上世紀90年代後期，裏德·哈斯廷斯（Reed Hastings）因爲忘了按時還租借來的錄像帶《阿波羅13號》，而被錄像帶租賃巨頭Blockbuster罰了40美金。這一事件讓哈斯廷斯發現了一個廣闊的商業領域——他與另一位創始人馬克·蘭道夫（Marc Randolph） 在學習了亞馬遜的線上商業模式以後，於1997年創立了無到期日、無逾期費、無郵費的三無會員制線上租賃DVD網站Netflix。
Netflix在線上租賃和在線視頻服務時期積累了寶貴的用戶數據資料。這些數據不僅讓Netflix知道在線視頻市場如何發展，更讓他們可以很精準地瞭解市場走向。
Netflix內容團隊從大數據中發現了用戶的收視習慣：①用戶更經常看的是電視劇，而不是電影。一部電影只能讓用戶花2-3小時使用Netflix，而電視劇則可以產生10小時左右的觀看時間；②刷劇模式（Binge watch），網絡時代的用戶喜歡一次性觀看多集作品，而不是像以前電視機時代那樣，每週等一集新作品。
Netflix通過分析用戶數據所得到的收視習慣，讓企業實現了成功轉型，從一家線上DVD租賃公司發展爲當前世界上最成功的流媒體平臺之一。這家以數據爲導向的公司不僅在推薦系統設計上體現了大數據的作用，而且在原創內容的全球化創作與製作上也得到了大數據的強力支持。但是，大數據究竟對影視內容創作的介入度有多深？技術是否終有一天會凌駕於藝術創作之上呢？我們將從大數據對影視立項、電視劇播放傳統、內容工業化發展三個方面的作用來分析上述問題。
數據指導項目決策
用戶品味集羣數據影響影視內容立項
Netflix將每個用戶的觀看喜好類型進行符合數據庫邏輯（database logic）整合，梳理出了大約2000個被稱爲“品味集羣”（Taste Cluster）的用戶相似口味交集區域，例如平臺將會觀看《暮光之城》（Twillight）和《吸血鬼日記》（The Vampire Diaries）的用戶歸類到超自然力量與浪漫愛情兩個類型相交叉的口味集羣中。（注：數據庫邏輯是列夫·曼諾維奇（Lev Manovich）在《新媒體語言》中提出的概念，新媒體語言使用的是符合數據庫邏輯的表現方式，圖像、音頻、影像、文字等在新媒體中都以數據的形式平等地存在並且可供編輯，用戶的觀看喜好類型也一樣，成爲可供分類、整理、分析的數據。）
這樣的集羣不僅有助於向用戶推薦相應視聽內容，更直接影響內容立項決策。無論是在Netflix高層的採訪中，還是在媒體研究專家們的文章中，在論及Netflix時經常提到品味集羣這個關鍵詞。
傳統電視網會讓自己製作出來的影視內容儘可能符合絕大多數觀衆需求，所以美國公共電視網的犯罪類劇集、情景喜劇、職業劇這些類型的長壽劇最爲常見，每年出新劇時類型也多集中在上述類型。Netflix考慮的視角與傳統電視網不同，他們考慮的問題是——如何打造出可以吸引更多品味相交集用戶的視聽內容？
讓Netflix在流媒體視頻網站上一戰成名的原創劇《紙牌屋》（House of Cards），就體現了Netflix對品味集羣的成功使用。這部政治驚悚劇集曾經將拍攝方案遞交給HBO、Showtime、AMC等美國頂尖有線電視網，但是資深製片人們都認爲一部改編自英國的政治驚悚題材在美國市場成功率不高。Netflix的首席內容官泰德·薩蘭多斯（Ted Sarandos）與團隊在分析自家網站用戶觀看流媒體習慣的數據，發現了三個事實：
①英國版的《紙牌屋》擁有大量的觀衆羣；
②大量用戶觀看並非常喜歡大衛·芬奇（David Finch）的《返老還童》（The Curious case of Benjamin Button）、《社交網絡》（Social Network）；
③會看英版《紙牌屋》的用戶同樣也喜歡看凱文·史派西（Kevin Spacey）的電影或者大衛·芬奇執導的電影。
正是因爲有大量的用戶數據表明《紙牌屋》在流媒體平臺上有高成功機率，所以Netflix果斷用一億美元高價跳過傳統首播集試水模式，直接預訂《紙牌屋》兩季的製作。
數據優化消費體驗：用戶習慣培育，
流媒體平臺顛覆傳統播放策略
數據導向讓流媒體成爲了傳統影視產業播放模式的改革者。在《紙牌屋》之前，無論是美國的公共電視網還是有線電視網，都遵守着秋季或春季推出新一季美劇，一週播出一集的傳統。不一樣的是公共電視網受到廣告商的限制更多，所以一般只會先預定一季的前1-12集不等，有線電視網因爲更重視收費用戶，所以會一次預訂一部劇集的一整季。
2013年2月1日，Netflix一次性推出《紙牌屋》第一季13集，從此開啓了線上美劇觀看模式的新時代。Netflix從線上租賃DVD時期的用戶數據就發現，許多用戶會租借一整季的劇集，用一兩天的時間“刷”完。所以一次性推出一季劇集的做法雖然看似具有顛覆性，實則是更符合用戶需求。
2019年7月9日，Netflix在Twitter官博上宣佈，《怪奇物語》（Stranger Things）第三季在上線4天收穫4007萬用戶的觀看，並且已經有1820萬用戶在4天內看完第三季全季。第三方數據平臺OnBuy.com也發現有超過800萬的Netflix用戶會在一部劇新上線的頭24個小時內看完一整季。
根據2018年的一項調查，受調查的美國流媒體用戶中有60%表示自己每週至少會“刷劇”（一次性觀看兩集及以上集數的內容）一次，15%的人表示每天都在“刷劇”，28%的人表示每週會“刷劇”好幾次。所以，Netflix通過租賃DVD時期的數據發現了用戶有“刷劇”的潛在心理需求，並且通過大量一次性推出一整季的優質視聽內容讓這種心理需求逐漸顯性化，培養出越來越多樂於“刷劇”的用戶。
除了“刷劇”這一顛覆性模式之外，Netflix在推薦系統上充分體現了對用戶數字體驗的重視。Netflix在首頁設計上採用基於行的兩級排名系統（two-tiered row-based ranking system）：1.每一行的最左邊是最強烈推薦的；2.頁面從上往下每一行的推薦級別呈遞減狀態。
這種基於行的兩級排名系統中的具體排序規則來源自Netflix極爲複雜的推薦算法。
首先，Netflix不僅會根據用戶觀看喜好推薦同類型內容，而且會使用Top-N視頻排序算法（Top-N Video Ranker），在內容庫的所有類型中找到用戶最可能喜歡的內容；
其次，因爲當下全球或者地區的熱門事件、流行趨勢會潛移默化地影響用戶潛在的觀影需求，但是用戶可能並不知道自己想針對這些公共事件、流行趨勢去觀看什麼。所以，Netflix採用趨勢排序算法（Continue Watching Rnaker）根據現在流行事件爲用戶推薦內容，例如在新冠疫情期間，Netflix就會向用戶在顯著位置推薦紀錄片《流感大流行》（Pandemic: How to Prevent an Outbreak）《冠狀病毒解密》（Coronavirus，Explained）；
最後，Netflix使用繼續觀看排序算法（Continue Watching Ranker）分析用戶還未看完的內容，並同時使用相似視頻排序算法（Video-Video Similarity Ranker）對用戶其他內容的觀看信息進行分析，預測用戶是否會繼續觀看未完成的內容。如果在兩個算法的分析下得出肯定的結果，Netflix就會在用戶自己的首頁顯著位置爲其推薦還未觀看完的歷史內容。
Netflix還會利用其強大的算法來實現部分劇集的實驗性質創新。2019年，Netflix推出了動畫短片集《愛，死亡和機器人》（Love, Death & Robots）。這一劇集由18個時長5-15分鐘的動畫短片組成，劇集順序並不如傳統那樣固定，而是會根據近期用戶觀看數據來爲用戶推薦一個觀看順序。這樣的創新就是基於上述趨勢排序算法、相似視頻排序算法等共同推導而來的。
大數據下的“球土化”
全球類型創作新標準化進程
當前以數字文化平臺爲代表的內容全球化已經成爲趨勢，平臺方需要在全球化和本地化的融合開放與多元共生中尋求認同和接受。Netflix在全球內容佈局上就體現出了“球土化”（美國文化社會學家羅蘭·羅伯遜教授曾提出了“球土化”概念（glocalization )，將全球化與本土化概念融合，是對於全球化引發的世界文化多元發展的深入思考）趨勢，在全球各地區的內容創新上採用好萊塢經典類型與敘事方法，和不同地區當地傳統、流行文化相結合的方式，即一種互聯網時代全球化內容與本土化內容融合創新發展的模式。
在Netflix進軍韓國市場之初，通過市場調研和數據分析，結合自身平臺的品味集羣數據，以及《大長今》《釜山行》等韓國影視作品的成功經驗，將韓國本土歷史文化與當下東亞時興的喪屍文化相結合，加上具有國際影響力的演員陣容，打造出了非常成功的電視劇《王朝》。這樣的類型融合方式，不僅對平臺上的用戶羣體有極強的吸引力，而且有助於增加更多喜歡這一類型的非用戶成爲平臺新用戶。
這部劇的成功，讓Netflix更有自信地將不同的文化元素進行根莖式的串聯創新。由日本漫畫改編的《彌留之國的愛麗絲》、韓國網絡漫畫改編的《甜蜜家園》，都以在亞洲地區非常受歡迎的漫畫爲改編對象，將魔幻、懸疑、動作等全球化熱門影視類型與原漫畫內容進行整合創新，並投入了大規模資金保證內容質量。這樣的策略讓上述作品在2020年一推出，立刻成爲Netflix平臺上的口碑之作。
Netflix在歐洲也採取將全球流行敘事類型，例如青春、懸疑、動作等，與歐洲各國的歷史文化元素相結合的方式，例如《暗黑》（Dark）將好萊塢科幻、懸疑的敘事方法與德國文學元素相結合。
Netflix打破傳統內容市場純粹依靠創作者靈感、影視公司製作經驗和市場調研的方法，以大數據爲切入口，找到了一條流媒體平臺全球化戰略中的內容創新與價值生成的新路徑。
數據賦能與內容加持
流媒體IP內容戰略
Netflix利用數據達成對內容項目決策、增強數字體驗、助力全球內容佈局的目的，但其對數據的運用至今爲止也僅限於在內容佈局、採買中讓IP的生成更具有效率，而並不能依靠數據直接創造出優質IP。
Netflix在預定了《紙牌屋》兩季之後，將創作的大權交給了創作團隊。《紙牌屋》製片人大衛·芬奇（David Finch）在接受採訪時稱讚Netflix給予創作者很大的自由度。《怪奇物語》的出品人達弗兄弟（Duffer Brothers）也表示《怪奇物語》這個項目曾因他們倆名氣不足、青少年科幻題材在傳統電視網眼中沒有商業價值等原因，被超過15個電視網拒絕過。Netflix作爲一家數據導向的公司，沒有太多內容創作經驗，他們更願意在數據分析做出購買項目決策後，將創作主動權交還給創作者。
Netflix在內容戰略上，不僅向影視人才開出豐厚合作條件，而且積極主動地購買內容版權。一方面復活已有觀衆基礎的影視作品，例如購買《發展受阻》(Arrested Development)《我本堅強》（The Unbreakable Kimmy Schmidt）《黑鏡》（Black Mirror）的版權繼續拍攝製作；另一方面在全球範圍內購買優質內容的流媒體播放權，例如《巴比倫柏林》（Babylon Berlin）《愛的迫降》等。
Netflix在採買的過程中也利用了數據來指導他們的決策，但是大量購買已有IP的做法也說明大數據並不能直接、大量地生產創作影視內容。Netflix雖然是一家數據爲導向的公司，在內容創作上仍然十分依賴創作者。
在這個新舊媒體交鋒的時代，不僅有Netflix這樣依靠大數據改變了世界娛樂公司固定已久格局的新公司，也有像迪士尼、華納這樣積極地擁抱大數據時代的傳統影視巨頭。
迪士尼不僅是流媒體平臺Hulu的大股東，而且在2019年11月12日推出了自己的流媒體平臺Disney+。Disney+一方面背靠着迪士尼公司豐富的IP資源庫，另一方面積極使用大數據助力公司的未來發展。
Disney+的數據團隊用機器學習的方式來理解用戶觀看時行爲與所觀看內容之間的內在關係，通過大量數據來分析用戶對臺詞的情感弧度，試圖總結出用戶會對什麼樣的臺詞產生什麼樣情感的不同模式。迪士尼近年來頻繁被詬病創作上的退縮和保守，依靠數據有助於在未來讓算法更好地幫助平臺方進行創作創新，並根據用戶不斷變化地需求及時調整創作規律。
大數據助力
內容工業化的未來展望
Netflix以DVD線上租賃起家，通過大數據建立起一套嶄新的影視內容製作模式，打破傳統影視公司的權威，並在這一過程中逐漸成爲一種以標準化、數據化爲核心特點的內容工業化形態。
工業化的進程有助於上升期的流媒體公司更爲有效地獲取商業價值，較快速地儲備足夠多的優質IP。Netflix在2020年第四季度財報中，首次宣佈了目前的營收能力足以覆蓋大量內容製作需求，而不需要像此前一樣依靠籌集外部資金來製作內容，證明了他們的商業模式的可行性。
大數據與算法是流媒體在當代形成有效的媒體商業模式的重要原因，也是解放勞動力、提高人類生活品質、增進人類藝術審美便捷性的重要路徑。但是我們必須清醒認識到，科技的力量應該是服務於人類生產與生活。人類如果被數據、算法等科學技術所控制，會造成創造原動力的喪失，進而影響未來人類創造力的形成與發揮。
流媒體的工業化生產在現階段有助於平臺內容擴容，但是長期來看，或許存在使內容同質化的風險。數據與算法在發現內容創作的規律的同時，也逐漸形成新型的內容標準化生產模式。若是讓這樣的標準化產品過多地充斥於我們的媒體環境中，反而會限制人類的想象力與審美水平。
總而言之，大數據與算法對創作的介入度應以保證人類創作的主動性爲前提。無論是影視創作還是藝術創造中，最動人的部分，是那些無法被數字量化、不能爲規則所束縛的創意光韻。藉助科技的力量增強人類的創造力，與此同時保護好人類創造力相對的獨立自主性，纔是真正推動未來人類文明進步的正確路徑。
編者按：
來源：騰訊研究院；
作者：司若，清華大學新聞與傳播學院影視傳播研究中心研究員，博士生導師；黃鶯，清華大學新聞與傳播學院博士後；孫怡，騰訊研究院；張鵬，騰訊研究院；
內容有刪節。
轉載引用聲明：
請原文轉載或不加修改地引用文中數據、結論及數據說明，並註明來源。除此之外的任何自行加工與解讀均不代表CTR觀點，對由此產生的不良影響，CTR保留訴諸法律的權利。