数十年来，内容排播既是一门艺术，也是一门科学。在传统媒体时代，制作人针对特定的人群创作电影和电视节目，而传统广播公司和有线电视网的编播人员通过分析调查公司（如尼尔森、英国广播受众研究委员会等）提供的收视数据来更好地掌握“谁”、“在看什么”、“什么时候看”、“使用什么设备”等信息，以此提高收视率。　

　　然而，在大数据时代，收视率不再是唯一的参考标准，AI正在把收视调查和内容排播推向一个崭新的高度。

　　全球流媒体巨头Netflix就是AI技术的深度践行者之一，它通过机器学习、神经网络和深度学习、计算机视觉等AI技术，精准洞察用户的浏览行为和收视偏好，来决定投资哪些内容。据悉，仅2018年Netflix就在原创内容上豪掷了80亿美元。而据《纽约时报》报道，Netflix之所以这么有底气扩大投资规模，正是因为AI “算到了人们想看什么，而观众自己或许还不知道。”

　　提供个性化的收视体验

　　Netflix每天会查看数百万的点击率、搜索量和播放量，以及每月数十亿小时影视内容的观看历史。这些数据会被立即输入平台的人工智能算法，并在平台页面上为不同用户做相应的调整，包括个性化的主页设计、每一行的标题、每部电影的缩略图以及其他电影的推荐等，以便为每个用户提供独特的收视体验。

　　以片花为例，Netflix基于对用户喜好的分析，为其提供量身定制的片花，而这些片花是从影视作品的一系列精选片段中自动生成的。AI会检索出对某一位目标用户最具冲击力的场景，将其组合在一起，从而形成对这位用户最有吸引力的片花。举例来说，如果一位观众喜欢看浪漫作品，那么一部影片即使是动作片，也会在片花中刻意突出一些浪漫场景；而如果这位观众是个粉丝，那么片花中则会去刻意表现某位演员。

　　2013年，当Netflix拥有3300万订阅用户时，全球公关总监约里斯 埃弗斯(Joris Evers)曾表示:“Netflix有3300万个不同版本”。而这句话放在今天，也同样适用。

　　细分用户，发掘同品味用户群

　　除了收集和分析数据，Netflix也一直在用户中开展规模化的创意测试，以测算用户在使用产品过程中存在的显著差异，这一做法被定义为“消费科学”。

　　在分析全球超过1亿的用户之后，Netflix提出了一个新概念：同品味用户群（taste communities），类似于我们常说的“圈层”。传统电视媒体按照年龄、种族或居住地等人口统计学标准来细分市场，但Netflix认为，内容类型虽然可以大致区分出人们喜欢看的某种特定内容，却不完全相同，一些圈层偏好很难用内容类型来粗略界定。目前，Netflix已经识别出了2000个同品味用户群。

　　Netflix原创剧集副总裁辛迪 霍兰德(Cindy Holland)表示:“这种方式帮助我们找到了好多志趣相投的粉丝群体。如今，当高管们决定是否要订购一部新剧集时，他们会率先考虑剧集是否能聚集足够多的同品味用户群，然后再决定买不买。”

　　内容决策依据新标准

　　传统电视媒体主要依赖广告收入，所以他们会更加关注如何扩大观众规模，这是因为更多的观众意味着更多的广告收入。也正是如此，收视率低或者收视下降的节目都会被电视台立即砍掉。

　　相比之下，Netflix并没有严格按照用户规模来衡量一部作品的成败。在Netflix看来，那些观众数量少但能够吸引不同“同品味用户群”、制作成本低但收益丰厚的影视内容，在扩展自身平台内容库的深度和广度方面会发挥重要作用。

　　所以，Netflix使用另外两个标准来判定影视作品的成败：

　　用户的弃剧率，从一集中间离开再也没回来。

　　28天收视标准，在剧集发布之后的四周之内，有多少人追完了一整季。

　　总的来说，AI技术不仅帮助Netflix吸引、留住用户，还是其内容决策的关键性工具。那些在传统媒体上遭受冷遇的影视内容，放在Netflix上可能会大获成功。究其原因，就在于平台更懂用户。

　　不过，AI在收视调查中的日益流行，也不禁会令人思索：若是一味地迎合受众，会不会限制艺术的创造力和多样性呢？毕竟，影视作品不仅仅是商业产品。