複盤:從0到1.5億用戶 Netflix是怎麼做到的?
2019年08月08日08:38

  原標題:複盤:從0到1.5億用戶,Netflix是怎麼做到的? 來源:林蓁蓁

  本文首發於微信公眾號:Growth洞察啟示錄,作者:林蓁蓁,原標題:《從0到1.5億用戶,Netflix的增長杠杆到底是什麼?在中國它能幹倒愛優騰嗎?》

  Netflix到底有多厲害?它是流媒體服務的先驅,從2007年創立以來,Netflix已獲得了1.5億個付費用戶,股價增幅高達6493%!這意味著,如果你在2007年投資Netflix的股票1000$,今年你的股票價值將超過110,000$(約76萬人民幣)!總回報率高達10,000%!

  Netflix付費用戶超過1.5億,來源:Statista

  1.格局超前:

  首先介紹一個概念,管理哲學之父查爾斯·漢迪(Charles Handy)提出的“第二曲線”理論:

  “任何一條增長曲線都會滑過拋物線的頂點(增長的極限),持續增長的秘密是在第一條曲線消失之前開始一條新的S曲線。”

  這就造就了“創新者窘境”:

  作為CEO,你需要有足夠超前的格局和行動的魄力,在公司向成熟盈利業務高歌猛進時,偏離已有的成功路徑,開闢一條新的道路。

  從哲學角度來講,筆者認為第二曲線的原理是:

  “使你達到現在位置的東西,不會使你永遠保持現在的位置。如果你過度相信和依戀導致你成功的邏輯,那麼成功的邏輯必然會把你帶向失敗或平庸。”

  來來自混沌大學,李善友老師的“第二曲線”思維模型

  破局點:創業公司實現從0到1的“增長關鍵點”,一旦找到這個點,企業會沿著曲線實現從1到10的增長。

  極限點:在企業沿著原本的產品、渠道、技術和市場進行漸進性增長時一定會遇到“極限點”,李善友老師講:極限點同時也是失速點,到達極限點後曲線必然下滑。

  典型例子:2007年,諾基亞霸占全球手機市場的頭號交椅,市場占有率一度達到40%,達到手機發展史的頂峰。此時蘋果剛剛推出第一代iphone智能手機,諾基亞卻依然自行自路。隨後智能手機的改革大潮洶湧而至,蘋果完成手機史上“第二曲線”的飛躍,此後諾基亞一落千丈。

  “第二曲線”替代“第一曲線”通常發生於同一領域內,一家公司打敗另一家公司。然而Netflix卻在公司內部完成了三次“第二曲線”的飛躍!

  第一曲線:1997年—2007年(在線DVD租賃)

  簡單說下Netflix創立的故事:在很久很久以前,DVD租賃業的老大哥還是Blockbuster(百視達)。有天一個叫Reed Hastings的哥們兒,在Blockbuster租碟忘了還,被罰了40$的高額罰金。於是這老哥一怒之下建立了Netflix,決定要改變DVD行業!在1997年,這哥們兒居然搞起了垂直電商:“用戶每月交15.95$訂閱費,就可以每次租賃4部電影,不限歸還日期。”

  同學們,1997年是個什麼年?全球的電子商務都還處於萌芽階段,亞馬遜尚未成為巨頭,阿里巴巴還有一年才成立!你們看看Reed Hastings,這哥們兒牛不牛!

  改變世界的Reed Hastings

  此時,讓我們來對比一下剛剛誕生的Netflix和DVD租賃業的老大哥Blockbuster的區別:

  Netflix的盈利模式:收入=用戶數X年費

  用戶體驗:15.95$/月,不限次數,一次可郵寄4張。看完後寄回,自動發送已預約的下兩張DVD。無限單無違約金,免費郵寄,降低用戶費用及時間成本。

  Blockbuster的盈利模式:租賃金/罰金一單一營收

  用戶體驗:簡單粗暴的地主模式,毫無用戶體驗,罰金還高得令人生氣!

  結局:Netflix通過更好的用戶體驗和年費製的業務模式,培養了單用戶觀看更多DVD內容的習慣。用戶看DVD的數量越多,Netflix的年費製就越划算,從而獲取了一大批用戶,市場規模直線超越Blockbuster。2010年9月Blockbuster宣告破產。

  第一曲線破局點:商業模式和用戶體驗上的完勝,增長杠杆:用戶觀看DVD數量的增加

  第二曲線:2007年-2013年(流媒體服務)

  2007年,Netflix在線DVD郵寄業務的如日中天,收入達12億美元,利潤6700萬美元。此時從上帝視角來看,Netflix已達到第一曲線極限點。這一年,網飛爸爸幹了一件破天荒的事兒——投入“4000萬美元”轉型做流媒體(streaming media,線上觀影業務),通過推出第一款流媒體產品“Watch Now”來永久性地改變業務,當時流媒體服務僅作為DVD租賃業務的免費附贈產品。

  隨後,公司陷入營收困境,然後缺錢的網飛爸爸只能將Netflix流媒體業務從DVD租賃業務中拆分出來,單獨訂閱。這樣一來價格比原先上漲了60%,導致Netflix在2011年第三季度流失了80萬的用戶,股價下跌80%!

  來源:Netflix

  Reed Hastings在當時是這麼說的:“我搞砸了,我欠大家一個解釋。很多人認為我們在宣佈DVD和流媒體分離以及價格變化方面缺乏對用戶的尊重和謙虛。這當然不是我們的本意,我誠摯地向你們道歉… 我們進行價格改良措施以及業務分拆,並不是為了給公司創造更多盈利,而是為了緊跟時代步伐,因為流媒體必然會成為未來最重要的趨勢。”

  為什麼Netflix要在最賺錢的時候,堅持轉型做流媒體呢?

  其實早在2000年,Netflix的技術團隊就在研究如何通過互聯網技術,讓人們更直接地在線觀看電影,實現更佳的用戶體驗。(哪怕2000年寬帶網絡在美國的普及率僅7%,人們下載一部普通清晰度的電影需要長達16小時)

  Reed Hastings甚至做出一個非常大膽的假設:

  未來人們一定會擺脫DVD機的束縛。2013年DVD業務會達到極限點,然後下滑。

  所以,如果Netflix不轉型做流媒體,面臨的很有可能就是第一曲線的迅速衰落。誠如Reed Hastings所言,“在過去的五年間,我最大的恐懼是:我們不能從DVD的成功跳躍到流媒體的成功。”

  而現實中,2010年DVD租賃業務就達到了極限點,比Reed Hastings的預言提早了三年。但是聰明的Reed Hastings依然提前了三年佈局新業務。從2007年到2011年,依靠著流媒體服務,Netflix的用戶量已從600萬增長到2300萬,增長率高達283%。

  流媒體訂閱用戶量直線超越DVD訂閱量,來源:SEC

  第二曲線破局點:流媒體模式的顛覆性用戶體驗,增長杠杆:用戶在線觀看時長超過DVD觀看時長

  第三曲線:2013年—至今(原創內容)

  聰明的同學此時一定在疑惑:

  Netflix第二階段的極限點在哪裡?

  在於Netflix僅僅只是內容的“渠道商”!作為內容的搬運工,它不生產內容,也無權定價。但是,如果Netflix不能給用戶提供足夠多的觀看內容,用戶一定會毫不猶豫地取消訂閱。所以在很長的一段時間內,Netflix只能由著版權方獅子大開口,比如《老友記》續約一年的版權費高達1億美金!

  此時Netflix意識到:內容終究是壟斷的,如果哪天幾大內容製作商聯合起來圍剿我,不賣播放版權了,我不就懵逼了嗎?

  於是在流媒體訂閱業務處於最巔峰的時刻,Reed Hastings又做了一個讓所有人震驚的決定:爹有娘有不如自己有,我要當內容生產商!

  2013年,Netflix首部自製劇《紙牌屋》(House 0f Cards)橫空出世,很快成為了在美國及40多個國家最熱門的在線劇集。2013年當季新增超過300萬會員,收入較去年同期增加 18%,達到 10.2 億美元。《紙牌屋》的耀眼成績,使得公司股價出現了近兩年來最大的漲幅,連美國前任總統奧巴馬都是它的忠實粉絲。

  《紙牌屋》的一炮而紅,僅僅只是Netflix的起點。此後,網飛爸爸馬不停蹄地推出了《怪奇物語》、《馬男波傑克》、《黑鏡》和《愛、死亡和機器人》等9分神劇!網友們紛紛驚呼,這幾年簡直是全球第一內容大佬燒錢記!此外,眾多原創優質內容也幫助Netflix獲得了源源不斷的全球用戶訂閱量。

  Netflix會員訂閱量不斷飆升,來源:Netflix Inc.

  第三曲線破局點:自製原創內容,增長杠杆:用戶觀看Netflix自製內容的時長

  最初起家的DVD租賃業務從來都不是Netflix的核心競爭力,留住用戶才是它保持多年高速增長的秘訣。三次“第二曲線”的飛躍,每一次Netflix都看到了未來!

  筆者的碎碎念:人生也是需要第二曲線的。我認為在這個世界上,沒有什麼是會永不衰落的,羅馬帝國延續了400年最終也是個滅亡的結局,更別提當下日新月異的互聯網了。

  當你覺得現在非常舒適的時候,可能就是曲線即將下墜的開始。反之,當你處於人生巔峰的時候,抽出時間投入到新的領域,開始第二曲線,那麼你將迎來更高維度的增長!畢竟,McKinsey & Co.的一份研究報告稱:“由於人工智能的發展,2030年預計將會有7500萬至3.75億人需要重新找工作。這一數字大約占到全球所有勞動人口的3%至14%。”

  2.數據為王:

  Netflix不是第一個做在線DVD租賃業務的選手,也不是第一個提出視頻流媒體概念的公司,那麼為啥它能在兩個時代都坐穩第一把交椅呢?

  筆者認為,這其中的關鍵就在網飛基於“數據為王”的科學態度,將用戶體驗做到了極致。

  “數據為王”不是Netflix獨有的文化。在矽谷,以Facebook為代表的科技公司始終強調數據為王的價值。本質是提供一種理性決策依據,讓團隊在面臨數不清的增長策略時,作出效益最高的選擇。

  在大數據幫助下奪冠的“金州勇士隊”,就是個很好的例子:

  2011年,矽谷投資人Joe Jacob高價買下當時在NBA表現並不好的金州勇士隊,利用大數據分析將它改造成了一支“冠軍隊”!

  以前,衡量球員表現的方法往往是靠評論員和教練的目測,但是Jacob僱傭了大量數據分析師,借助大數據得出了實用的戰術佈置建議,比如:

  Roy Hilbbert的蓋帽率幾乎是David West的兩倍:41.9%:23.4%。

  如果被Kawhi Leonard防守,你基本沒有可能在三分線外出手投籃;如果把防守員換成Chris Paul,你不僅在任何位置都很難投籃,而且即使投出去了也很難命中。

  安排Stephen Curry(迷妹尖叫!)站在三分線外儘可能多投籃,他的命中率保證了高風險後的高回報。

  結局:2015年6月勇士隊奪得了該隊40年來的首個NBA總冠軍,被譽為“NBA中的Google”,成功掀起一股“數據驅動的顛覆訓練方式”的新浪潮。

  那麼,Netflix是如何利用“數據驅動”實現用戶高速增長的呢?

  CineMatch 推薦算法:簡單地說,當你登錄Netflix後,你對每一個視頻所做出的舉動(包括點擊、播放、暫停、快進、回放、退出)都會成為Netflix數據庫里的一個“事件”。

  久而久之,它就能通過數據分析,知道你在週末的晚上喜歡看什麼類型的電影,更喜歡伍迪·艾倫還是 韋斯·安德森… 這套算法讓Netflix在降低成本的同時,總能幫助用戶找到最符合自己喜好的內容。憑藉數據,Netflix還能決策應該製作什麼內容,如何基於不同的時間段、不同的客戶提供不同的內容。

  強大的推薦算法讓Netflix擁有了90%的續訂率!

  A/B test:一張宣傳海報的設計,很大概率上決定了用戶是否會點開該電影。深知圖像價值的Netflix工程師針對宣傳海報進行了A/B測試,以影片《短暫競賽》(The Short Game)為例,最初的預設海報無法讓人第一時間理解這部影片是關於“兒童”和“高爾夫”的,於是工程師嚐試了另外兩個方案,轉化率均高於原方案。

  《The Short Game》不同版本海報的轉化率差異來源:Netflix博客

  此後,Netflix開發了一套系統,能夠自動將具有相同背景,但不同剪裁、裝飾、標題、長寬比等元素的圖像組合在一起,拚成一張海報,然後分別測試用戶對這張海報的點擊轉化率和後續行為,最終挑選出轉化率最高的海報。

  《馴龍高手:飛躍邊界》的海報方案與勝出組,來源:Netflix博客

  通過無數次針對海報的A/B測試,Netflix甚至發現了一些關於圖像使用中的經驗心得:

  海報上出現面部表情,更容易傳達微妙的情緒,暗示故事情節的引人入勝。

  使用反派的形象更容易被點擊,無論是動畫片還是真人作品。

  海報上的角色人數超過3人時的點擊率下降明顯。

  將“數據為王”執行到極致,連宣傳海報都要做無數次A/B測試來增加其轉化率的Netflix,有什麼理由不該高速增長呢?

  一定有讀者認為,此時我該聊到靠大數據爆紅的《紙牌屋》了。但筆者認為,這隻是一個宣傳噱頭。

  “Netflix基於其3000萬北美用戶觀看視頻時留下的行為數據,預測出凱文史派西、大衛芬奇和“BBC出品”三種元素結合在一起的電視劇產品將會大火特火。”事實上,這句話的本質和“我預測金城武+李安+楊冪的營銷團隊結合在一起的電視劇產品將會大火特火。”沒有區別。我不用大數據,只要經費和大咖到位就能火。

  如果《紙牌屋》的成功真的是因為大數據,那網飛就不會拍出失敗的作品了,比如《鐵杉樹叢》和《女子監獄》。(《紙牌屋》最後還爛尾了,一個經典的高開低走...)同樣,亞馬遜利用“大數據噱頭”製作出的《阿爾法屋》也並沒有成為熱門大劇。當然,筆者從不否認大數據挖掘確實幫助Netflix製作出不少深受用戶喜愛的作品。

  總結:創始人Reed Hastings超前的格局,讓Netflix實現了三次“第二曲線”的飛躍,每一次都能找到新的增長路徑,這讓Netflix一直奔跑在正確的賽道上。而Netflix一貫秉持“數據為王”的態度,把用戶體驗做到極致,則使得Netflix遠遠領跑於賽道上的其他選手。

  格局超前+數據為王=6493%的超高速增長。

  資料參考:

  《Why Blockbuster Failed》, by Diego Lucero.

  《Netflix‘s lost year: The inside story of the price-hike train wreck》, by Greg Sandoval.

  《增長黑客實戰筆記》, by 範冰,張溪夢

  本文首發於微信公眾號:Growth洞察啟示錄,作者:林蓁蓁

關注我們Facebook專頁
    相關新聞
      更多瀏覽