Netflix 用大数据推荐分析打造爆款

《纸牌屋》、《怪奇物语》、《马男波杰克》、《爱死亡机器人》，如果是经常追剧的人一定对这些名字不陌生，你就算没看过你也一定听过，或者被剧中的金句截图刷屏过。而以上这些爆款统统来自于一个流媒体网站——Netflix。

但是，Netflix背后那些故事你一定想不到。它的每一步转型升级在当时都备受争议，但回过头看却又无比合乎商业的逻辑。最重要的是，它的发展与数据分析息息相关。

1997年，美国的一位男子，在当时最大的租赁平台百视达租借了一本录像带，但因忘记及时归还，而缴纳了40美元的滞纳金。于是这个人一气之下，决定创建另一个租赁平台。没错就是它，netflix网飞，而这名男子也就是网飞的创始人里德·哈斯廷斯。

网飞最初就是一个租赁平台，在一开始，它的模式就是，用户在网上下单，Netflix邮寄影片DVD到家，没有日期限制，也没有滞纳金。凭此，他一步步击败老对手百视达。在2002年网飞也成功上市了，一时间风头无二。

但是在07年，网飞做了一个令所有人出乎预料的决定，它决定转型流媒体网站。此举在当时几乎遭到了所有人的反对，所有人都在对做出这个决定的哈斯廷斯口诛笔伐，甚至最后哈斯廷斯被迫公开道歉。流媒体网站即只在网上看视频，用我们现在的眼光看，这难道不是理所当然的事吗，但在当时就是这么令人难以接受。哈斯廷斯在当时就是通过数据分析，预测到它的DVD租赁业务会在13年达到极限点，运用第二曲线原理，他决定转型流媒体。

事实证明，他成功了。短短2年内Netflix的订阅人数突破1500万。而与他相爱相杀多年的百视达却在2010年宣布倒闭。

在转型流媒体的时候，他做的最重要的突破就是运用数据，分析数据，智能推荐给用户，他喜欢看的，适合看的东西。你打开网飞。前三行都是它基于这个用户行为给你推荐的影片。有没有令你一下子想到抖音，但国内是有了智能手机之后，人们才开始重视推荐算法。而06年，哈斯廷斯就做了netflix算法大赛，一百万美金，邀请全世界的数学家帮他优化他的推荐引擎。可以说，他提前十多年，就洞察到数据预测推荐对产品的重要性。

在网飞，有一个《Netflix量子论》，一本36页的训练手册，教自己的员工机器如何用微标签来拆解电影，给每部电影、每个用户，打上上千个标签。Netflix对剧目风格的描述会特别精确，比如会给用户推荐“基于真实故事的皇室题材古装剧”“维多利亚时代经典文学改编卧底片”。甚至有人通过爬虫，发现Netflix把剧目分成了76897个细分风格。

不仅如此，Netflix的大数据分析能够做到的，远比预测用户观看喜好复杂得多，毫不夸张的说，Netflix当下的每一个产品都是大数据分析的产物。是的，他甚至做到了大数据拍剧。

07年之后，网飞虽然转型流媒体很成功，但事实上剧集的版权并不在他们手上，除了版权费还要面临版权公司随时撤出剧集的风险。痛定思痛，网飞用他们的老本行数据分析，打造出了世界级爆款《纸牌屋》，书写了新的电视史，一部连美国总统都在追的爆款。

《纸牌屋》的前期筹备到后期宣传，都是以数据为基础的受众分析为导向。大数据分析不仅影响网飞对于剧本的选择，在选角、宣传等环节也发挥巨大作用。在《纸牌屋》上线之前，网飞释出了10个不同的预告片，每一个都针对特定的观众群体，在特定的时间自动推送给指定观众群。甚至不同的人，他看到了宣传海报都是不一样的

大数据分析就像是Netflix内容战略的军师，通过多方面整合用户数据帮助Netflix作出具有正面指导性的意见，例如上线优质内容，进而稳定已有观众并增加订阅量，形成良好的收益闭环。

数据推荐分析既然这样重要，我们也可以用到零售业。比如针对会员顾客和非会员顾客，线下门店可以使用万店掌的人脸识别仪，在顾客进店那一刻就比对人脸数据库，得到顾客消费的历史数据。店员在app中接收到消息，了解顾客的购物喜好，针对不同的顾客提出不同的导购推荐方案，提升客户购物体验。

由此可见，数据分析推荐不管是在互联网还是线下门店，同样的重要。数据握住了当今零售业的命脉，掌握数据的人，在新零售的赛道上便有了先发制人的机会。