好萊塢傳奇編劇家威廉·戈德曼(William Goldman)曾經說過，在好萊塢，現在沒有，將來也不會有人能夠預測是什么原因能夠讓一部電影能夠叫座。
Netflix首席執行官里德·哈斯廷斯(Reed Hastings)決定證明戈德曼是錯的。他創立了一項業務，用來預測哪些電影會讓觀眾目不轉睛的看著。大量的數據為Netflix的“推薦引擎”提供了保障，并影響該公司加倍投入的電影。
自 1997 年成立以來，Netflix已經成為科技巨頭，其流媒體創新改變了用戶觀看、支付和談論娛樂的方式。
這家流媒體平臺大肆的向國際擴張，同時創造了世界上最引人注目的內容，并獲得了創紀錄的股價回報(目前，Netflix的股票市值超過 2000 億美元，超過迪斯尼)。
在這篇文章中，將介紹Netflix公司巨大增長背后的三個驅動因素，以及我們可以從中學到的營銷經驗。
一、數據驅動的個性化
Netflix著名的推薦算法決定了75%用戶的觀看內容。換句話說，四分之三的用戶看的視頻都是來自Netflix推薦的內容。
甚至每一部向用戶推薦的電影作品都有特定的風格：Netflix為每個目標用戶優化了藝術作品，以突出電影中與他們最相關的方面。從封面來判斷一本書(或電影)總是很困難的，但至少現在的封面是個性化的。
數據科學家是Netflix在了解客戶行為并利用它來推動轉化率、忠誠度和利潤方面的秘密武器。正如Netflix的全球傳播總監所說，這就是為什么，“Netflix有 3300 萬個不同版本。”
經驗：與粉絲的互動越多越好。無論用戶訪問的是網站還是參加網站活動，每一次互動都會留下一點點數據。如果你能把這些收集起來，并把它們拼湊成一張完美的粉絲畫像，那就能打造出無縫的個性化體驗。
二、經過嚴格的實驗和測試
2017 年 4 月，Netflix推出了新的評分系統。以前，用戶會給電影和節目打1- 5 星。但在Netflix產品團隊進行了一些測試后，他們發現了一種新的、更簡單的“贊成/反對”評級系統，該系統始終擊敗了原來的星型評分系統。
Netflix在 2017 年第一季度致股東的信中寫道：
“一如既往，我們產品團隊進行了幾十個測試，追求更高的成員滿意度。去年有一項測試取得了決定性的勝利，現在已經向所有會員推出了新的'贊成/反對'反饋模式，取代了原有的五星模式。通過這種方式，評分系統的使用次數多出了兩倍多。”
事實上，在成為默認用戶體驗之前，Netflix的每一個產品變化都要經過嚴格的測試過程。甚至與許多新標題相關的封面圖片都經過了A/B測試，有時會使得該標題的瀏覽量增加20%到30%。
這種結果說明了為什么Netflix如此注重A/B測試。通過創建一種以數據為驅動的文化，他們確保產品的變化是由實際數據驅動的，而不是由Netflix員工主觀想法決定的。
Netflix甚至將這種數據驅動的方法應用到內容本身。他們的Netflix原創作品是基于觀眾的行為和經驗數據推出的。
這種基于“大數據”創作內容的方法非常成功，與電視行業相比(只有35%的節目在第一季后會繼續拍續集)，Netflix有93%原創作品會續拍劇集。
《紙牌屋》是Netflix做法成功的證明
從歷史上看，一個劇集從開拍到試播需要跨越重重障礙，并根據歷史評級和“直覺”做出決定。不可避免的是，由于收視率低、影評差，數百部電視劇在開播幾周內就被取消。
由于無法獲得有關觀眾行為的準確數據，高管們經常做出與市場需求不符的錯誤預測。就開發和營銷而言，這些錯誤信息系列的成本高得令人難以置信——通常需要幾個月甚至幾年的時間——出版商為此付出了巨大的代價。
由于Netflix對全球數百萬用戶的觀看習慣已經有著深刻的了解，他們打破了制作新電視劇和電影的傳統流程，只要看看當下人們在看什么，以及他們是怎么看的，這些數據可以幫助作出更為客觀有效的決策，而不需要“不靠譜”的直覺。
Netflix實質通過這種方式，就已經在一個藝術被創作之前就量化了它的受歡迎程度。
以屢獲殊榮的《紙牌屋》為例。這部耗資 1 億美元的電視劇并不僅僅因為劇情不錯而獲得了綠燈。這個決定是基于許多變量，幾乎完全依賴于數據。
利用在其平臺上收集的綜合數據，Netflix確定，在其 3300 萬用戶中，有相當大比例的用戶從開始到結束都在觀看大衛·芬奇(David Fincher)導演的電影《社交網絡》(The Social Network)，而凱文·史派西(Kevin Spacey)主演的電影在觀眾中總是很受歡迎的。
此外，Netflix的數據顯示，其平臺上的英國版《紙牌屋》在美國大獲成功。看過英國版《紙牌屋》的人也看過史派西或芬奇導演的其他電影。
根據這些數據，Netflix得出的結論是，這部由廣受歡迎的演員凱文·史派西和導演大衛·芬奇導演的電視劇在英國已經大獲成功，那么對于美國觀眾來說，也將會獲得成功。
事實證明，他們是對的。
《紙牌屋》一炮而紅。六年后，盡管主演凱文·史派西的名聲不佳，但這部劇仍然在 45 萬多IMDb評論中獲得8. 7 分(滿分 10 分)的評分，與《絕命毒師》和《權力的游戲》等大片并列。
注：《紙牌屋》的成功并非偶然。Netflix的其他原創電影，如《女子監獄》、《怪奇物語》等，都采用了類似的基于大數據的流程，獲得了好評。
三、讓用戶參與故事制作
2018 年，Netflix發布了一集《黑鏡》，觀眾可以選擇結局。這種可以讓用戶選擇劇情走向的方法可能會帶來一種全新的參與度。
想象一下，如果你最喜歡的電視劇有多個結局，那么你的“追劇”會變得多么刺激。
一些觀眾幾乎肯定想要發現一個故事的所有結局，并花費數小時探索不同的故事線。正如很多人在做測試時，得到一個測試結果后，就會想著再做一次測試來看看其他結果如何。
然而，Netflix的好處還不止于此。例如，如果觀眾看了很多遍《怪奇物語》，大多數人選擇了第三個結局，那么在開發新節目和原創內容時，這些選擇是值得考慮的。正如你所看到的，這種參與打開了一個充滿機會的全新世界。
下一步是什么?
再加上體育直播，互動故事，甚至云游戲(Netflix仍然擁有世界上規模最大和壓縮技術最好的公司)，無數的可能性就會涌現出來。
當然，競爭即將來臨。在迪士尼宣布推出Disney+的當天，Netflix的股價下跌了4.5%。由于每個人都在爭奪這些寶貴的流媒體資源，這個市場變得越來越擁擠。誰能笑到最后，還有位可知。
注：文章編譯自medium，原文標題《How Netflix Uses Big Data to Build Mountains of Money》。
每天一篇超實用創業案例，掃碼關注【站長視界】↓↓↓
