如何运用数据做出一个爆红的电视节目
-
0:01 - 0:05Roy Price这个人,
在座的绝大多数可能都没听说过, -
0:05 - 0:11即使他曾经在2013年4月19日这一天
-
0:11 - 0:15占用了你们生命中普通的22分钟。
-
0:15 - 0:18他也许曾经带给了
各位非常欢乐的22分钟, -
0:18 - 0:20但对你们当中很多人来说
可能并不是这样。 -
0:20 - 0:22而这一切全部要追溯到
-
0:22 - 0:24Roy在三年前的一个决定。
-
0:24 - 0:29实际上,Roy Price是
亚马逊广播公司的一位资深决策者。 -
0:29 - 0:32这是亚马逊旗下的一家
电视节目制作公司。 -
0:32 - 0:35他47岁,身材不错,
短发梳得很有型, -
0:35 - 0:40他在Twitter上形容自己是
"电影、电视、科技、墨西哥卷饼(爱好者)"。 -
0:40 - 0:45Roy Price有一个
责任非常重大的工作, -
0:45 - 0:49因为他要负责帮亚马逊挑选
即将制作的原创节目。 -
0:49 - 0:52当然,这个领域的竞争非常激烈。
-
0:52 - 0:54我是说,其他公司已经有
那么多的电视节目, -
0:54 - 0:57Roy不能只是随便乱挑一个节目。
-
0:57 - 1:01他必须找出真正会走紅的节目。
-
1:01 - 1:03换句话说,他挑选的节目
-
1:03 - 1:06必须落在这条曲线的右侧。
-
1:06 - 1:09这条曲线是IMDB
(译注:网络电影资料库)里 -
1:09 - 1:132500个电视节目的
客户评分曲线图, -
1:13 - 1:16评分从1到10,
-
1:16 - 1:19纵轴表明有多少节目达到这个评分。
-
1:19 - 1:24所以如果你的节目达到9分或更高,
你就是赢家, -
1:24 - 1:25你就拥有那2%的顶尖节目。
-
1:25 - 1:29例如像是“绝命毒师”、
“权力的游戏”、“火线重案组”, -
1:29 - 1:32全部都是会让人上瘾的节目,
-
1:32 - 1:35看完一季之后,
你基本马上就会想, -
1:35 - 1:37“我要去哪里找到剩下的剧集?”
-
1:37 - 1:39基本就是这类的节目。
-
1:39 - 1:41曲线左边,不妨选个最靠边,
比较明显的点, -
1:41 - 1:45这儿有个叫“选美小天后"
(译注:儿童选秀类)的节目—— -
1:45 - 1:47(笑声)
-
1:47 - 1:49——足够让你明白
-
1:49 - 1:51曲线最左端代表了什么。
-
1:51 - 1:55现在,Roy Price并不担心
会选个落在曲线最左边的节目, -
1:55 - 1:58因为我认为你们都具备
严肃的判断力 -
1:58 - 2:00来给 "选美小天后" 打个低分 。
-
2:00 - 2:04他担心的是
中间多数的这些节目, -
2:04 - 2:06多到爆的这些一般的电视节目,
-
2:06 - 2:08这些节目不算好,但也不是很烂,
-
2:08 - 2:10它们不会真正地让你感兴趣。
-
2:10 - 2:15所以他要确保他看好的节目
是落在最右端这里。 -
2:15 - 2:17那么压力就来了,
-
2:17 - 2:19当然,这也是亚马逊第一次
-
2:19 - 2:21想要做这类事情,
-
2:21 - 2:25所以Roy Price不想只是碰运气。
-
2:25 - 2:27他想要打造成功。
-
2:27 - 2:29他要一个万无一失的成功,
-
2:29 - 2:31于是,他举办了一个竞赛。
-
2:31 - 2:35他带来了很多关于电视节目的想法,
-
2:35 - 2:37通过一个评估,
-
2:37 - 2:41他们挑了八个候选的电视节目,
-
2:41 - 2:44然后他为每一个节目制作了第一集,
-
2:44 - 2:47再把它们放到网上,
让每个人免费观看。 -
2:47 - 2:50当亚马逊要给你免费的东西时,
-
2:50 - 2:51你就会拿,对吧?
-
2:51 - 2:56所以几百万人在看这些剧集,
-
2:56 - 3:00而这些人不知道的是,
当他们在观看节目的时候, -
3:00 - 3:02实际上他们也正被观察着。
-
3:02 - 3:04他们被Roy Price及他的团队观察,
-
3:04 - 3:06他们纪录了所有的一切。
-
3:06 - 3:09他们纪录了哪些人按了拨放,
哪些人按了暂停, -
3:09 - 3:12哪些部分他们跳过了,
哪些部分他们又重看了一遍。 -
3:12 - 3:14他们收集了几百万个数据,
-
3:14 - 3:16因为他们想要用这些数据来决定
-
3:16 - 3:19要做什么样的节目。
-
3:19 - 3:21理所当然,他们收集了所有的数据,
-
3:21 - 3:24处理过后得到了一个答案,
-
3:24 - 3:25而答案就是,
-
3:25 - 3:30“亚马逊需要制作一个有关
四个美国共和党参议员的喜剧”。 -
3:30 - 3:31他们真的做了。
-
3:31 - 3:35有人知道这个节目吗?
-
3:35 - 3:36(观众:" 阿尔法屋。")
-
3:36 - 3:38是的,就是"阿尔法屋"。
-
3:38 - 3:42但看起来你们大部人都
不记得有这部片子, -
3:42 - 3:43因为这部片子收视率并不太好。
-
3:43 - 3:45它其实只是个一般的节目,
-
3:45 - 3:50实际上,一般的节目差不多
对应曲线上大概7.4分的位置, -
3:50 - 3:52而 “阿尔法屋” 落在7.5分,
-
3:52 - 3:54所以比一般的节目高一点点,
-
3:54 - 3:58但绝对不是Roy Price和
他的团队想要达到的目标。 -
3:58 - 4:01但在差不多同一时间,
-
4:01 - 4:03另一家公司的另一个决策者,
-
4:03 - 4:07同样用数据分析
却做出了一个顶尖的节目, -
4:07 - 4:09他的名字是 Ted,
-
4:09 - 4:12Ted Sarandos是Netflix的
首席内容官, -
4:12 - 4:14就跟 Roy一样,他也要不停地寻找
-
4:14 - 4:16最棒的节目,
-
4:16 - 4:18而他也使用了数据分析,
-
4:18 - 4:20但他的做法有点不太一样。
-
4:20 - 4:24不是举办竞赛,他和他的团队
-
4:24 - 4:27观察了Netflix已有的所有观众数据,
-
4:27 - 4:29比如观众对节目的评分、
-
4:29 - 4:32观看纪录、
哪些节目最受欢迎等等。 -
4:32 - 4:34他们用这些数据去挖掘
-
4:34 - 4:36观众的所有小细节:
-
4:36 - 4:38他们喜欢什么类型的节目、
-
4:38 - 4:40什么类型的制作人、
什么类型的演员。 -
4:40 - 4:43就在他们收集到全部的细节后,
-
4:43 - 4:44他们信心满满地
-
4:44 - 4:47决定要制作一部,
-
4:47 - 4:49不是四个参议员的喜剧,
-
4:49 - 4:52而是一系列有关一位
单身参议员的电视剧。 -
4:52 - 4:54各位知道那个节目吗?
-
4:54 - 4:56(笑声)
-
4:56 - 4:59是的,“纸牌屋”,
当然,Netflix至少在头两季 -
4:59 - 5:02在这个节目上赚到了极高的收视率。
-
5:02 - 5:06(笑声)(掌声)
-
5:06 - 5:09“纸牌屋” 在这个曲线上拿到了 9.1分,
-
5:09 - 5:12他们绝对实现了最初的目标。
-
5:12 - 5:14很显然,问题来了,
这到底是怎么回事? -
5:14 - 5:17有两个非常有竞争力、
精通数据分析的公司。 -
5:17 - 5:20他们整合了所有的数据,
-
5:20 - 5:22然后,其中一个干的很漂亮,
-
5:22 - 5:24而另一个却没有,
-
5:24 - 5:26这是为什么呢?
-
5:26 - 5:29毕竟逻辑分析会告诉你,
这种方法应该每次都有效啊, -
5:29 - 5:32我是说,
如果你收集了所有的数据 -
5:32 - 5:33来制定一个决策,
-
5:33 - 5:36那你应该可以得到一个
相当不错的决策。 -
5:36 - 5:38你有200年的统计方法做后盾。
-
5:38 - 5:41你用高性能的计算机
去增强它的效果。 -
5:41 - 5:46至少你可以期待得到一个
还不错的电视节目,对吧? -
5:46 - 5:49但如果数据分析
并没有想像中的有效, -
5:49 - 5:52这就有点吓人了,
-
5:52 - 5:56因为我们生活在一个
越来越依赖数据的时代, -
5:56 - 6:01我们要用数据做出远比电视节目
还要严肃重要的决策。 -
6:01 - 6:05你们当中有人知道 "MHS" 这家公司吗?
-
6:05 - 6:07没人?好,这就好。
-
6:07 - 6:10好的,MHS是一家软件公司,
-
6:10 - 6:13而我希望在座的各位
-
6:13 - 6:16没人与他们的软件有任何关系,
-
6:16 - 6:18因为如果你有,
就表示你犯了罪被判刑了。 -
6:18 - 6:19(笑声)
-
6:19 - 6:23如果有人在美国被判入狱,
要申请假释, -
6:23 - 6:27很有可能那家公司的数据分析软件
-
6:27 - 6:31就会被用来判定你是否能获得假释。
-
6:31 - 6:33它也是采用跟
亚马逊和Netflix公司相同的原则, -
6:33 - 6:38但并不是要决定
某个电视节目收视率的好坏, -
6:38 - 6:41而是用来决定
一个人将来的行为是好是坏。 -
6:41 - 6:47一个22分钟的普通电视节目
可以很糟糕, -
6:47 - 6:50但我觉得要坐很多年的牢,更糟糕。
-
6:50 - 6:55但不幸的是,实际上已经有证据显示,
这项数据分析尽管可以依靠 -
6:55 - 6:59庞大的数据资料,
它并不总能得出最优的结果。 -
6:59 - 7:01但并不只有像MHS这样的软件公司
-
7:01 - 7:03不确定到底怎么分析数据,
-
7:03 - 7:05就连最顶尖的数据公司也会出错。
-
7:05 - 7:09是的,甚至谷歌有时也会出错。
-
7:09 - 7:132009年,谷歌宣布
他们可以用数据分析来 -
7:13 - 7:17预测流行性感冒何时爆发,
就是那种讨人厌的流感, -
7:17 - 7:21他们用自己的搜寻引擎
来做数据分析。 -
7:21 - 7:25结果证明它准确无比,
引得各路新闻报道铺天盖地, -
7:25 - 7:27甚至还达到了一个科学界的顶峰:
-
7:27 - 7:30在 “自然” 期刊上发表了文章。
-
7:30 - 7:33之后的每一年,它都预测得准确无误,
-
7:33 - 7:35直到有一年,它失败了。
-
7:35 - 7:37没有人知道到底是什么原因。
-
7:37 - 7:39那一年它就是不准了,
-
7:39 - 7:41当然,这又成了一个大新闻,
-
7:41 - 7:42包括现在
-
7:42 - 7:46被 "自然” 期刊撤稿。
-
7:46 - 7:50所以,即使是最顶尖的数据分析公司,
亚马逊和谷歌, -
7:50 - 7:52他们有时也会出错。
-
7:52 - 7:55但尽管出现了这些失败,
-
7:55 - 7:59数据仍然在马不停蹄地渗透进我们
实际生活中的决策—— -
7:59 - 8:01进入工作场所、
-
8:01 - 8:02执法过程、
-
8:02 - 8:04医药领域。
-
8:04 - 8:08所以,我们应该确保数据是
能够帮助我们解决问题的。 -
8:08 - 8:11我个人也曾经多次
被数据分析搞的焦头烂额, -
8:11 - 8:13因为我在计算遗传学领域工作,
-
8:13 - 8:15这个领域有很多非常聪明的人
-
8:15 - 8:19在用多到难以想像的数据
来制定相当严肃的决策, -
8:19 - 8:23比如癌症治疗,或者药物开发。
-
8:23 - 8:26经过这几年,我已经注意到一种模式
-
8:26 - 8:28或者规则,你们也可以这么理解,
-
8:28 - 8:31就是有关于用数据做出
-
8:31 - 8:33成功决策和不成功决策,
-
8:33 - 8:38我觉得这个模式值得分享,
大概是这样的。 -
8:38 - 8:41当你要解决一个复杂问题时,
-
8:41 - 8:42你通常必然会做两件事。
-
8:42 - 8:45首先,你会把问题拆分得非常细,
-
8:45 - 8:48这样你就可以深度地分析这些细节,
-
8:48 - 8:50当然你要做的第二件事就是,
-
8:50 - 8:53再把这些细节重新整合在一起,
-
8:53 - 8:54来得出你要的结论。
-
8:54 - 8:57有时候你必须重复几次,
-
8:57 - 8:58但基本都是围绕这两件事:
-
8:58 - 9:02拆分、再整合。
-
9:02 - 9:04那么关键的问题在于,
-
9:04 - 9:07数据和数据分析
-
9:07 - 9:09只适用于第一步,
-
9:09 - 9:12无论数据和数据分析多么强大,
-
9:12 - 9:16它都只能帮助你拆分问题和了解细节,
-
9:16 - 9:20它不适用于把细节重新整合在一起
-
9:20 - 9:21来得出一个结论。
-
9:21 - 9:24有一个工具可以实现第二步,
我们每个人都有, -
9:24 - 9:26那就是大脑。
-
9:26 - 9:27如果要说大脑很擅长某一件事,
-
9:27 - 9:30那就是,它很会把琐碎的细节
重新整合在一起, -
9:30 - 9:32即使你拥有的信息并不完整,
-
9:32 - 9:33也能得到一个好的结论,
-
9:33 - 9:36特别是专家的大脑。
-
9:36 - 9:39而这也是我相信
Netflix会这么成功的原因, -
9:39 - 9:43因为他们在分析过程中同时
使用了数据和大脑。 -
9:43 - 9:46他们利用数据,
首先去了解观众的若干细节, -
9:46 - 9:50没有这些数据,
他们不可能进行这么透彻的分析, -
9:50 - 9:52但在之后,要做出重新整合,
-
9:52 - 9:55制作像"纸牌屋"这样的节目的决策,
-
9:55 - 9:57就无法依赖数据了。
-
9:57 - 10:01是Ted Sarandos和他的团队(通过思考)
做出了批准该节目的这个决策, -
10:01 - 10:03这也就意味着,
-
10:03 - 10:06他们在做出决策的当下,
也正在承担很大的个人风险。 -
10:06 - 10:09而另一方面,亚马逊把事情搞砸了。
-
10:09 - 10:11他们全程依赖数据来制定决策,
-
10:11 - 10:14首先,举办了关于节目创意的竞赛,
-
10:14 - 10:18然后他们决定选择制作 "阿尔法屋"。
-
10:18 - 10:21当然,对他们而言,
这是一个非常安全的决策, -
10:21 - 10:23因为他们总是可以指着数据说,
-
10:23 - 10:25“这是数据告诉我们的。”
-
10:25 - 10:30但数据并没有带给他们
满意的结果。 -
10:30 - 10:35当然,数据依然是做决策时的
一个强大的工具, -
10:35 - 10:38但我相信,当数据开始
主导这些决策时, -
10:38 - 10:40并不能保证万无一失。
-
10:40 - 10:44不管它有多么的强大,
数据都仅仅是一个工具, -
10:44 - 10:47记住这句话之后,
我发现这个装置相当有用。 -
10:47 - 10:49你们很多人就会......
-
10:49 - 10:50(笑声)
-
10:50 - 10:51在有数据之前,
-
10:51 - 10:54这就是用来做决策的工具。
-
10:54 - 10:55(笑声)
-
10:55 - 10:56你们很多人应该知道这个玩意儿。
-
10:56 - 10:58这个玩具称做“魔术8号球”,
-
10:58 - 11:00它真的很奇妙,
-
11:00 - 11:02因为如果你要做一个
“是” 或 “不是” 的决策时, -
11:02 - 11:06你只要摇一摇这颗球,
就可以得到答案了—— -
11:06 - 11:09“很有可能是”——
在这个视窗里,马上就可以看到。 -
11:09 - 11:11我回头会带它去做技术示范。
-
11:11 - 11:13(笑声)
-
11:13 - 11:16事实上,当然——
我已经在我人生中做出了一些决定, -
11:16 - 11:19虽然事后证明,
我当初应该直接用这颗球。 -
11:19 - 11:22但,当然,如果你手里有数据,
-
11:22 - 11:26你就会想用更尖端的方式
来取代这颗球, -
11:26 - 11:29比方说,用数据分析来得到更好的决策。
-
11:29 - 11:32但这无法改变基本的设定。
-
11:32 - 11:35这球可能会变得越来越智能,
-
11:35 - 11:38但我相信,如果我们想达成某些
像曲线最右端那样 -
11:38 - 11:40出色的成就,最后的决定权
-
11:40 - 11:43还是应该落在我们身上。
-
11:43 - 11:47事实上,我还发现了
一件非常鼓舞人心的事, -
11:47 - 11:51即使面对庞大的数据,
-
11:51 - 11:54当你要做出决定,
-
11:54 - 11:58想要变成一位该领域的专家
并承担风险时, -
11:58 - 12:00你仍然会有很大的收获。
-
12:00 - 12:03因为到最后,不是数据,
-
12:03 - 12:08而是风险,会把你引到曲线的最右端。
-
12:08 - 12:09谢谢各位。
-
12:09 - 12:13(掌声)
- Title:
- 如何运用数据做出一个爆红的电视节目
- Speaker:
- 塞巴斯蒂安 • 韦尼克
- Description:
-
收集更多的数据会导向更好的决策吗?有竞争力、擅长数据分析的公司,如亚马逊、谷歌和Netflix已经发现数据分析本身并不总能产生最佳的效果。在这次讲座中,数据科学家塞巴斯蒂安 • 韦尼克剖析了当我们纯粹使用数据做决策时会出现什么错误——并建议了一个更明智的方式来使用它。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:25
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang approved Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How to use data to make a hit TV show |