Netflix打造用户忠诚度的护城河

说到Netflix（奈飞），有的读者可能不是很熟悉，但是一提到《纸牌屋》这部网络剧，想必大家都有所耳闻。没错，这部曾火爆网络的电视剧便是Netflix制作。

当下，Netflix发展势头迅猛，就连素以制作精良王牌电视剧而知名的HBD公司，其市值亦不及Netflix的1/3。取得如此成就，Netflix究竟靠的是什么呢？具体如下图所示。

截至2016年12月31日，Netflix已在190多个国家运营，拥有9800万付费会员，年收入超过80亿美元。Netflix是过去15年来标普500指数中回报第二高的公司，仅次于Monster Beverage Corp。过去15年来，Netflix的股价涨幅超过了苹果和亚马逊等科技巨头，达到了惊人的130倍。而苹果和亚马逊的同期涨幅只是84倍和49倍。目前，Netflix的市值已高达680亿美元，市盈率高达430倍。

Netflix 1.0：改变收费模式，提高市场占有率

1997年Netflix成立于硅谷，其将类似于传统碟片租赁的模式搬到线上，成为线上影片租赁公司。客户选定一个想看的影片，在网上下单，公司就寄送过来，看完之后客户再邮寄回去。

传统的影片租赁收入包括租赁费、逾期费、广告费三部分。

Netflix诞生时，其模式与一家名叫Blockbuster的公司相似。Blockbuster通过特许经营（Franchising）和数据分析能力，与线下的影片租赁店争夺用户。至2004年达到峰值，Blockbuster曾拥有共9000多家店面，雇员接近60000人。

Netflix是通过什么战胜Blockbuster的呢？主要有两点：一是渠道策略，二是定价策略。

其中，渠道策略是指，Netflix利用雅虎的兴起，为雅虎社区提供服务。一方面与雅虎这家网上社区合作，为其提供内容；另一方面积累了优质的线上客户。

Netflix的定价策略经过了数次迭代。利用没有实体店的轻成本运营模式，Netflix采用了在定价上碾压对手的策略。

最初，Netflix每张碟收费50美分，相比Blockbuster平均每张5美元的定价，已经有了很大的优势。但Netflix随后又取消了逾期费，改成了订购模式。到了1999年9月，Netflix推出了无到期日、无逾期费、无邮费的会员制，一个月会费19.95美元，每次最多租四张碟。这时，Netflix已经与绝大多数影片租赁公司产生了本质上的差异。这就是运营迭代打造商业模式的过程。从取消逾期费开始，Blockbuster用户便开始纷纷转投Netflix。

Blockbuster上市时，Netflix想将自己以5000万美元卖给Blockbuster，但遭到拒绝。于是Netflix利用低价政策与其争夺，最终致Blockbuster落败。如下图所示，展示了Netflix打败Blockbuster的过程。

由于Blockbuster号称在全美范围内都有驾车10分钟便可到达的租赁点，因此Netflix要超越它，必须做好新的用户体验。

Netflix的用户群定位，用首席运营官哈斯汀（Reed Hastings）的话来概括，是将客户细分为3种人群：喜欢高品质碟片、倾向选择种类多、倾向便利。围绕这3点，Netflix用以下几招来提高用户体验和客户忠诚度，从而迅速提高了市场占有率。

Netflix对新用户提供14天的试用服务，试用期结束后会被自动登记为付费用户，除非用户自己取消。大约有90%的客户成功支付了费用，从中可见新用户对于Netflix的客户体验和满意度都维持在一个非常高的水平。

Netflix 2.0：内容组合提高产品的用户体验

2002年Netflix上市时，竞争对手颇多（见下图），用户数只有60万人，权益赤字达9000万美元。招股说明书中称，他们只能依赖极大地提高营业利润率（Operating Margin）来实现盈利。

在依靠运营能力改变了影片租赁模式之后，Netflix用“HBO化”作为第二步针对内容的模式迭代的主要策略。2010年，Netflix正式进军原创节目。2013年，Netflix投资的《纸牌屋》逐渐步入热门剧第一梯队，并开始发力追赶HBO。同年，Netflix的用户数超越了HBO，而目前预计已经达到HBO用户数的三倍。这与二者的市值之差相吻合。Netflix的付费会员数变化见下图。

Netflix和HBO在2013年时营收接近，当年HBO营收约为49亿美元，Netflix同期为43.7亿美元。但HBO的利润高达17亿美元，而Netflix只有2.28亿美元。

Netflix超越HBO时几个颇为奏效的主要市场运营手段如下图所示。

· 内容组合弥补内容短板：内容组合形成了用户对Netflix内容独家性的印象。利用流媒体内容容量的优势，Netflix不仅借助丰富的片源进行多频道组合及开发的大数据系统为用户提供精准查找和推荐，增强用户观看兴趣和体验，还颠覆了传统的电视制作与发行周期，大幅提高了制作与发行的速度。

· 非捆绑服务+定价争取更多用户：HBO的收费是列入有线电视的附加收费，每月最基本的收费为15～20美元。尽管HBO也推出了仅限网络使用的独立版HBO Go服务（不捆绑有线服务、通过网络享受的视频服务），但这项业务并没有被HBO当作核心业务来发展。Netflix在运营中，针对HBO的这一缺陷大做文章。由于HBO是和付费有线电视捆绑在一起的，一方面，面向的用户群较窄；另一方面，在定价权方面的灵活性不高。而Netflix则可以方便地推出各种套餐，使用户可以自由选择。再加上丰富的片源，能满足更广泛的客户需求。虽然HBD的财务报表看起来更为光鲜亮丽，但Netflix利用更加有针对性的内容，借助价格优势，通过品牌和用户运营，弥补了的内容短板，并获得在自制剧领域追上对手的宝贵时间。

· 差异化新片发布培养用户新的观看习惯： Netflix采用与HBO有差异的新片发布形式，也进一步弥补了内容上的欠缺。

在Netflix上，新剧集的发布，是一次发布整整一季，虽然剧集质量并不是顶级王牌制作，一次性提供所有剧集也会丧失一些收入，但却培养了用户新的观看习惯，与对手拉开了差距。

Netflix的模式，对HBO这类传统有线电视机构造成了巨大的挑战。而当HBO做出新的业务尝试，例如，应用户要求开放其旗下所有历史节目套餐“图书馆”时，这些方式又很容易为Netflix所复制。

所以，现在Netflix和HBO的关系是，Netflix可以向上蚕食HBO的自制剧市场，HBO却很难向下攻打Netflix的长尾用户。

Netflix 3.0：于数据的精准运营提高竞争力

Netflix基于数据的精准运营包括如下图所示的3个方面。

1．精准推荐系统

Netflix收集的用户数据，基于数据的推荐功能也会更加精准。Netflix创办早期，就耗时三年花费百万美元打造了一套独有的推荐系统。这套系统有如下功能。

· 建立用户画像：打开Netflix，首先弹出的是角色选择窗口，迅速定位到用户的年龄、性别、过去看过的视频，甚至好友信息，并据此产生一个瀑布流主页，结合获取到的信息为用户推荐符合其口味的影片和电视剧。

· 增进用户互动：Netflix推荐系统中一个非常重要的特性就是“推荐理由”。在每个推荐板块中，用户能够清楚地知道为什么获得这些推荐结果。这些理由都是些口语化的句式，比如，“因为你看过**”“我们猜你喜欢**”等。这个举措不但会给用户带来信任感，还会鼓励他们更积极地参与到推荐互动中来，并给予更多有效反馈。

· 注重多样性：Netflix的推荐综合了多种形式，并且很注重多样性，同一个首页中，不仅会根据用户曾经看过什么、可能的喜好进行推荐，还专门开辟区域，为用户推荐当天或当周最热门视频，即TopN推荐。这些举措在最大限度满足用户喜好的同时，也为用户发现更多喜爱的影片提供了可能，如下图所示。

· 增加社交色彩：鼓励使用Facebook等社交媒体登陆，因为一个Facebook账号除了可以带来用户身份特征，还有一项非常重要的作用，就是它所关联的好友圈。这个圈就是用户的互联网社交圈，所谓物以类聚，人以群分，通过好友们正在观看的视频，能更准确地推算出用户喜好。

其次，Netflix通过朋友圈推荐和为影片分类打分、推荐等功能，不仅增进了与用户的互动，还提高了小众影片的受关注度。

· Genre（类型）系统：这是Netflix最强大，也是最核心的推荐理念之一。其关键词可以广泛如“喜剧”“正剧”这样的分类概念，也可以细分至如“80年代的时间旅行科幻电影”这样的细分主题。每个关键词下形成一个影片集合，再按照影片本身属性与该基因的吻合程度排序。

于是，呈现在用户面前的，是结合前面所有特征（如用户角色、浏览历史、多样性、好友信息等）后，再糅合保证让用户有足够新鲜感的更新特征，最终选择合适的genre展现在用户面前的产品。在用户浏览每个基因下的影片时，Netflix还会采取手段吸引用户为基因的合理性打分。

· 相似度系统：除了top N和genre系统外，还有一个重要的推荐形式，被Netflix穿插在推荐系统中，那就是相似度推荐系统。这个相似度推荐可以是两个影片的相似度，也可以是两个用户的相似度。它可以出现在播放页里，也会出现在搜索结果中，甚至在首页timeline中，会作为一个genre出现。

推荐系统发展到现在，已经是一个拥有无数工程师、众多分支共同发展的成熟体系。它在大多数网站中均有应用。以上提到的种种特性，可以说是所有推荐网站或多或少都会采用的推荐手段。

但是Netflix推荐系统的强大之处就在于它将这些特性完美地综合在了一起。在主页上你会看到TopN型的推荐，也会看到genre推荐，还会看到根据历史信息生成的相关推荐，但它同时也保持了界面简洁。每个推荐都有适当的理由，让你一眼就知道它为什么会出现在timeline里。这正符合了推荐的作用：让用户最快、最简便地找到其所需信息。

BPC团队算法的高明之处在于考察了用户评级数据中的时间和“频率”因素，用户在为影片打分时往往受情绪影响，而情绪是与时间有关的。另外，用户的爱好也会随着时间的变化而变化。对比一位用户五年前的打分和他最近的打分，他最近的打分肯定能更为准确地反映出他当前的好恶标准，在判断他明天可能喜好哪些电影时所起的作用更大。于是BPC团队针对用户评分的结果与他们打分的时间以及频率之间的关系做了研究，建立了相关性模型。

比如一些用户周一和周五打分时所用的标准有所区别，而有些用户在周日的情绪最好，这时所打的分数就比平时偏高。通过这样的分析，他们能更精确地发现用户对电影的喜好品味，进而得以对其打分的规律预测得更为准确。

2．精准适配

何谓良好的观影体验？简单来说，就是两点，流畅、高清。YouTube一类的流媒体公司，通常会根据用户的带宽自动配适传输的画质，如235KB/s带宽配适分辨率为320×240的视频；而5800KB/s带宽配适1080p的视频。

但按照这种技术，像《海绵宝宝》之类的动画片会与画面复杂得多的《复仇者联盟》被按照同样的压缩比率编码为同样大小的文件。这显然是不合理的。

Netflix就能有效避免上述问题，不再进行粗暴的“一刀切”，而是用了4年时间，根据每一个资源的特征进行量体裁衣，精细化处理。Netflix认为即使是同一个剧集，每一集都是不同的，每一集都应该有自己的算法。这项技术可以为用户节省20%带宽的同时，提升画面质量。

3．大数据预测

Netflix对内容进行“微类型”分类。影片的各种层面，如电影结尾的“浪漫程度”等维度，都被细分剥离出来，带上1到5的标量，最终影片被分为76897种。同时，用户在网站上的收藏、推荐、回放、暂停等行为都被记录分析，网站千万级的用户量也为建模提供了充足的样本。利用数据分析了解市场偏好，为内容创作提供指导借鉴，据说《纸牌屋》就是基于上述用户观影模型而编剧、制作出来的。