Netflix豪擲80億美元投資內容，AI說了算？

編譯|白楊 編輯|都欣

數十年來，內容排播既是一門藝術，也是一門科學。在傳統媒體時代，製作人針對特定的人群創作電影和電視節目，而傳統廣播公司和有線電視網的編播人員通過分析調查公司（如尼爾森、英國廣播受眾研究委員會等）提供的收視數據來更好地掌握“誰”、“在看什麼”、“什麼時候看”、“使用什麼設備”等信息，以此提高收視率。

然而，在大數據時代，收視率不再是唯一的參考標準，AI正在把收視調查和內容排播推向一個嶄新的高度。

全球流媒體巨頭Netflix就是AI技術的深度踐行者之一，它通過機器學習、神經網路和深度學習、計算機視覺等AI技術，精準洞察用戶的瀏覽行為和收視偏好，來決定投資哪些內容。據悉，僅2018年Netflix就在原創內容上豪擲了80億美元。而據《紐約時報》報道，Netflix之所以這麼有底氣擴大投資規模，正是因為AI “算到了人們想看什麼，而觀眾自己或許還不知道。”

提供個性化的收視體驗

Netflix每天會查看數百萬的點擊率、搜索量和播放量，以及每月數十億小時影視內容的觀看歷史。這些數據會被立即輸入平台的人工智慧演算法，並在平台頁面上為不同用戶做相應的調整，包括個性化的主頁設計、每一行的標題、每部電影的縮略圖以及其他電影的推薦等，以便為每個用戶提供獨特的收視體驗。

以片花為例，Netflix基於對用戶喜好的分析，為其提供量身定製的片花，而這些片花是從影視作品的一系列精選片段中自動生成的。AI會檢索出對某一位目標用戶最具衝擊力的場景，將其組合在一起，從而形成對這位用戶最有吸引力的片花。舉例來說，如果一位觀眾喜歡看浪漫作品，那麼一部影片即使是動作片，也會在片花中刻意突出一些浪漫場景；而如果這位觀眾是個粉絲，那麼片花中則會去刻意表現某位演員。

2013年，當Netflix擁有3300萬訂閱用戶時，全球公關總監約里斯 埃弗斯(Joris Evers)曾表示:“Netflix有3300萬個不同版本”。而這句話放在今天，也同樣適用。

細分用戶，發掘同品味用戶群

除了收集和分析數據，Netflix也一直在用戶中開展規模化的創意測試，以測算用戶在使用產品過程中存在的顯著差異，這一做法被定義為“消費科學”。

在分析全球超過1億的用戶之後，Netflix提出了一個新概念：同品味用戶群（taste communities），類似於我們常說的“圈層”。傳統電視媒體按照年齡、種族或居住地等人口統計學標準來細分市場，但Netflix認為，內容類型雖然可以大致區分出人們喜歡看的某種特定內容，卻不完全相同，一些圈層偏好很難用內容類型來粗略界定。目前，Netflix已經識別出了2000個同品味用戶群。

Netflix原創劇集副總裁辛迪 霍蘭德(Cindy Holland)表示:“這種方式幫助我們找到了好多志趣相投的粉絲群體。如今，當高管們決定是否要訂購一部新劇集時，他們會率先考慮劇集是否能聚集足夠多的同品味用戶群，然後再決定買不買。”

內容決策依據新標準

傳統電視媒體主要依賴廣告收入，所以他們會更加關注如何擴大觀眾規模，這是因為更多的觀眾意味著更多的廣告收入。也正是如此，收視率低或者收視下降的節目都會被電視台立即砍掉。

相比之下，Netflix並沒有嚴格按照用戶規模來衡量一部作品的成敗。在Netflix看來，那些觀眾數量少但能夠吸引不同“同品味用戶群”、製作成本低但收益豐厚的影視內容，在擴展自身平台內容庫的深度和廣度方面會發揮重要作用。

所以，Netflix使用另外兩個標準來判定影視作品的成敗：

> 用戶的棄劇率，從一集中間離開再也沒回來。

> 28天收視標準，在劇集發布之後的四周之內，有多少人追完了一整季。

總的來說，AI技術不僅幫助Netflix吸引、留住用戶，還是其內容決策的關鍵性工具。那些在傳統媒體上遭受冷遇的影視內容，放在Netflix上可能會大獲成功。究其原因，就在於平台更懂用戶。

不過，AI在收視調查中的日益流行，也不禁會令人思索：若是一味地迎合受眾，會不會限制藝術的創造力和多樣性呢？畢竟，影視作品不僅僅是商業產品。