Netflix 為何無法稱王？大數據過去沒做到，未來也做不到的事
Netflix 從其獨特的「大數據」資料庫中，取得兩大項競爭優勢。第一項優勢攸關其如何管理顧客體驗，這主要是推薦影片給訂戶的方式與內容；第二項優勢則是攸關 Netflix 持續製作熱門節目的能力。第一項優勢千真萬確，只是了無新意，但第二項優勢基本上是無稽之談。
掌握訂戶喜好，打造專屬於你的片單
早在 Netflix 成為串流服務前，就積極又有效地利用顧客資料，開發強大推薦引擎。這些演算法具備兩大好處：最明顯的是， 藉由不斷提供訂戶可能最感興趣的DVD選項，提升顧客滿意度、減少顧客流失率 ；其次，由於提供新片的成本高上許多， Netflix 可以推薦訂戶有興趣的舊片，既能滿足需求又能降低成本 。
在串流媒體時代，Netflix 有更多資料可以利用，不僅知道你在哪些片子上逗留，還知道你是否點進去觀看，以及觀看的方式，Netflix 可以追蹤你的游標移動，推測你考慮過但最後決定不看的影片，以及每一次暫停、快轉和懶得看完的節目，甚至知道你用來觀看的裝置。透過在訂戶群中一再進行 A/B 測試，Netflix 具備獨特能力， 不僅可以改善推薦內容，還可以精確地在特定裝置上，針對特定使用者顯示特定預告片 。雖然 Netflix 總是略帶誇飾地描述，有多少訂戶就有多少「客製版本的 Netflix」，但其實沒有說錯。
無庸置疑的是，串流平台快速擴張，促進資料量和複雜度提升，真正地改善服務本身的黏著度，無論與其他服務或與自身相比皆是如此。不過，內容訂閱主要是內容導向，再多大數據也無法改變這項事實。那大數據如何改變Netflix以低成本提供更吸睛內容的能力呢？ 尤其是現今 Netflix 要製作愈來愈多原創內容，大數據的功用究竟為何？答案與普遍看法相反：幾乎沒有改變 。
用大數據拍出賣座好片？只是個迷思
我們先從原創節目開始，檢視吹捧 Netflix 能透過演算法製作優秀作品的大謊言，而一切都要話說從頭，即從 Netflix 首部爆紅作品《紙牌屋》的由來說起。《紐約時報》備受敬重的專欄作家卡爾（David Carr）表示，大數據和人工智慧賦予結構性優勢，Netflix 才能在連試播集都沒有的情況下，成功擊退其他參與競標的同業，慎重地以 1 億美元購買這部兩季共 26 集的影集。
競爭對手無法得到讓《紙牌屋》絕對爆紅的三大關鍵資料：大衛．芬奇（David Fincher）執導電影、凱文．史貝西（Kevin Spacey）主演電影、與 BBC《紙牌屋》原版究竟受到多少 Netflix 觀眾的喜愛。卡爾表示：「憑著這三個反映觀眾胃口的圓圈，Netflix 便能在文氏圖（VennDiagram）上找到交集，反映買下這部影集絕對會壓對寶。」
這項說法看上去太過荒謬，若非類似觀點一再出現，根本沒必要加以反駁。這類後見之明都是針對少數創意獨具的成功拍攝計畫，原意是要讓人誤以為結果可以預測，而且 必然是鉅片爆紅後才錦上添花，就像作品慘敗後必然一片沉默 。
《紙牌屋》紅遍半邊天後不久，Netflix 致力於拍攝預算翻倍的影集《馬可波羅》。根據報導，由於在中國拍攝費用過高又牽涉複雜因素，當初買家 Starz 中途放棄計畫，光前兩季（每季 10 集）拍攝費用便是每季 1 億美元。 《馬可波羅》遭取消時，沒有人指出演算法失靈。實際上，最初為沉重財務負擔所提出的說法，聽起來頗有老派好萊塢的味道。 雖然這部劇沒有任何一線明星，但確實請到了 HBO 熱門影集《權力遊戲》執行製片，內容主管薩蘭多斯則解釋：「這是 Netflix 會員最喜歡的扣人心弦動作冒險片。」
《馬可波羅》是最早被取消的 Netflix 影集之一。Netflix 早年相對不願意取消節目，這常被拿來佐證 Netflix 有慧眼識強片的能力。Netflix 聲稱，自家製作節目的續訂率達到 93%，而傳統電視網續訂率只有 33%。史上兩者的差異確實不假，但這反映了 Netflix 是不同的企業，有著不同的經濟結果。
Netflix 管理訂戶的方式，是分成 1300 個不同的「偏好社群」（taste communities），設法提供各個社群足夠選擇以滿足其需求，既不賣廣告，也不必報告使用情況，但重點是玩多方位的長期遊戲，提供足夠服務取悅形形色色的小眾興趣，還有受眾更廣的娛樂大片。大數據當然有助於了解每項內容需求多寡，以維持訂戶的興趣。
然而，所有企業都面臨著兩大基本限制。 首先，他們無法掌握觀眾胃口的變化。其次，潛在相關變因的數量（數十萬種組合可能）遠遠多於歷史資料量（僅數千部電影或影集），自然就導致似是而非的相關性。 也許，其中部分有助於最佳化行銷和發行的決策，這也是多年來各項「黑盒」方法派上用場的主因。
然而，幾乎沒有證據顯示，真正有料的創意領域單靠演算法就能創作出爆紅作品。貝佐斯曾妄想自己可以利用大數據和群眾外包，把原創爆紅影片的比例從 10% 大幅提升到 40%，但最終放棄了科學製片廠的願景，部分改為自己半即興闡述的成功節目十二大要素。貝佐斯愈來愈像過去的製片廠老闆，喝斥員工要「生出賣座大片！」只不過他舊瓶裝新酒：「我要打造自家的《權力遊戲》。」
原創影片很好，但大多訂戶看的仍是授權內容
值得玩味的是，隨著 Netflix 開始公布觀看數最高作品的部分資料，Netflix 事業本身的差異也變得更為明顯。Netflix 過去數年來觀看數最高的影片，包括 2018 年珊卓．布拉克（Sandra Bullock）主演的電影《蒙上你的眼》（Birdbox）和 2019 年亞當．山德勒（Adam Sandler）與詹妮佛．安妮斯頓（Jennifer Aniston）合作的《奪命鴛殃》（Murder Mystery），若以影評網站 Metacritic 和爛番茄（Rotten Tomatoes）的冷清評價看來，既不叫好也不叫座。 兩部電影假如真的上了院線，是否也會一炮而紅，依然不得而知。
相較之下，假如音樂劇改編的《貓》（Cats）或《怪醫杜立德》（Dolittle）等近年來狂燒預算、結果票房慘淡的電影改在 Netflix 上架，說不定會吸引不少訂戶的好奇，進而獲吹捧為爆紅大片。好啦，《貓》大概不太可能。
《蒙上你的眼》和《奪命鴛殃》屬於中等預算影片，既不是續集也不是衍生作品（即放到電影院播映已不具經濟效益），頂多有一兩位大明星加持。Netflix 已證明，至少美國市場對這類電影仍有部分需求。大數據過去沒做到、未來也做不到的是：提供一個拍出好電影的範本。
海斯汀在 2020 年與梅爾（Erin Meyer）教授共同出版《零規則》（No Rules Rules: Netflixand the Culture of Reinvention）一書，探討企業文化和管理哲學，其中包含了 Netflix 挑選節目的小故事。當中最值得注意的是， 統計資料在實務中發揮的作用極小。
就以兒童節目為例，海斯汀過去曾抱持既定的想法，認為這類內容既無法吸引新的訂戶，也無助於留住現有訂戶。顯然，改變他想法的不是大數據，而是某次員工會議上，許多父母分享自己在考慮是否訂閱時，能否觀看無廣告的可靠內容十分重要。
最後高層決定，以大受歡迎的印度動畫小品《威武小頑童》（Mighty Little Bheem）為樣本在全球開發電影與電視節目，而這項結果是出於宏觀的策略因素，而不是人工智慧。實際上，最終的決策者發覺企業「缺乏學齡前節目的歷史資料，甚至在印度也是如此」。
截至 2020 年 儘管 Netflix 大部分新內容都是原創作品，但絕大部分訂戶觀看的影片仍然是授權內容。 想也知道，授權的內容往往早就確定是當紅的內容。藉由尼爾森和 Comscore 等收視資料與研究服務機構，電影和電視節目的人氣與觀眾族群特色也都不是祕密。
Netflix 也許更了解自己訂戶的喜好，以及曉得依照特定訂戶進行精準推薦。但至少在美國，Netflix 訂戶群看起來愈來愈像飽和的市場，因此難說真的有商業洞察來判斷應授權的節目和電影。
（本文出自《平台假象》，天下雜誌出版）
