文章目录
  1. 1. Netflix公司简介
    1. 1.1. Netflix成功的关键
  2. 2. Netflix的商业模式
    1. 2.1. DVD在线租赁
    2. 2.2. 倾情流媒体
  3. 3. Netflix的推荐引擎
    1. 3.1. Netflix推荐系统的架构
  4. 4. 百万美元大奖

Netflix公司简介


Netflix是一家美国公司,在美国、加拿大提供互联网流媒体播放、DVD、蓝光光碟在线出租业务,中文名为“网飞”。该公司成立于1997年,总部位于加利福尼亚州洛斯盖图,1999年开始订阅服务,公司主页为http://netflix.com。2009年,该公司可提供多达10万部DVD电影,并有1千万用户。2007年2月25日,Netflix宣布已经售出第10亿份DVD。可能国内的朋友对之不太了解,然而在美国,那可是一家响当当的互联网公司。

1999年底,市场迎来了DVD的繁荣时代,NetFlix月收入达到10万美元,成为一家理论上的百万资产公司。正是事业风生水起的时候,马克却要求管理团队退出DVD销售,聚焦租赁渠道业务,不然公司将一蹶不振。在推广NetFlix DVD网上订阅的过程中,一种被命名为Cinematch的推荐引擎功不可没,可说是NetFlix的核心竞争力,有了它,竞争对手的效仿充其量不过是照猫画虎。

2006年,NetFlix的订阅用户接近千万,DVD租赁和销售总收入已达到270亿美元的极限,而数字视频交付则将呈三位数逐年增长。NetFlix决定投身流媒体传输,研发机顶盒,从而使NetFlix完成了从网络到电视的最后几个关键步骤。

Netflix成功的关键

互联网的大发展为两位雄心勃勃的硅谷人里德和马克创造了无限的商机。他们用这一千载难逢的好时机,创建了NetFlix公司;在公司的运营过程中他们敢于挑战既有行业,打破传统商业模式,开辟蹊径;他们选择以DVD代替VHS(家用录像系统),以网络下单和隔夜直邮补充门店租赁,最后以数字传输代替传统介质的视频输送;NetFlix采用灵活的营销方式,加上网上测试和Cine match推荐算法,适时调整策略,挖掘用户爱好,注重用户体验。NetFlix的发展历经艰险,从无到有,从小到大,每一步都踩在了互联网发展的点上,就连互联网泡沫和金融危机都对它毫发未损,反而越战越勇,成长为至今发展成股值高企、用户上千万、视频输出占据美国宽带流量的20%,行业无敌手的大型视频租赁公司。

Netflix的商业模式


DVD在线租赁

NetFlix成立当年,观影的家庭视频租赁年收入是126亿美元,已连续十年超过影院票房收入,影视租赁市场成熟。但是,此时居统治地位的是VHS,那种既笨又重的录像带。DVD盘当时还是新生事物,NetFlix决定孤注一掷。
NetFlix用以打败强大对手的第一个杀手锏是,相比VHS录像带,DVD能够做到片源浩瀚。为了促销以小搏大,NetFlix决定将克林顿总统与莫妮卡.莱温斯基桃色事件中的大陪审团证词做成DVD拷贝在NetFlix网站上出售。很快,NetFlix获得了超过1000份克林顿DVD的订单,《华盛顿邮报》和《纽约时报》就此事件的新闻报道更是推波助澜,令NetFlix的名声飞扬。

第二是价格合理便宜,客户自选6张,按月订阅,每月40美元,租片可保留7天,每次以邮资已付的邮件归还,迟还不收滞纳金。如果客户喜欢某个片子,还可以按照零售价七折购买。

第三是,相比VHS,DVD的租借方式更方便, 用户只要在网络上点中片子,隔夜即可收到该片的DVD。马克认为,出色的客户服务结合隔夜交付,可以转化为销售额的增加和客户保留率的提高,为此,他和积极进取的隔夜托运的联邦快递达成合作,并把目标确定为“快递疏忽零容忍法”。每天下班时,NetFlix的客户服务人员都要向未予发货的用户电话致歉。“永远不要失去你争取来的每一个客户”,这是马克的口头禅。而直邮之于马克,如同数学之于里德一样优美和雅致。马克说,“在客户关系中,不存在中间人。你要掌握这种关系,如果你希望它完美,你可以做到让它完美”。

第四是,一开始采用实体租借网点+虚拟网络订货和直邮的形式吸引客户。在虚拟世界的网络用户界面上,NetFlix以融合亲切的视频租赁店铺布局和图文并茂的目录吸引客户,从而让自己的商品看起来值得期待。马克敏锐地意识到,要打动客户情感,必须让网络购物成为一种舒适的个人体验。如同客户打开一扇门,赫然发现一个专门为其创造的在线视频店铺。至于公司名称,NetFlix,NetFlix,即用大写字母F强调和电影的关系,搭配一个描绘非卷盘胶片的紫、白双色标志。NetFlix团队设计的订购程序足够简便,在线挑选DVD步骤不多,使得整个流程像在门店里取片和还片一样便利。

这时的关键是NetFlix下赌注于DVD播放机。NetFlix成立当年,家庭影视的主流播放机是VHS,光学模式的DVD,美国本土在1997年3月才推出。当代美国消费市场上有两股强大的力量,一是美式消费主义,二是高科技,这是带动美国经济向前发展的引擎。马克和里德巧妙地将它们融入于一个冒险的事业,试图展现以纯的科学应用给消费者带来时尚和实惠。至此,他们所追求的简单的商业模式也日臻完善:网络软件程序+DVD盘片和播放机,配以大量仓库以及NetFlix的实验发明。到了1999年底,市场迎来了DVD的繁荣时代,此时NetFlix的月收入达到10万美元,年轻的NetFlix一蹿而上成为一家理论上的百万资产公司。

倾情流媒体

2006年,NetFlix的订阅用户接近千万,宽带连接到多数美国家庭,以至于制片厂开始考虑通过互联网发行视频,并且首选视频点播格式。市场上,DVD租赁和销售总收入已达到270亿美元的极限,预计再以后将出现缓慢的收入下降。相比之下,数字视频交付则将呈三位数逐年增长。NetFlix决定投身流媒体传输。里德很欣赏YouTube软件的易用性和便利性,他预言,一个能下载到任何可视装置上的免费视频播放软件程序,将会大行其道。为此,里德引进了一位著名的数字视频录像机设计师,后者设计了一种价格低廉、易于使用的传输机顶盒,从而使NetFlix完成了从网络到电视的最后几个关键步骤。在这个领域,NetFlix几乎没有竞争对手。里德告诉媒体说,NetFlix并没有与包括苹果在内的下载网站开展竞争,因为订阅租赁吸引的是特定用户,即那些有备而来、只是偶尔需要菜单服务提供便利的用户。里德认为,其他网站可以与NetFlix形成互补。
数据显示,NetFlix可传输的数字电影比例是6/10,占美国宽带流量的20%,依靠他们对于市场的灵敏触觉和灵活善变的市场策略,NetFlix取得了成功!

Netflix的推荐引擎


在推广NetFlix DVD网上订阅的过程中,一种被命名为Cinematch的个性化推荐引擎功不可没。经过几年的实践,NetFlix发现尽可能的集成个性化推荐到功能中,会对订阅用户产生巨大的价值。因此其个性化推荐从首页就开始了,包括按行展示的视频,每一行有一个主题,主题揭示了这行视频的内在联系。大多数个性化都是基于挑选行视频的方法,包括哪些行该放那些视频,以及如何对视频进行排序。同时为了捕获用户的爱好,NetFlix从用户那里获得的信息,包括:用户评分、观看记录、用户好友的推荐等各种反馈信息。NetFlix的推荐引擎为处于成长期的NetFlix带来了巨大的利益,数据表明,现在有 75% 的视频观看是与推荐系统有关的。NetFlix取得这样的成绩源于他们不断优化用户体验,通过优化算法,改善了用户满意度。下面列举一些使用在推荐系统中的技术和算法。

Netflix推荐系统的架构

Netflix的工程师Xavier Amatrain和Justin Basilico在官方博客发布文章,介绍了自己的个性化和推荐系统架构。该推荐系统,能够处理海量现有数据、响应用户交互,还方便集成新的推荐算法。其架构如下图所示。

Netflix的推荐系统架构

系统分为在线计算模块、离线计算模块和接近在线计算模块三个部分。
对于在线计算,相关组件需要满足SLA对可用性和响应时间的要求,而且纯粹的在线计算在某型情形下可能无法满足SLA,因此,快速的备用方案就很重要,比如返回预先计算好的结果等。在线计算还需要不同的数据源确保在线可用,这需要额外的基础设施。 离线计算主要进行模型训练,在算法上可相对灵活,工程方面的需求也简单。客户端的SLA响应时间要求也不高。在部署新算法到生产环境时,对于性能调优的需求也不高。Netflix利用这种灵活性来完成快速实验:如果某个新的实验算法执行较慢,他们会部署更多Amazon EC2实例来达成吞吐处理目标,而不是花费宝贵的工程师时间去优化性能,因为业务价值可能不是很高。 接近在线计算与在线计算执行方式相同,但计算结果不是马上提供,而是暂时存储起来,使其具备异步性。接近在线计算的完成是为了响应用户事件,这样系统在请求之间响应速度更快。这样一来,针对每个事件就有可能完成更复杂的处理。增量学习算法很适合应用在接近在线计算中。

百万美元大奖


在2006年,NetFlix启动了Netflix大奖赛,这是一个机器学习和数据挖掘的比赛,旨在解决电影评分预测问题。NetFlix举办这个比赛的目的是为了发现更好的方法来向用户推荐产品,这是NetFlix商业模式的核心任务。对于能够将NetFlix的Cinematch系统的准确率提升10%的获胜团队,NetFlix准备了一百万美元的大奖。当然,NetFlix需要一个比较容易评测和量化的问题定义,选择的评测指标是RMSE—预测的评分与真实评分相差的均方根(root mean squared error)。竞赛的要求是要打败NetFlix现在推荐系统的0.9525的RMSE得分,并将其降低到0.8572或更低。
竞赛开始一年之后,队伍Korbell以8.43%的提升赢得了第一个半程奖。他们付出了超过2000小时的努力,融合了107种算法才得到了这份奖金。来自186个国家的四万多个团队经过近三年的较量,最终一个由工程师,统计学家,研究专家组成的团队夺得了Netflix大奖,该团队成功的将Netflix的影片推荐引擎的推荐效率提高了10%。Netflix大奖的参赛者们不断改进了影片推荐效率,Netflix的客户已经为此获益。NetFlix评测了一些最新的离线算法,但是很遗憾,这些在竞赛数据集上优胜的算法,到了线上系统却表现的不够出色。考虑到系统实现以及部署的代价,NetFlix最终并没有应用到NetFlix的线上环境。

文章目录
  1. 1. Netflix公司简介
    1. 1.1. Netflix成功的关键
  2. 2. Netflix的商业模式
    1. 2.1. DVD在线租赁
    2. 2.2. 倾情流媒体
  3. 3. Netflix的推荐引擎
    1. 3.1. Netflix推荐系统的架构
  4. 4. 百万美元大奖