美剧《纸牌屋》、《怪奇物语》都是它用“算术”算出来的？
说起Netflix，或许还有一半人摸不着头脑，但是说起《纸牌屋》就算没看过也一定都听过。毕竟这是一部连奥巴马都迫不及待催更的现象级美剧，而Netflix正是缔造《纸牌屋》商业奇迹的幕后推手。作为一家类似于优酷、爱奇艺的视频播放网站，Netflix的模式极其另类：采取付费订阅模式，但只包月不包年；零插播广告；自己投拍剧集，享受独播权，不在电视播出；剧集一次性放出整季内容。
2017年4月Netflix全球付费订阅用户达到1亿，稳坐流媒体行业霸主地位。作为Netflix首部原创剧集，《纸牌屋》不仅促成公司市值大涨，还让其一战成名迅速打开知名度。
不过除了这些商业战绩之外，《纸牌屋》还有一个为人津津乐道的历史突破，这部美剧是史上第一部采用“大数据”打造的热门剧集。从Netflix创始人里德·哈斯廷斯的个人采访到发布的行业稿件，谈及《纸牌屋》必定要唠叨它的导演、演员、编剧、角色命运是怎么通过大数据来确定的，让《纸牌屋》被奉为借势大数据产生的经典案例。然而去年《纸牌屋》的编剧之一约翰·曼凯维奇在上海电视节的论坛上却表示：大数据作用其实没那么厉害，起码在剧本中，没有受到很大影响。
从这件事情上可以猜测，或许大数据并不像Netflix自己所说的那般万能，但是大多数人还是对Netflix在数据分析上的成就坚信不疑。这和Netflix在数据营销上所下的功夫有着重要联系，如今“大数据”已经成为Netflix不可分割的关注点，甚至成为了它企业文化的头号标签。
营销新官上任先放话：要让全世界知道大数据被我们承包了
2012年Netflix迎来新的首席营销官乔纳森 · 费兰德和首席联络官凯利 · 梅里曼，两位分别来自于迪士尼和华纳这样的娱乐事业巨头。新官上任，他们立即出台了新的公关政策——全力推广数据分析对Netflix的支持作用。
第一步要做的是，用作品说话。在此之前，Netflix对购买《纸牌屋》首播权的态度一直是仅仅关注优先购买权能否提升观众数量。然而这个策略出台后，关于《纸牌屋》的公关稿件大量提升，社交媒体上都在讨论用数据打造剧集的新模式。发表的稿件中对Netflix购买《纸牌屋》首播权的原因从简单试水全部改口为：大数据算准了这部剧具备“爆款”潜质。
第二步是打造技术型的企业形象。作为一个流媒体播放平台，同类型企业宣传策略都落点在如何掌握优质内容等“感性化”的层面，很少有将技术作为形象卖点的。然而Netflix大玩差异化，极力塑造极客姿态，不遗余力的展示公司在数据分析和算法上的水平。高层在接受采访时一定要传达对大数据前景坚定不移的支持态度，比如首席内容官泰德·萨兰登参加圣丹斯电影节的论坛演讲主题就是数据算法如何改变未来。同时Netflix也参加各项数据分析和架构的专业会议，在会议中向外界展现公司的技术策略和运作方式等，目的就是“炫耀”一下他们在大数据处理上的超前能力。
首席内容官 泰德·萨兰登登上好莱坞著名杂志《名利场》封面
Netflix创始人 里德·哈斯廷斯
Netflix百万美金数据建模大赛：懂大数据者得天下
Netflix很早就意识到了数据与用户之间的重要关系，开始在数据分析上进行研发。但是初期的推荐系统效果较为普通，Netflix希望通过外力进行更大的变革。不过他们没有选择重金聘请专家，或者转移到新的方法上，而是举行了一场事件性质的选拔比赛。
2006年，Netflix举办了一项数据建模竞赛，公开征集能够完善智能推荐系统的算法。此项比赛优胜条件是：第一个在现有的系统基础上把准确率提高10%的参赛者就能获得一百万美元的奖金。比赛在一开始的2周内就收到169个递交，一个月后就超过了一千。共计吸引186个国家4万多个团队，并在2009年9月确定了赢家。
大赛网页界面
获胜者接受奖金
这一场事件营销比赛，让Netflix名利双收。显然他们拿到了更加优质的算法系统，在数据分析上又提升了一步。但更重要的是，这场比赛也是一场绝佳的公关营销。高额的奖金和过万的参赛者都为Netflix赚足了噱头，无需更多广告费用和传播，大众及同行就知晓了Netflix在数据分析上做出的成绩；另一方面，这场比赛也暗示对手，我们已经有了更好的推荐系统。对于用户来说，Netflix的智能推荐系统更值得信赖了；而对于行业来说，Netflix的品牌价值依靠技术力不断提升。
“猜你喜欢”背后的数据维度：比用户还懂用户
既然要为大数据做推广宣传，展示数据维度是必不可少的。在解密Netflix崛起的书籍《网飞传奇》中透露，Netflix早在布局流媒体市场发展战略时就发现，性别、年龄、地域这些普遍使用的分类其实对用户行为并没有多大的作用。按照他们研究来看，20岁的男生和60岁的大妈有什么区别是一个对用户行为影响效力不大的问题。因为数据显示，20岁的男生也有喜欢看肥皂剧的，60岁的大妈也有喜欢看科幻片的，那常规数据得来的推荐系统就无法满足这些口味不一样的用户。
所以Netflix另辟蹊径，试图通过新的数据维度去收集用户行为，打造以个人为目标的个性化推荐系统。这也就是后来Netflix引以为傲的Cinematch推荐引擎。每一位订阅Netflix的用户都拥有一个个性化片单，随时会接受由官方推荐的影视片单。Cinematch推荐引擎根据用户的观看行为收集和整理片单，并通过“猜你喜欢”的功能推送给用户。
在如何向外界展示Cinematch推荐系统上，Netflix很好的兼顾了炫技和神秘感的平衡性。一面大张旗鼓的发布公关稿件告知大家我们掌握了哪些用户行为维度，另一方面对数据算法守口如瓶。好比烹饪一道佳肴，主厨可以告诉你稀有的食材有哪些，但是不告诉你烹制的方法，你一样无法复制出佳品。Netflix在推广数据分析上传递的理念是：保密你的个人信息，仅仅通过在网站上的行为记录就能够预测你以后需要什么类型的片子。隐含信息是：我们的数据不仅了解用户，甚至可以引导用户，告诉他们该看什么。
具体来说，Netflix掌握的数据维度抛弃了显性信息，而专注于隐性的行为模式。他们捕捉单个用户每一次观看的瞬间行为变化。比如观看的暂停节点、次数；快进与快退的次数；用户打分等等。而推荐系统所设立的数以万计的标签，正是从这几千万的观看动作中计算出来的。这些标签不仅仅只是剧情类型，它甚至可以是演员、导演、编剧、颜色、场景每一个微小的元素。标签囊括了用户喜爱的情节、桥段甚至色调，标签越详细，预测准确的几率就越大。
凭借这些“微场景”的标签， Cinematch推荐给用户的是凯文·史派西主演，大卫·芬奇导演的政治剧，而不是所有的政治剧。这些细致的数据分析流程都露出在行业稿件，新闻采访，吉娜·基廷的《网飞传奇》一书还极其详细的讲述了Netflix在数据研究上的发展。如此多的案例、模式讨论目的只有一个——让大众知道Netflix的数据是多么可靠。
其实Netflix是否真有超前的数据分析能力，我们并不知晓。但这也正是Netflix的高明之处：重点不是大数据本身，而是Netflix的大数据。从Netflix的成功可以看出来，数据也是一种营销方式，但数据营销不仅仅只有前几位的排名和枯燥的记录。数字是固定的，但是营销玩法却是多变的。当然如何将数据分析锻造成一把利器，也还是要看造化了。