数据科学家揭秘《纸牌屋》是如何成为热播剧的?

摘要：毫无疑问，在我们喜爱的电视节目背后，有很多辛勤付出的创作天才，但这些电视节目流行的背后是否也有数据分析的功劳更具体地说，我们是否可以使用大数据来制作一档非常流行的电视节目

一位慕尼黑的数据科学家Sebastian Wernicke潜心研究这个问题。在今年夏天剑桥大学的TED舞台上，Sebastian Wernicke在TED talk中做了演讲，他解释了这一概念的复杂性，而这个概念也正在引起越来越多科技公司的兴趣，因为这些精通技术的科技公司开始在制作电视节目的过程中采用数据，从而试图主导电视行业。Netflix和亚马逊就是很好的例子：Netflix认为数据和节目是两个分开的概念，而亚马逊则在整个电视节目中都使用数据。

一开始，Wernicke先生解释了一张图表，该图表显示的是2500档节目的收视率曲线，其中《绝命毒师》（ Breaking Bad）的收视率很高（右边），而《孩童和皇冠》（ Toddler and Tiaras）则很低。

他进一步解释了两档节目究竟是如何制作的，以及它们在收视率上的表现，这两部剧的创作者都采用了数据分析方法（这也是保证《绝命毒师》成功的制胜法宝）。其中一个是Netflix的《纸牌屋》，这档节目成功了，其收视率达到9.1；另一个则是亚马逊的《阿尔法屋》，其收视率只有7.5，处于平均水平。

「有两家非常有竞争力的精通数据的公司。」他说，「他们可以将数百万数据点连接起来，但这些数据在其中一家公司运用得当、表现出色，而另一家却恰好相反，这是为什么？」

仔细分析这两家公司究竟如何使用数据或许会能更好地洞见其中缘由。当亚马逊决定依托数据制作一档节目时，该公司举办了一场比赛。他们评估了大量节目的想法，选取了其中八个，然后为每一个想法都安排了一段小的试播，并且将它们免费放到了网上。数百万的用户观看了这些免费的试播，然后公司开始收集数据（包括究竟有多少人观看了节目、观看时间有多长、他们跳过了哪部分等）来制作他们认为会获得最多受众的节目。经过数百万个数据点的分析，结果表明他们应该制作一个关于四位共和党参议员的情景喜剧。《阿尔法屋》应运而生。

与此同时，Netflix也在酝酿类似的尝试。但是与采用竞争的方式相反，该公司充分利用了已经获得的观看数据（收视率、观看历史等）。他们利用这些数据来挖掘用户喜欢的点点滴滴，并且满怀信心地制作了关于一位美国参议员的电视剧。

Wernicke解释了为什么通过数据分析方法制作的两部主题类似的节目，所获的反响却反差巨大。Wernicke从事计算遗传学领域的工作，该领域需要使用数据分析来做出一些非常重要的决定，例如癌症的治疗和药物的研发等。他从自身经历出发，总结出了一个非常可信的模式，该模式能将以数据为基础的成功决定和非成功决定相分离。事实上，该过程设计到两个步骤：（1）将数据分离以便进行分析；（2）将数据重新组合从而进行充分利用。

「关键是数据和数据分析只对第一部分有用……将这些已被碎片化的数据再重新组合到一起来做决策是很不合理的。」他说。

亚马逊制作的节目并没有获得巨大成功，这是因为他们在整个过程中都使用了数据，而Netflix只是分析了用户喜欢什么，然后借此想出了一个概念，并且他们相信根据这个概念制作的电视节目必将热播，很显然Netflix成功了。

「还有另外一个所有人都有，能完成这项工作的工具，即我们的大脑。如果大脑对一件事情非常擅长，则可将一些零零散散的片段信息结合起来，形成完整信息、得出结论，专家的大脑则更擅长于此，这也是为什么Netflix会获得如此大成功的原因。他们在整个过程的不同阶段正确运用了数据和大脑的功能，将两者完美地结合起来，因此获得了成功。」