《纸牌屋》大热背后的数据玄机

《纸牌屋》很可能是最不欢乐的电视剧集。没有笑料，没有炫目的画面和俊男美女，甚至没有人们所熟悉的美国政客标签般的亲切和蔼

《纸牌屋》很可能是最不欢乐的电视剧集。

没有笑料，没有炫目的画面和俊男美女，甚至没有人们所熟悉的美国政客标签般的亲切和蔼。《纽约时报》评论道：这部Netflix推出的后续剧集比FOX的《美国人》更加玩世不恭，比AMC的《行尸走肉》对人性的看法更加悲观。

然而，这部充满阴郁色调的美剧在去年一经开播就创造了不俗的收视奇迹，如今它的第二部也来势汹汹。在时隔一年后，Netflix由当初那个用红色信封邮寄DVD 影碟的硅谷在线公司，靠着数据和科技成功挤入了影视界，并火速成长为令HBO等好莱坞大佬们也紧张的竞争对手，而在这样的光环下，其最大的功臣――大数据研究也同样成了影视界先进生产力的代名词。

事实上，继Netflix之后，Amazon、Lulu等同样来自硅谷的互联网公司已开始尝试数据研究在影视制作上的应用，而来自硅谷的冒险一旦取得了成功，也就意味着传统的电视消费模式真要被革命了。尽管有线电视不会完全消失，但是互联网电视的增长，通过Apps来跨越大大小小屏幕的方式，也足以让一个曾经强大的电视产业坐不住了。

Netflix的数据标签

《纸牌屋》第二季上网那天适逢美国总统日的长周末，开播头一天，美国总统奥巴马在推特上发了一条微博：“明天《纸牌屋》开播，请大家不要剧透。”

开播的当天，Netflix的四十多名技术人员，从其总部“作战室”里，密切监控他们用户的观看情况――这家影视网站如今在全球有4000多万付费订户，他们可以实时监控有多少人观看、在哪观看、用什么设备观看、观看的程度如何等等。而这样的监控带来了一个鼓舞人心的消息，《纸牌屋》第二季开播当天有16%的用户在12个小时内一口气看完了13集。

早在去年3月，《纸牌屋》第一季一经推出便广受追捧， Netflix的公关总监Jonathan Friedland当时在接受媒体采访时曾说道：“我们知道用户在Netflix上的观看习惯， 所以， 通过基于用户习惯的分析， 我们对哪些剧集会受欢迎很有信心。 随着时间的推移， 我们能够针对不同用户推出他们更加喜欢的节目。”

除了剧集自身的受欢迎程度外， 这一基于大数据的战略还有一个优势， 就是Netflix的推荐引擎在其中起到很大的作用， 这可以使得Netflix在营销成本上节省不少。 Netflix的数据表明，75%的用户都会被Netflix推荐观看所影响。

这一影响力来自于Netflix的视频标签。为了弄懂订户的观剧喜好，Netflix创造了至少7万种视频标签，来细分已有的视频内容。几乎观众的任何收视行为，都会被作为数据存储下来，然后，再通过标签的重组，为下一步新的影视内容摄制提供参考。

对Netflix的用户来说，观影记录似乎都是神圣不可侵犯的，这代表了他们的品味以及系统的自动推荐准确度。

在推广第一季《纸牌屋》时，凯文・史贝西（该剧男主演）的粉丝会看到以他为重点的预告片，而女性观众会看到充斥了剧中女性角色的预告片，严肃电影的爱好者看到的预告片将会集中体现导演大卫・芬奇阴暗的影像风格。而Netflix会在用户的每一次播放、暂停、快进、停止时分析他们的口味，给他们推荐最契合的内容。

如今看来，这些观影数据已经变得更有决策价值。在《纸牌屋》第一季播出之前，导演大卫・芬奇还在向各个制片公司推荐《纸牌屋》的时候，本应去听推荐内容的Netflix内容总监Ted Sarandos却连听都没听就直接做出了选择。他认为根据芬奇的数据，他的东西肯定能卖出去。

“纵使你有一千个理由不和Netflix合作，” Sarandos对芬奇说，但却有一个不得不拒绝的理由：即Netflix承诺预定完整的两季，每季13集，保证提前付酬，并不用担心收视率，不用争取时段。Netflix承诺买下26小时的原始内容，在艺术上基本不做干涉。而它得到的回报不仅是一部重要剧集，演员阵容由电影明星组成，还有一位获得奥斯卡奖提名的执行制片人。如果从这个角度来看，这样的合作对各方都是非常有意义的。

用数据解构电影创作

在《纸牌屋》第一季播出后的头几个星期，制片鲍尔・威利蒙偶尔会在深夜上Netflix网站，浏览那些只给该剧打一星或者两星的评论。作为编剧，当他写出好东西时自己心里有数，如果什么地方不对，通常心里也能明白，但他觉得，如果人们对这部剧的批评有一致性，那他肯定能从中进一步汲取教训。

Netflix的数据分析让他见识了大数据对影视剧本创作的价值，这是过去依赖传统和直觉创作所无法实现的。事实上，新媒体公司在过去几年来， 已经在利用基于大数据分析的推荐引擎，向用户推荐他们喜欢的节目，而如今，大数据分析已更进一步，正深入到电影的创作环节，并且正对整个影视创作行业从剧本选择、导演演员的选择、拍摄和后期制作、乃至营销、产生深刻的影响。

在2013年《纸牌屋》第一季一炮走红之后，Netflix在其官方推特中提到，“了解用户喜欢的‘微类型’的内容，就能用高收视的类型取代低收视的部分，以赢得竞争力。”这句话还可以这样理解，只要Netflix更了解用户，用户就越容易黏在它的平台上。

过去的几年中，Netflix建立了属于自己的用户偏好数据库。在Netflix为其库存视频所划分的7万多个标签中，它们都分别对应特定的观众区间。这个数据库，虽然不能告诉导演编剧影视剧要怎么拍，但他能告诉这些人，影视剧中需要什么样的元素。比如他们拍摄《纸牌屋》的时候，就该知道哪些元素需要有的放矢。

有时这些分类甚至让人觉得特殊荒谬，比如情感斗争类的纪录片、基于现实生活的古装剧、20世纪80年代的外国魔鬼故事……Netflix内部把这种分类过程称之为“微类型”，它由Netflix副总裁 Todd Yellin构想发明，这是一项特殊的解构电影的过程，整个系统复杂精确。Netflix首先要雇佣一群人，让他们阅读一份长达36页的培训文档，训练他们如何对影片的性暗示内容、暴力程度、浪漫桥段、甚至情节等等元素，作出精确地评级细分。

这样繁复又有规则的分类方法，可以概括成一套公式：

影片类型=地区+主题+形容词元素+类型片类型+演员特性+创作来源+时间+故事情节+内容+得奖情况+适宜观看人群等等。

但这样的排列组合并不意味着所有的微类型都能在线找到对应的影片。Netflix自有的片库当然不能涵盖到所有微类型的影片，但它的价值在于，如果市场需要的话，Netflix可以根据这些标签，去拍摄这种类型的片子，《纸牌屋》就是最好的例子。

而对于影视剧组来说，Netflix正在变成比传统电视台更好的去处。Netflix继《纸牌屋》之后另一重磅推出的剧集《发展受阻》的主演之一大卫・克罗斯就曾对媒体表示，整个剧组都能感受到（来自Netflix的）更多的创作自由。而传统电视台受缚于一周一播的形式，剧组在创作过程中不得不接受来自电视台的需求和干扰，Netflix 却不会要求剧组先拍摄试映集，而会直接预定一整季剧集，并提供充足的预算（《纸牌屋》两季的预算高达 1 亿美元）。

Netflix内容总监Ted Sarandos认为，Netflix 的目标是“在 HBO 变成自己之前成为 HBO”，去年年底在艾美奖上的数项提名或多或少证明了他们正在做到这一点。