《紙牌屋》，Netflix的大數據實驗

大數據的應用對作品的影響，不在于增加多少內容，而是對影片微調。比如，如何避免用戶快進掉的那些內容，如何讓用戶耐心看完序幕等。而這些小小的改動，卻可能會帶來大不同。

Netflix自制劇《紙牌屋》第二季來襲，火熱程度不亞于第一季，連美國總統奧巴馬都在Twitter上追劇，給它打了一個大大的廣告。這部號稱白宮“甄嬛傳”的政治陰謀劇不僅在觀眾中引起熱潮，也在影視制作行業內部掀起一場關于“大數據如何讓藝術變得可預測”的討論。

Netflix對《紙牌屋》的走紅毫不意外，因為這是一部“精打細算”出來的作品。從題材到導演和主演的選擇，背后都有龐大的數據支持，大數據的應用，讓《紙牌屋》變得可控、可測，一切都在意料之中。

《紙牌屋》是Netflix一次成功的大數據實驗，在Netflix，所有的信息，從用戶到影片，都可以量化。Netflix有一套獨特的計算方法，用戶的行為、喜好，最終都演變成數據，成為它決策的依據。

Netflix比你還了解你自己

1999年，當Netflix剛成立的時候，用戶只能租DVD觀看，Netflix還沒有大數據的概念。隨著互聯網的出現，在線觀看視頻逐漸超過觀看電視，Netflix才開始有意識地利用自身的優勢運用起大數據。

Netflix在全球有3000萬用戶，每天產生3000萬次播放，400萬次評分，300萬次搜索，同時還有其他諸如地理位置數據、播放設備信息、觀看頻率、速度等種種信息。龐大的用戶群每天在Netflix上產生各種行為，形成了一個巨大的數據庫。

究竟哪些用戶數據才是有用的？Netflix也經歷了一個摸索的階段。最初，同其他公司一樣，它會收集用戶的一些個人信息，如性別、年齡，但后來發現，“一個60歲的女性和20歲的男性有什么區別？”前者可能也會看《鋼鐵俠》、《哈利·波特》，后者也會看肥皂劇。

意識到這一點后，他們很快放棄了這樣的信息，轉而關注用戶喜歡什么，更重要的是，他們不喜歡什么。

因為對于Netflix這樣一家視頻網站，它的目標就是要保證用戶能在合適的時間找到合適的視頻觀看，所以，Netflix要揣摩用戶的喜好，給他們做出最佳的推薦，這樣才能確保用戶在這里不會“空手而歸”。

Netflix淡化了用戶評分、預測評分等“顯”信息的作用，將重心放在一些“潛”信息的收集，如用戶喜歡看什么，接下來又會看什么。公司的產品開發副總裁Todd Yellin認為，傳統的做法是，用戶說喜歡看國外電影或者紀錄片，公司就給他們推薦這類影片。但實際上，很多人只不過是隨便在網上發表評論，在實際的觀影選擇中，可能會大相徑庭。而隨著用戶越來越多的在線觀影，他們實際上看了什么比他們的評級更重要。

現在，Netflix開始追蹤用戶是如何下拉頁面，他們會點擊哪里，哪些推薦是他們會忽略掉的，甚至還會追蹤用戶看一個視頻時的速度，以及用戶是喜歡在周末看喜劇，還是在一周的某一天看特定類型的影視劇等，根據用戶習慣給他們做推薦。

在《紙牌屋》上映前，Netflix做了10個版本的預告片，每個版本都是根據用戶之前的觀影習慣推薦給不同類型的用戶。例如，如果你是凱文·史派西的粉絲，推薦給你的就是他的特輯，如果你看過許多女性做主角的影片，你看到的就是一部女性為主的特輯。

《紙牌屋》是Netflix第一次戰略性的運用大數據。該劇第一季推出后兩周內，有10%的Netflix用戶觀看了全劇，80%的觀影者給出“好”或者“超好”的評級。第一季播出后，2013年第一季度在美國用戶增加了200萬，比前一季度增加了7%，全球新增用戶100萬。根據The Altantic Wire，新增的300萬用戶的收益就已經追回了Netflix在《紙牌屋》上的投資。據一項調查顯示，86%的Netflix用戶因為《紙牌屋》表示不會退訂。

2014年2月14日第二季全面上線后，Netflix不但用戶數增加了10%，股價也從2013年1月初的90多美元上漲到現在的430多美元。

此外，Netflix還利用大數據來決定引進哪些影片。盡管大片很多，但Netflix每個月7.99美元的訂閱費不足以支撐它引進所有熱播大片，它通常只會選擇那些用戶點播率高的片子，這就存在一個選擇的問題。用Netflix前產品工程副總裁John Ciancutti的話說，物有所值和讓用戶高興是Netflix選擇的核心。例如，當一部片子很火的時候，版稅也異常得高。Netflix可能會花高價買下幾個月的播放權，但也可以通過大數據分析，拿這筆錢購買其他6部由同一個人主演或者導演的電影，也能博得用戶的喜愛。

解構好萊塢電影

Netflix對大數據的運用有意思的地方在于它解構了好萊塢電影。登錄Netflix的網站，人們會迷惑于它呈現的電影類型，例如，“1980年代的國外邪惡故事片”、“情感類對抗體制片”、“基于真實生活的忠誠故事片”……這種有別于一般的電影分類的方式，也是Netflix運用大數據的杰作。

Netflix曾花錢雇人來看電影，它提取出影片的主題、主角、情節、結尾、色彩、道德情感等多個角度和屬性，要求觀影者對各個屬性進行評分。Netflix還會抓取一些畫面，分析畫面的色彩、用戶播放時的音量、背景音樂等元素中，哪一些會對用戶的觀影決定產生影響。

Netflix利用收集起來的數據構成了一個美國電影預測數據庫，這成了它的一個寶藏。這些數據的意義在于，它帶有用戶的觀影習慣在其中，盡管它無法說明如何制作一部電視劇，但卻能告訴Netflix哪一類用戶喜歡哪一類型的影片。

基于用戶對影片的評判角度和觀影習慣，Netflix形成了自己的一套“語法”，這體現在它的網頁上就是對影片類型的獨特描述手法，它對電影的描述通常包含了以下元素：國家、拍攝地點、主題（婚姻、動作、奇幻）、描述影片的形容詞（浪漫的、驚險的、強視覺沖擊的）、時間等，如“奧斯卡浪漫虐戀”，“視覺沖擊強勁的外國懷舊篇”。

事實就是，當Netflix越了解自己的用戶，用戶與Netflix之間的關系就越牢固。因為這種從用戶觀看一部影片的角度進行分類的方法，抓住了用戶的觀影心理，效果甚于廣告。在Netflix上，推薦引擎比搜索引擎更能體現服務價值，75%的Netflix用戶會受到Netflix推薦的影響，選擇觀看Netflix推薦的作品。

所以，在推出《紙牌屋》的時候，Netflix沒有打廣告，只是在自己的網站上做了推薦，結果令人意想不到的好。而Netflix一口氣連推出13集的做法，也是源自于對用戶數據的掌握：根據Netflix掌握的數據，人們更喜歡一次連著看幾集，而不喜歡一集一集地看。

當人們坐在沙發上一口氣看完了13集之后，迅速在社交媒體上展開大討論，這又帶來《紙牌屋》新一輪的關注。

大數據的應用是影視制作行業的一次革新，它在讓影視作品變得更加可測、可衡量的同時，也帶來人們對藝術創作的擔憂。人們擔心，在影視作品中引入大數據，會讓藝術變得像算術一樣機械，從而喪失作品的生命力。

Netflix并沒有透露大數據對《紙牌屋》作品內容帶來怎樣的變化，但有人認為，大數據的應用對作品的影響，不在于在影片中增加多少內容，而是對影片微調。比如，如何避免用戶快進掉的那些內容，如何讓用戶耐心看完序幕等。而這些小小的改動，卻可能會帶來大不同。