我比谁都清楚观众喜欢看什么

                                    为了弄懂订户的观剧喜好，在线视频提供商Netflix创造至少7万种视频“微类型”（micro-genres），来细分已有的视频内容。然后，再通过元素的重组，为下一步新的影视内容摄制提供参考。

Netflix面对庞大的好莱坞影视业，它又要以怎么样个性化分类，来满足旗下的4000万订阅用户的需求？

Netflix切入点很细，这些“微类型”对应特定的观众区间。有时分类甚至让人觉得很特殊、很荒谬。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……

根据大西洋月刊的记者粗略统计，Netflix至少把影片分成76897种“微类型”。这打破了原本对于影片类型粗放式的分类方法。Netflix能由此分析出最受欢迎的影片类型、以及最受欢迎的演员与导演等。

除了Netflix的员工以外，没有人了解Netflix是如何细致分类的。他们要面对好莱坞那般空前的数据储存，而记者所统计的数量的类型只是冰山一角。

Netflix内部把这种分类过程称之为“altgenres ”，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。

他们捕捉了数万种不同的电影属性，甚至是人物的道德派别。这些标记内容，与千万级用户的观影习惯相配对，便成了Netflix的竞争优势。Netflix的主要目标，是为了获得并留住订阅用户。通过这种微类型，对应不同的观影受众，正好是他们战略的一部分。

在2012年的时候，Netflix就在其官方博客中提到，“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。”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。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。

Netflix通常是这样对影视内容进行分类的，比如：

独立情感的体育电影

20世纪30年代、间谍和冒险类点电影

中国浪漫主义黑帮片

黑色悬疑科幻恐怖电影

广受好评、主角情感受挫的电影……

这种细分方法可以概括成：首先是国家，其次是类型片大类，比如是西部片还是恐怖片。其次是影片的创作来源，基于现实生活、古典文学还是虚构内容。然后影片设定的时代，比如20世纪80年代。观影级别，比如16周岁以上观看等。还有一些比较特殊的通用分类，比如女英雄主义，激进的浪漫主义等，当然还有导演与演员的个人风格。

这些繁复又有规则的分类方法，又组成了这样一种公式：

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。

但这并不意味着所有的微类型，都能在线找到对应的影片。而这些细致分类代表所有的排列组合的可能性，而不止是代表观众在特定时间场合看到的影片。

Netflix自有的片库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。

假如把以上过程，可以看做是Netflix把影视内容转码成数据过程。而对数据最简单的处理，就是做个统计排行榜。

基于Netflix分析，订户最喜欢的主题是结婚。

订户最喜欢的形容词元素是浪漫的。

订户最受欢迎的电影所处时代是20世纪80年代。

订户喜欢的电影场景设定在欧洲。

Netflix副总裁 Todd Yellin，与另外两位工程师通过数月的努力，制定了以上被称为“Netflix量子理论”的东西。Yellin本人像一位混迹于科技公司、不安分的制片人，它需要为影片生产所有流程精心算计，就像纸牌屋中Frank Underwood的智囊 Doug Stamper那样。

Yellin告诉大西洋月刊的记者，他们分析出的内容，只是他们终端的产品形态。而在Netflix数据库内部，数据分类捕捉会更加繁复。他说道：“我们要把影片内容给撕裂”。

通过这些分类标签，Netflix不仅能给他的订户推荐影片，甚至告诉他们你喜欢的类型究竟是什么。基于Netflix算法，它甚至提前帮用户预估，他们看完影片，会给影片打几分。

这家公司还拿出100万美元悬赏，奖励给能提高这种预估评分算法准确度的技术团队。经过几年时间的改进，准确度仅仅提升了10%。尽管该奖金在2009年开始设立，但Netflix并没有把它纳入新模式，而只是一种工作需要。他们认为，比起感性的得分，更个性化风格的微类型细分，才是观众真正要的。

标记的微类型判断用户喜欢什么还不是全部，这些数据还能用来分析，什么类型影片哪些演员来出演，会更受欢迎。Netflix还希望算法基于数据，能在合适的时间，给特定的观影对象，推送合适的内容。

摘自：pingwest

数据分析, 数据挖掘

                                                    风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！