Netflix：大数据对影视内容创作的介入程度有多深？上世纪90年代后期

文章图片
上世纪90年代后期，里德·哈斯廷斯（ReedHastings）因为忘了按时还租借来的录像带《阿波罗13号》，而被录像带租赁巨头Blockbuster罚了40美金。这一事件让哈斯廷斯发现了一个广阔的商业领域——他与另一位创始人马克·兰道夫（MarcRandolph）在学习了亚马逊的线上商业模式以后，于1997年创立了无到期日、无逾期费、无邮费的三无会员制线上租赁DVD网站Netflix 。
Netflix在线上租赁和在线视频服务时期积累了宝贵的用户数据资料。这些数据不仅让Netflix知道在线视频市场如何发展，更让他们可以很精准地了解市场走向。
Netflix内容团队从大数据中发现了用户的收视习惯：①用户更经常看的是电视剧，而不是电影。一部电影只能让用户花2-3小时使用Netflix ，而电视剧则可以产生10小时左右的观看时间；②刷剧模式（Bingewatch），网络时代的用户喜欢一次性观看多集作品，而不是像以前电视机时代那样，每周等一集新作品。
Netflix通过分析用户数据所得到的收视习惯，让企业实现了成功转型，从一家线上DVD租赁公司发展为当前世界上最成功的流媒体平台之一。这家以数据为导向的公司不仅在推荐系统设计上体现了大数据的作用，而且在原创内容的全球化创作与制作上也得到了大数据的强力支持。但是，大数据究竟对影视内容创作的介入度有多深？技术是否终有一天会凌驾于艺术创作之上呢？我们将从大数据对影视立项、电视剧播放传统、内容工业化发展三个方面的作用来分析上述问题。

文章图片
数据指导项目决策
用户品味集群数据影响影视内容立项
Netflix将每个用户的观看喜好类型进行符合数据库逻辑（databaselogic）整合，梳理出了大约2000个被称为“品味集群”（TasteCluster）的用户相似口味交集区域，例如平台将会观看《暮光之城》（Twillight）和《吸血鬼日记》（TheVampireDiaries）的用户归类到超自然力量与浪漫爱情两个类型相交叉的口味集群中。（注：数据库逻辑是列夫·曼诺维奇（LevManovich）在《新媒体语言》中提出的概念，新媒体语言使用的是符合数据库逻辑的表现方式，图像、音频、影像、文字等在新媒体中都以数据的形式平等地存在并且可供编辑，用户的观看喜好类型也一样，成为可供分类、整理、分析的数据。）
这样的集群不仅有助于向用户推荐相应视听内容，更直接影响内容立项决策。无论是在Netflix高层的采访中，还是在媒体研究专家们的文章中，在论及Netflix时经常提到品味集群这个关键词。
传统电视网会让自己制作出来的影视内容尽可能符合绝大多数观众需求，所以美国公共电视网的犯罪类剧集、情景喜剧、职业剧这些类型的长寿剧最为常见，每年出新剧时类型也多集中在上述类型。 Netflix考虑的视角与传统电视网不同，他们考虑的问题是——如何打造出可以吸引更多品味相交集用户的视听内容？
让Netflix在流媒体视频网站上一战成名的原创剧《纸牌屋》（HouseofCards），就体现了Netflix对品味集群的成功使用。这部政治惊悚剧集曾经将拍摄方案递交给HBO、Showtime、AMC等美国顶尖有线电视网，但是资深制片人们都认为一部改编自英国的政治惊悚题材在美国市场成功率不高。 Netflix的首席内容官泰德·萨兰多斯（TedSarandos）与团队在分析自家网站用户观看流媒体习惯的数据，发现了三个事实：

文章图片
①英国版的《纸牌屋》拥有大量的观众群；
②大量用户观看并非常喜欢大卫·芬奇（DavidFinch）的《返老还童》（TheCuriouscaseofBenjaminButton）、《社交网络》（SocialNetwork）；
③会看英版《纸牌屋》的用户同样也喜欢看凯文·史派西（KevinSpacey）的电影或者大卫·芬奇执导的电影。
正是因为有大量的用户数据表明《纸牌屋》在流媒体平台上有高成功几率，所以Netflix果断用一亿美元高价跳过传统首播集试水模式，直接预订《纸牌屋》两季的制作。

文章图片
数据优化消费体验：用户习惯培育，
流媒体平台颠覆传统播放策略
数据导向让流媒体成为了传统影视产业播放模式的改革者。在《纸牌屋》之前，无论是美国的公共电视网还是有线电视网，都遵守着秋季或春季推出新一季美剧，一周播出一集的传统。不一样的是公共电视网受到广告商的限制更多，所以一般只会先预定一季的前1-12集不等，有线电视网因为更重视收费用户，所以会一次预订一部剧集的一整季。