编辑导语：网飞公司Netflix的发展离不开其战略的选择与算法的进步，而在这段历程中，也体现了网飞公司对个性化体验的长远打造。本篇文章里，作者梳理了网飞公司Netflix20年的发展历程，也许看完之后，你会有所思考。

Netflix 最近推出了“幸运儿”（I feel lucky）按钮。

编者按：从1998年的初创公司到今天，Netflix详尽展示了他们的战略、指标和实验发展史，并且专注于提升用户的个性化体验，向会员提供他们喜欢的电影。打造世界级的产品和公司需要几十年的时间。

本文译自Medium，作者Gibson Biddle，原标题为” A Brief History of Netflix Personalization “，希望对您有所启发。

引言

这篇文章详细介绍了网飞公司Netflix从1998年成立，到最近推出“幸运儿”（I feel lucky）按钮的整个过程——这样的销售策略让网飞公司Netflix的用户完全依赖公司的个性化算法。这是一段奇幻的旅程，网飞公司Netflix采用自己开发的A /B测试系统进行了高强度的实验，推动企业不断改进个性化策略。

在20年的时间里，网飞公司Netflix的用户所能选择的电影已经从系统自动建议的2%，上升到今天的80%。之前，一名用户要搜索数百个标题才能找到自己喜欢的电影，而在今天，大多数用户仅仅需要查看40个标题就可以愉快地点击“播放”按钮。二十年后，网飞公司Netflix希望推出一个“恰到好处”（just right）的选项，不需要会员自行浏览或进行选择。

以下是网飞公司Netflix 20年的历史，阅读每一小段仅需一分钟！希望你喜欢。

一、1998年：一家DVD邮寄业务的创业公司诞生了

1996年，随着DVD播放器的发明，网飞公司Netflix开始以邮寄DVD业务起家。1998年，网飞公司Netflix推出了一个只有不到1000张DVD的网站。这是网站最初的样子：

1999年，网飞公司Netflix共有2600张DVD可供选择。那时是按菜单点菜。直到2000年，网飞公司Netflix才成为一家可以“吃到饱”（all you can eat）的订阅服务公司。

1999年，网飞公司Netflix有2600张DVD可供用户选择，但公司打算将DVD库扩大到10万部。为了方便用户可以更轻松地找到喜欢的电影，网飞公司Netflix开发了一种个性化的销售系统。

2000年，网飞公司Netflix从“点餐”型业务，转为“吃到饱”（all you can eat）的订阅服务，该服务添加了一个队列，即每家每户通过点击“添加”按钮，创建的电影列表，并在一个已排序的电影列表中添加一个标题。每当有用户退回一张DVD, 网飞公司Netflix就会将他们Netflix电影列表中的标题直接发送到邮箱。

二、2000年： Cinematch

网飞公司Netflix推出了一种个性化的电影推荐系统。公司采用用户评分系统，来预测会员对一部电影的喜爱程度。这个算法叫做Cinematch，是一种协同过滤算法。

有一个简单的方法可以帮助我们理解什么是协同过滤。

比如，我喜欢看《蝙蝠侠：开战时刻》（Batman Begins）和《绝命毒师》（Breaking Bad），并且你也喜欢。那接下来，因为我喜欢看《卡西诺》（Casino），算法将会标明你也喜欢《卡西诺》。现在，网飞公司Netflix把这个方法应用到了数百万的用户和标题中。

三、2001年：五星评价体系

网飞公司Netflix设计了一个五星评价体系，并最终从用户那里收集了数十亿条评价。网飞公司Netflix尝试了多个“星条”（star bars），有时会使用积累星星的方法，用于表示预期评分、平均评分和朋友评分。其实有些混乱。

星星代表了用户对一部电影的喜爱程度。如果用户已经看过这部电影，他们就可以对电影打分。

红星表示会员对这部影片的期望等级，尽管大多数人认为这是平均等级。

四、2002年：多个算法并用

除了Cinematch之外，还有另外三个算法也在帮助电影商品化。

1. 动态存储

该算法会标明DVD是否可用。在DVD时代的后期，该算法甚至可以决定DVD在成员的本地中心是否可用。

到2008年，网飞公司Netflix只销售在当地受欢迎的电影，为的是增加DVD次日交付的可能性。动态存储。这种算法表明DVD是否可用。在DVD时代后期，该算法甚至可以确定DVD在会员的本地中心是否可用。到了2008年，Netflix只推销当地有售的作品，以增加次日交付DVD的可能性。

2. 电影数据

这个算法包含了每部电影会用到的所有数据——情节梗概、导演、演员、年份、奖项、语言等等。

3. 搜索

在早期，网飞公司Netflix在搜索方面的投资很少，团队认为用户们在寻找昂贵且新发行的DVD，这会给公司的经济状况带来更多的挑战。但团队后来发现，很多用户会选择老电影，制作成本较低或者冗长的电影，所以他们最终加大了搜索上的投入。

后来，网飞公司Netflix新加入了许多其他算法用于运行它的个性化销售系统。

五、2004年：家庭会员个人档案

Netflix发现家庭成员之间会共用一个账户，于是推出了“家庭会员个人档案”（Profiles）。这个功能可以让每个家庭会员生成自己的电影列表。

“家庭会员个人档案”是一个要求很高的功能，尽管进行了大力推广，但只有2%的用户使用这个功能。管理好一份DVD清单，是一项艰巨的工作，而且每个家庭中只有一个人愿意这样做。

考虑到用户的低认知度，网飞公司Netflix宣布了取消“家庭会员个人档案”的计划。然而面对用户的强烈反对，公司选择顺从用户的选择。因为一小部分用户非常关心这个功能——他们担心失去“家庭会员个人档案”功能，会毁掉他们的婚姻。作为“所有成员并非生来平等”的一个例子，一半的网飞公司Netflix成员可以使用这个功能。

六、2004年：Netflix推出朋友圈功能

假设你在网飞公司Netflix创建了一个朋友圈，朋友之间会互相推荐好看的电影，并且因为不想离开这个朋友圈，也就不会退出这项服务。该功能上线时，2%的用户至少有一个好友，但这一指数字从未超过5%。

朋友圈功能让你可以通过该服务与朋友联系，然后看到他们观看了什么，他们向你推荐了什么。

网飞公司Netflix在2010年取消了这项功能，作为其“清除藤壶”（scraping the barnacles）行动的一部分——删除用户不重视的功能。与“家庭会员个人档案”功能不同的是，这个举措没有引起用户的反对。

在电影方面，有两点关于社交的发现：

1. 你的朋友品味很差。
2. 你不想让你的朋友知道你在看的所有电影。

在过去十年间，脸书Facebook成功地将他们的社交策略应用于许多产品，能有这样的发现确实令人惊讶。

七、2006年：网飞公司Netflix的个性化策略

以下是2006年的个性化策略。它是以战略/指标/战术的形式组织的，每个战略都有一个代理指标，以及针对每个战略的战术（项目）：

其目的是收集显性和隐性数据，然后使用各种算法和展示策略，将会员与他们喜欢的电影联系起来。该团队专注于四个主要策略：

1. 收集显性的偏好数据，包括电影和电视节目收视率、类型评级和人口统计数据。
2. 找到隐藏的偏好数据，比如DVD用户将电影添加到他们的电影列表或之后，判断哪些电影是他们喜欢的。
3. 创建算法和表现分层策略，从而能够更好地将用户与他们喜欢的电影联系起来。这一策略主要是用显性/隐性偏好数据，以及大量关于电影和电视节目的数据(评级、类型、剧情、主演、导演等)，来创建将用户与标题联系起来的算法。预计网飞公司Netflix也将创建一个简单的用户界面，为个性化选择提供视觉支持。
4. 通过将用户与更好的电影和电视节目联系起来，提高每个用户的平均电影评级。假设网飞公司Netflix为其用户提供更高质量的电影和电视节目，用户留存度就会更高。

更高级的假设：个性化策略可以通过让用户更轻松的找到他们喜欢的电影，来提高用户留存率。

高层次的粘性指标是留存率。然而，这需要花费年的时间来改变这个指标。因此，网飞公司Netflix有一个更敏感的短期代理指标：在使用该服务的前两个月内，给至少50部电影打分的成员的百分比。

他们的理论是，用户会给很多电影打分，以获得更精准的推荐。这些评级表明，会员们对他们获得评级后得到的个性化推荐表示满意。更多的评分表明，用户们喜欢网飞公司Netflix的个性化销售算法。

以下是这一代理指标在一段时间内的改进情况：

网飞公司Netflix个性化服务的早期代理指标，是在使用该服务的头两个月里，对至少50部电影或电视节目进行评分的会员的百分比。

为什么到了2011年，这一指标会下降？因为到那时，大多数会员都是流媒体电影的观看者，网飞公司Netflix对会员的喜好有着强烈的隐含信号。一旦你按下“播放”按钮，你可以选择继续观看或者停止观看。网飞公司Netflix不再需要收集那么多的星评了。

网飞公司Netflix花了十多年的时间，才证明个性化体验能提高用户留存率。而这一代理指标的持续增长促使该公司加倍重视个性化服务。

八、2006年：评级向导

最初的个性化功能培养基地是网站上一个带有“推荐”（Recommendations）标签的区域。但测试显示，会员们更喜欢描述性的标签。新的标签是“你会喜欢的电影”（Movies You’ll Heart），吸引了很多的点击量。尽管设计团队认为这个标签“很丑”，但是它成功了。

会员进入到“你会喜欢的电影”区域之后，该网站会向他们介绍什么是“评级向导”:

会员们一边等待DVD，一边“刷剧”。在“前两个月对至少50部电影进行评分的会员百分比”这一代理指标中，评级向导起到了至关重要的作用。会员们在网站中使用“星条”对许多电影进行评级时，“评级向导”是用户偏好输入的主要来源。

九、2006年：人口数据

网飞公司Netflix收集了用户的年龄和性别数据，但在团队采用人口数据来预测用户的电影偏好时发现，算法并没有提高预测能力。嗯？这是怎么回事？

网飞公司Netflix是如何衡量预测能力的？个性化算法的代理度量是RMSE（均方根误差）——这种计算方法是用于测量算法的预测评级以及用户的实际评级之间的变量。

如果网飞公司Netflix预测你会喜欢《老友记》（Friends）和《宋飞正传》（Seinfeld），并且评级分别是四星和五星，恰好你给这两部剧的评分也是四星和五星，那这就是一个完美的预测。RMSE是一个“向下和向右”的指标，并且，随着时间的推移这个指标会通过协同过滤算法的改进而更新。可以从以下的图表中粗略得知：

均方根误差（Root Mean Square Error），是对所有Netflix会员的预测与实际收视率的计算。这是一个随着时间的推移，而变得更好的“向下和向右的”指标。

不幸的是，年龄和性别数据并没有能够改进预测结果——RMSE没有得到改善。电影偏好很难预测，因为它们是独一无二的，并且每个人的喜好是完全不同的。也就是说知道我的年龄和性别，并不能有效帮助预测的电影的喜好。但是知道一些我喜欢的电影或电视节目会更有帮助。

要想看到这一计算数据在今天的表现，就需要你的Netflix账户上创建一个新的个人资料。网飞公司Netflix会询问你几部喜欢的电影来启动个性化系统。这就是他们在系统里计算所需的数据。

十、2006年： QUACL中的协同过滤

QUACL是队列添加确认层。一旦用户在他们的电影列表中添加了一个标题，一个确认层会弹出提示类似的标题。下面是一位用户将日本动漫Eiken加入了他们的电影列表后，协同过滤算法所给出的6个类似的电影：

QUACL或队列添加确认层，是个性化推荐的一个重要来源。

随着时间的推移，网飞公司Netflix在向会员推荐类似影片方面会做得越来越好。作为一个营销来源，QUACL占总序列的比例会在几年的时间里从10%提升到20%。QUACL是算法测试中一个很好的测试环境。事实上，网飞公司Netflix在QUACL中开始了它的第一批机器学习测试。

十一、2006年：100万美元的Netflix奖

和其他初创公司一样，网飞公司Netflix的资源有限。虽然他们已经证明了Cinematch的价值，但只有几个工程师专注于这个算法。他们的解决方案就是：通过Netflix奖进行外包算法开发。

网飞公司Netflix向任何能够将均方根误差提高至少10%的团队提供100万美元。

网飞公司Netflix向任何能够将其Cinematch算法的均方根误差提高到10%的团队提供了100万美元的奖金。个性化团队提供了来自Netflix会员的匿名数据，作为团队的训练数据，还有一个包含会员实际评分的数据集，这样，团队就可以测试他们的算法预测能力。这些团队花费了两年的时间，才赢得了奖金——在下篇会有更详细的解释。

最后一个要求：耐心。

十二、2007年：网飞公司Netflix推出流媒体服务

网飞公司Netflix于2007年推出流媒体服务。这是DVD邮寄服务的免费附件。2010年在加拿大推出了首个纯流媒体服务。

在2007年1月，网飞公司Netflix推出了流媒体服务。公司团队第一次掌握了用户观看的电影的实时数据，以前他们仅仅掌握了DVD租赁活动的数据。时间告诉网飞公司Netflix，在预测会员的电影偏好方面，这种隐性数据比通过其五星评级系统收集的显性数据更重要。

在2007年推出流媒体服务时，网飞公司Netflix有近10万张DVD可供选择，因此DVD销售方面的挑战在于帮助会员从其庞大的DVD库中找到“隐藏的珍宝”。然而在使用流媒体服务之后，公司所面临的挑战变成了帮助会员从300部相当平庸的电影中，找出他们认为值得看的几部。

十三、2007年： Netflix奖

Netflix奖向任何能够将Netflix的协同过滤算法的预测能力提高10%的团队提供100万美元，预测能力以RMSE（每部电影的预期评分和实际评分之间的差值）来衡量。两年后，“Bellkor’s Pragmatic Chaos”打败了其他的5000个团队，赢得了比赛。

这次比赛带给我们两点启示：

1. 并非所有的收视率都是平等的。参赛选手们发现，评分人员为近期电影提供的评分，比以往的评分更具有预测能力。
2. 算法越多越好。每年年底，网飞公司Netflix都会向优秀团队支付5万美元的进步奖。在这一年的最后一天，第二名和第三名的团队将他们的算法结合起来，跃升至排行榜首位并且获得了年度进步奖。由此，团队认识到了结合多种算法的重要性。这也是团队名称如此奇怪的原因——在团队合作的时候，他们构思出了“mashup”这个名字。

两年后，顶级团队的RMSE增加了10.06%，赢得了百万美元的奖金。“BellKor’s Pragmatic Chaos”比第二名“the Ensemble”提前24分钟提交了获胜算法。两队得分相同，但是“BellKor”先提交了他们的作品。以下是最终的排行榜：

2009年Netflix奖的排行榜结束时。第四名是“Opera Solutions and Vandelay United”，这是三个团队共同提交的结果，其中包括一个来自《宋飞正传》（Seinfeld）的内部笑话。

十四、2009年：Netflix的下一个大奖

网飞公司Netflix宣布第一次竞赛的获胜者的同时，公司启动了第二轮竞赛。这项新的挑战是利用人口统计数据和租赁行为来做出更好的预测。算法可以将用户的年龄、性别、邮政编码和完整的租赁历史计算在内。

网飞公司Netflix公布匿名用户信息开始第二轮调查之后，联邦贸易委员会（FTC）介入了这场诉讼，声称这些数据没有充分匿名化。2010年3月，作为该诉讼和解协议的一部分，Netflix取消了第二轮竞赛。

十五、2010年：测试新的“Netflix奖”算法

网飞公司Netflix推出了网飞大奖竞赛从而可以为会员提供更多的电影选择。该团队希望这一举措能够提高用户留存率。但是网飞公司Netflix大规模的在A /B测试中测试新算法的时候，并没有发现可测量的留存差异。这个结果很令人失望。

一个新的假设出现了。为了提高用户留存率，你需要更好的算法和呈现层策略，来解释为什么网飞公司Netflix会为每个用户选择特定的标题，如下所示：

更好的算法+ UI/设计支持/背景=提高留存率。

举办这场比赛值100万美元吗？当然。单是招募的好处就足以证明这场比赛是值得的。在获得Netflix奖之前，工程师们认为网飞公司Netflix只是另一家电子商务公司而已。而在获奖后，他们认为网飞公司Netflix是一家创新性很强的公司。

十六、2010年：受欢迎程度很重要

网飞公司Netflix公布了它从Netflix奖中获得的所有信息，其他公司也在研究相关结果。

音乐流媒体服务公司潘多拉（Pandora）的个性化措施集中在“音乐基因组计划”（music Genome Project——上，该公司对算法是否受欢迎持谨慎态度。相反，潘多拉公司有40个“音乐学家”，他们给每首歌贴上数百个属性，来解释为什么听众会喜欢这首歌。例如，音乐学家将杰克·约翰逊（Jack Johnson）的歌曲贴上了“乐观、民谣、带有冲浪、户外冒险和成长主题的原声音乐”的标签。

但是，潘多拉公司一边评估Netflix奖的结果（它对受欢迎程度的权重很高），另一边他们也开始执行协作过滤算法。这些变化改善了潘多拉公司的收听指标。潘多拉公司的结论是：受欢迎程度很重要。

十七、2011年：网飞公司Netflix的电影基因组计划

在赞赏潘多拉公司的成果并且知道算法越多越好的同时，网飞公司Netflix开始开发自己的“电影基因组”项目。他们聘请了30名“电影生态学家”，来给电影和电视节目的各种属性贴上标签。

需要提醒的是，网飞公司Netflix的协同过滤算法会预测你会喜欢一部电影，但算法不能提供你为什么会喜欢这部电影。Cinematch的协同过滤算法会测算出这样的结果：“因为你喜欢蝙蝠侠和绝命毒师，我们认为你也会喜欢芝麻街。”嗯？这是什么逻辑？

网飞公司Netflix的新电影基因组算法叫做“类别兴趣”（Category Interest）。现在，网飞公司Netflix第一次可以推荐一部电影，并给出用户可能喜欢这部电影的原因。

比如，网飞公司Netflix知道我喜欢《飞机》（Airplane）和《希德姐妹帮》（Heathers），所以推荐我看《春天不是读书天》（Ferris Bueller’s Day Off ）和《早餐俱乐部》（ The Breakfast Club），因为我喜欢“20世纪80年代的荒诞喜剧”。

“类别兴趣”算法的早期执行，大约是在2011年。

“类别兴趣”算法改进了Netflix的观看指标——每月观看至少40小时的会员的百分比——但该团队并没有执行A /B测试，来检验它是否提高了留存率。

十八、2011年：个性化算法如何运作

简单地说，网飞公司Netflix为每个用户都创建了一个电影排名列表——从最可能喜爱的内容开始，然后根据电影、电视节目的属性和用户的偏好，对这个列表进行过滤、切片和分割。

例如，一个过滤器梳理出电影的子列表，并将其按“有强大女英雄的古怪戏剧”或“诙谐、无礼的电视节目”一列呈现出来。其他的标题可能包括“因为你看了《怪奇物语》（Stranger Things），我们认为你会喜欢……”或“给你的十大最佳”。

网飞公司Netflix的个性化方法有三个组成部分：

1. 每个用户头衔的强制等级列表。
2. 了解与每个会员最相关的过滤器，这样算法就可以从上面的列表中呈现电影和电视节目的子集。
3. 能够理解每个会员最相关的行，这取决于平台的能力，一天中观看的时间，以及大量显/隐的电影品味数据。

这种方法的美妙之处在于，这些行在适当的上下文里，可以显示在任何设备或屏幕上。很容易在所有浏览器和设备上显示相同的行结构。

十九、2011年：网飞公司Netflix证明个性化可以提高用户留存率

最终，在2011年，网飞公司Netflix在大型A /B测试中，证明了留存率的提高。然而，结果是有争议的，因为测试比较了默认的个性化体验和简化的体验，所有的个性化“推荐”，实际上都是随机选择的电影。网飞公司Netflix的工程师抱怨说，这个测试是在浪费时间。大多数团队成员，已经接受个性化为Netflix会员创造了更好的体验。

认识到网飞公司Netflix在个性化方面进行了长达13年的长期投资，直到2011年他们终于有了提高用户留存率的“证据”。但是代理指标的改进——在使用该服务的头两个月里对至少50部电影进行评分的会员比例——给了网飞公司Netflix信心，使其不断加大个性化服务的力度。

二十、2012年：“家庭会员个人档案”功能更新

随着网飞公司Netflix超越了DVD的业务，它不再要求用户创建一个有序的电影列表。相反，会员们按下“播放”键，就可以开始观看电影或电视节目。

网飞公司Netflix在DVD时代有一个“家庭会员个人档案”功能，但只有2%的用户使用这个功能，主要是因为管理这个强制的电影排名列表很耗时。但是现在，没有什么好管理的了。你只要向Netflix提供你的名字、你喜欢的三部电影或电视节目，Netflix为每个与该账户相关的用户，都可以创造个性化的体验。

如今，超过一半的Netflix账户拥有多个个人资料档案库。网飞公司Netflix知道2亿用户对这部电影的喜好，从而理解与这2亿用户相关的，5亿独立电影观众的喜好。

二十一、2013年：《纸牌屋》原创内容推出

《纸牌屋》(House of Cards)是网飞公司Netflix，在原创内容上的第一笔大投资，实际上这是一步对英国电视剧的美国翻拍剧。

还在2007年的DVD时代里，网飞公司Netflix第一家原创内容公司——Red Envelope Studios失败了。尽管失败了，网飞公司Netflix在流媒体时代再次开始尝试。

知道有数百万用户喜欢凯文·史派西(Kevin Spacey)和《白宫风云》(The West Wing)， 网飞公司Netflix最初在《纸牌屋》(House of Cards)上押了1亿美元，最终得到了回报。在六季中，网飞公司Netflix为这部剧投入了超过5亿美元。《纸牌屋》是网飞公司Netflix投资的众多成功的，原创电影和电视剧中的第一部。

在网飞公司Netflix的历史上，很明显的一点是个性化以一种难以复制、提高利润的方式在取悦客户。通过让用户更容易找到电影，网飞公司Netflix提高了用户留存率，从而提高了终身价值（LTV）。而且网飞公司Netflix的个性化技术很难复制，尤其是大规模复制。

个性化服务的另一个方面，是提高了公司的利润率：Netflix“适当调整”内容支出的能力。以下是我对网飞公司Netflix的多项内容投资的最佳估计：

• 根据对会员口味的了解，Netflix预计将有1亿会员观看《怪奇物语》，并为这部剧投资5亿美元。
• 数据科学团队预测，古怪的成人动画片《马男波杰克》(Bojack Horseman)将有2000万观众收看，因此Netflix投资了1亿美元制作这部动画片。
• 据预测，将有100万用户观看攀登珠穆朗玛峰的纪录片，Netflix为此投资了500万美元。

网飞公司Netflix在调整原创内容投资规模方面拥有巨大优势，这得益于其预测特定电影、纪录片或电视节目有多少用户会观看的能力。需要注意的是：Netflix并没有把数据驱动的方法，引入电影创作过程——他们对创作者是放手不管的。

二十二、2013年：Netflix赢得艾美奖的技术大奖

2013年，网飞公司Netflix凭借“视频发现个性化推荐引擎”获得艾美奖。这个奖项暗示了网飞公司Netflix凭借其原创内容最终将在奥斯卡、艾美奖和金球奖上占据主导地位。

二十三、2015年：如果是法语可以吗?

一个基于法语的Netflix个人电脑主页。

2015年至2021年，网飞公司Netflix在190个国家推出了服务，语言从20种扩展到40种。个性化团队想知道，他们是否应该用每个用户的母语，来进行个性化算法。基于A/B测试结果的简单回答是：不需要。

就像2006年的人口统计测试一样，用户的品味如此独特，以至于语言和地理位置，无助于预测用户的电影偏好。

和以前一样，最有效的方式来建立一个会员的品味档案，是要求他们提供一些喜欢的电视节目或电影。随着时间的推移，网飞公司Netflix从这个“种子”中构建，它将会员评价、观看、停止观看的影片告知其算法，甚至通过点击“电影显示页面”或观看预告片，来显示对电影的兴趣。

二十四、2016：Netflix测试个性化界面

网飞公司Netflix的三种文化价值观是好奇、坦诚和勇气。Netflix鼓励新员工在加入公司时，挑战传统观念。Netflix欣赏“新鲜的眼光”的价值，并鼓励打破传统的文化。

网飞公司Netflix新聘请的一位产品主管，建议团队去测试“浮动行”（floating rows）。这个的想法是，像“Gib的前10名”、“刚刚发布”和“继续观看”这一行，应该根据每个用户的不同，甚至根据观看设备、一天中的时间，和其他因素而改变。

传统观点认为，不一致的网站设计，会让用户感到困惑和烦恼，所以最好保持界面的一致性。但不管怎样，“保守派”人士还是允许新手去测试它。

拉尔夫·沃尔顿·爱默生（Ralph Waldon Emerson）曾经说过：“一致性是心胸狭窄的人的恶魔。”令人惊讶的是，不一致的界面，在A/B测试中表现得竟然更好。今天，甚至用户界面都是个性化的，基于用户的偏好。

请注意，Netflix提供给您的行名是非常不一致的。在我的个人电脑屏幕截图中，Netflix第一排标题为“Trending Now”，将“继续观看”排在第二。根据您最近的活动、平台和每天的时间，每次使用它时，界面都会发生变化。

二十五、2017年：从星星到拇指

到2017年，网飞公司Netflix获得了超过50亿的星评。但在过去10年里，脸书Facebook推广了一种不同的评分系统:“赞”和“嘘”。到2017年，Facebook已经向全球超过20亿用户，介绍了这个简单的手势。

发现哪种方法，能激发会员提供更多的偏好数据，其实很简单：对五星系统执行一个A/B测试，对一个大拇指向上/向下的系统。结果是：更简单的拇指评价系统，收集了两倍的评分。

2017年，网飞公司Netflix用脸书Facebook的“赞/嘘”界面测试了它的五星评分系统。拇指评价系统让会员的品味输入量，翻了一番。

这个结果令人惊讶吗？不。当你要求一个成员在三颗、四颗或五颗星之间进行解析时，你就迫使他们思考太多。他们会感到困惑，然后他们就继续下一个活动了，而不给电影打分。向上或向下点拇指，就要容易得多。这里，就像许多用户界面的情况一样，简单胜过完整。

二十六、2017年：五星系统会发生什么变化？

如果星星都不在了，你如何传达电影质量呢？

回想一下，网飞公司Netflix早期的一个假设是，随着时间的推移，观看的电影的平均评分会上升，从而导致留存率的提高。虽然有证据表明平均收视率提高了，但Netflix的数据并没有显示，更高的平均收视率，提高了用户留存率。

事实证明，电影评级并不等于电影的享受程度。虽然你可能会觉得《辛德勒的名单》（Schindler’s List）或《卢旺达酒店》是五星级电影，但这并不意味着比起三星电影，你更喜欢它们。有时候，你需要一部“把大脑放在门口”（leave your brains at the door）的喜剧，比如《保罗·布拉特:商场警察》（Paul Blart: Mall Cop）。

这就是为什么网飞公司Netflix在原创内容上的首批大笔投资之一，是与幼稚喜剧之王亚当•桑德勒（Adam Sandler）签订了四部电影的协议。我最喜欢的是哪部？荒唐六蛟龙（The Ridiculous Six）。

这是亚当·桑德勒（Adam Sandler）2.5亿美元的原创内容四部电影协议中的一部。有时候，享受电影，就是把你的大脑和一部好的三星电影放在一起。

二十七、2017年：百分比匹配

因此，随着星级评分的减少，以及星级评分并不等于对电影欣赏程度的认识，网飞公司Netflix改变了它的系统。他们切换到“百分比匹配”，表示你对一部电影的喜爱程度，不管它的质量如何。

下面，网飞公司Netflix给了我一个“80%匹配”的《爱尔兰人》（The Irishman）。它认为我有80%的机会会喜欢它，这是Netflix给我的初级建议。

网飞公司Netflix不再用它的五星系统来衡量一部电影的质量。它只是表明一个标题与你的匹配程度，表明他们认为你会有多喜欢它。

二十八、2018年：个性化电影艺术

网飞公司Netflix的个性化团队，希望在正确的时间为你呈现正确的标题，并尽可能多地鼓励你观看该标题。为了做到这一点，网飞公司Netflix使用个性化的视觉效果来，迎合每个会员的口味偏好。

以下是来自网飞公司Netflix技术博客的更多信息：

让我们考虑尝试用个性化，来描述电影《心灵捕手》（Good Will Hunting）的形象。在这里，我们可以根据会员对不同题材和主题的偏好，来做出个性化的决定。如果我们展示包含马特·达蒙（Matt Damon）和米妮·德莱弗（Minnie Driver）的艺术作品，看过很多浪漫电影的人可能会对《心灵捕手》感兴趣，然而，如果我们展示这是一部包含著名喜剧演员罗宾·威廉姆斯（Robin Williams）的艺术作品，一个看过很多喜剧的人可能会被这部电影吸引。

使用上面的例子，网飞公司Netflix的技术博客，分享了支持每个场景的标题，以及Netflix提供给不同会员的独特的电影艺术。最上面一排是对浪漫电影感兴趣的会员，男主角是马特·达蒙和米妮·德赖弗。最下面一排是给喜欢看著名喜剧演员的会员的。在这个例子中，罗宾·威廉姆斯是主角。

如果你喜欢浪漫喜剧，Netflix会在向你推销《心灵捕手》时，使用右上角的电影艺术。如果你喜欢著名的喜剧演员，那么你的个性化电影艺术，就有罗宾·威廉姆斯的介绍。

网飞公司Netflix不仅利用其对会员喜好的了解来选择正确的电影，而且还考虑到会员的口味，通过高度个性化的视觉效果，来支持这些选择。

二十九、2021年：你觉得幸运吗？

终极的个性化就是你打开电视，网飞公司Netflix会神奇地播放一部，你喜欢的电影。网飞公司Netflix首次尝试这一概念，是公司联合CEO里德·黑斯廷斯（Reed Hastings）（开玩笑地）称之为，“我觉得幸运”（I feel lucky）按钮的一个功能。

请注意，如果你是基于在电视的系统上注册个人资料时，会有一个新的“随便播些什么”（ Play Something）的按钮。你可以把这个按钮，看作是Netflix算法将用户与他们喜欢的电影，联系起来的一个代理键。

我猜今天有2-3%的戏剧来自这个按钮。如果这个“Play Something”按钮在未来几年里会产生10%的使用率，这就有力地表明Netflix的个性化服务，在将用户与他们喜欢的电影联系起来方面，做得更好了。

这是长期的个性化愿景：20年后，Netflix将取消“播放”按钮和个性化推介系统，你在特定时刻想看的一部特殊电影，将自动开始播放。

我猜网飞公司Netflix将在20年内实现这一愿景。他们在过去的20年里，已经取得了很大的进步，所以我认为这是可行的。

三十、结论

如今，网飞公司Netflix的会员所观看的超过80%的电视节目和电影，都是通过Netflix的个性化算法推介给你的。

网飞公司Netflix的个性化历史有起有落。但最终，个性化使网飞公司Netflix建立了一个难以复制的技术优势来取悦用户，最终提高整体利润。

对于从事创新项目的产品领导者来说，网飞公司Netflix的历程凸显了以下需求:

• 计划：一个产品战略以及相应的指标和策略。
• 方法：快速测试各种假设的方法。
• 一种鼓励冒险、求知欲、坦诚以及说“让我们试试这个想法”的勇气的文化。

最后一个要求：耐心。打造世界级的产品和公司需要几十年的时间。

作者：Gibson Biddle，译者：TeresaChen

来源：https://www.36kr.com/p/1298713363548551

本文由 @神译局 授权发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。