Netflix是一家什麼樣的公司？
Netflix是一家美國公司，在美國、加拿大提供網際網路隨選流媒體播放，定製DVD、藍光光碟在線出租業務。該公司成立於1997年，總部位於加利福尼亞州洛斯蓋圖，1999年開始訂閱服務。2007年2月25日，Netflix宣布已經售出第10億份DVD。2009年，該公司可提供多達10萬部DVD電影，並有1千萬的訂閱用戶。
在網際網路流媒體興起之前，影片的主要載體是DVD。早在2009年，Netflix就擁有了超過10萬部的DVD影片。顧客在線選擇後，Netflix免費將DVD郵寄給他們。後來，隨著流媒體的興起，Netflix在保留郵寄DVD業務的同時，也開始提供通過電子郵件傳送DVD和在網上直接觀看DVD這兩種流媒體服務。
大數據賦能Netflix
（一）擁有龐大的數據
根據Netflix公布的2020年第一季度的財報，第一季度Netflix全球付費用戶新增1580萬，遠超公司之前預期的700萬和分析師預期的847萬。截至目前，Netflix全球用戶總量已接近1.83億。龐大的訂閱用戶為Netflix提供了強大的數據來源。
僅有龐大的數據並不能支撐Netflix的精準推算，Netflix還擁有先進的推薦引擎和數據算法，可以根據類型、主題、演員特徵、故事情節、內容等向觀眾推薦影片。此外，Netflix還在數據獲取技術上精益求精，Netflix設立Netflix Adward獎金，獎勵那些為推薦算法做出貢獻的人，鼓勵人們為獲取數據改進方法做出努力，Netflix還舉辦大數據分析、挖掘比賽，不斷地提高數據分析和獲取能力，將數據運用到實際生產和營銷中，逐漸轉化為經濟效益。
（二）推薦引擎
推薦引擎是Netflix公司的一個關鍵服務，顧客可以在一個個性化網頁上對影片做出1－5的評級。Netflix將這些評級放在一個巨大的數據集裡，該數據集容量超過了30億條。Netflix使用推薦算法和軟體來標識具有相似品味的觀眾對影片可能做出的評級。
Netflix 已經使用參賽選手的方法提高了影片推薦的效率，這已經得到了很多影片評論家和用戶的好評。
（三）大數據算法
Netflix的幾種最核心的推薦算法：
1.Personalized Video Ranker: PVR
這是Netflix推薦系統最核心的部分，這是基於「基因」的電影推薦主要就是由PVR來完成的。「基因」是指電影或影視劇的題材和分類。PVR是千人千面的，即使同一個「基因」推薦序列，每個用戶看到的影片及排序都是不同的。
2.Top-N Video Ranker
PVR關注的是每個推薦序列的排序，而Top-N的核心目標是從所有序列中找出來最相關的。可以簡單理解地為，Top-N的計算範圍僅限於每個推薦序列頭部的數據，優化目標也是從所有推薦序列中優中選優。
3.Trending Now
Netflix發現近期趨勢（從幾分鐘到幾天）是預測用戶觀看行為的有效因子。Netflix使用trending ranker算法來生成Trending Now的推薦結果。
4.Continue Watching
Netflix使用continue watching raker來對是否繼續觀看某部影片或者某個系列來進行建模。Continue Watching不是未觀看完視頻的簡單陳列，它會綜合考慮距離上次觀看的時間，是停在了影片的中段、開頭還是結尾，使用的什麼設備，期間是否又觀看了別的影片等眾多因素。
5.Video-Video Similarity
Because You Watched (BYW) 推薦——基於觀看歷史的推薦——是一種普遍被使用的非常重要的推薦形態。這類推薦方法的核心是計算兩個影片的「相似度」。這種相似度本身是非個性化的，Netflix會在把BYW推送到個人頁面的時候加入個性化相關的度量。
6.Page Generation: Row Selection and Ranking
基於上面介紹的這些算法，Netflix通常會對每個用戶都生成一個上萬行的推薦結果集合。
7.Evidence
推薦理由選擇算法包括：1）對於影片的預測評分；2）內容介紹；3）演員陣容、所獲獎項之類的元數據；4）推薦圖片的選擇能關聯其他UI相關的部分。
推薦理由選擇算法會評估推薦影片相關的可供顯示的所有條目，然後選擇出最有利於幫助用戶做出判斷的條目顯示在頁面的推薦理由區域。
8.Search
從播放時長來看，80%的用戶選擇都或多或少受到了推薦的影響。其餘的20%來自於搜索，搜索也有自己的算法。Netflix綜合使用了信息檢索及相關技術為用戶提供最相關的搜索結果。
（四）數據分析與應用
1.推算觀眾的喜好和習慣
Netflix根據觀眾的觀看行為來判斷觀眾的愛好和習慣。當觀眾快進時，說明觀眾對這部分情節不感興趣；當觀眾回放時，說明觀眾對這部分情節回味無窮，他們認為這部分精彩或誘人，是全片的精華，製作者應該發揚；當觀眾暫停時，說明這部分比較乏味，不能把觀眾牢牢固定在座位上。對此，Netflix的公關總監Jonathan Friedland表示：「我們知道用戶在Netflix的觀看習慣，所以通過基於用戶習慣的分析，我們對哪些電視劇會受歡迎很有信心。隨著時間的推移，我們能夠針對不同用戶退出他們更加喜歡的節目。」
Netflix還用大數據算出觀眾的媒介觀看喜好。它根據觀眾與電視、筆記本、平板電腦的距離，分別設立「10英尺數學家」、「2英尺用戶界面管理員」、「18英寸用戶界面管理員」的崗位，研究如何使觀眾在使用各種媒介時都能達到最佳的觀影效果，不斷提高觀看體驗。
2.推算電視劇、導演和演員的交集
通過大數據分析，Netflix發現有大量觀眾點播1990年的英劇《紙牌屋》，而這部分觀眾大多是好萊塢名導大衛芬奇和演員凱文史派西的粉絲，他們十分希望兩人能重拍這部英劇。在多方因素共同作用下，Netflix決定重拍《紙牌屋》。結果，大衛芬奇執導的首播集為全劇鋪下了基調，保證了優良的品質；凱文史派西的精湛演技吸引了眾多觀眾，提升了全劇的表演檔次；《紙牌屋》的政治題材揭露了美國政界的陰暗面，引起了強烈反響。在算出三者交集方面，Netflix的大數據技術功不可沒。
3.推算播出方式
通過大數據技術，Netflix了解到觀眾更喜歡一次看數集電視劇，而不是一集一集地追著看。於是，Netflix改變了美劇邊播邊拍的傳統，完整的拍完一季，一次性播出13集，不像一般的美劇先播一集，再根據反饋拍攝下一集。Netflix的做法改變了美劇的製作模式，優勢明顯。對觀眾而言，他們不用忍受追劇的煎熬，不會總是被電視劇吊胃口，而是可以酣暢淋漓地欣賞整季，過足了觀癮。對製作而言，整季播出可以讓編劇先明確一個大結構，構造一個宏大的格局，讓步電視劇變得融會貫通，集與集直接銜接緊密，避免因邊播邊拍而造成的情節零碎和過度不自然。
到了觀眾可能想快進的片段時，都要加入獵奇或情色元素。如此不顧邏輯的合理性和劇情的連貫性，生硬的迎合觀眾，反而破壞了觀賞性，只能讓觀眾反感。因過度迎合觀眾而喪失了電視劇的特點和個性，適得其反。其次，《馬可波羅》的故事發生地是中國，其服飾、道具、布景都極具中國風格，但臺詞風格和思想觀念都是西化的，無論是中國觀眾還是西方觀眾都無法接受這種東西方文化不平衡的差異。
湯圓在下一篇文章裡將會通過具體的例子對Netflix的大數據營銷進行分析。
#創作者賦能學院#