娱乐圈潜水怪，娱乐八卦新闻尽在你的世界里！ 阅读原文 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（Binge watch），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。 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（database logic）（数据库逻辑是列夫·曼诺维奇（Lev Manovich）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。）整合，梳理出了大约 2000 个被称为“品味集群”（Taste Cluster）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》（The Vampire Diaries）的用户归类到超自然力量与浪漫爱情两个类型相交叉出的口味集群中。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》，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（Ted Sarandos）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： 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（David Finch）的《返老还童》（The Curious case of Benjamin Button）、《社交网络》（Social Network）； ③会看英版《纸牌屋》的用户同样也喜欢看凯文史派西（Kevin Spacey）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。 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。 2013 年 2 月 1 日，Netflix 一次性推出《纸牌屋》（House of Cards）第一季 13 集，从此开启了线上美剧观看模式的新时代。Netflix 从线上租赁 DVD 时期的用户数据就发现，许多用户会租借一整季的剧集，用一两天的时间“刷”完。所以一次性推出一季剧集的做法虽然看似具有颠覆性，实则是更符合用户需求。2019 年 7 月 9 日，Netflix 在 Twitter 官博上宣布，《怪奇物语》（Stranger Things）第三季在上线 4 天收获 4007 万用户的观看，并且已经有 1820 万用户在 4 天内看完第三季全季。第三方数据平台http://OnBuy.com也发现有超过 800 万的 Netflix 用户会在一部剧新上线的头 24 个小时内看完一整季。根据 2018 年的一项调查，受调查的美国流媒体用户中有 60%表示自己每周至少会“刷剧”（一次性观看两集及以上集数的内容）一次，15%的人表示每天都在“刷剧”，28%的人表示每周会“刷剧”好几次。所以，Netflix 通过租赁 DVD 时期的数据发现了用户有“刷剧”的潜在心理需求，并且通过大量一次性推出一整季的优质视听内容培养了让这种心理需求逐渐显性化，培养出越来越多乐于“刷剧”的用户。 除了“刷剧”这一颠覆性模式之外，Netflix 在推荐系统上充分体现了对用户数字体验的重视。Netflix 在首页设计上采用基于行的两级排名系统（two-tiered row-based ranking system）：1.每一行的最左边是最强烈推荐的；2.页面从上往下每一行的推荐级别呈递减状态。 这种基于行的两级排名系统中的具体排序规则来源自 Netfilx 极为复杂的推荐算法。 首先，Netflix 不仅会根据用户观看喜好推荐同类型内容，而且会使用 Top-N 视频排序算法（Top-N Video Ranker），在内容库的所有类型中找到用户最可能喜欢的内容； 其次，因为当下全球或者地区的热门事件、流行趋势会潜移默化地影响用户潜在的观影需求，但是用户可能并不知道自己想针对这些公共事件、流行趋势去观看什么。所以，Netflix 采用趋势排序算法（Continue Watching Rnaker）根据现在流行事件为用户推荐内容，例如在新冠疫情期间，Netflix 就会向用户在显著位置推荐纪录片《流感大流行》（Pandemic: How to Prevent an Outbreak）《冠状病毒解密》（Coronavirus，Explained）； 最后，Netflix 使用继续观看排序算法（Continue Watching Ranker）分析用户还未看完的内容，并同时使用相似视频排序算法（Video-Video Similarity Ranker）对用户其他内容的观看信息进行分析，预测用户是否会继续观看未完成的内容。如果在两个算法的分析下得出肯定的结果，Netflix 就会在用户自己的首页显著位置为其推荐还未观看完的历史内容。 Netflix 还会利用其强大的算法来实现部分剧集的实验性质创新。2019 年，Netflix 推出了动画短片集《爱，死亡和机器人》（Love, Death & Robots）。这一剧集由 18 个时长 5-15 分钟的动画短片组成，剧集顺序并不如传统那样固定，而是会根据近期用户观看数据来为用户推荐一个观看顺序。这样的创新就是基于上述趋势排序算法、相似视频排序算法等共同推导而来的。 大数据下的“球土化” 全球类型创作新标准化进程 当前以数字文化平台为代表的内容全球化已经成为趋势，平台方需要在全球化和本地化的融合开放与多元共生中寻求认同和接受。Netflix 在全球内容布局上就体现出了“球土化”（美国文化社会学家罗兰·罗伯逊教授曾提出了“球土化”概念(glocalization )，将全球化与本土化概念融合，是对于全球化引发的世界文化多元发展的深入思考——孔朝蓬、刘婷，2014）趋势，在全球各地区的内容创新上采用好莱坞经典类型与叙事方法，和不同地区当地传统、流行文化相结合的方式，即一种互联网时代全球化内容与本土化内容融合创新发展的模式。 在 Netflix 进军韩国市场之初，通过市场调研和数据分析，结合自身平台的品味集群数据，以及《大长今》《釜山行》等韩国影视作品的成功经验，将韩国本土历史文化与当下东亚时兴的丧尸文化相结合，加上具有国际影响力的演员阵容，打造出了非常成功的电视剧《王朝》。这样的类型融合方式，不仅对平台上的用户群体有极强的吸引力，而且有助于增加更多喜欢这一类型的非用户成为平台新用户。 这部剧的成功，让 Netflix 更有自信地将不同的文化元素进行根茎式的串联创新。由日本漫画改编的《弥留之国的爱丽丝》、韩国网络漫画改编的《甜蜜家园》，都以在亚洲地区非常受欢迎的漫画为改编对象，将魔幻、悬疑、动作等全球化热门影视类型与原漫画内容进行整合创新，并投入了大规模资金保证内容质量的作品。这样的策略让上述作品在 2020 年一推出，立刻成为 Netflix 平台上的口碑之作。 Netflix 在欧洲也采取将全球流行叙事类型，例如青春、悬疑、动作等，与欧洲各国的历史文化元素相结合的方式，例如《暗黑》（Dark）将好莱坞科幻、悬疑的叙事方法与德国文学元素相结合。 Netflix 打破传统内容市场纯粹依靠创作着灵感、影视公司制作经验和市场调研的方法，以大数据为切入口，找到了一条流媒体平台全球化战略中的内容创新与价值生成的新路径。 数据赋能与内容加持 流媒体 IP 内容战略 Netflix 利用数据达成对内容项目决策、增强数字体验、助力全球内容布局的目的，但其对数据的运用至今为止也仅限于在内容布局、采买中让 IP 的生成更具有效率，而并不能依靠数据直接创造出优质 IP。 Netflix 在预定了《纸牌屋》两季之后，将创作的大权交给了创作团队。《纸牌屋》制片人大卫·芬奇（David Finch）在接受采访时称赞 Netflix 给予创作者很大的自由度。《怪奇物语》的出品人达弗兄弟（Duffer Brothers）也表示《怪奇物语》这个项目曾因他们俩名气不足、青少年科幻题材在传统电视网眼中没有商业价值等原因，被超过 15 个电视网拒绝过。Netflix 作为一家数据导向的公司，没有太多内容创作经验，他们更愿意在数据分析做出购买项目决策后，将创作主动权交还给创作者。 Netflix 在内容战略上，不仅向影视人才开出丰厚合作条件，而且积极主动地购买内容版权。一方面复活已有观众基础的影视作品，例如购买《发展受阻》(Arrested Development)《我本坚强》（The Unbreakable Kimmy Schmidt）《黑镜》（Black Mirror）的版权继续拍摄制作；另一方面在全球范围内购买优质内容的流媒体播放权，例如《巴比伦柏林》（Babylon Berlin）《爱的迫降》等。Netflix 在采买的过程中也利用了数据来指导他们的决策，但是大量购买已有 IP 的做法也说明大数据并不能直接、大量地生产创作影视内容。Netflix 虽然是一家数据为导向的公司，在内容创作上仍然十分依赖创作者。 在这个新旧媒体交锋的时代，不仅有 Netflix 这样依靠大数据改变了世界娱乐公司固定已久格局的新公司，也有像迪士尼、华纳这样积极地拥抱大数据时代的传统影视巨头。 迪士尼不仅是流媒体平台 Hulu 的大股东，而且在 2019 年 11 月 12 日推出了自己的流媒体平台 Disney+。Disney+ 一方面背靠着迪士尼公司丰富的 IP 资源库，另一方面积极使用大数据助力公司的未来发展。Disney+ 的数据团队用机器学习的方式来理解用户观看时行为与所观看内容之间的内在关系，通过大量数据来分析用户对台词的情感弧度，试图总结出用户会对什么样的台词产生什么样情感的不同模式。迪士尼近年来频繁被诟病创作上的退缩和保守，依靠数据有助于在未来让算法更好地帮助平台方进行创作创新，并根据用户不断变化地需求及时调整创作规律。 大数据助力 内容工业化的未来展望 Netflix 以 DVD 线上租赁起家，通过大数据建立起一套崭新的影视内容制作模式，打破传统影视公司的权威，并在这一过程中逐渐成为一种以标准化、数据化为核心特点的内容工业化形态。 工业化的进程有助于上升期的流媒体公司更为有效地获取商业价值，较快速地储备足够多的优质 IP。Netflix 在 2020 年第四季度财报中，首次宣布了目前的营收能力足以覆盖大量内容制作需求，而不需要像此前一样依靠筹集外部资金来制作内容，证明了他们的商业模式的可行性。 大数据与算法是流媒体在当代形成有效的媒体商业模式的重要原因，也是解放劳动力、提高人类生活品质、增进人类艺术审美便捷性的重要路径。但是我们必须清醒认识到，科技的力量应该是服务于人类生产与生活。人类如果被数据、算法等科学技术所控制，会造成创造原动力的丧失，进而影响未来人类创造力的形成与发挥。 流媒体的工业化生产在现阶段有助于平台内容扩容，但是长期来看，或许存在使内容同质化的风险。数据与算法在发现内容创作的规律的同时，也逐渐形成新型的内容标准化生产模式。若是让这样的标准化产品过多地充斥于我们的媒体环境中，反而会限制人类的想象力与审美水平。 总而言之，大数据与算法对创作的介入度应以保证人类创作的主动性为前提。无论是影视创作还是艺术创造中，最动人的部分，是那些无法被数字量化，不能为规则所束缚的创意光韵。借助科技的力量增强人类的创造力，与此同时保护好人类创造力相对的独立自主性，才是真正推动未来人类文明进步的正确路径。 阅读原文
