在2016年艾美奖提名名单里，Netflix收获54个黄金时段艾美奖提名（Primetime Emmy nominations），仅次于FX（Fox旗下的FX电视网）和HBO；2017年，它的势头不断，获得91项提名，直追HBO；到了2018年，Netflix直接以112个提名超过HBO的108个提名，顶下后者过去17年来提名第一的位置 。
根据摩根士丹利（Morgan Stanley）2019年的最新研究，Netflix在今年继续凭借其制作精良的电视节目稳坐美国“最佳原创节目”公司第一宝座。
截至今天，Netflix的全球用户已经超过1亿。根据Netflix在7月17日公布的数据，在今年第二季度里，Netflix全球的用户数已经达到1.03亿，而且仅这个季度就增加了520万。和国内很多拥有几亿免费用户的视频网站不同，Netflix拥有的可都是付费用户（7.99美元／月）。
除了用户上的精彩数据，Netflix在行业竞争中的表现也是惊人的，在市值上甚至一度超越迪士尼这等老牌的电影巨头。2018年5月，流媒体视频公司Netflix市值（1526.9亿美元，约合9757.2亿元）超过了传统媒体巨头迪士尼（1523.3美元，约合9734.2亿元）。
Netflix为什么能够在竞争激烈的流媒体中脱颖而出？
答案是，Netflix团队对大数据的充分挖掘和应用。
Netflix的创始人兼CEO里德·哈斯廷斯从未避讳数据对公司发展的帮助。
内容媒体都会面对的两个问题：（1）如何在内容上投用户所好？（2）如何提升用户观看体验？
这些问题，Netflix公司都通过精准的大数据技术解决了。
制作用户想看的内容
早在 2014 年初，NetFlix 就开始利用人工智能向用户推荐更好的电影。此前，Netflix根据用户的搜索历史和观看历史向用户推荐新内容。
但用户浏览的历史真的代表他们的喜好吗？
很多用户只是出于好奇心短暂地浏览了某一类内容，结果被机器采集该行为，并判断用户喜欢这类内容，在后续用户体验过程中持续向用户推荐这类内容。这种个性化推荐粗暴简单，无法为用户提供独特的体验。
因此，NetFlix决定优化网站上的推荐引擎，改为根据用户喜欢的电影和电视剧向他们推荐内容。
在具体的实施方案中，NetFlix 借助人工智能中的“深度学习”技术解决了这个问题。NetFlix 向 AI 输入大量的信息进行训练，让 AI能够更好地向用户推荐内容。AI 中的神经网络能够模仿人类大脑识别模式的方式，能根据用户喜欢的因素，比如演员、影视流派、甚至影片拍摄地点等向用户推荐更符合他们口味的内容。
除了内容的个性化推荐，Netflix公司在影片的预告片展示上也实现了用户体验个性化。
不管是过去还是现在，很多预告片和花絮集锦的制作过程都奉行千篇一律的原则，每个人都会看到同样的预告片。但是，即使是经验最老道的剪辑师，也无法保证自己剪辑的内容能吊足每一位观众的胃口。
然而，人工智能做到了——在我们过去的认知里，人工智能不具备感知人们情绪变化的能力。
如今，技术的发展在颠覆人们的“偏见”。
在媒体行业中最早做出探索和创新的是福克斯公司，它和IBM研究院联手，为悬疑恐怖电影《Morgan》制作了“认知电影预告片”。IBM的Watson人工智能系统通过对电影进行视觉分析，识别角色、物体和场景，收集并记录人们对于不同场景产生的情绪和反应，创作出它认为属于“悬疑类”的预告片。
眼下Netflix也计划将这项技术应用在自家电影和电视剧的预告片中。机器收集、分析并记录用户的观看数据，比如用户的观看方式、观看时间、观看偏好等等。根据这些数据，人工智能在制作预告片时，就能够根据每个用户的偏好属性（场景、演员、背景乐类型、拍摄手法的爱好差异）进行个性化剪辑，制作出符合用户口味的预告片。
以《心灵捕手》预告片为例，对于那些电影收藏记录里80%都是爱情电影的用户，AI会重点剪辑演员马特·达蒙和米妮·德莱佛之间的温存时刻；对于日常更喜欢看喜剧的观众，AI在剪辑时重点突出喜剧大师罗宾·威廉姆斯，则更有可能吸引这一批用户。
在内容推荐和影片预告展示上通过 AI 技术实现用户体验的精准化与个性化，NetFlix 牢牢把握了用户体验，创建了自己的品牌忠诚度——正是它能在激烈竞争中取得先机的武器。
用 AI 算法解决视频卡顿问题，
提高用户观影体验
每位观看视频的用户都希望享受到高清流畅的观看体验。但是对于带宽不发达的用户，视频卡顿是常有的事。想想剧情进行到最吊人胃口的环节，视频卡顿缓冲是多么令人冒火的事。对于这种严重影响用户观看体验的问题，NetFlix采取的最有力的武器就是人工智能。
图片来源：The Netflix Tech Blog（Medium网）
Netflix采用的新技术叫做「Dynamic Optimizer」（中文译为：动态优化器），这是美国南加州大学与Netflix共同研发的新技术。他们对数百名观影者进行画质观看测试，然后根据收集的反馈信息来训练人工智能，使其明白如何压缩视频，并根据这些因素原则压缩视频，做到shot based encoding，在静态和垃圾场景时大幅降低码率，而到了动态和精彩镜头时，则大幅提升码率。
通过「Dynamic Optimizer」技术，Netflix采取了解决视频卡顿问题，保证了用户高质量的观看体验。
总结
作为一家流媒体服务商，Netflix公司能创造出这样的成就，背后是对大数据的充分掌控和应用。
对于其他公司而言，如何利用大数据更好地解决你与用户之间的痛点，也是这些公司应该学习的地方。
网友评论