对大数据理性却不迷信,Netflix如何用AI颠覆娱乐产业?

2020-07-04
    611浏览
对大数据理性却不迷信,Netflix如何用AI颠覆娱乐产业?

串流影音龙头 Netflix,正在应用 AI 技术颠覆传统的娱乐产业,透过个人化推荐,将不同但更适合的内容推送到个别用户眼前。对 AI 领域的创业者来说,来自 Netflix 最重要的启示,就是产品与服务未必要是人人追逐的大主流,相反地,让多元、长尾的内容,为个别用户带来最大价值,才是 AI 时代最重要的颠覆力量。

Netflix 的娱乐帝国正在成型。五年来,Netflix 股价大涨十倍,并一度在今年六月市值突破 1,700 亿美元,超越 Disney,儘管随后股价回档,但成长力道依旧强劲。今年第二季,Netflix 共新增 620 万用户,其中 510 万来自美国以外的海外市场,根据 Cowen 预估 ,Netflix 海外用户在 10 年内,将从 2018 年底的 8,360 万,以每年平均 20% 的速度成长至 2.55 亿。

Netflix 影音内容的质量与数量,也在同步提升。今年 Netflix 入围 112 项艾美奖,首度超越历年大赢家 HBO 的 108 项,显示致力于拍摄原创的策略终获硕果。根据《经济学人》的报导 ,Netflix 今年的内容投资将达 120 至 130 亿美元,超越任何一家电影公司、电视台 ,用户每年可收到 82 部电影 ,正在製作或採购的电视节目则有 700 部,其中包括 100 部剧本和喜剧、数十部纪录片和儿童剧、脱口秀喜剧,以及无剧本的真人秀和脱口秀节目。

Netflix 拍摄原创内容的标準是什幺?以及,Netflix 又是如何让观众在上千种影音内容中,找到自己喜欢的影片?

重点不是最优质的内容,而是「每小时观看成本」

Netflix 的商业模式,奠基于向用户收取固定月费。对公司来说,最重要的任务就是提供足够「优质」的内容满足用户需求,这样用户便没有理由离开平台。而作为串流影音服务商,Netflix 并不像传统电视台,受限于节目表以及每日播放 24 小时,而是能够提供无限的影音内容供用户随时选择,因此 Netflix 所认定的「优质」内容,其实是针对个人而言的,因为他们能提供各种类型的内容给长尾市场。

身为一间位于硅谷的科技公司,Netflix 经常被误解为运用演算法来决定原创内容,但实际上,在内容创作 Netflix 给予创作者相当大的自由,且时常强调他们并不会根据用户行为,来影响原创内容的方向,产品长 Ted Sarandos 曾提及「千万不要沈溺于演算法,过去的资讯,很有可能限制对于未来的想像力。」

大数据与演算法对于 Netflix 来说,是运用在评估某个作品上架后,是否符合成本效益。公司在 官方网站 上明讲:评估内容成效的关键指标是「每小时观看成本」,亦即「这个内容是否能在一定的成本内,最大化用户观看时数」。由此可见,Netflix 想的并不是「这个作品是否是最优质的内容」或「这个作品是否能吸引最多的观众数」,而是「只要这个作品,能吸引一定数量级的观众群,并且符合每小时观看成本的门槛」。

对大数据理性却不迷信,Netflix如何用AI颠覆娱乐产业?
Netflix 在官网清楚说明挑选影音作品的标準

也因此,Netflix 的原创内容其实是相当多元的。从英国女王传记《王冠》、悬疑惊悚片《怪奇物语》、现代科技反思路线《黑镜》到青少年霸凌题材《汉娜的遗言》,不管是什幺类型、多少製作成本,只要成本效益指标够好,都会被 Netflix 认为是适合製作的好内容。也因此,Netflix 製作影集成本的範围很广,《王冠》的每集 製作成本 高达 1,300 万美元,而《汉娜的遗言》「只有」约 500 万美元。相对的,一旦不符合 Netflix 的成本效益评估,公司便会决定停止该内容,例如 2017 年中宣告停拍《超感 8 人组》与《布朗克斯:街头少年音乐梦》,这两部影集只各拍了两季与一季。

相较于 Netflix 的长尾策略,其他电视台则较倾向重压资源在单一内容上,并预期能掳获所有观众的心。HBO 的大製作《冰与火之歌》,号称在 最后一季 的每集成本将创新高至 1,500 万美元 ,另外一个作品《西方极乐园》的 每集成本 也据称达到 1,000 万美元。上述两部作品,也于今年艾美奖各拿到入围 22 项与 21 项的好成绩,为入围数最多的前两名作品,相较之下,Netflix 的《王冠》只入围了 13 项,但可别忘了 Netflix 是总入围数最多的赢家,其他奖项,则是由另外 40 个作品拿下,证明了 Netflix 投资于各类型题材的模式。

Netflix 的影片推荐系统,让你可以无脑挑影片

一旦拥有上千种可满足各类用户的优质内容,Netflix 另一件重要的任务,便是用更有效率的方式,把适合的内容,推荐给有兴趣的人。精準内容推荐并不是一件新奇的事,Amazon、Facebook、Google 都是藉由用户历史行为资料,来推荐商品或产出个人化页面,以优化使用者体验。但这件事对 Netflix 尤其重要,因为在使用影音串流平台时,用户并没有很明确的目的要购买商品或搜寻资讯,大多数的时候,是漫无目的寻找能打发时间的内容,要是 Netflix 无法在短时间内精準推荐用户喜欢的影片,用户很容易就被别的平台或传统电视吸引走。根据 Netflix 2015 年发表的 文章 ,80% 的用户观看时数都是靠推荐而来的,也佐证了这一点。

为了满足口味各异的用户们,Netflix 一直致力于优化推荐演算法。在过去,Netflix 试图去预测每个用户对于每部影片的评价 ,藉此推荐用户可能有兴趣的内容。不过随着 Netflix 掌握更多用户行为资料 ,现在更以机器学习来建立推荐演算法,以捕捉更多 rule-based 演算法可能漏掉,但对预测喜好相当有帮助的重要资讯,例如:观看影片的顺序、不同因素之间的交互作用。

对大数据理性却不迷信,Netflix如何用AI颠覆娱乐产业?
让 Netflix 演算法来推荐最合你胃口的影片内容

有使用 Netflix 的人都知道,Netflix 的首页是由不同主题的影片列组成的,这些主题选择、影片挑选、排列顺序背后便是由不同的 演算法 驱动:

上面的演算法看似很多种,不过大致上可以归结为两类:Content-based filtering 与 Collaborative filtering method。简单来说,前者是根据影片本身特性,找出类似影片并推荐给用户,后者则是先找出喜好类似的用户,藉此判断 A 可能会喜欢 B 看过的影片。关于详细的演算法判断流程,有兴趣的人可以参考 CS50 的影片。

AI 演算法除了应用在推荐影片,不知道大家有没有发现,其实 Netflix 还会依照个人兴趣,来 客製化电影图像 !就拿《黑色追缉令》这部片来说好了,如果用户 A 曾看过较多邬玛舒曼的电影,则演算法会判断 A 是邬玛舒曼的粉丝,因此会呈现在电影海报上;同理可证,如果 B 用户是约翰屈伏塔铁粉且看了很多他过去的作品,那幺演算法当然会用约翰屈伏塔来吸引 B 用户。

对大数据理性却不迷信,Netflix如何用AI颠覆娱乐产业?
Netflix 连电影图像都为你客製化

担任 Research and engineering director 的 Justin Basilico 在受 NVIDIA 访问时提及,公司透过 A/B test 来不断优化推荐演算法,而由于推荐系统的成效短期内难以衡量,因此 Netflix 锁定的是长期指标,如:用户每天观看时数、某段期间观看天数。

推荐系统在全球化时遇到的挑战

由于 Netflix 的服务地区涵盖 190 个国家,用户多达 1.3 亿,用户观看影片的喜好受到各种因素影响,因此在设计推荐系统时,也面临了许多 挑战 。

首先,由于某些内容供应商在与 Netflix 谈授权时,会限制该影片只能在某地区,或某段期间上架,因此部分国家的用户无法观看这些影片,而演算法便会因此判定这些用户对这些影片没兴趣。又或者是,A 影片的授权期间只有一个月,B 影片的授权期间长达一年,而造成 B 影片的观看次数较 A 高出很多,此时演算法也会判断 B 影片的热门程度较 A 高,以上状况都会造成演算法误判用户的喜好。

另外,Netflix 用户横跨这幺多国家,每个地区的文化习俗、语言又不尽相同,因此 Netflix 在设计推荐系统时,也须特别考量到用户的所在地与熟悉的语言。譬如说,印度用户可能会较偏好宝莱坞电影。语言方面,由于多数的用户,可能会偏好观看自己熟悉语言的电影,因此系统也应该要纳入这些因素来设计演算法,但问题是系统并无法取得用户熟悉哪些语言的资讯,因此只能靠用户过去观看行为来判断。

为此,Netflix 也持续增加推荐演算法考量的因素,包括影片能上架的地区 / 时段、用户所在地、用户看过影片的语言,藉此不断优化推荐演算法的精準度。

总结来说,由于用户对于观影这件事通常有独特偏好,因此即便是后进者,只要能掌握观众喜好,都有机会趁势而起,Netflix 便是靠着许多优质小众内容,抓住长尾市场而崛起。不过,当各家串流影音业者,例如 Hulu、Apple、Disney 也都狭着雄厚资金与原创内容加入战局,未来谁将在这场战役中胜出,目前下定论都过早。

唯一能确定的是,如果影音平台能藉由推荐系统,精準地将内容呈现给最适合的观众,必定能大幅提升用户观影体验,如此一来,用户也就有更大的诱因继续留在平台上,而不会轻易被新进业者的低价促销或大製作内容吸引走,这不仅是订阅制影音平台的护城河,也是在消费性领域投入 AI 创新最重要的原则之一。

想要了解更多有关 AI 创业与创新的资讯,欢迎加入 AppWorks 粉丝专页

上一篇: 下一篇:

随机文章