《紙牌屋》大紅、《馬可波羅》大敗，為何Netflix用大數據抓用戶胃口會失真？

在串流媒體時代，Netflix有更多資料可以利用，不僅知道你在哪些片子上逗留，還知道你是否點進去觀看、用什麼方式觀看。Netflix可以追蹤你的游標移動，推測你考慮過但最後決定不看是因為什麼，以及每一次暫停、快轉和懶得看完的節目有哪些，甚至知道你用什麼裝置觀看。

Netflix透過在訂戶群中一再進行A/B測試，不僅可以改善推薦內容，還可以精確的在特定裝置上，針對特定使用者顯示特定預告片。雖然Netflix略帶誇飾的描述有多少訂戶就有多少「客製版本的Netflix」，但其實它沒有說錯。

串流平台快速擴張，促進資料量和複雜度提升，改善服務本身的黏著度。不過人們更想知道的是，「大數據」伴隨而來的效益，可以額外增加多少訂戶使用服務的意願？但有太多動態變因，諸如定價、內容、市場上相互競爭的替代方案等，導致這些因素難以從外部獨立出來評估。

由於我們無從得知若缺乏大數據，流失率會是多少，因此難以得出確切的結論。儘管Netflix從顧客資料提取商業洞察，進而提升顧客留存率，依然難以相信大數據在此案例中，是徹底改變遊戲規則的策略。畢竟，內容訂閱主要是內容導向，再多大數據也無法改變這項事實。

既然如此，大數據如何改變Netflix以低成本提供更吸睛內容的能力呢？尤其是現今Netflix製作越來越多原創內容，大數據的功用究竟為何？答案與普遍看法相反：幾乎沒有改變。

Netflix原創節目，靠大數據就能量產賣座大劇？

我們先從原創節目開始，檢視吹捧Netflix能透過演算法製作優秀作品的大謊言，而一切都要話說從頭，即從Netflix首部爆紅作品《紙牌屋》的由來說起。 

《紐約時報》備受敬重的專欄作家卡爾（David Carr）表示，大數據和人工智慧賦予結構性優勢，Netflix才能在連試播集都沒有的情況下，成功擊退其他參與競標的同業，慎重的以1億美元購買這部2季共26集的影集。《紙牌屋》絕對爆紅有3大關鍵：大衛．芬奇（David Fincher）執導電影、凱文．史貝西（Kevin Spacey）主演電影、與BBC《紙牌屋》原版究竟受到多少Netflix 觀眾的喜愛。

 為何競爭對手無法得到此3大爆紅關鍵？卡爾表示：「憑著這3個反映觀眾胃口的圓圈，Netflix便能在文氏圖（VennDiagram）上找到交集，反映買下這部影集絕對會壓對寶。」

 這類後見之明都是針對少數創意獨具的成功拍攝計畫，原意是要讓人誤以為結果可以預測，但必然是鉅片爆紅後才錦上添花，如果作品慘敗，就是一片沉默。

《紙牌屋》大紅，為何《馬可波羅》紅不起來？

《紙牌屋》紅遍半邊天後不久，Netflix致力於拍攝預算翻倍的影集《馬可波羅》。根據報導，由於在中國拍攝費用過高又牽涉複雜因素，當初買家Starz 中途放棄計畫，光前2季（每季10集）拍攝費用便是每季1億美元。

《馬可波羅》遭取消時，沒有人指出演算法失靈。雖然這部劇沒有任何一線明星，但確實請到了HBO熱門影集《權力遊戲》執行製片，內容主管薩蘭多斯（Ted Sarandos）也說：「這是Netflix會員最喜歡的扣人心弦動作冒險片。」不過《馬可波羅》卻是最早被取消的Netflix影集之一。 Netflix早年相對不願意取消節目，因為可以拿來佐證Netflix有慧眼識強片的能力。

Netflix聲稱，自家製作節目的續訂率達到93%，而傳統電視網續訂率只有33%。從歷史的紀錄看2者的差異確實不假，但這反映的是Netflix和傳統電視是不同的企業，所以有著不同的經濟結果。

電視網需要一定比例的全國收視率，才能替自己與附屬廣播業者帶來足夠的廣告營收。部分免費的串流服務確實也仰賴廣告，即所謂的廣告式影音隨選（AVOD）服務，其餘像Hulu則是採取混合模式。

尼爾森（Nielsen）收視調查服務宣稱，2024年前會開發出全新收視率指標，結合數位與傳統收視方式。但這些對Netflix都毫無影響，畢竟Netflix屬於純訂閱制影片點播（SVOD）業者。

Netflix管理訂戶的方式，是分成1300個不同的「偏好社群」（taste communities），設法提供各個社群足夠選擇以滿足其需求。既不賣廣告，也不必報告使用情況，但重點是玩多方位的長期戰，提供足夠服務取悅形形色色的小眾興趣，還有受眾更廣的娛樂大片。大數據當然有助於了解每項內容需求多寡，以維持訂戶的興趣。

其實運用大數據幫助娛樂業高層有系統的選擇計畫，已有近半個世紀的歷史。傳統上使用統計技術尋找確定變因之間的歷史關係，已被「神經網絡」所取代，其中相對隨機的大量原始資料，便可以輸入電腦以找出有意義的關係。十多年來，形形色色AI新創企業吸引許多資金和製片廠顧客，至今新企業依然如此。

然而，所有企業都面臨著2大基本限制。首先，他們無法掌握觀眾胃口的變化。其次，潛在相關變因的數量（數十萬種組合可能）遠遠多於歷史資料量（僅數千部電影或影集），自然就導致似是而非的相關性。也許，其中部分有助於最佳化行銷和發行的決策，這也是多年來各項「黑盒」方法派上用場的主因。

大數據提供不了好作品

幾乎沒有證據顯示，真正有料的創意領域單靠演算法就能創作出爆紅作品。貝佐斯曾妄想自己可以利用大數據和群眾外包，把原創爆紅影片的比例從10%大幅提升到40%，但最終放棄了科學製片廠的願景，部分改為自己半即興闡述的成功節目12大要素。貝佐斯越來越像過去的製片廠老闆，喝斥員工要「生出賣座大片！」只不過他舊瓶裝新酒：「我要打造自家的《權力遊戲》。」

值得玩味的是，隨著Netflix開始公布觀看數最高作品的部分資料，Netflix事業本身的差異也變得更為明顯。Netflix過去數年來觀看數最高的影片，包括2018 年珊卓．布拉克（Sandra Bullock）主演的電影《蒙上你的眼》（Birdbox）和2019年亞當．山德勒（Adam Sandler）與詹妮佛．安妮斯頓（Jennifer Aniston）合作的《奪命鴛殃》（Murder Mystery），若以影評網站Metacritic 和爛番茄（Rotten Tomatoes）的冷清評價看來，既不叫好也不叫座。

這2部電影假如真的上了院線，是否也會一炮而紅，依然不得而知。相較之下，假如音樂劇改編的《貓》（Cats）或《怪醫杜立德》（Dolittle）等近年來狂燒預算、結果票房慘淡的電影改在Netflix上架，說不定會吸引不少訂戶的好奇，進而獲吹捧為爆紅大片。

《蒙上你的眼》和《奪命鴛殃》屬於中等預算影片，既不是續集也不是衍生作品（即放到電影院播映已不具經濟效益），頂多有1、2位大明星加持。Netflix已證明，至少美國市場對這類電影仍有部分需求。大數據過去沒做到、未來也做不到的是：提供一個拍出好電影的範本。

書籍簡介

《平台假象：拆解超級平台的神話，分析數位生態系的深層特徵，建立在數位環境中不被吞噬的結構性優勢》

作者：強納森．尼（Jonathan A. Knee）
譯者：林步昇
出版社：天下雜誌
出版日期：2022/11/04

作者簡介

強納森．尼（Jonathan A. Knee）

哥倫比亞大學商學院媒體與科技專業實務教授、媒體與科技學程共同主任。30年來，他撰寫無數專欄評論、書評和雜誌文章，主題遍及文化、商業、法律、經濟與公共政策，作品散見於《大西洋月刊》、《華爾街日報》、《紐約時報》、《華盛頓郵報》等。自2014年以來，曾長期擔任《紐約時報》交易錄（Dealbook）的Book Entry專欄作家。

尼擁有超過25年的投資銀行家資歷，先後在高盛與摩根士丹利集團任職高階經理人，目前仍是投資銀行Evercore Partners資深顧問。著有《投資銀行交易祕辛：二十年目睹華爾街怪現象》、《Class Clowns》，亦合著有《被詛咒的巨頭》。

責任編輯：倪旻勤
核稿編輯：陳瑋鴻