锺布/文
美国政治惊悚剧《纸牌屋》第二季甫一推出，立刻引来国内众多影迷的追捧。这着实出乎我的预料。回望去年该剧第一季在国内与美国同步播出时，美国娱乐电视业受到很大震动，但国内却乏人问津。这一次却大不相同，该剧在国内的粉丝群已经从一季的精英阶层扩大到中产阶层，尤其是教育程度较高的年轻人。有朋友看此剧特别在微信朋友圈相告，“《纸牌屋》时间。不接电话，不看微信、短信、微博、邮件……起火请打119。”
对比大洋两岸的朋友圈，我发现国内对本季《纸牌屋》的热情超过美国。在美国，大家无非是期待，并喜欢一气看完13集全剧的“狂看”体验。国内的粉丝们除了欣赏剧情的曲折离奇、导演大卫·芬奇的昏暗影调外，还对美国政坛的错综复杂及其阴谋论解读津津乐道。
不过我最感兴趣的是，这部美剧在国内学者和业界引发的热烈讨论。除了剧集本身，他们还关注制作方奈飞公司 （Netflix） 的运营模式及视频内容的“大数据定制生产模式”。而这些正是美国电视网老总们担忧的：奈飞一类具有视频内容生产能力的流媒体公司正挑战传统电视的平台优势。更具颠覆性的是，流媒体服务可能从此改变人们的视频观看体验，而在这种新体验的演进过程中传统电视将被逐步淘汰。
（一）华尔街新宠
从去年开始，华尔街显然已经认可了流媒体服务商的价值。以奈飞为例，近年来它不仅快速赢得了大量用户，更成为华尔街的新宠。奈飞股价从去年1月初的90多美元上涨到了目前的450多美元，涨幅已达5倍，且未来仍有较大成长空间。奈飞去年四季度的财报显示，当季净利润为4，800万美元，同时新增230万用户，总订户突破4，000万。
与此同时，百视达（Blockbuster）在全美全部300家影音租赁连锁店黯然关闭，成为流媒体蓬勃发展的牺牲品。成立于1985年，跨越录像带、影碟和互联网三个时代的百视达曾是美国人最喜爱的影音租赁连锁店。流媒体的发展成就了奈飞、葫芦（Hulu）等新公司，也让人淡忘百视达曾经的辉煌。谁还记得十年前百视达在鼎盛时期仅在美国就曾拥有9，000多家影音租赁连锁店、雇佣6万多名员工？
不过，业界人士清楚地记得，奈飞也曾经苦苦探寻成功的运营模式。1999年，奈飞创始人里德·哈斯廷斯 (Reed Hastings) 和马克·兰多夫(Marc Randolph)与亚马逊总裁贝索斯进行会晤，讨论将奈飞出售给亚马逊。亚马逊只同意出价1，200万美元，最终哈斯廷斯拒绝了亚马逊的收购方案。一年后，哈斯廷斯曾有意以5，000万美元的价格将奈飞出售给百视达，这一次是百视达拒绝了这一出价。哈斯廷斯最近谈起此事还不无感慨地说，好后怕，幸亏没有贱卖。
（二）奈飞优势
这些年来，奈飞不但找到成功的运营模式，而且在视频服务方面积聚了强大的优势。它不但能够轻易摧毁百视达一类的传统影像租赁公司，而且直接挑战电视网的平台优势。自2013年1月《纸牌屋》第一季推出后，美国娱乐电视业已经感受到巨大的冲击和压力。电视业老总一直认为，媒体流公司不过是电视业的附属品，它们的视频库质量参差不齐，只能提供一些过季的电影和电视节目。
《纸牌屋》推出后，电视业的老总们突然发现自己四面受敌，而对手正是日益壮大的流媒体公司。这些公司拥有庞大的用户群而且用户增长迅速。如今奈飞的用户已经比HBO GO多500多万。因此，它们本身可以不依赖电视网而成为视频内容的推送平台，并且更加有效和精准。
流媒体用户增长的另一个原因是收费较低。与有线电视的高额收费（多在100-200美元之间）相比，美国用户每月向奈飞支付7.99美元就能在电视机、电脑和移动终端等多种平台上无限制地收看奈飞视频库的节目。HBO GO在移动端的表现要逊色得多。前几年奈飞的确只能提供一些过季电影和电视节目，但如今已经开始推出原创内容，如《纸牌屋》《女子监狱》等，其制作水准和质量足以媲美电视网制作的最佳剧集。
使用流媒体服务的另一个优势是不受剧集季数和播放时段的限制。无论某电视剧多么受欢迎，电视网也不得不考虑每周168个小时的播放总长限制。流媒体公司则完全不同，它们能在一年的任何时段里向用户提供视频内容，其数量依据用户需求而定，并可以采用一次性推出整季剧集，类似《纸牌屋》的推送方式。而这些都是现有电视网不可能做到的。
现在奈飞一类的流媒体公司开始在视频内容生产方面挑战电视业。更重要的是，它们长于对用户数据的研究因而更了解用户的需求，并在此基础上建立精准的智能推荐系统。奈飞在这方面尤为出色。
（三）智能推荐系统
对流媒体公司的成功原因，美国业界人士看法两极。有人认为，《纸牌屋》是“大数据运用的成功典范”，也有人认为“大数据”不过是一个廉价的标签，被媒体过度渲染。在我看来，双方实际上有一个共识，那就是基于研究成果的视频内容推荐系统是流媒体公司的最有价值资产。
流媒体的智能推荐得益于计算机技术的进步，视频服务商通过对海量用户的观赏体验做出细致分析后做出个性化的推荐。以奈飞为例，强大的智能推荐系统首先基于用户的视频使用数据，而不只是用户对内容的评价数据。当然奈飞也看用户如何评分、自报的喜好程度，但更重要的是看他们如何使用视频，如是否看完全剧，如何播放、是否快进、快退，观看时间、地点、使用何种终端等。后一类数据存在某些偏差，例如有用户为迎合某种社会潮流或偏见会自述喜欢或不喜欢的剧集，但实际情况并不完全如此。分析用户实际使用数据可以更精准地发现用户的真实喜好。
公平的说，电视网和电影制片商也一直在研究用户，也试图向观众推荐自己的产品。不过它们的推荐只是基于对视频内容的简单分类，其结果是分类过于宽泛，无法满足用户的个性化需求。另一方面，分类过细又常常令观众无所适从。
作为奈飞最有价值资产，它的智能推荐系统是基于一个划分细致的类型库，或者说是一种“微类型”。过去，好莱坞电影的分类只有几个约定俗成的简单类型，如动作/冒险，戏剧，情节剧，浪漫剧等。奈飞视频库的微类型则多达76，897。这个分类系统是奈飞自2006年开始建立，其基本概念是把一部影片的内容数字化，并为内容的各种层面加上标签。每一种标签带有标量，从1到5不等。例如浪漫片的标签，它不仅标注这类电影为“浪漫片”，还为每部电影的结局打分，从幸福的浪漫到悲伤的浪漫。电影中的每一个情节也有标签，主角职业有标签，影片地点也有标签。
在此微类型系统的基础上，奈飞还投资雇佣各类电影、电视编剧观看视频内容，并为评分，如浪漫、血腥、奇怪程度，以及情节及结局精彩度等。最具创意的是，奈飞电脑工程师将这些数据与用户数据相结合，创造了一种视频内容标签语法。它依靠人工和机器算法结合的方式生成各种微类型，不仅仅可以提供用户喜欢的内容，还能够对其进行文字描述。这样，奈飞不仅可以对内容实行精准分类，还能增加用户推荐的个性化程度。如果用户喜欢动作冒险类电影，并且浪漫程度比较高的，奈飞均能提供定制化的推荐。
值得一提的是，奈飞最早创立这个智能推荐系统的算法系统时依靠了电脑专家的集体智能。奈飞邀请电脑专家参加解决其电影评分及预测问题的机器学习比赛。比赛规定，能将奈飞现有推荐系统的准确率提升 10% 的个人或团队将获得 100 万美金的奖励，其评测指标是均方根误差。当时奈飞电脑专家设计的推荐系统的均方根误差为0.9625。比赛的要求是打败现有均方根误差值，并将其降低到0.8572或更低。
一年后，成绩最佳的一个参赛团队经过2，000多小时的努力，融合107种算法，最终将推荐准确率提高了8.43%，赢得了这份奖金。他们将源代码交给奈飞后，公司内的专家分析了其中两种最有效的算法，矩阵分解和局限型玻尔兹曼机，进一步提升了推荐准确率。通过这个比赛，奈飞发现了改善系统推荐结果的新算法。这些新算法一直使用到现在，并成为公司商业模式的核心部分。
今天，奈飞不只是为用户提供电影、电视节目和其他娱乐视频服务，最重要的是它了解用户。它对你的观赏兴趣的了解可能比你家人，甚至你本人都更加深入和全面。这正是以研究结果为决策依据的流媒体公司的核心竞争力。这种竞争力正撼动电视网的平台优势，并彻底改变人们的视频观看体验。
更多阅读：
