论文部分内容阅读
大数据的应用对作品的影响，不在于增加多少内容，而是对影片微调。比如，如何避免用户快进掉的那些内容，如何让用户耐心看完序幕等。而这些小小的改动，却可能会带来大不同。
Netflix自制剧《纸牌屋》第二季来袭，火热程度不亚于第一季，连美国总统奥巴马都在Twitter上追剧，给它打了一个大大的广告。这部号称白宫“甄嬛传”的政治阴谋剧不仅在观众中引起热潮，也在影视制作行业内部掀起一场关于“大数据如何让艺术变得可预测”的讨论。
Netflix对《纸牌屋》的走红毫不意外，因为这是一部“精打细算”出来的作品。从题材到导演和主演的选择，背后都有庞大的数据支持，大数据的应用，让《纸牌屋》变得可控、可测，一切都在意料之中。
《纸牌屋》是Netflix一次成功的大数据实验，在Netflix，所有的信息，从用户到影片，都可以量化。Netflix有一套独特的计算方法，用户的行为、喜好，最终都演变成数据，成为它决策的依据。
Netflix比你还了解你自己
1999年，当Netflix刚成立的时候，用户只能租DVD观看，Netflix还没有大数据的概念。随着互联网的出现，在线观看视频逐渐超过观看电视，Netflix才开始有意识地利用自身的优势运用起大数据。
Netflix在全球有3000万用户，每天产生3000万次播放，400万次评分，300万次搜索，同时还有其他诸如地理位置数据、播放设备信息、观看频率、速度等种种信息。庞大的用户群每天在Netflix上产生各种行为，形成了一个巨大的数据库。
究竟哪些用户数据才是有用的？Netflix也经历了一个摸索的阶段。最初，同其他公司一样，它会收集用户的一些个人信息，如性别、年龄，但后来发现，“一个60岁的女性和20岁的男性有什么区别？”前者可能也会看《钢铁侠》、《哈利·波特》，后者也会看肥皂剧。
意识到这一点后，他们很快放弃了这样的信息，转而关注用户喜欢什么，更重要的是，他们不喜欢什么。
因为对于Netflix这样一家视频网站，它的目标就是要保证用户能在合适的时间找到合适的视频观看，所以，Netflix要揣摩用户的喜好，给他们做出最佳的推荐，这样才能确保用户在这里不会“空手而归”。
Netflix淡化了用户评分、预测评分等“显”信息的作用，将重心放在一些“潜”信息的收集，如用户喜欢看什么，接下来又会看什么。公司的产品开发副总裁Todd Yellin认为，传统的做法是，用户说喜欢看国外电影或者纪录片，公司就给他们推荐这类影片。但实际上，很多人只不过是随便在网上发表评论，在实际的观影选择中，可能会大相径庭。而随着用户越来越多的在线观影，他们实际上看了什么比他们的评级更重要。
现在，Netflix开始追踪用户是如何下拉页面，他们会点击哪里，哪些推荐是他们会忽略掉的，甚至还会追踪用户看一个视频时的速度，以及用户是喜欢在周末看喜剧，还是在一周的某一天看特定类型的影视剧等，根据用户习惯给他们做推荐。
在《纸牌屋》上映前，Netflix做了10个版本的预告片，每个版本都是根据用户之前的观影习惯推荐给不同类型的用户。例如，如果你是凯文·史派西的粉丝，推荐给你的就是他的特辑，如果你看过许多女性做主角的影片，你看到的就是一部女性为主的特辑。
《纸牌屋》是Netflix第一次战略性的运用大数据。该剧第一季推出后两周内，有10%的Netflix用户观看了全剧，80%的观影者给出“好”或者“超好”的评级。第一季播出后，2013年第一季度在美国用户增加了200万，比前一季度增加了7%，全球新增用户100万。根据The Altantic Wire，新增的300万用户的收益就已经追回了Netflix在《纸牌屋》上的投资。据一项调查显示，86%的Netflix用户因为《纸牌屋》表示不会退订。
2014年2月14日第二季全面上线后，Netflix不但用户数增加了10%，股价也从2013年1月初的90多美元上涨到现在的430多美元。
此外，Netflix还利用大数据来决定引进哪些影片。尽管大片很多，但Netflix每个月7.99美元的订阅费不足以支撑它引进所有热播大片，它通常只会选择那些用户点播率高的片子，这就存在一个选择的问题。用Netflix前产品工程副总裁John Ciancutti的话说，物有所值和让用户高兴是Netflix选择的核心。例如，当一部片子很火的时候，版税也异常得高。Netflix可能会花高价买下几个月的播放权，但也可以通过大数据分析，拿这笔钱购买其他6部由同一个人主演或者导演的电影，也能博得用户的喜爱。
解构好莱坞电影
Netflix对大数据的运用有意思的地方在于它解构了好莱坞电影。登录Netflix的网站，人们会迷惑于它呈现的电影类型，例如，“1980年代的国外邪恶故事片”、“情感类对抗体制片”、“基于真实生活的忠诚故事片”……这种有别于一般的电影分类的方式，也是Netflix运用大数据的杰作。
Netflix曾花钱雇人来看电影，它提取出影片的主题、主角、情节、结尾、色彩、道德情感等多个角度和属性，要求观影者对各个属性进行评分。Netflix还会抓取一些画面，分析画面的色彩、用户播放时的音量、背景音乐等元素中，哪一些会对用户的观影决定产生影响。
Netflix利用收集起来的数据构成了一个美国电影预测数据库，这成了它的一个宝藏。这些数据的意义在于，它带有用户的观影习惯在其中，尽管它无法说明如何制作一部电视剧，但却能告诉Netflix哪一类用户喜欢哪一类型的影片。
基于用户对影片的评判角度和观影习惯，Netflix形成了自己的一套“语法”，这体现在它的网页上就是对影片类型的独特描述手法，它对电影的描述通常包含了以下元素：国家、拍摄地点、主题（婚姻、动作、奇幻）、描述影片的形容词（浪漫的、惊险的、强视觉冲击的）、时间等，如“奥斯卡浪漫虐恋”，“视觉冲击强劲的外国怀旧篇”。
事实就是，当Netflix越了解自己的用户，用户与Netflix之间的关系就越牢固。因为这种从用户观看一部影片的角度进行分类的方法，抓住了用户的观影心理，效果甚于广告。在Netflix上，推荐引擎比搜索引擎更能体现服务价值，75%的Netflix用户会受到Netflix推荐的影响，选择观看Netflix推荐的作品。
所以，在推出《纸牌屋》的时候，Netflix没有打广告，只是在自己的网站上做了推荐，结果令人意想不到的好。而Netflix一口气连推出13集的做法，也是源自于对用户数据的掌握：根据Netflix掌握的数据，人们更喜欢一次连着看几集，而不喜欢一集一集地看。
当人们坐在沙发上一口气看完了13集之后，迅速在社交媒体上展开大讨论，这又带来《纸牌屋》新一轮的关注。
大数据的应用是影视制作行业的一次革新，它在让影视作品变得更加可测、可衡量的同时，也带来人们对艺术创作的担忧。人们担心，在影视作品中引入大数据，会让艺术变得像算术一样机械，从而丧失作品的生命力。
Netflix并没有透露大数据对《纸牌屋》作品内容带来怎样的变化，但有人认为，大数据的应用对作品的影响，不在于在影片中增加多少内容，而是对影片微调。比如，如何避免用户快进掉的那些内容，如何让用户耐心看完序幕等。而这些小小的改动，却可能会带来大不同。
Netflix自制剧《纸牌屋》第二季来袭，火热程度不亚于第一季，连美国总统奥巴马都在Twitter上追剧，给它打了一个大大的广告。这部号称白宫“甄嬛传”的政治阴谋剧不仅在观众中引起热潮，也在影视制作行业内部掀起一场关于“大数据如何让艺术变得可预测”的讨论。
Netflix对《纸牌屋》的走红毫不意外，因为这是一部“精打细算”出来的作品。从题材到导演和主演的选择，背后都有庞大的数据支持，大数据的应用，让《纸牌屋》变得可控、可测，一切都在意料之中。
《纸牌屋》是Netflix一次成功的大数据实验，在Netflix，所有的信息，从用户到影片，都可以量化。Netflix有一套独特的计算方法，用户的行为、喜好，最终都演变成数据，成为它决策的依据。
Netflix比你还了解你自己
1999年，当Netflix刚成立的时候，用户只能租DVD观看，Netflix还没有大数据的概念。随着互联网的出现，在线观看视频逐渐超过观看电视，Netflix才开始有意识地利用自身的优势运用起大数据。
Netflix在全球有3000万用户，每天产生3000万次播放，400万次评分，300万次搜索，同时还有其他诸如地理位置数据、播放设备信息、观看频率、速度等种种信息。庞大的用户群每天在Netflix上产生各种行为，形成了一个巨大的数据库。
究竟哪些用户数据才是有用的？Netflix也经历了一个摸索的阶段。最初，同其他公司一样，它会收集用户的一些个人信息，如性别、年龄，但后来发现，“一个60岁的女性和20岁的男性有什么区别？”前者可能也会看《钢铁侠》、《哈利·波特》，后者也会看肥皂剧。
意识到这一点后，他们很快放弃了这样的信息，转而关注用户喜欢什么，更重要的是，他们不喜欢什么。
因为对于Netflix这样一家视频网站，它的目标就是要保证用户能在合适的时间找到合适的视频观看，所以，Netflix要揣摩用户的喜好，给他们做出最佳的推荐，这样才能确保用户在这里不会“空手而归”。
Netflix淡化了用户评分、预测评分等“显”信息的作用，将重心放在一些“潜”信息的收集，如用户喜欢看什么，接下来又会看什么。公司的产品开发副总裁Todd Yellin认为，传统的做法是，用户说喜欢看国外电影或者纪录片，公司就给他们推荐这类影片。但实际上，很多人只不过是随便在网上发表评论，在实际的观影选择中，可能会大相径庭。而随着用户越来越多的在线观影，他们实际上看了什么比他们的评级更重要。
现在，Netflix开始追踪用户是如何下拉页面，他们会点击哪里，哪些推荐是他们会忽略掉的，甚至还会追踪用户看一个视频时的速度，以及用户是喜欢在周末看喜剧，还是在一周的某一天看特定类型的影视剧等，根据用户习惯给他们做推荐。
在《纸牌屋》上映前，Netflix做了10个版本的预告片，每个版本都是根据用户之前的观影习惯推荐给不同类型的用户。例如，如果你是凯文·史派西的粉丝，推荐给你的就是他的特辑，如果你看过许多女性做主角的影片，你看到的就是一部女性为主的特辑。
《纸牌屋》是Netflix第一次战略性的运用大数据。该剧第一季推出后两周内，有10%的Netflix用户观看了全剧，80%的观影者给出“好”或者“超好”的评级。第一季播出后，2013年第一季度在美国用户增加了200万，比前一季度增加了7%，全球新增用户100万。根据The Altantic Wire，新增的300万用户的收益就已经追回了Netflix在《纸牌屋》上的投资。据一项调查显示，86%的Netflix用户因为《纸牌屋》表示不会退订。
2014年2月14日第二季全面上线后，Netflix不但用户数增加了10%，股价也从2013年1月初的90多美元上涨到现在的430多美元。
此外，Netflix还利用大数据来决定引进哪些影片。尽管大片很多，但Netflix每个月7.99美元的订阅费不足以支撑它引进所有热播大片，它通常只会选择那些用户点播率高的片子，这就存在一个选择的问题。用Netflix前产品工程副总裁John Ciancutti的话说，物有所值和让用户高兴是Netflix选择的核心。例如，当一部片子很火的时候，版税也异常得高。Netflix可能会花高价买下几个月的播放权，但也可以通过大数据分析，拿这笔钱购买其他6部由同一个人主演或者导演的电影，也能博得用户的喜爱。
解构好莱坞电影
Netflix对大数据的运用有意思的地方在于它解构了好莱坞电影。登录Netflix的网站，人们会迷惑于它呈现的电影类型，例如，“1980年代的国外邪恶故事片”、“情感类对抗体制片”、“基于真实生活的忠诚故事片”……这种有别于一般的电影分类的方式，也是Netflix运用大数据的杰作。
Netflix曾花钱雇人来看电影，它提取出影片的主题、主角、情节、结尾、色彩、道德情感等多个角度和属性，要求观影者对各个属性进行评分。Netflix还会抓取一些画面，分析画面的色彩、用户播放时的音量、背景音乐等元素中，哪一些会对用户的观影决定产生影响。
Netflix利用收集起来的数据构成了一个美国电影预测数据库，这成了它的一个宝藏。这些数据的意义在于，它带有用户的观影习惯在其中，尽管它无法说明如何制作一部电视剧，但却能告诉Netflix哪一类用户喜欢哪一类型的影片。
基于用户对影片的评判角度和观影习惯，Netflix形成了自己的一套“语法”，这体现在它的网页上就是对影片类型的独特描述手法，它对电影的描述通常包含了以下元素：国家、拍摄地点、主题（婚姻、动作、奇幻）、描述影片的形容词（浪漫的、惊险的、强视觉冲击的）、时间等，如“奥斯卡浪漫虐恋”，“视觉冲击强劲的外国怀旧篇”。
事实就是，当Netflix越了解自己的用户，用户与Netflix之间的关系就越牢固。因为这种从用户观看一部影片的角度进行分类的方法，抓住了用户的观影心理，效果甚于广告。在Netflix上，推荐引擎比搜索引擎更能体现服务价值，75%的Netflix用户会受到Netflix推荐的影响，选择观看Netflix推荐的作品。
所以，在推出《纸牌屋》的时候，Netflix没有打广告，只是在自己的网站上做了推荐，结果令人意想不到的好。而Netflix一口气连推出13集的做法，也是源自于对用户数据的掌握：根据Netflix掌握的数据，人们更喜欢一次连着看几集，而不喜欢一集一集地看。
当人们坐在沙发上一口气看完了13集之后，迅速在社交媒体上展开大讨论，这又带来《纸牌屋》新一轮的关注。
大数据的应用是影视制作行业的一次革新，它在让影视作品变得更加可测、可衡量的同时，也带来人们对艺术创作的担忧。人们担心，在影视作品中引入大数据，会让艺术变得像算术一样机械，从而丧失作品的生命力。
Netflix并没有透露大数据对《纸牌屋》作品内容带来怎样的变化，但有人认为，大数据的应用对作品的影响，不在于在影片中增加多少内容，而是对影片微调。比如，如何避免用户快进掉的那些内容，如何让用户耐心看完序幕等。而这些小小的改动，却可能会带来大不同。