壹間學校-影視文章-Netflix 為何留住用戶

Cover Photo by Mollie Sivaram on Unsplash

Netflix-一間基於數據運作的公司。來自 Zach Bulygo 在 Neil Patel 上的專欄文章。

 

目錄:

前言

Netflix 的分析方法  

演算法——如何推薦影片 

從大數據看《紙牌屋》*綠燈放行前 *綠燈放行後

另一案例:《勁爆女子監獄》

Netflix 如何決定上架哪部電影?

使用分析方法決定方向

Netflix 要成為網路電視的 HBO 

結語

 

 

前言

Netflix 並非僅因《紙牌屋》情節精彩,便決定投資 1 億美金製作,也另外基於許多因素——幾乎都來自數據。Netflix 的確需要影片的播映權,但他的選片並非隨意挑選。  

Netflix 的分析方法  

分析工具的核心功能是讓公司深入並精準了解用戶。據此公司便可以最有效的方式行銷,並提供更好的產品。截至 2018 年 7 月,全球有 1 億 3000 萬名 Netflix 串流訂戶,數量龐大的用戶讓Netflix獲得海量數據。傳統電視網路缺乏此優勢,觀眾評分制度並不精準,試播片的放行也只是基於慣例或直覺。   

舉例來說,如果你正在看影集《發展受阻》,Netflix 可以得知用戶看完影集的比率:「有多少用戶開始看第一季《發展受阻》後,會追劇直到看完第三季?」假設比率是70%。然後他們會追問:「用戶最常在哪個片段停止追劇?其他 30% 的用戶做了什麼?消費者在看完一集後,與開始看下一集的間隔有多久?我們必須了解觀眾對這個影集有多投入。」

如果 70% 的用戶都看完了各季《發展受阻》,即便影集已經完結,Netflix 可能重啟季度。  

數據的運用還可以更加深入,Netflix 追蹤的資訊包括:   

  • 你何時暫時、倒轉或快進
  • 每週哪天看片?(Netflix 發現人們在週間看電視節目,週末看電影)
  • 看片的日期 
  • 看片的時間
  • 看片的地點(郵遞區號)
  • 看片使用的裝置(你喜歡用平板電腦看電視節目、用 Roku 機上盒看電影?人們較常在 iPad 上使用「兒童專區」嗎?) 
  • 你何時暫時並跳出影片(以及你還會回來嗎)?
  • 觀眾評分(一天約 400 萬個評分)
  • 搜尋(一天約 300 萬次)
  • 瀏覽及下拉捲動的行為   

 

Netflix 同時也檢視影片當中的數據。他們檢視各個螢幕截圖「當下」的特質。Netflix 不僅知道片尾字幕何時出現,他們很可能也留意音量、色彩及場景等特質,以了解用戶的喜好。 

Netflix 想知道片尾字幕何時出現,可能是想知道用戶之後會有什麼舉動。他們退出應用程式或是回到瀏覽頁面?注意:緊接著片尾字幕出現,Netflix 立刻提供影片推薦(他們將演算法個人化,以便精準預測用戶會觀看的下一部影片);若是電視節目,則自動播出下一集。如果用戶看完影片後退出應用程式,他們日後取消訂閱的可能性就提高了,因此 Netflix 需要延長用戶觀看的時間。   

演算法——如何推薦影片

幫助用戶找到他們喜歡的新影片,促成了 Netflix 的成功。 75% 的觀眾行動根據Netflix的推薦,Netflix 的演算法可說相當精確成功。   

Netflix 要求新用加入時,點評他們喜好的影片類型,並任選看過的電影給予評價。因為幫助用戶發現他們「將會喜歡的」新電影和戲劇非常重要。如果用戶看完他們想看的電影,而且沒辦法找到新的電影,他們就會取消。因此 Netflix 注重擁有精確的演算法,讓用戶不需要依靠外部資源找尋新電影。   

不過在串流時代,評價系統並不是非常實用,因為用戶如果看到不喜歡的電影只要換一部就好,不會特意留下來評分。因此用戶「實際上看了什麼」比他們「如何評價」更為重要。因此 Netflix 從過去對評價系統的關注,轉向依賴更加複雜演算法的動態系統。Netflix 投入大量人力於此,演算法也不斷演化。這並非單純的統計,因為用戶行為和 Netflix 的產品都不停地改變。   

因此從2017年四月,Netflix 再簡化點讚評價系統,取代過去的五星評價系統,並取得過去兩倍以上的用戶回饋。有了額外的用戶反饋,Netflix 更能迎合用戶的喜好。

(延伸閱讀:Netflix 的終極目標:讓人們找到自己鍾愛的電影)  

從大數據看《紙牌屋》

2011 年 Netflix 首度投資原創內容,便以高於 HBO AMC 等電視頻道的出價,買下美國版《紙牌屋》,兩季各 13 季,耗資超過一億美金。

綠燈放行前

在對《紙牌屋》開綠燈前,Netflix 了解到: 

1. 許多用戶把大衛.芬奇執導的《社群網戰》從頭看到尾

2. 英國原版《紙牌屋》收視甚好 

3. 英版《紙牌屋》的觀眾也看了凱文.史派西的電影,或/以及大衛.芬奇執導的電影    

Netflix 擁有上述三方面的眾多用戶。由於 Netflix 與消費之間的關係相當直接,他們了解人們的喜好,據此可預估影片帶來的效益。Netflix 不需要浪擲千金說服觀眾來看《紙牌屋》,藉由演算法,他們可以直接推薦對凱文.史派西或政治驚悚劇有興趣的用戶:「你可能會想看《紙牌屋》。」   

綠燈放行後

一般電影發行或電視節目首播時,會推出幾支預告片。 Netflix 則針對不同的觀眾,為《紙牌屋》製作了十個版本的預告片。你所看到的版本是由你之前的收視行為決定的。如果你看過許多女性主演的電影,你看到的預告片會強調女性角色。   

首季播放之後,是時候檢視一些早期指標。這些指標不會馬上告訴你這項投資是否成功,而是顯現出未來的發展軌跡。一般電視節目平均只有 35% 的機率是有利可圖、或不會在兩季之後就終止。但在本文下筆的當下,Netflix 有七部原創電視節目,其中有五部續訂下一季,成功率約為 70%。   

《紙牌屋》在 2013 年第一季,為Netflix在美國帶來 200 萬新訂戶,比起前一季度增加 7%。在全球其他國家,它也帶來 100 萬名新訂戶。這些新訂戶可以打平《紙牌屋》的投資。一項調查顯示,86% 的訂戶表示他們會為了《紙牌屋》續訂,不過需要價格維持在每月 7.99 美元。儘管這項調查的樣本數很小,但足可顯示《紙牌屋》讓訂戶少了個不續訂的理由。  

另一案例:《勁爆女子監獄》

在 Showtime 電視台播放的《單身毒媽》非常受歡迎,亦曾在 Netflix 上架了一段時間,是用戶最常觀看的電視節目之一。所以當主創 Jenji Kohan 有了新節目的點子,Netflix 知道他們必須買單。從一些早期指標來看,《勁爆女子監獄》《發展受阻》、甚至《紙牌屋》都起步得更成功。

 

Netflix 如何決定上架哪部電影? 

因為向製片公司購買電影播放權是相當昂貴的、且有大量的電影必須挑選,所以 Netflix 使用數據幫助決策。他們尋找「最有效率」的內容,所謂效率,指的是每一分錢所能為用戶帶來的最大快樂、能帶來最多觀眾;如果觀眾數並不新襯他的成本,Netflix 便可能選擇不續約。Netflix 根據用戶的觀看行為數據和分析,決定哪些作品留在平台上。   

以 Netflix 的定價,他們無法負擔所有的院線強片。因此他們必須聰明決策,充分利用數據和分析。舉例來說,電影《黑暗騎士》十分叫座,Netflix 知道用戶會喜歡它,但預算只能買下寥寥數月的播放權。 Netflix 可能轉而購買同樣導演和演員的其他多部好電影:克里斯多福.諾蘭執導的《記憶拼圖》、希斯.萊傑主演的《斷背山》《騎士風雲錄》、艾倫.艾克哈特主演的《銘謝吸菸》、瑪姬.賈倫荷主演的《口白人生》,以及《克里斯汀貝爾之黑暗時刻》,加起來差不多是《黑暗騎士》的價格。這只是假設,卻是 Netflix 時常必須面對的真實處境。   

《天涯小築》在 Netflix 上的點播率甚佳,一些指標也看起很好(用戶全數看完、重看其中幾集、經常回放某些片段)。亞當.史考特是演員之一,而 Netflix 上架了七部他的電影,其中一部還是他主演的獨立電影。   根據成本效益策略,Netflix 也研究盜版網站,協助決定要購買哪些內容。他們買了《越獄風雲》,因為該影集常常被盜版。   

使用分析方法決定方向

米區.洛維(MoviePass CEO)曾談到他從 Netflix 聯合創辦人里德.哈斯廷斯學到的三樣東西:聚焦、分析工具、把錢投入做得最好的事物。   

使用分析工具不在獲取百分百明確的答案,而是找出正確的方向。 (延伸閱讀:影視產業下的 OTT 操作(三):持續優化,學平台如何留住用戶) 

Netflix 要成為網路電視的 HBO 

數據和分析工具是 Netflix 的一大資產。它們為用戶提供更佳服務,並減少浪費及避免亂槍打鳥,使 Netflix 成為具成本效益的企業。  

Netflix 希望成為 HBO,而且比「 HBO 變身為 Netflix 」的速度更快。Netflix 快速地增加影片,目標每年至少推出五部新節目。以2013年2月為例,Netflix 預算60億美元購買串流內容,向有線電視公司及製片廠購買播放權,而其中有3億美元投入原創內容。Netflix 的原創內容不僅是電視節目,也包括獨家紀錄片及脫口秀特輯。   

HBO 則有為數眾多的原創內容,外加電影播放權,是其他電視台如 TNT、 TBS、USA、AMC 所沒有的。對母公司華納媒體來說,HBO的模式顯然是成功的。   

而 Netflix 的訂戶已超越 HBO,顯然已經達成目標。Netflix 如同 HBO,無意僅成為原創內容的發行商。CEO  里德.哈斯廷斯希望原創內容和版權影片都能吸引會員。   

結語 

我們知道 Netflix 基於數據做出決策,但有時也得依賴直覺。數據無法預測出《絕命毒師》這樣的影集可以大獲成功。在這種情況下,決策很大取決於概念背後的工作人員。Netflix 是否能在缺乏數據的情況下,創造出類似《絕命毒師》的成功,仍有待觀察。   

數據可以為你提供洞察,讓企業運作得更好,提供更優質的產品。擁有數據的人顯然比起僅依賴直覺的人更具備優勢。Netflix 就是個好例子。  

原文連結:How Netflix Uses Analytics To Select Movies, Create Content, and Make Multimillion Dollar Decisions?

 

Similar Posts

One Comment

發佈留言