《纸牌屋》爆红，《马可波罗》却惨败，大数据不灵了？

写在前面曾经，Netflix有一部自制剧《纸牌屋》爆火，可以说是现象级的。
分析原因的话，很多人说《纸牌屋》有所有大数据显示的爆红关键，但接下来网飞耗巨资的自制剧《马可波罗》却收视惨淡。
《纸牌屋》大红、《马可波罗》大败，为何Netflix用大数据抓用户胃口会失真呢？是大数据有问题吗？其实，在串流媒体时代，Netflix有更多资料可以利用，不仅知道你在哪些片子上逗留，还知道你是否点进去观看、用什么方式观看。
Netflix可以追踪你的浏览移动轨迹，推测你考虑过但最后决定不看是因为什么，以及每一次暂停、快转和懒得看完的节目有哪些，甚至知道你用什么设备装置观看。
Netflix通过在用户群中一再进行A/B测试，不仅可以改善推荐内容，还可以精确的在特定装置上，针对特定使用者显示特定预告片。
虽然Netflix略带夸饰的描述有多少客户就有多少“客制版本的Netflix”，可以说是千人千面了。
但有一说一，从数据的精准度来说，其实它没有说错。
串流平台快速扩张，促进资料量和复杂度提升，改善服务本身的黏着度。
不过人们更想知道的是，“大数据”伴随而来的效益，可以额外增加多少订户使用服务的意愿？但有太多动态变因，诸如定价、内容、市场上相互竞争的替代方案等，导致这些因素难以从外部独立出来评估。
历史不容假设，由于我们也无从得知若缺乏大数据，流失率会是多少，因此难以得出确切的结论。
尽管Netflix从顾客资料提取商业洞察，进而提升顾客留存率，依然难以相信大数据在此案例中，是彻底改变游戏规则的策略。
毕竟，内容订阅主要是内容导向，再多大数据也无法改变这项事实。
既然如此，大数据如何改变Netflix以低成本提供更吸睛内容的能力呢？尤其是现今Netflix制作越来越多原创内容，大数据的功用究竟为何？我的看法与普遍看法相反：几乎没有改变。
壹、Netflix原创节目，靠大数据就能量产卖座大剧？我们先从原创节目开始，验证吹捧Netflix能透过大数据算法制作优秀作品的大谎言，而一切都要话说从头，即从Netflix首部爆红作品《纸牌屋》的由来说起。
《纽约时报》备受敬重的专栏作家大卫·卡尔（David Carr）表示，大数据和人工智慧赋予结构性优势，Netflix才能在连试播集都没有的情况下，成功击退其他参与竞标的同业，慎重的以1亿美元购买这部2季共26集的影集。
《纸牌屋》绝对爆红有3大关键因素：1、大卫·芬奇（David Fincher）执导电影、2、凯文·史派西（Kevin Spacey）主演电影、3、BBC《纸牌屋》原版究竟受到多少Netflix 观众的喜爱。
问题来了：为何竞争对手无法得到这3大爆红的关键因素呢？大卫·卡尔表示：“凭着这3个反映观众胃口的圆圈，Netflix便能在文氏图（VennDiagram）上找到交集，反映买下这部影集绝对会压对宝。
”这类后见之明都是针对少数创意独具的成功拍摄计画，原意是要让人误以为结果可以预测，但必然是巨片爆红后才锦上添花，如果作品惨败，就是一片沉默。
贰、《纸牌屋》大红，为何《马可波罗》红不起来？《纸牌屋》红遍半边天后不久，Netflix致力于拍摄预算翻倍的影集《马可波罗》。
根据报导，由于在中国拍摄费用过高又牵涉复杂因素，当初买家Starz 中途放弃计划，光前两季（每季10集）拍摄费用便高达每季1亿美元。
《马可波罗》遭取消时，没有人指出算法失灵！虽然这部剧没有任何一线明星，但确实请到了HBO热门影集《权力游戏》执行制片，内容主管萨兰多斯（Ted Sarandos）也说：“这是Netflix会员最喜欢的扣人心弦动作冒险片。
”不过《马可波罗》却是最早被取消的Netflix影集之一。
Netflix早年相对不愿意取消节目，因为可以拿来佐证Netflix有慧眼识强片的能力。
Netflix声称，自家制作节目的续订率达到93%，而传统电视网续订率只有33%。
从历史的纪录看2者的差异确实不假，但这反映的是Netflix和传统电视是不同的企业，所以有着不同的经济结果。
电视网需要一定比例的全国收视率，才能替自己与附属广播业者带来足够的广告营收。
部分免费的串流服务确实也仰赖广告，即所谓的广告式影音随选（AVOD）服务，其余像Hulu则是采取混合模式。
调研机构尼尔森（Nielsen）收视调查服务宣称，2024年前会开发出全新收视率指标，结合数位与传统收视方式。
但这些对Netflix都毫无影响，毕竟Netflix属于纯订阅制影片点播（SVOD）业者。
Netflix管理订户的方式，是分成1300个不同的“偏好社群”（taste communities），设法提供各个社群足够选择以满足其需求。
既不卖广告，也不必报告使用情况，但重点是玩多方位的长期战，提供足够服务取悦形形色色的小众兴趣，还有受众更广的娱乐大片。
大数据当然有助于了解每项内容需求多寡，以维持订户的兴趣。
其实运用大数据帮助娱乐业高层有系统的选择计划，已有近半个世纪的历史。
传统上使用统计技术寻找确定变因之间的历史关系，已被“神经网络”所取代，其中相对随机的大量原始资料，便可以输入电脑以找出有意义的关系。
十多年来，形形色色AI新创企业吸引许多资金和制片厂顾客，至今新企业依然如此。
然而，所有企业都面临着2大基本限制。
首先，他们无法掌握观众胃口的变化。
其次，潜在相关变因的数量（数十万种组合可能）远远多于历史资料量（仅数千部电影或影集），自然就导致似是而非的相关性。
也许，其中部分有助于最佳化行销和发行的决策，这也是多年来各项“黑盒”方法派上用场的主因。
叁、说到底，大数据提供不了好作品！几乎没有证据显示，真正有料的创意领域单靠大数据算法就能创作出爆红作品。
贝索斯曾妄想自己可以利用大数据和群众外包，把原创爆红影片的比例从10%大幅提升到40%，但最终放弃了科学制片厂的愿景，部分改为自己半即兴阐述的成功节目12大要素。
贝索斯越来越像过去的制片厂老板，喝斥员工要“生出卖座大片！”只不过他旧瓶装新酒：“我要打造自家的《权力游戏》。
”值得玩味的是，随着Netflix开始公布观看数最高作品的部分资料，Netflix事业本身的差异也变得更为明显。
Netflix过去数年来观看数最高的影片，包括2018 年珊卓·布拉克（Sandra Bullock）主演的电影《蒙上你的眼》（Birdbox）和2019年亚当·桑德勒（Adam Sandler）与詹妮弗·安妮斯顿（Jennifer Aniston）合作的《夺命鸳殃》（Murder Mystery），若以影评网站metacritic 和烂番茄（Rotten Tomatoes）的冷清评价看来，既不叫好也不叫座。
这两部电影假如真的上了院线，是否也会一炮而红，依然不得而知。
相较之下，假如音乐剧改编的《猫》（Cats）或《怪医杜立德》（Dolittle）等近年来狂烧预算、结果票房惨淡的电影改在Netflix上架，说不定会吸引不少订户的好奇，进而获吹捧为爆红大片。
《蒙上你的眼》和《夺命鸳殃》属于中等预算影片，既不是续集也不是衍生作品（即放到电影院播映已不具经济效益），顶多有一两位大明星加持。
Netflix已证明，至少美国市场对这类电影仍有部分需求。
大数据过去没做到、未来也做不到的是：提供一个拍出优秀影视作品的范本。
结语如今，很多串流平台都学着网飞通过大量数据，来改善服务本身的黏着度。
然而，大数据是否真的有办法改变网飞Netflix，以更低成本、提供更吸睛的内容，一直是大众的疑问。
Netflix自制剧《纸牌屋》大红，便有人说因为该剧有所有大数据显示的爆红关键，但接下来的自制剧《马可波罗》却收视惨淡，播2季便停播。
几乎没有证据显示，真正有料的创意领域单靠大数据算法就能创作出爆红作品。
说到底，好作品最重要的是人脑，而不是电脑。
是用心去创作，而不是“用芯”去计算！