林步昇譯，平台假象：拆解超級平台的神話，分析數位生態系的深層特徵，建立在數位環境中不被吞噬的結構性優勢，天下雜誌，2022
Jonathan A. Knee, The Platform Delusion: Who Wins and Who Loses in the Age of Tech Titans, Portfolio, 2021.
1.串流平台透過大量數據，改善服務本身的黏著度。然而，大數據有辦法改變Netflix，以更低成本、提供更吸睛的內容，一直是大眾的疑問。
2.Netflix自製劇《紙牌屋》大紅，便有人說因為該劇有所有大數據顯示的爆紅關鍵，但接下來的自製劇《馬可波羅》卻收視慘淡，播2季便停播。
3.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。所有企業想靠大數據抓準客戶胃口，都面臨著2大基本限制。
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、用什麼方式觀看。Netflix可以追蹤你的游標移動，推測你考慮過但最後決定不看是因為什麼，以及每一次暫停、快轉和懶得看完的節目有哪些，甚至知道你用什麼裝置觀看。
Netflix透過在訂戶群中一再進行A/B測試，不僅可以改善推薦內容，還可以精確的在特定裝置上，針對特定使用者顯示特定預告片。雖然Netflix略帶誇飾的描述有多少訂戶就有多少「客製版本的Netflix」，但其實它沒有說錯。
串流平台快速擴張，促進資料量和複雜度提升，改善服務本身的黏著度。不過人們更想知道的是，「大數據」伴隨而來的效益，可以額外增加多少訂戶使用服務的意願？但有太多動態變因，諸如定價、內容、市場上相互競爭的替代方案等，導致這些因素難以從外部獨立出來評估。
由於我們無從得知若缺乏大數據，流失率會是多少，因此難以得出確切的結論。儘管Netflix從顧客資料提取商業洞察，進而提升顧客留存率，依然難以相信大數據在此案例中，是徹底改變遊戲規則的策略。畢竟，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。
既然如此，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製作越來越多原創內容，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。...
然而，所有企業都面臨著2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。
沒有留言:
張貼留言