美國政治驚悚劇《紙牌屋》第二季甫一推出，立刻引來國內眾多影迷的追捧。這著實出乎我的預料。回望去年該劇第一季在國內與美國同步播出時，美國娛樂電視業受到很大震動，但國內卻乏人問津。這一次卻大不相同，該劇在國內的粉絲群已經從一季的精英階層擴大到中產階層，尤其是教育程度較高的年輕人。有朋友看此劇特別在微信朋友圈相告，“《紙牌屋》時間。不接電話，不看微信、短信、微博、郵件……起火請打119。”

　　對比大洋兩岸的朋友圈，我發現國內對本季《紙牌屋》的熱情超過美國。在美國，大家無非是期待，并喜歡一氣看完13集全劇的“狂看”體驗。國內的粉絲們除了欣賞劇情的曲折離奇、導演大衛·芬奇的昏暗影調外，還對美國政壇的錯綜復雜及其陰謀論解讀津津樂道。

　　不過我最感興趣的是，這部美劇在國內學者和業界引發的熱烈討論。除了劇集本身，他們還關注制作方奈飛公司 （Netflix） 的運營模式及視頻內容的“大數據定制生產模式”。而這些正是美國電視網老總們擔憂的：奈飛一類具有視頻內容生產能力的流媒體公司正挑戰傳統電視的平臺優勢。更具顛覆性的是，流媒體服務可能從此改變人們的視頻觀看體驗，而在這種新體驗的演進過程中傳統電視將被逐步淘汰。

（一）華爾街新寵

　　從去年開始，華爾街顯然已經認可了流媒體服務商的價值。以奈飛為例，近年來它不僅快速贏得了大量用戶，更成為華爾街的新寵。奈飛股價從去年1月初的90多美元上漲到了目前的450多美元，漲幅已達5倍，且未來仍有較大成長空間。奈飛去年四季度的財報顯示，當季凈利潤為4，800萬美元，同時新增230萬用戶，總訂戶突破4，000萬。

　　與此同時，百視達（Blockbuster）在全美全部300家影音租賃連鎖店黯然關閉，成為流媒體蓬勃發展的犧牲品。成立于1985年，跨越錄像帶、影碟和互聯網三個時代的百視達曾是美國人最喜愛的影音租賃連鎖店。流媒體的發展成就了奈飛、葫蘆（Hulu）等新公司，也讓人淡忘百視達曾經的輝煌。誰還記得十年前百視達在鼎盛時期僅在美國就曾擁有9，000多家影音租賃連鎖店、雇傭6萬多名員工？

　　不過，業界人士清楚地記得，奈飛也曾經苦苦探尋成功的運營模式。1999年，奈飛創始人里德·哈斯廷斯 (Reed Hastings) 和馬克·蘭多夫(Marc Randolph)與亞馬遜總裁貝索斯進行會晤，討論將奈飛出售給亞馬遜。亞馬遜只同意出價1，200萬美元，最終哈斯廷斯拒絕了亞馬遜的收購方案。一年后，哈斯廷斯曾有意以5，000萬美元的價格將奈飛出售給百視達，這一次是百視達拒絕了這一出價。哈斯廷斯最近談起此事還不無感慨地說，好后怕，幸虧沒有賤賣。

（二）奈飛優勢

　　這些年來，奈飛不但找到成功的運營模式，而且在視頻服務方面積聚了強大的優勢。它不但能夠輕易摧毀百視達一類的傳統影像租賃公司，而且直接挑戰電視網的平臺優勢。自2013年1月《紙牌屋》第一季推出后，美國娛樂電視業已經感受到巨大的沖擊和壓力。電視業老總一直認為，媒體流公司不過是電視業的附屬品，它們的視頻庫質量參差不齊，只能提供一些過季的電影和電視節目。

　　《紙牌屋》推出后，電視業的老總們突然發現自己四面受敵，而對手正是日益壯大的流媒體公司。這些公司擁有龐大的用戶群而且用戶增長迅速。如今奈飛的用戶已經比HBO GO多500多萬。因此，它們本身可以不依賴電視網而成為視頻內容的推送平臺，并且更加有效和精準。

　　流媒體用戶增長的另一個原因是收費較低。與有線電視的高額收費（多在100-200美元之間）相比，美國用戶每月向奈飛支付7.99美元就能在電視機、電腦和移動終端等多種平臺上無限制地收看奈飛視頻庫的節目。HBO GO在移動端的表現要遜色得多。前幾年奈飛的確只能提供一些過季電影和電視節目，但如今已經開始推出原創內容，如《紙牌屋》《女子監獄》等，其制作水準和質量足以媲美電視網制作的最佳劇集。

　　使用流媒體服務的另一個優勢是不受劇集季數和播放時段的限制。無論某電視劇多么受歡迎，電視網也不得不考慮每周168個小時的播放總長限制。流媒體公司則完全不同，它們能在一年的任何時段里向用戶提供視頻內容，其數量依據用戶需求而定，并可以采用一次性推出整季劇集，類似《紙牌屋》的推送方式。而這些都是現有電視網不可能做到的。

　　現在奈飛一類的流媒體公司開始在視頻內容生產方面挑戰電視業。更重要的是，它們長于對用戶數據的研究因而更了解用戶的需求，并在此基礎上建立精準的智能推薦系統。奈飛在這方面尤為出色。

（三）智能推薦系統

　　對流媒體公司的成功原因，美國業界人士看法兩極。有人認為，《紙牌屋》是“大數據運用的成功典范”，也有人認為“大數據”不過是一個廉價的標簽，被媒體過度渲染。在我看來，雙方實際上有一個共識，那就是基于研究成果的視頻內容推薦系統是流媒體公司的最有價值資產。

　　流媒體的智能推薦得益于計算機技術的進步，視頻服務商通過對海量用戶的觀賞體驗做出細致分析后做出個性化的推薦。以奈飛為例，強大的智能推薦系統首先基于用戶的視頻使用數據，而不只是用戶對內容的評價數據。當然奈飛也看用戶如何評分、自報的喜好程度，但更重要的是看他們如何使用視頻，如是否看完全劇，如何播放、是否快進、快退，觀看時間、地點、使用何種終端等。后一類數據存在某些偏差，例如有用戶為迎合某種社會潮流或偏見會自述喜歡或不喜歡的劇集，但實際情況并不完全如此。分析用戶實際使用數據可以更精準地發現用戶的真實喜好。

　　公平的說，電視網和電影制片商也一直在研究用戶，也試圖向觀眾推薦自己的產品。不過它們的推薦只是基于對視頻內容的簡單分類，其結果是分類過于寬泛，無法滿足用戶的個性化需求。另一方面，分類過細又常常令觀眾無所適從。

　　作為奈飛最有價值資產，它的智能推薦系統是基于一個劃分細致的類型庫，或者說是一種“微類型”。過去，好萊塢電影的分類只有幾個約定俗成的簡單類型，如動作/冒險，戲劇，情節劇，浪漫劇等。奈飛視頻庫的微類型則多達76，897。這個分類系統是奈飛自2006年開始建立，其基本概念是把一部影片的內容數字化，并為內容的各種層面加上標簽。每一種標簽帶有標量，從1到5不等。例如浪漫片的標簽，它不僅標注這類電影為“浪漫片”，還為每部電影的結局打分，從幸福的浪漫到悲傷的浪漫。電影中的每一個情節也有標簽，主角職業有標簽，影片地點也有標簽。

　　在此微類型系統的基礎上，奈飛還投資雇傭各類電影、電視編劇觀看視頻內容，并為評分，如浪漫、血腥、奇怪程度，以及情節及結局精彩度等。最具創意的是，奈飛電腦工程師將這些數據與用戶數據相結合，創造了一種視頻內容標簽語法。它依靠人工和機器算法結合的方式生成各種微類型，不僅僅可以提供用戶喜歡的內容，還能夠對其進行文字描述。這樣，奈飛不僅可以對內容實行精準分類，還能增加用戶推薦的個性化程度。如果用戶喜歡動作冒險類電影，并且浪漫程度比較高的，奈飛均能提供定制化的推薦。

　　值得一提的是，奈飛最早創立這個智能推薦系統的算法系統時依靠了電腦專家的集體智能。奈飛邀請電腦專家參加解決其電影評分及預測問題的機器學習比賽。比賽規定，能將奈飛現有推薦系統的準確率提升 10% 的個人或團隊將獲得 100 萬美金的獎勵，其評測指標是均方根誤差。當時奈飛電腦專家設計的推薦系統的均方根誤差為0.9625。比賽的要求是打敗現有均方根誤差值，并將其降低到0.8572或更低。

　　一年后，成績最佳的一個參賽團隊經過2，000多小時的努力，融合107種算法，最終將推薦準確率提高了8.43%，贏得了這份獎金。他們將源代碼交給奈飛后，公司內的專家分析了其中兩種最有效的算法，矩陣分解和局限型玻爾茲曼機，進一步提升了推薦準確率。通過這個比賽，奈飛發現了改善系統推薦結果的新算法。這些新算法一直使用到現在，并成為公司商業模式的核心部分。

　　今天，奈飛不只是為用戶提供電影、電視節目和其他娛樂視頻服務，最重要的是它了解用戶。它對你的觀賞興趣的了解可能比你家人，甚至你本人都更加深入和全面。這正是以研究結果為決策依據的流媒體公司的核心競爭力。這種競爭力正撼動電視網的平臺優勢，并徹底改變人們的視頻觀看體驗。