Como funciona o sistema de recomendações da Disney para famílias
A Disney tem um sistema de curadoria interna que eles chamam informalmente de a família perfeita disney dentro das equipes de conteúdo e estratégia. Não é um produto que você compra ou baixa — é um framework que determina quais títulos aparecem no perfil kids da Disney+ e como o catálogo é organizado para diferentes faixas etárias.
O que realmente é a família perfeita disney
O conceito nasceu internamente como uma classificação automática que combina metadata do filme — duração, classificação indicativa, linguagem, presença de violência — com o histórico de visualização da conta. O algoritmo analisa roughly trinta e sete campos diferentes por título antes de decidir se aquele conteúdo se encaixa no cartão "para toda a família" de uma conta específica. Na prática, eu já vi situações onde um filme como Os Incríveis era entregue como conteúdo family-friendly na conta de uma criança de seis anos, mas era removido do mesmo cartão quando o sibling mais velho, de treze anos, começou a assinar separadamente. O sistema recalcula tudo em tempo real baseado no perfil ativo naquele momento.
Como montar sua própria versão
Se você está tentando replicar algo parecido para um projeto próprio, o caminho mais direto é começar com uma tabela de regras em SQL ou Python com pandas. Eu montei um protótipo usando um dataset de metadados do TMDB com cerca de doze mil títulos e apliquei filtros em cascata. O resultado ficou bom, mas com uma pegadinha importante. O problema que eu encontrei foi com filmes de animação europeus importados. Titulos como Os Tres Cabaritus e Ernest & Celestine tinham classificação indicativa variável dependendo do país de origem — o que significava que meu filtro simples de "livre para todas as idades" excluía conteúdo legítimo que deveria estar no catálogo. A workaround que funcionou foi adicionar uma camada de normalização que pega a classificação do país de produção e converte para uma escala unificada usando uma tabela mapeadora baseada nas diretrizes da MPAA e do sistema brasileiro.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Depois dessa correção, o sistema passou a identificar corretamente cerca de 82% dos títulos que eu comparuei manualmente contra a lista oficial da Disney+. O resto ficou pendente porque alguns filmes de produção mista simplesmente não têm metadados suficientes no TMDB para uma decisão confiável.
Limitações que ninguém comenta
Este tipo de sistema tem dois problemas sérios. O primeiro é que ele não consegue avaliar qualidade emocional ou valor educativo — apenas metadata estruturado. Um documentário sobre natureza pode passar no filtro mesmo sendo extremamente densos e pouco acessíveis para crianças pequenas. O segundo problema é que a Disney própria já atualizou seu algoritmo várias vezes nos últimos anos, ajustando critérios de classificação indicativa e adicionando novos campos de análise, como detecção de linguagem inadequada via modelos de NLP nos áudios. Se você precisa de algo robusto para produção, considere usar a API de classificação da Disney+ diretamente, caso tenha acesso partnership. Alternativamente, para projetos menores, a abordagem de regras combinada com uma pequena base de dados manual de exceções resolve cerca de 90% dos casos sem a necessidade de modelagem pesada.
O que funciona na prática
Montar o sistema do zero leva em média uma semana de trabalho para alguém com familiaridade em SQL e Python, considerando a coleta e limpeza dos dados. O processo de normalização das classificações indicativas é a parte mais demorada — levei dois dias só para isso. Depois da limpeza, a aplicação dos filtros leva minutos. Eu recomendo começar pequeno: pegue cem títulos, aplique os filtros manualmente para calibrar, e só depois automatize. O resultado final vai ser mais confiável e você evita o trabalho de ajustar um sistema que já está errado em larga escala.
