本文特别致谢:
极客电影、 Hulu 推荐算法技术负责人周涵宁博士提供技术咨询
上个月好莱坞最大的震动,莫过于市值 1600 亿美元的流媒体巨头 Netflix,以微弱优势超过了当时市值为 1580 亿美元的迪士尼,成为真正的娱乐之王,在硅谷科技公司与传统好莱坞的对战中小胜一筹。
▲ 迪士尼与 Netflix 的娱乐霸主之争
Netflix 拥有近 1.3 亿全球订阅用户,它不仅用「算法」制作内容,还用「算法」把用户留在家中、一个接一个的看自己平台上的内容,这已经对包括电影院线在内的传统发行渠道产生了致命冲击。
▲ Netflix 滋生了海外的 “追剧党”
革了发行的命还不够,Netflix 还要革意见领袖的命——用户的主观评论也不重要了!
过去几年里,这家互联网公司一点点有预谋、有计划、有步骤的弱化「主观评论」;今年夏天结束时,Netflix 将彻底抛弃「用户评论」功能。
Netflix 这个举动背后的逻辑是什么?它对未来互联网内容的趋势有什么影响?
最初 Netflix 上的用户评价体系跟我们熟悉的「大众点评 APP」和「豆瓣电影” 一样,分成两类:「五星打分」和「用户影评」。
「五星打分」,观众用五颗星来对电视节目或电影进行评级;「用户影评」,观众在看过内容后,可以写 80-1999 个字符的主观评论。
去年 4 月,Netflix 用一个更简单粗暴的「拇指向上/向下」点赞系统取代了「五星打分」体系。
用户对内容的判断只剩下「拇指向上-好」或者「拇指向下-不好」。
Netflix 说,这个产品灵感是从约会网站上的左右滑动算法匹配来的。产品经理认为,一个基于百分比的评价系统能给观众提供更有效的选择参考。
这一改变能带来两个实际的好处:
第一,去掉了用户评价的模糊区,让算法学习更高效:
有些用户为了彰显自己的观影品位,给喜欢的作品打出「三颗星」,这其中的涵义对人类来说就够模糊的了,机器学习起来效率更低。非黑即白的 “是否” 评判就是用来消灭灰色地带的。
第二,让用户的反馈不再「纠结」,降低了反馈门槛、增加了反馈用户人数,机器学习结果更准确:
相对「五星」的 5 个选项,「是否」2 个选项参与起来更容易、更接近本能;这样用户就更喜欢反馈,有助于提升参与用户的样本量,这样就能增加机器学习的准确性。
一份 Netflix 的报告显示,在内测过程中,使用「拇指向上/向下」系统让用户收视率提升了 200% 。
Netflix 认为「五星打分」的作用被高估了,它更适合那些有大把空闲时间在网上吹嘘自己观点的人:
「给出明确信号,让我知道你对这个内容感兴趣,我们就能更了解你的喜好,给你推荐更多类似内容;
用向下的拇指告诉我们你不是这个内容的粉丝,它就不会再在你的主页出现。
拇指的方向能帮我们了解和学习你独特的品味,这样我们就能更智能的为你推荐你喜欢的的故事。」
杀死那个烦人的影评
继废除「五星”」之后,Netflix 又对「用户影评」动手了:截止今年 7 月 30 日,你将无法在评论区写新的影评;到 8 月中旬,你甚至连之前的用户评论也看不到了。
Netflix 发言人对媒体说,因为「用户评论」功能的使用量在持续下降,所以才做出彻底拿掉它的决定。
但是,打从一开始起 Netflix 好像就不太愿意让用户留下主观评论:Netflix 的 APP 上看不到「评论」功能,只有 PC 端上才有;而且平台也从来没认真开发过这项功能。
停掉「用户影评」,可能有两个真实原因:
1. 流媒体模式下,评论对 Netflix 业务的重要度下降了:
在 DVD 租赁服务时期,用户评论还是有意义的:毕竟邮寄 DVD 需要两三天时间,如果用户收到一部特别难看的电影,换一张还得再等两三天时间。
但是,如果你在 Netflix 流媒体服务上看了一部糟糕的电影,立刻就能把它停掉,换下一个内容。试错成本极低,看别人的主观评价,还不如自己动动手指。
2. Netflix 的自制内容增多,放开用户主观影评有百害而无一利:
Netflix 已经不再仅是影视内容的发行渠道,今天的它就是一个真正的制片公司。
《纸牌屋》、《怪奇物语》、《王冠》… 这些都是真金白银砸出来的原创剧,差评和恶意口碑,都是片方最不能容忍的。
互联网上用「刷负面口碑」来拉低节目收视率或电影上座率的做法层出不穷:前不久喜剧明星艾米·舒默的 Netflix 脱口秀就成为「负面口碑轰炸」的受害者。
▲《艾米·舒默:皮革特辑》网络口碑墙内墙外各种扑街
去年,亚马逊旗下的 IMDB 就关闭了用户论坛,理由是「它们不再为大多数用户提供积极、有用的体验」,Netflix 可能也有同感。
▲ IMDB 用户论坛关闭通知
为避免被差评,Netflix 决定先下手为强,先绝了这些恼人的影评——至少在自家平台上。
对于那些想认真看影评的人来说,外面有无数消息源:可以去 IMDB 和烂番茄看评分,或者到社交平台搜口碑,更较真儿的还可以去找一些更细分的专业媒体影评。
相比起专业影迷,Netflix 考虑的更多是 “吃瓜群众” 的感受——「用户影评」可能不会显著增加收视率,一旦出现负面评价,还会严重伤害收视数据,得不偿失。
所以,为什么还要在自家内容旁边保留这颗「定时炸弹」呢?
算法是「降维打击」的终极武器
Netflix 现在最依赖的,是基于你观看习惯的「百分比匹配」算法。
这套算法最核心的标准就是你的个性化偏好选择(拇指上下),它基于你的兴趣、为你量身定制,而且越用预测结果越准。
▲ Netflix 用户进入个人主页,第一行和第三行都是算法推荐内容
举例来说,如果我是科幻迷,就会经常收到平台推荐的科幻剧和科幻电影,而且大多数都符合我的喜好。
即使有时候内容品质没想象中的好,我也还是会点击观看——因为这是 Netflix 推荐给我的,试错成本又这么低,试试又何妨?大不了事后 “拇指向下” 。
Netflix 还会提供「朋友喜欢的节目」给你做参考:你能在节目下方看到「你的 10 个朋友也喜欢《怪奇物语》」的信息,比陌生人的随机评论更有杀伤力。
它有点类似微信公众号文章的展示逻辑,是「内容社交化」的一种尝试。
但是,Netflix 算法最被人诟病的缺点,就是它会把观众变得非常被动——坐在那,等着系统「喂」给自己内容;长此以往,用户对内容选择的主动权可能会消失,“跳出偏好框架” 的能力也会丧失,用户的认知体系会变得单一、充满偏见。
身为全球最被资本市场看好的媒体巨擘,Netflix 毫不犹豫的站了「算法」,还在算法铺成的道路上加速行驶,一骑绝尘。
就在此刻,Netflix 正在开发一项更贵的订阅服务——Ultra(超级用户),每月订阅费将近 20 美元,它允许一个账户同时把超高清内容「流」到四台终端设备上。
野蛮生长的互联网公司 Netflix,需要的确实是更简单清晰提升平台效率和价值的方法,再没时间和精力文艺了。