网络流媒体

您现在的位置: 首页 > 网络流媒体 > 海外动态

Netflix微标签:你以为的世界只是你以为的

作者:胡钰鑫    来源:影视产业观察   发布时间:2018-12-20 08:05:58

   【流媒体网】摘要:Netflix这家诞生于硅谷的视频平台,具有极强的科技基因。依托强大的算法,Netflix让用户通过推荐页面,就可以从海量的视频资源中选到合适作品。 Netflix曾经做过一个估算,平台内有80%用户的观看行为是由页面推荐引发的。


 

  熟悉Netflix的人,应该对其强大的个性化推荐页面都有所耳闻。早在2013年,当Netflix拥有3300万订阅用户时,全球公关总监约里斯•埃弗斯就曾表示:“Netflix有3300万个不同版本。”而如今,这句话对于拥有超过1.3亿用户的Netflix来说也同样适用。打个比方,如果你和你的朋友同时登录这个平台,两人看到的首页大概率不会相同,你在页面上看到的是《纸牌屋》海报,而你的朋友却是《美女摔角联盟》的剧照。那么,Netflix究竟是如何将自己的海量资源向用户进行个性化推荐的呢?

  

1.jpg

 

  “你以为的世界只是你以为的”——Netflix的百变推荐页面

  Netflix这家诞生于硅谷的视频平台,具有极强的科技基因。依托强大的算法,Netflix让用户通过推荐页面,就可以从海量的视频资源中选到合适作品。 Netflix曾经做过一个估算,平台内有80%用户的观看行为是由页面推荐引发的。

  在Netflix首页上,我们看到每部电影都被打上标签,并被安排在不同的行之下。每一行,其实都是一个分类,官方也将其称之为“微标签”。有意思的是,我们看到这些“微标签”并非是按照影片类型简单的分类,比如历史片、动画片,而是每一标签都有一个详细的名字,包括“革命纪实剧情片”(Emotional Fight-the-System Documentaries)、“王室历史纪实片”(Period Pieces About Royalty Based on Real Life)等。每位用户的首页上,“微标签”的数量不多,仅有几十个,帮助用户迅速从海量的资源里寻找到自己中意的作品。

  

2.jpg

 

  据悉,在Netflix上一共有76897种“微标签”,为此平台设计了一套执行标准。2006年, Netflix 产品副总裁 Todd Yellin 和工程师团队花费了数月时间制定出一份长达 24 页的《Netflix 量子论》,专门讲述如何用 "微标签 "将作品分类。如今,这份手册据悉已经扩展到了36页。这份文档十分详细,不仅包含了如何为影片内容进行评级,还包括怎样给演员的“社会接受度”打标签,并且评级规则细分到1至5,可以说是极其严格。

  在这些分类下,就如文章开头所说,所有影片的海报和预告片并不是一成不变地摆在首页上。Netflix 试图确保每一部推荐影片的宣传物料都是用户感兴趣的,同一部影片对于不同的人来说可能会有不同的兴趣点,因此平台会基于用户的观看习惯来为其推送不同的宣传物料。比如,如果一位观众喜欢看爱情作品,那么一部影片即使是动作片,也会在预告片中刻意突出一些浪漫场景;而如果这位观众是个粉丝,那么预告片中则会去刻意表现某位演员。

  

3.jpg

 

  Netflix的一位高管在接受采访时曾说道:“当一个会员访问Netflix时,我们希望能够帮助他在几秒钟之内就找到他感兴趣的影片,以免他去寻找别的乐子。”Netflix每天会收录数百万的点击率、搜索量和播放量,以及每月数十亿小时影视内容的观看历史。当一位用户在某部影片上按下播放键时,Netflix就已经开始记录,数据会被立即输入平台的人工智能算法,并在平台页面上为每一位用户做相应的调整。基于先进的算法,用户能够如此依赖Netflix的推荐系统,也就不足为奇。

  Netflix的定海神针——“品味社群”

  Netflix的智能化推荐之所以能够精确将内容推荐给用户, “品味社群”在其中可以说是起到了至关重要的作用。在今年夏季的一次公开演讲中,主管原创剧集的Netflix副总裁Cindy Holland表示,“我认为基于人口统计学的收视数据并不能直观表明用户喜欢看什么。”为此,Netflix基于丰富的用户数据以及强大的算法,将每个用户分门别类,划分进不同的“品味社群”。

  “品味社群”即为喜欢看相同内容的用户群体,它不是根据年龄、种族、地区来对用户进行分类,而是通过跟踪用户的观看习惯来确定每个用户所在的社群。Netflix的产品副总裁Todd Yellin曾透露,在他的电脑上,每张海报下方都标有数字,表明有多少人看过这张图片。“我们试图找到一张图片,它能够吸引世界上与你有相似品味的所有人,”他说,“这个人不是住在你隔壁的公寓或房子里的人,不是住在同一个地区的人,甚至不是住在同一个国家的人,而是那些和你喜欢一样内容的人。我们一直在探索,究竟把用户吸引到《美女摔角联盟》的海报是什么。”

  

4.jpg

《美女摔角联盟》剧照

  目前,“品味社群”已经识别出来近2,000个文化群体。但是,这并不是说每个用户只存在于一个群体之中,大多时候群体和群体之间的成员是重合的。Netflix原创产品发布战略团队的负责人Olivia De Carlo曾透露,“品味社群”不是一个静态的模型,“大多数人通常都是几个不同社区的成员,”她说。 Olivia以热门作品《黑镜》来举例,“最初,我们也没有摆脱禁锢思维,认为这个电视剧只会吸引某个群体,而不会得到某一群体关注。但当我们上线《黑镜》之后,我们发现喜欢《黑镜》的用户,同时也是《迷失》和《偷天情缘》的粉丝。”通过观察这些用户的偏好行为,Olivia发现,“从表面上看,《偷天情缘》和《黑镜》并没有明显的相似之处。但你可以看到他们都属于超自然的或者极端世界,并且从某种类型来看它们之间的关联存在意义。”

  

5.jpg

《黑镜》剧照

  “品味社群”虽然和传统电视媒体的人口统计数据一样,都是收集起来为平台的某个决策进行服务,但两者的目的却是截然不同的。传统电视所收集的数据,在很大程度上倾向于取悦广告客户,比如像NBC或者Lifetime就依赖于通过收集样本,确保他们的剧集能与广告商梦寐以求的观众群体产生共鸣。然而, Netflix没有广告。实际上,Netflix只是想通过这些数据为用户提供更加个性化的视听体验,从而最大程度地留存住用户。

  资源的不断开拓让作品只是“昙花一现”?

  今年,Netflix对其平台内的资源进行了大规模的扩充,光在原创内容上豪掷了80亿美元。每天,我们几乎都可以看到一个关于Netflix订购或续订的新闻。对此,一些人抱怨Netflix由于对扩充数据库规模操之过急,大量的作品只是在这个平台上“昙花一现”。一位好莱坞的经纪人就称“很多内容都让人觉得是一次性的。”但是,这些批评者低估了Netflix推荐系统的能力。

  实际上,大多数的作品并不会因为资源的不断涌入而消失在Netflix的数据库中,反而是Netflix个性化的推荐系统让它们收获了更高的关注度。比如,法国电影《不可告人》在院线上映时票房仅有600万美元,但却在平台上一跃成为“最受欢迎作品排行榜”前列,让票房惨淡的传统电影实现翻盘。

  

6.jpg

《不可告人》海报

  Netflix并不是在上线首日就把所有的内容都推送给每个用户,而是根据用户过去的观看习惯进行针对性的推荐,这意味着像《光灵》这样的巨制电影可能不会在你的主页上出现, 而是会出现一部新的纪录片或单人脱口秀,因为Netflix觉得更适合你。Netflix产品副总裁Todd Yellin就曾表示,“无论这是部小众题材的作品,还是一部宏大叙事的电视剧或电影,我们都能比任何平台吸引更多的观众。”“关键是要把项目推给对的人”, Todd Yellin说,“我们可以帮助一个项目吸引来意想不到的观众。”

  

7.jpg

 《光灵》海报

  对Netflix这样的网络平台来说,作品只要不下架,就可以一直被观看。因此,即使剧集或电影已经上线多时,但在Netflix上仍像是首映,因为总会有一些没看过的用户发现它。基于此,即使一部作品已经播映结束,Netflix仍在考虑如何与刚开始看这部作品的会员建立联系。负责产品发布的Olivia De Carlo曾表示,一旦剧集上线,Netflix就会利用数据将内容与“喜欢它的人”联系起来。“我们会利用所有信息来设定标签,为用户进行推荐,有时我会把内容和用户之间的这种关系比作一次约会,让这段约会不是‘一夜情’,而是‘长期伴侣关系’”。

  

7.gif

 

  如今,随着Netflix在个性化推荐上的不断深化,这套算法系统已经涵盖包括作品流行度、社会热点监测、用户观看历史、用户喜好、用户观看习惯等多个维度,通过作品本身与用户习惯两者相综合的方式,为用户进行差异化推荐。然而,正如“一枚硬币都会有正反两面”,推荐系统为Netflix吸引了用户流量,但也让平台陷入非议。就在前不久,Netflix还因为涉嫌种族歧视而被用户指责。一些黑人用户声称,Netflix会给他们在首页上推荐与其种族相同的次要角色,以“诱骗”他们观看节目,比如他们看到《虎父无犬女》这部电影的海报竟然是两个非洲裔的配角演员,而不是戏份更多的两位白人影星。

  但我们不可否认的是,在如今这样的一个时代,信息海量、用户需求增多、生活节奏加快……每个人都希望用最短的时间得到自己最想要的东西,而Netflix的推荐算法可以帮助我们解决绝大多数难题。这,可能就是帮助Netflix拥有令竞争对手望而兴叹的用户规模,并持续保持高速增长的原因之一吧。

责任编辑:侯亚丽
版权声明:凡来源标注有“流媒体网”字样的文章,版权均属流媒体网站,如需转载,请注明出处“流媒体网”。非本站出处的文章为本站转载,观点供业内参考,不代表本站观点。

相关新闻

{$Hits}