer aldığı tasarım çalıĢması incelendiğinde, pek çok romantik film izlemiĢ biri Good Will Hunting ile ilgilenebilirken, çok tanınmıĢ bir komedyen olan Robin Williams'ı içeren bir tasarım kullanılırsa çok sayıda komedi izlemiĢ bir üyenin ilgisi filme çekilebilmektedir (Chandrashekar vd., 2017).

Görsel 2. Good Will Hunting KiĢiselleĢtirilmiĢ Önizleme Görüntüleri Örnekleri (Netflixtechblog, 2017).

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 183

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

BaĢka bir algoritma önermesinde, oyuncu kadrosu için farklı tercihlerin Pulp Fiction filmi için tasarımı kiĢiselleĢtirilmesini nasıl etkileyebileceği önermesinde, Uma Thurman'ın yer aldığı birçok film izleyen bir üye için, Uma Thurman içeren Pulp Fiction'ın tasarım çalıĢmasına muhtemelen olumlu yanıt verecektir. Bu arada, John Travolta'nın bir hayranı, eğer tasarım aktörü içeriyorsa da Pulp Fiction'ı izlemekle daha çok ilgilenmesi olasıdır (Kartal, 2018).

Görsel 3. Pulp Fiction Önizleme Görüntüleri Yapay Zeka Önermeleri Örneği (Netflixtechblog, 2017).

Netflix, kiĢiselleĢtirilmiĢ algoritmayı benimsemektedir. Ana sayfa için seçilen satırlar, bu satırlar için seçilen baĢlıklar, görüntülenen galeriler, gönderilen mesajlar vb. dahil olmak üzere üye deneyimlerinin birçok yönü algoritmik olarak uyarlanmaktadır. KiĢiselleĢtirilen her yeni özelliğin kendine özgü zorlukları vardır; örneğin sunumu yapılan her yerde her baĢlığı temsil etmek için yalnızca tek bir tasarım çalıĢması seçilebilmektedir. Tipik öneri ayarları, bir üyeye birden çok seçim sunulmasına izin vermektedir ve daha sonra bir üyenin seçtiği öğeden tercihleri öğrenilebilmektedir. Bu, görüntü seçiminde bir üye bir baĢlığı seçerse, yalnızca o üyeye sunulan görüntü gelmektedir. Bir baĢlık için belirli bir görüntü sunulurken, bir üyenin bir baĢlığı ne zaman seçip seçmediği irdelenmektedir (Chandrashekar vd., 2017). Bu nedenle, tasarım çalıĢmasının kiĢiselleĢtirilmesi, geleneksel öneri probleminin üstüne oturur ve algoritmaların

kiĢiselleĢtirileceğini doğru bir Ģekilde tespit edebilmek için, görsel örneğin üye için ne ölçüde daha iyi olduğunu gösteren sinyaller bulmak ve çok fazla veri toplanması gerekmektedir. Oturumlar arasında bir üyeye bir baĢlık için gösterilen ve değiĢen görselin etkisini anlamak bu anlamda önem teĢkil etmektedir.

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 184

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Aynı sayfada ya da oturumda seçilen diğer tasarımlara göre küçük önizleme görüntüsünün nasıl performans gösterdiğini anlamanın zorlukları olabilmektedir. Ana karakterin cesur bir yakın çekimi bir sayfadaki bir baĢlık için iĢe yaramaktadır çünkü diğer görsellerde de öne çıkmaktadır. Ancak her baĢlığın benzer bir resmi varsa, sayfa bir bütün olarak ilgi çekici görünmeyebilir. Bu nedenle, her birinin bir üyeyi ikna edebilecek bir görüntünün etkileyici yönlerini vurgulayabileceği çeĢitli yöntemlere ihtiyaç duyulmaktadır. (Webtekno, 2019). Görüntüyü geniĢ ölçekte kiĢiselleĢtirmenin mühendislik anlamında da zorlukları vardır. Buradaki zorluk, üye deneyiminin çok fazla görsel içeriyor olması ve bu nedenle çok sayıda görüntü iĢlenmesidir. Kullanıcı ara yüzünde görseli düzgün bir Ģekilde iĢleyememek, deneyimi önemli ölçüde düĢürmektedir.

4. Netflix Algoritma Teknolojisi Uygulama Biçimleri ve YaklaĢımlar

Yapılan çalıĢmalar ortalama bir Netflix kullanıcısının siteye/uygulamaya girdiği andan itibaren küçük önizleme görüntülerini seçmek için 60 ile 90 saniye arası zaman harcadığını gösterdiğini ve bu süreçte, kullanıcılar 10 ile 20 arasında baĢlık incelediğini ve ilgisini çeken bir içerik olmazsa siteden/uygulamadan çıktığını belgelemiĢlerdir (Doğanay, 2019). Netflix öneri motorunun büyük bir bölümü, öğrenen makine algoritmaları tarafından desteklenmektedir. Geleneksel olarak, üyelerinin hizmeti nasıl kullandığına dair bir grup veri toplanmaktadır. Ardından bu veri yığını üzerinde yeni bir öğrenen makine algoritması çalıĢtırılmaktadır. Daha sonra bu yeni algoritmayı mevcut üretim sistemine karĢı bir A/B testi ile test edilmektedir. Bu A/B testi, yeni algoritmanın mevcut üretim sistemlerinden daha iyi olup olmadığını rastgele bir üye alt kümesi üzerinde deneyerek görülmesine yardımcı olmaktadır. A grubundaki üyeler mevcut üretim deneyimini, B grubundaki üyeler ise yeni algoritmayı almaktadır. B grubundaki üyelerin Netflix ile daha fazla etkileĢimi varsa, yeni algoritmayı tüm üye popülasyonuna yaymaktadırlar (Chandrashekar vd., 2017). Netflix sistemi nasıl iĢlemektedir sorusu en iyi Ģu Ģekilde açıklanmaktadır: Sistem üyeliği baĢlattığı ve profilini oluĢturduğu anda içerik önerileri oluĢturulmaya baĢlamaktadır. Bir üye oturumundaki görseli seçtiğinde o oturum için tahmin edilen en iyi görüntüyle karĢılaĢmaktadır. Bu randomizasyonun üye deneyimi ve dolayısıyla ölçümler üzerinde üzerindeki etkisi önemlidir. 139 milyondan fazla üye bu duruma tabi tutulur ve her üye D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 185

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

dolaylı olarak kataloğun küçük bir bölümü için görüntü hakkında geri bildirim sağlamaya yardımcı olmaktadır. Hizmetle olan etkileĢimler: izleme geçmiĢi, nasıl puanlandırıldığı; benzer zevklere ve tercihlere sahip üyeler ve kategoriler, oyuncular, yayınlanma yılı vb. içerikler hakkında edinilen bilgiler sayesinde izleme olasılıkları tahmin edilmektedir. KiĢileĢtirme önerilerini daha da detaylandırabilmek için ise izlenen gün ve saat, süre ve kullanılan cihazlar algoritmanın verilerini oluĢturmaktadır. Demokrafik bilgiler olan yaĢ ve cinsiyete ait bilgiler içermemektedir (Netflix, 2019). Netflix’in bu algoritma iĢlemleri için oluĢturduğu bilimsel çözümün adı Estetik Görsel Analiz sistemi AVA(Aestethic Visual Analysis)’tir. AVA sahip olduğu araçlar ve algoritmalar sayesinde Netflix içerikleri arasından kapak resmi olabilecek görselleri bulmaktadır. ĠĢlemin çıktıları metadata olarak toplanarak, çarpma sayısı, parlaklık, kare numarası, kontrast, keskinlik, çıplaklık olasılığı ve ten rengi gibi karenin karakteristiğini oluĢturan bilgilerden oluĢan, hesaplanmıĢ veriler bir veritabanına aktarılarak kategorize edilmektedir. (Turk, 2019).

Görsel 4. KiĢiselleĢtirme Algoritmaları: Görsel, Bağlamsal, Kompozisyon Örnekleri (Vox, 2018).

Netflix’in yapay zekası kullanıcının o film içerisinde ilgi duyma ihtimali en yüksek olan sahneyi bulup onu kapak fotoğrafı haline getirmektedir. Bir sonraki aĢamada tüm bu küçük görüntü önizlemeleri analiz edilerek hangi kapak fotoğrafı filmi daha çok tıklandı ise genel tanıtımlarda o fotoğraflar ön plana çıkartılabilmektedir (Doğanay, 2019). Bu sürece geniĢ anlamda veri keĢfi denmektedir. D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 186

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Görsel 5. Netflix Algoritması Önizleme Görüntüsü Kontrastlık Örneği (Webtekno, 2018)

kontrastlığına ve hareket bulanıklılığına odaklanmaktadır. Bağlamsal olarak, yüz, obje hareketleri ve çekim açılarını önemsemektedir. Kompozisyon olarak ise sinematografi, kompozisyon ve tasarıma odaklanmaktadır (Türk, 2019).

5. Netflix Küçük Önizleme Görüntülerinin Grafik Tasarım Ġlkeleri Kapsamında

Analizi Bu bölümde Netflix resmi hesabının ürettiği ve paylaĢtığı bir internet dizisinin, farklı profil hesaplarındaki, farklı sonuçlara ait küçük önizleme görüntülerinin (thumbnails) görsel öğeleri ve önermeleri, grafik tasarım ilkeleri bağlamında, betimsel analiz yöntemi ile değerlendirme sonuçları yer alacaktır. Netflix’in kendi platformu için üretilen 2018 yapımı, ilk orijinal Türk dizisi Hakan Muhafız internet dizisinin farklı profillerde yaratılan küçük önizleme görüntü örnekleri çalıĢma alanı olarak belirlenmiĢtir.

Görsel 6. Hakan Muhafız Genel Tanıtım Posteri (Wikipedia, 2019).

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 187

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Nilüfer Ġpek Gökdel'in Karakalem ve Bir Delikanlının Tuhaf Hikayesi adlı romanından uyarlanan Netflix projesi olarak hazırlanan internet dizisi, yönetici yapımcılığı Onur Güvenatam,

gerçekleĢtirilmiĢtir (Wikipedia, 2019). Örnek olarak seçilen çalıĢma serisi Hakan Muhafız/ The Protector filmidir. Bu dizi için için en iyi tasarım çalıĢması aranmıĢtır. “Filme Gitmeden Önce” adlı YouTube kanalının konuyla ilgili olarak hazırladığı “Netflix Algoritması Beyninizi Böyle Yıkıyor” videosunda Hakan Muhafız filmi için, farklı kullanıcılarından profil hesaplarındaki gelen, farklı küçük önizleme görüntülerine dair geri bildirimlerde, ortayan çıkan sonuçlar (Görsel 7) görülmektedir. Çok boyutlu algoritmalarıyla, üyeleri arasında en çok izlenen filmler arasında yer alan Hakan Muhafız filmi için kapsamlı bir çalıĢma gerçekleĢtirilmiĢtir.

Görsel 7. Hakan Muhafız Görsel Öneri Algoritmaları (Webtekno, 2020)

Algoritma sonuçları incelendiğinde, fantastik, bilimkurgu, aksiyon ve dramatik türündeki süper kahraman dizisine ait, tercih ve zevkler de yaĢanan büyük bir çeĢitlilik tespit edilmiĢ, bir baĢlığa ait özellikle kullanıcının ilgisini çekecek yönlerini vurgulamak için neredeyse her üyeye yönelik tasarım denemesi ve algoritması oluĢturulmuĢtur. Grafik tasarım ilkeleri, farklı kaynaklarda farklı baĢlıklar Ģeklinde yer alabilmektedir. Bu çalıĢmada grafik tasarım ilkeleri, temel tasarımın da ilkelerini oluĢturan, görsel hiyerarĢi, D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 188

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

görsel devamlılık, bütünlük, vurgu ve denge baĢlıkları temel alınarak değerlendirilmeye çalıĢılacaktır. Tasarımda görsel ögeler arasındaki gösterilmek istenen önem sıralaması olarak da değerlendirdiğimiz görsel hiyerarĢi, birçok farklı Ģekilde oluĢturulabilmektedir. Görsel hiyerarĢi, birden fazla görsel öğenin, büyüklük-küçüklük, sıcak-soğuk iliĢkisi, karĢıtlık, önarka plan iliĢkisi kullanılarak tasarlanabilmektedir. Bu unsurlar kullanılarak oluĢturulan tasarımlarda oluĢan vurgu ile tasarımda öncelik sıralaması oluĢturulabilmektedir. Seçilen çalıĢmalar,

görsel hiyerarĢi bağlamında değerlendirildiğinde, kullanılan grafik öğeler ile

metinler arasındaki iliĢki açık ve kolay anlaĢılabilir bulunmuĢtur.

Görsel 8. Hakan Muhafız Farklı Önizleme Görüntülerine Ait Referans Çizgiler

Görsel devamlılık, izleyicinin tasarım yüzeyinde bir öğeden diğer bir öğeye geçiĢindeki akıĢın sürekliliği olarak açıklanmaktadır. Genel olararak tasarımda, gözün çalıĢma prensipleri doğrultusunda hazırlanan sanal bir algılama yönünü, devamlılığını ifade etmektedir. Sadece bir çalıĢmadan ziyade oluĢturulan seri tasarımlarda daha çok ortaya çıkmaktadır. Örneğin dergicilikte ya da kitap kapaklarında hazırlanan bir tasarım modelinin devam ettirilmesi yine görsel devamlılık sağlayan unsurlar arasındadır. Hakan Muhafız internet dizisinin görsel öneri algoritmaları sonucu oluĢan tasarımlar değerlendirildiğinde, tek bir önizleme görüntüsü üzerinde sorun bulunmamaktadır. Ancak birbirinden bağımsız bir seri oluĢturulduğunda, görsel süreklilik olmadığı gözükmektedir çünkü her biri farklı bir kullanıcının zevkleri ve D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 189

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

beğenileri kapsamında, yapay zeka algoritması tarafından önerilmektedir. KarĢılaĢılan bir diğer devamlılık sorunu da izlenilen film bitirildikten sonra, algoritmanın yeni önermesi doğrultusunda, izlenilen filmin küçük önizleme görüntülerinin de değiĢerek geçmiĢe dönük hafızanın silinmesidir. Kullanıcı tekrar aynı filmi izlemek isterse, hangi küçük önizleme görüntüsünü seçtiğini bulamayarak yeniden aynı isme ait önizleme görüntüsünün arayıĢına girmek zorunda kalabilmektedir. Grafik tasarım ilkelerinde kullanılan önemli bir tasarım ilkesi de bütünlüktür. Tasarımın içerinde yar alan tüm öğeler kendi arasında gruplandırılmalı ve birbiriyle uyumlu Ģekilde görsel bir bütünlük sağlamalıdır. Bütüncül bir görsel dil ve yapı oluĢturulmalıdır. Hakan Muhafız internet dizisinin seçilen görselleri, bütünlük baĢlığı altında değerlendirildiğinde, algoritmanın fotoğraf, tipografik baĢlık ve kendi logosunu kullandığı görülmektedir. Seçilen öğeler arasında bütünlüğü sağlayan bir yapı olduğu görülmektedir. Ġsme ait baĢlıkların net, anlaĢılabilir ve tutarlı olduğu görülmektedir. Metinler okunaklı ve net bir serifli yazı karakteri ile oluĢturulmuĢtur. Seçilen yazı karakterinin konuya uygunluğu, en önemli tasarım baĢlıklarından biridir. Ancak algoritma, duygu durumuna göre görsel bir seçim yaptığında, yazı karakterini de aynı Ģekilde konuya uygun bir biçimde düzenleyememektedir. Görsel seçimi beğeniye göre fantastik, bilimkurgu, aksiyon ve dramatik olarak Ģekillenmesine rağmen yazı karakteri hep aynı Ģekilde kalmaktadır. Logo ve baĢlık için tasarımda bulunması gereken gerekli boĢluklar bırakılmıĢtır. Algoritma tasarımında kullanıcıların müdahale edemediği hareketli yazılar bulunmamaktadır. Tipografinin kolay okunur olması önemlidir. Ancak bir diğer önemli nokta da tasarımda bulunduğu alana göre yeniden düzenlenmesidir. Tasarımların tümü incelendiğinde, ortalı yazı hizalama seçimi ile bir Ģablon belirlenerek, tümüne yayıldığı görülmektedir. Yazılar ve zemin renkleri arasındaki karĢıtlık genel oranda uygun olarak kullanılmıĢtır. Kullanıcı özelinde ve donanım bazında eriĢilebilirlik özellikleri önem taĢımaktadır. Önemli bilgilere ait içerikler için renk kullanılmıĢtır. Ġlk verilen örnekte açık renk zemin kullanılmıĢ olması nedeniyle üzerine gelen yazı koyu renk tercih edilmiĢtir, diğer tüm örnekler de ise koyu bir zemine sahip oldukları için üzerlerine gelen yazı da diĢi kullanım tercih edilerek tasarlanmıĢtır. Tasarım ilkelerinden bir diğer önemli baĢlık da vurgudur. Tasarımla ilgilenen herkes için vurguda en önemli kural tasarımın baĢında vurgunun nerede, nasıl ve ne Ģekilde konumlandırılacağının belirlenmesidir. Tasarımda herĢey aynı anda vurgulandığında ortaya D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 190

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

tasarımsal bir kaos çıkmaktadır. Bu durumda herĢey birbiriyle yarıĢır bir düzeyde bulunmaktadır. Tasarım unsurlarının birbirlerinden rol çalmamaları için, vurguda kullanılacak öncelikler tespit edilmelidir. Hakan Muhafız internet dizisine ait farklı kullanıcı profillerinden alınan geri dönüĢ örneklerinde görüldüğü gibi vurgu fotoğraflarla sağlanmaktadır. Çoğunlukla baĢrol oyuncularına ait fotoğraf tercihleri ile çözümlenmektedir. Tasarımda vurguyu sağlamak için karĢıtlık özelliğini kullanarak fotoğraftaki en konstrast tonlar seçilmeye çalıĢılmaktadır. Grafik tasarımda denge de yine en önemli grafik tasarım unsurlarının baĢında gelmektedir. Denge denilince statik bir simetri düĢünülmemelidir. Denge tasarım elemanlarının kendi içinde oluĢturduğu ritm, armoni ve uyumun ortak bir karmasıdır. Dengeli bir biçimde tasarlanan asimetrik tasarımlar ile güçlü etkiler doğuran tasarımlar bulunmaktadır. Önemli olan yine bu dengeyi sağlayacak unsuruların baĢta belirlenmesi sürecidir. Hakan Muhafız internet dizisine ait küçük önizleme görüntülerinde bulunan grafik öğeler, birbiri ile tutarlı bir görsel bir denge içerisinde yer alan bir anlatım diline sahiptir. Tasarım öğeleri için yeterli alan vardır. Kolay algılanabilmektedir. Geri bildirimlerle ulaĢılan örnek tasarımlarda genel olarak simetri kullanıldığı görülmektedir. Figür kullanımları merkezde yer almaktadır. Kullanılan figür sayısı arttığında ise yine sağda ve solda, eĢit uzaklıklarda bir denge gözetildiği gözlemlenmiĢtir. Kullanıcı tercihlerine göre Ģekillenen figür kullanılmayan önizleme görüntülerinde de yine simetri dikkate alınmıĢtır.

Tablo 3. Hakan Muhafız - Küçük Görüntü Önizleme Algoritmaları Grafik Tasarım Ġlkeleri Değerlendirme Tablosu

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 191

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Bu sonuçlar grafik tasarım ilkeleri bağlamında değerlendirildiğinde (Bknz. Tablo 3), Netflix algoritma teknolojisi ile üretilen tasarımlarda, ana sayfası kolay anlaĢılabilir ve hiyerarĢik bir görünüme sahip olduğu görülmüĢtür. Kullanılan görseller ile baĢlıklar için hazırlanan tipografinin birbirlerine oranı, birbiriyle yarıĢır nitelikte değil belirli bir oran ölçüsünde hiyerarĢik düzende olduğu belirlenmiĢtir. Etkili bir kiĢiselleĢtirme elde etmek için, her bir baĢlık için geniĢ bir görsel havuza ihtiyaç duyulmaktadır. Bir baĢlığın görsel setinin de içeriğin farklı yönleriyle ilgilenen geniĢ bir potansiyel kitleyi kapsayacak kadar çeĢitli olması gerekmektedir. Sonuçta, bir görselin ne kadar ilgi çekici ve bilgilendirici olduğu, gerçekten onu gören kiĢiye bağlıdır. Bu nedenle, bir baĢlıkta yalnızca farklı temaları değil, aynı zamanda farklı estetiği vurgulayan tasarımlara da ihtiyaç duyulmaktadır. Ancak çalıĢmalarda hep aynı yazı karakteri kullanımı ile çözüm üretildiği belirgindir. Sanatçı ve tasarımcılardan oluĢan gruplar birçok boyutta farklı görüntüler yaratmak için çabalamaktadır. Ayrıca tasarımı oluĢturmak için sistem, yaratıcı süreçleri sırasında görüntüleri seçecek kiĢiselleĢtirme algoritmalarını da dikkate almaktadır. Görsel iletiĢim ve grafik tasarımda, tasarım ilkeleriyle oluĢturulan görsel algı önem taĢımaktadır. Tasarımcı edinilmiĢ deneyimleri, estetik değerleri, kendi kültürüyle birleĢtirerek, anlamlandırma boyutunda, yapay zekanın önermelerinden ayrıĢmaktadır. Sadece algılanan sonuçlarının genel karĢılaĢtırmaları ile tasarımcı önermesine oranla, yüzeysel bir öneri sistemi sunulmaktadır. Ġlerleyen yıllarda yapay zeka algoritmalarında hızla yaĢanan geliĢmelerle bu özelliklerin de sisteme dahil edilerek daha da spesifik sonuçlara ulaĢılacağı öngörülmektedir.

Sonuç

Üyelerine internete bağlı televizyon, bilgisayar ve benzeri diğer cihazlar ile internet üzerinden film ve TV dizilerine eriĢebilmesini sağlayan, kiĢiselleĢtirilmiĢ bir dijital abonelik hizmeti sunan Netflix kullanımının, son yıllarda giderek yaygınlaĢtığı gözlemlenmektedir. Bununla birlikte hizmet araçları da hızlıca geliĢtirmekte ve yenilenmektedir. Netflix algoritma sisteminin, kiĢiye en uygun seçim çözüm önerilerinin, negatif sonuçları da olabilmektedir. Örneğin önizleme görüntüsü beğenilerek izlenmesinin ardından, baĢka bir gün tekrar izlemeye karar verildiğinde, algoritmanın değiĢme ihtimali, izleyici de aradığı görüntüyü yeniden bulamamak gibi bir ihtimali gözler önüne koyabilmektedir. Bir diğer konu da tasarımın bütününe

değerlendirildiğinde en çok tıklanan yakın plan karakter figür planı kullanımı; aynı kadrajdaki D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 192

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

yaklaĢımla sunulduğunda, diğer önizleme alanlarında da benzer prototip yaklaĢımlar ortaya çıkabilmektedir. Tasarımın bütünü incelendiğinde; görsel arayüz kataloğunun tamamı birarada değerlendirildiğinde tüm tasarımların birbirine benzeme ihtimali fazlalaĢmaktadır. Bu da tasarımda birbirini tekrar eden, birbirinden rol çalan görseller olarak yer almasına yol açabilecek bir sorunu ortaya çıkarmaktadır. Ayrıca bu durum beraberinde her film izlendiğinde önizleme görüntüsünün değiĢeceği varsayılarak, izleyicinin devamlı yeni bir görüntü arayıĢında kalabilmesine neden olabilmektedir. Netflix alanı içerisinde birden fazla biçimde sunulan grafik tasarım öğeleri, etkin ve faydalı, sonlu ve sonlandırılabilir geliĢtirildiği için grafik tasarım ilkeleri bağlamında değerlendirildiğinde de yüksek oranda, doğru Ģekilde tasarlandıkları görülmektedir. Belirli bir standartta

yerleĢtirilememiĢtir. Örneğin tasarımın getirdiği bloklama sistemi çok farklı olmasına rağmen tipografik yaklaĢım geri bildirimle gelen tasarımların neredeyse tamamında ortadan bloklama sisteme kullanılarak oluĢturulmuĢtur. Sonuç olarak yapay zeka algortimasına kıyasla insani değerlerin katkısı ve grafik dokunuĢların eksikliği göze çarpmaktadır. Netflix, kullanıcı deneyimi, etkileĢim tasarımı kavramlarını, görsel tasarım anlamında da temel alan profesyonel bir yaklaĢımla, hizmetlerini sürdürmektedir. Diğer talebe bağlı video akıĢ sistemlerinin de, gelecekte tasarım anlamında izleyicisine uygun, daha da derinleĢtirilmiĢ bir grafik tasarım yelpazesi önermesi yapacağı olasılıklar dahilindedir. Yeni iletiĢim teknolojilerinin geliĢmesiyle birlikte, izleyicilerin ve kullanıcıların bu aktif, hızlı tüketen ve üreten durumu hız kazanmaktadır. Bu nedenle gelecekte bu uygulamaların sadece fotoğraf ve baĢlıktan oluĢan algoritmalar olarak değil; konuya uygun olarak hazırlanmıĢ, vektörel, grafik resimsel, illüstratif vb. uygulamalar gibi daha derine inen, kiĢiselleĢtirilmiĢ tasarımlar olması gerekli ve kaçınılmaz gözükmektedir.

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 193

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Kaynakça

Alabay, M (2014). Web Teknolojilerinin GeliĢimi ve Hayatımıza Etkileri, https://dralabay.wordpress.com/2014/08/29/web-teknolojilerinin-gelisimi-vehayatimiza-etk ileri/ adresinden 22.09.2020 tarihinde eriĢilmiĢtir. Brandingturkiye (2019). https://www.brandingturkiye.com/netflix-istatistikleri-guncel/ adresinden 18.09.2020 tarihinde eriĢilmiĢtir. Brandingturkiye (2019). https://www.brandingturkiye.com/internette-1-dakikada-neleroluyor-2020/ adresinden 13.08.2020 tarihinde eriĢilmiĢtir. Chandrashekar A., Amat F., Basilico J. and Jebara T. (2017). https://netflixtechblog.com/artwork-personalization-c589f074ad76 adresinden 23.10.2020 tarihinde eriĢilmiĢtir. Ceotudent (2019). https://ceotudent.com/netflix-yapay-zeka adresinden 12.09.2020 tarihinde eriĢilmiĢtir. Çınar, Ö.F: TV Dizilerinin Yeni Sahası: Dijital Platformlar, https://www.gzt.com/aktuelkultur/tv-dizilerinin-yeni-sahasi-dijital-platformlar-3494469 adresinden 21.09.2020 tarihinde eriĢilmiĢtir. Çomu, T., Halaiqa, Ġ. (2014). Web Ġçeriklerinin Metin Temelli Çözümlemesi. In. M.Binark (Ed..), Yeni Medya ÇalıĢmalarında AraĢtırma Yöntem ve Teknikleri (26-87), Ayrıntı Yayınları, Ġstanbul. Dijck, J. (2009). Users like you? Theorizing agency in user-generated content. (31-58), Media, Culture Society. Doğanay, S. (2019). Netflix Algoritması Nasıl ÇalıĢıyor, http://www. Sertacdoganay.com/ netflix-algoritmasi/ adresinden 13.09.2020 tarihinde eriĢilmiĢtir. Eralp, A. (2010). http://www.software-turk.com/dijital-tv-yayini-nedir/ adresinden 13.10.2020 tarihinde eriĢilmiĢtir. Fan, S. (2020). Yapay Zeka Yerimizi alacak mı? Hey Kitap, Ġstanbul. Filme Gitmeden Önce (2018). YouTube kanalı com/watch?v=tVnwCAgd3HU&feature=emb_title adresinden eriĢilmiĢtir. [YouTube Videosu]

Kartal, B. (2018). Netflix'in Daha Çok Ġzlenmek Ġçin Uyguladığı MuhteĢem Teknik webtekno.com/netflix-in-daha-cok-izlenmek-icin-uyguladigi-muhtesem-hile h59951.htm ladresinden 17.09.2020 tarihinde eriĢilmiĢtir. KocabaĢ, ġ. (2014). Yapay Zeka ve Bilim Felsefesi. Dîvân Disiplinlerarası ÇalıĢmalar Dergisi, 19(36), 9-22. Retrieved from http://dergipark.gov.tr/download/article-file/254664. D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 194

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Köroğlu, Y. (n.d.). Yapay Zeka’nın Teorik ve Pratik Sınırları. Boğaziçi Üniversitesi, 1-10. Retrieved from https://www.cmpe.boun.edu.tr/~yavuz.koroglu/publications/EBES17.pdf L. Li, W. Chu, J. Langford, and X. Wang, (2011). “Unbiased Offline Evaluation of Contextual-bandit-based News Article Recommendation Algorithms,” in Proceedings of the Fourth ACM International Conference on Web Search and Data Mining, (297-306), New York, NY, USA. Mysoft, (2019). https://www.mysoft.com.tr/yapay-zeka-nedir adresinden 12.09.2020 tarihinde eriĢilmiĢtir. Netflix Türkiye (2016). Haberturk. Retrieved from http://www.haberturk.com /ekonomi/teknoloji/haber/1180019-netflix-turkiyeden-nasil-izlenir adresinden 18.09.2020 tarihinde eriĢilmiĢtir. Netflix (2017). Netflix Medya Merkezi. Retrieved from https://media.netflix.com/tr/pressreleases/netflix-is-now-truly-turkish adresinden 19.09.2020 tarihinde eriĢilmiĢtir. Özel, S. (2020). Talebe Bağlı Video Servisleri Çağında Netflix Etkisi. https://dergi park.org.tr/tr/download/article-file/1261423. Pazarlamasyon (2019). https://pazarlamasyon.com/netflix-yazi-tipi-psikolojisi-hakkinda-bizene-ogretebilir/ adresinden 11.11.2020 tarihinde eriĢilmiĢtir. Sapmaz, P. (2018). Netflix’in Hikayesi, Kurulma ve Büyüme AĢamaları, https:// pazarlamaturkiye.com/netflixin-hikayesi-kurulma-ve-buyume-asamalari/,adresinden 11.09. 2020 tarihinde eriĢilmiĢtir. Say, C. (2018). 50 Soruda Yapay Zekâ. Ġstanbul: Bilim ve Gelecek Kitaplığı. Teknosafari (2020). https://teknosafari.net/2020-yilinin-en-cok-kullanilan-dijital-yayin-platfor mlari-belli-oldu/ adresinden 11.09.2020 tarihinde eriĢilmiĢtir. Turk, E. https://enesturk.medium.com/netflixin-thumbnail-algoritmas%C4%B1-hakk%C4%B 1nda-4d741aade846 adresinden 11.09.2020 tarihinde eriĢilmiĢtir. Vox (2018). Understand the News: Why your Netflix thumbnails don't look like mine.https://www.youtube.com/watch?v=axCBA3VD5dQ adresinden 09.10.2020 tarihinde eriĢilmiĢtir. Webtekno (2019). https://www.webtekno.com/netflix-in-daha-cok-izlenmek-icin-uyguladigimuhtesem-hile-h59951.html. adresinden 11.10.2020 tarihinde eriĢilmiĢtir. Wiki (2019). https://tr.wikipedia.org/wiki/Hakan:_Muhafiz adresinden 09.11.2020 tarihinde eriĢilmiĢtir.

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 195

Yildiz Journal Of ART And Design

Volume: 7, Issue: 2, 2020, pp 177- 196 Received Date:02/12/2020 Accepted Date: 30/12/2020

Görsel Kaynakçasi

Görsel 1. https://ceotudent.com/netflix-yapay-zeka eriĢilmiĢtir.

Görsel 2. https://netflixtechblog.com/artwork-personalization-c589f074ad76 09.10.2020 tarihinde eriĢilmiĢtir.

Görsel 3. https://netflixtechblog.com/artwork-personalization-c589f074ad76 09.10.2020 tarihinde eriĢilmiĢtir.

Görsel 4. https://www.youtube.com/watch?v=axCBA3VD5dQ tarihinde eriĢilmiĢtir.

Görsel 5. https://www.webtekno.com/netflix-in-daha-cok-izlenmek-icin-uyguladigi-muhtes em-hile-h59951.html adresinden 11.10.2020 tarihinde eriĢilmiĢtir. Görsel 6. https://tr.wikipedia.org/wiki/Hakan:_Muhafız adresinden 09.11.2020 tarihinde eriĢilmiĢtir. Görsel 7. https://www.youtube.com/watch?v=tVnwCAgd3HU&feature=emb_title adresinden 14.09.2020 tarihinde eriĢilmiĢtir.

Tablo Kaynakçasi

Tablo 1: https://teknosafari.net/2020-yilinin-en-cok-kullanilan-dijital-yayin-platformlari-belli -oldu/ adresinden 13.08.2020 tarihinde eriĢilmiĢtir. Tablo 2: https://www.brandingturkiye.com/internette-1-dakikada-neler-oluyor-2020/ adresin den 13.08.2020 tarihinde eriĢilmiĢtir.

D. AKDAĞ SATIR, KĠġĠSELLEġTĠRĠLMĠġ TASARIM: NETFLIX KÜÇÜK ÖNĠZLEME GÖRÜNTÜLERĠNĠN GRAFĠK TASARIM ĠLKELERĠ KAPSAMINDA ANALĠZĠ 196

References

1. 10.2020 tarihinde eriĢilmiĢtir. Görsel 3. https://netflixtechblog.com/artwork-personalization-c589f074ad76 adresinden

Share and Cite