談影視大數據，怎麼都繞不開《紙牌屋》。
「Netflix通過分析3000萬北美用戶觀看視頻的行為數據，發現凱文·史派西、大衛·芬奇和『英劇《紙牌屋》』』3個關鍵詞的受眾存在交集，由此預測將三種元素結合在一起的片子將會大火特火。」
這段模凌兩可的描述真的太誘人了，簡直像要發起一場影視革命！它成為了去年影視界的耀眼話題，也讓我公司起心動念，嘗試涉足此領域。
但回到原點，美劇《紙牌屋》成功的原因，真的就是「1+1+1」這麼簡單嗎？數據倘若真的這麼NB，那為什麼Netflix的第一部自製劇《莉莉海默》和《紙牌屋》之後的自製劇《鐵杉樹叢》並沒有複製輝煌呢？
【一】
事實上，《紙牌屋》是這麼誕生的——
翻拍英劇《紙牌屋》的創意來自製片方MRC公司，當時這家電影公司正準備轉型拍攝電視劇，並打算用自己手裡積攢的電影資源大幹一場，碰巧公司的一位實習生在飛機上看了這部英國「老劇」並直接和英國版權方聯繫，獲得許可後她向老闆莫迪·維克茨克做了推薦，這是2008年或2009年的事情。
製作公司MRC籤下英劇版《紙牌屋》的改編權後，去找了好萊塢最大的經紀公司CAA，組成劇組核心團隊，包括導演大衛·芬奇、編劇埃裡克·羅斯、演員凱文·史派西。因為將團隊和劇本打包，經紀公司可以獲得總預算10%的佣金（沒錯，用戶喜歡的大衛·芬奇和凱文·史派西「恰好」在同一家經紀公司呢）。MRC投入第一筆啟動資金讓主創開始撰寫試播集劇本。這個時候，《紙牌屋》還沒Netflix什麼事。
2011年，芬奇向各個製片公司推薦《紙牌屋》的時候，Netflix的內容總監泰德·薩倫多斯決定向他們推薦自己。「你有一千個理由不和Netflix合作，」他對芬奇說，但要與Netflix合作卻有一個最大的理由：他承諾用1億美元預定完整的兩季，每季13集，保證提前付酬，不用擔心收視率，不用爭取時段，在藝術上基本不做幹涉。單集成本約為400萬美元，遠遠高於美國一般電視劇的單集製作成本——150萬至200萬美元。而他得到的回報就是一部重要劇集，演員陣容由電影明星組成，還有一位獲得奧斯卡獎提名的執行製片人。
故事就是這樣，《紙牌屋》的誕生，決定性因素不是「大數據」，而是影視圈裡永恆的關鍵詞——「資金」和「人脈」。
【二】
那《紙牌屋》的創作，是不是「大數據」可以算出來的呢？
讓我們通過《紐約時報》的文章《深度詳解紙牌屋的製作過程與權力哲學》來一窺究竟。
文章很長，我概述、摘錄部分觀點如下：
大衛·芬奇只執導了前兩集《紙牌屋》，然後就去搞別的項目了，《紙牌屋》的真正靈魂是製片人鮑爾·威利蒙（曾因《總統殺局》獲得過奧斯卡最佳改編劇本獎提名），他把自己的政治觀和戲劇觀深深地烙進了《紙牌屋》，而他的政治經驗則來自於多年前在政治活動中的實操經驗，以及和本劇政治顧問的深入交流。
最近4年，似乎威利蒙吃飯、睡覺，做夢都在想著《紙牌屋》，他有4.6萬個——也許46萬個細節要操心，他精益求精，甚至到了強迫症的地步——有一次，去製片廠路上，威利蒙興奮地說安德伍德的辦公室幾乎和現實生活中眾議院多數黨督導的辦公室一模一樣，連照明燈開關高度這種細節都注意到了。
第二季拍攝期間，他不是呆在酒店房間寫作室，就是呆在片場附近的簡陋拖車裡，跟著劇組到處走，一整天的大部分時間都用來創作或重寫新一集的劇本，只是偶爾才打個瞌睡……Netflix給他看公司內部寫的每集提要，威利蒙看了就自己重寫了一份……
《紙牌屋》的編劇室有點像研究生舉辦的角色塑造研討會，由一個特別熱心的年輕教授主持。這些範圍廣泛的談話大部分不是為了解決某個具體的棘手情節，而是討論更宏大的角色問題。某人為什麼要做這件事？這是威利蒙一再提出的問題。《紙牌屋》中有著種種背叛和陰暗的詭計，但它歸根結底是關於人物……
威利蒙近乎修道士般的獻身精神使《紙牌屋》脫穎而出，在去年獲得三項艾美獎和一項金球獎，它的成功主要應當歸功於高度的逼真，還有極度聳人聽聞的戲劇情節——劇中的謀殺、操縱和背叛即便放在莎士比亞戲劇中亦不遜色……
可見，相較於「大數據」噱頭，《紙牌屋》的大獲成功，更仰仗於「電影般的質感」、「紮實的劇情」、「動人的角色」和「生動的表演」……這一點都不新鮮，卻更接近於真實。
【三】
話說回來，「大數據」到底有沒有幫上《紙牌屋》？
答案是，有！
先看看Netflix有什麼數據吧——
當一位用戶通過瀏覽器登錄Netflix帳號，Netflix後臺技術將用戶位置數據、設備數據悄悄地記錄下來。這些記憶代碼還包括用戶收看過程中所做的收藏、推薦到社交網絡等動作。在Netflix看來，暫停、回放、快進、停止等動作都是一個行為，每天用戶在Netflix上將產生高達3000多萬個行為，此外Netflix的訂閱用戶每天還會給出400萬個評分，300萬次搜索請求，詢問劇集播放時間和設備。沒錯，這些都被Netflix轉化成代碼，當作內容生產的元素記錄下來。其首席內容官泰德表示，所有這些數據意味著，Netflix公司已經擁有「可尋址的觀眾」。
早年間，Netflix利用上述數據提供一項推薦引擎業務。比如說，數千萬用戶能在一個個性化網頁上對影片做出1-5的評級，這些評級構成了一個巨大數據池，如今這個數據池容量已超過近百億條。根據數據池，Netflix使用推薦算法來識別具有相似品味的觀眾，然後對這一群體做出相關內容的精準推薦。
「Netflix或許並不能準確知道點擊暫停按鈕的個人原因，但是如果足夠多的人在整段視頻中的同一個地方做了相同的舉動，那麼數據就開始顯露出意義了。」結果是，Netflix比觀眾還要清楚自己的觀影喜好。
他們是這麼將「數據轉化為生產力」的——
根據官方公布的數據，3/4的訂閱者都會接受Netflix的觀影推薦。這意味著，Netflix不用一集一集地攢《紙牌屋》這一新劇的口碑，只需向標籤為「喜愛凱文·史派西」或「喜愛政治劇」的觀眾推薦一下就行了。
Netflix通過「大數據」觀測到另一流行趨勢：越來越多的人不再像30年前那樣，在固定晚上的固定時刻守在電視機前，等著收看電視劇的最新劇集，而是「攢」起來，直到整季劇情全部播放完畢之後，才選一個自己方便的時間段和地點，在方便的設備，多數是網絡設備，如電腦、iPad上一次性觀看。
「逐周更新的劇集發布模式很快就要變得不合時宜了，它是上世紀六七十年代電視節目直播時形成的產物。如今人們希望不受束縛，想看就看，想看多少就看多少。」《紙牌屋》製片人鮑爾·威利蒙說。
由此可見，數據確實可以告訴Netflix公司，凱文·史派西、大衛·芬奇和英劇《紙牌屋》的受眾存在交集，這是Netflix願意豪賭一場，砸下1億美金投拍此劇的決策依據，也是 「為了邀請凱文·史派西出演該劇，劇組又等了10個月」的原因之一。
越來越多的美國付費用戶喜歡「攢劇集，一口氣觀看」，也成了Netflix開創性地「一口氣放出13集」的決策依據。
【四】
那劇本呢？數據是如何幫上忙的？
報導中提到——
「主創們公認的一件事是，他們把這部電視劇看作一部13個小時的電影。只有一開始便把13集看作一個整體，才好控制節奏和力度。比如，一個看似不經意的鏡頭，交代了男主角的妻子克萊爾施捨給一個流浪漢20美元，第二天，他將這20美元扔還給克萊爾，紙幣已經被折成一隻千紙鶴。下一集裡，克萊爾對著YouTube學習如何摺紙。再下一集，她開車送彼得·魯索的兩個孩子回家時用摺紙作品交換了孩子的信任。觀眾可以清晰地知道編劇在克萊爾這個角色和摺紙這件事之間建立的隱喻關係。」
除開這一點，公開報導中似乎很少提及「數據如何指導創作」——而這恰恰是所有影視公司、視頻網站最最關心的問題。
以下是我根據經驗作出的個人判斷，非常期待和大家（尤其是視頻網站數據團隊）交換意見，共同討論：
首先，Netflix需要選出「參考劇集」，相關性越強，越具備參考價值。政治劇集無疑是上上之選（前提是Netflix要有播放數據）。英劇《紙牌屋》首當其衝，然後是《白宮風雲》（The West Wing）、《二當家》(Veep)、《醜聞》(Scandal)、《國土安全》(Homeland)等劇集。
然後，分析統計這些劇集的「暫停、回放、快進、停止、搜索、分享、收藏、評論」等多維度數據。找出一些明顯的特徵，比如說（數據均是假設）——
36%的觀眾會在第4集的第23~32分鐘快進；在第10集的47分鐘處暫停，甚至回放；
第5集結束後，89%的人選擇立即觀看第6集，遠高於平均的33%；而第9集結束後，只有13%的人立即觀看第10集；
第9集的評論中，觀眾對於男主角出軌行為感到憤怒，在12集後，這種憤怒轉變成為憐憫；
78%的觀眾堅持看完了這部劇，在放棄的人中，有超過一半的人止步於第7集；在所有看過第11集的觀眾中，最終堅持看完此劇的人高達90%；
接下來，就是根據數據，回頭去看相應的劇作內容，看看在那一集的那一分鐘，到底是什麼劇情。
最後，就來到了最重要的分析階段，得出政治劇觀眾的口味。
——喜歡什麼懸念？配角生死未明？法案是否通過？表白是否被接受？
——喜歡什麼話題？政治遊戲規則？男女主角的愛情？和現實世界相互呼應的程度？
——喜歡什麼場面？打鬥？談判？性暗示？
……
以上是我在理想情況下，臆測的數據分析流程。期待視頻網站的從業者跳出來拍磚指正。
但我個人認為，即便數據真的可以告訴我們以上信息，也不可能從根本上動搖《紙牌屋》的主軸——那些冷酷的主題、犀利的臺詞、深刻的人性洞悉，都不是數據可以寫出來的。
數據最多只是一個指南針，甚至只是一個手電筒，鮑爾·威利蒙才是《紙牌屋》的船長。
電科技專注於TMT領域報導，青雲計劃、百+計劃獲得者。榮獲2013搜狐最佳行業自媒體人稱號、2015中國新媒體創業大賽總決賽季軍、2018百度動態年度實力紅人等諸多大獎。
投稿請登錄：http://www.diankeji.com/member
商務合作請洽：marketing#diankeji.com
聲明：本站原創文章文字版權歸電科技所有，轉載務必註明作者和出處；本站轉載文章僅僅代表原作者觀點，不代表電科技立場，圖文版權歸原作者所有。如有侵權，請聯繫我們刪除。