Netflix：用户至上？不，痴迷于用户，让用户沉迷
2005年我加入Netflix担任产品副总裁时，问过CEO Reed Hastings一个问题，他希望为后人留下什么。Reed的回答是“消费者科学”，“神如Steve Jobs，有极为敏锐的感知力，他知道消费者想要什么，但我不是这样的人。为此，我们需要消费者科学来实现。”
Reed希望Netflix团队能够通过科学的研究程序，发掘一套取悦消费者的方法论——通过现有数据、实证和问卷调查建立假设，再使用A/B测试看哪些想法行之有效。如此，产品负责人能够建立起一流的消费者洞察。
Netflix以及之后在Chegg的经历，让我深刻理解并拥抱消费者科学思维。同时，我自己也从一个“用户至上”（customer focus）的产品人，转型成为“痴迷于用户”（customer obsession）的产品人，思维重点也从原来的“消费者说了什么？” 转变为 “不如我们来测试一下！”。
- IDG资本译制图 -
以下是我们常用的四种研究方法：
1、通过现有数据了解过往和目前的消费者行为；
2、通过焦点小组、一对一访谈、可用性研究等量化研究方法倾听消费者想法和对我们的产品的反应；
3、通过问卷调查理解我们目前的消费群体是谁，包括基本的人口统计学指标、消费者如何使用竞品、消遣娱乐的偏好等；
4、使用以上方法得到数据和结果，进一步提出假设并进行A/B测试。
对消费者的痴迷使我们能够从消费者的角度看产品，理解并解决可能连他们自己都尚未察觉的、未来的需求。
我第一次接触到Netflix的这套方法是在某次周一晨会上，当时，15位高层在一起过数据，他们对留存、收入、成本，以及消费者行为变化在内的数据纬度进行层层筛查，提出各种各样的问题，尤其是对于一些不能解释的变化，会进一步深究。
2005年春季，我们发现每月订阅取消率激增，团队迅速行动试图查找原因。
Netflix 2001-2005年的月订阅取消率变动如下：
通过深入的数据挖掘分析，我们提出的优先假设是“季节波动”：夏季人们倾向于多花些时间在户外。但为什么在过去几年中订阅取消率在夏季保持相对平稳？是因为2005年的夏天天气格外好吗（并没有）？我们进入了订阅取消的高峰期吗（不太可能）？我记得当时团队调用了很多分析师来解决这个问题，然而没有一个令人满意的答案。
我们在接下来的一个月中解决了这个谜题。事后来看这个问题似乎很简单。不过当局者迷，我们花了些时间才拨开迷雾。2001到2004年，我们每年都会在春末降低订阅费，因为季节因素带来的订阅取消也因此得到缓和。2005年是Netflix第一年没有在夏季开始前降低订阅费。
而在分析区域数据时，我们发现夏威夷地区的订阅取消率从9月起有明显的降低。夏威夷、圣何塞和博伊西三地的月度订阅取消率大致如下：
圣何塞的低取消率不难理解，因为三地中我们最先在圣何塞开展了业务。我们在博伊西的业务要晚于在圣何塞几年，而夏威夷地区在订阅取消率上的改善则出乎我们的意料——为什么取消率可以在两个月内从8%降到6%？
答案很简单。在刚开始夏威夷地区的服务时，我们的光盘和DVD都从洛杉矶的仓库中运出，需要花上3天才能到达夏威夷。而自当年8月起，我们在火奴鲁鲁（夏威夷首府）建立了新的DVD库存中心，隔天就能送货到家。
据此，我们提出了“提高DVD送货效率有助客户留存”这一假设，并把DVD隔天运送的比率列为我们持续考量的指标之一。在接下来的几年当中，我们的运营团队将自动DVD运输系统仓库从20个拓展为100个，而我们也将库存系统和网站销售系统打通，在用户的个人帐号中只显示可以隔天送到的DVD资源。
随着自动运输系统拓展至100个仓库，隔天送达率提升至95%
夏威夷的数据变化帮助我们发现了DVD运输速度的作用，提升了全美用户的满意度。而自动化运营中心在全美的扩张也提升了边际效益。当时的竞争对手百视达 (Blockbuster) 难以复制我们的运输系统。
焦点小组帮助我们缓解“知识诅咒”带来的影响。有时，由于我们自己太了解产品，反而很难从用户角度去想问题。
我们曾经抓破脑袋，想如何把订阅费从22美金/月降到15美金/月，而这其中的消费者洞察起到了很大作用：与电影迷不同的是，普通用户每次看电影时只要手边有一两张DVD备选即可。我们据此进行了测试，并成功推出了9美金/月、15美金/月和一次订阅两张DVD的订阅选项。
Netflix会在全美进行焦点小组访谈，认真倾听参与者的发言，向我们的用户学习，在多年发展中渐渐成了一支“时刻将用户声音放在第一位”的产品团队。
关于“用户满足”和“边际效益”二者间的平衡，可以尝试通过“perfect new release”测试了解。在Netflix，用户对快速、便捷地获得新内容的呼声一度很高，Netflix选取了一些用户进行测试，让他们在新内容置顶到账户清单的第二天就能拿到DVD，对照组的用户则需要等待数天乃至数周。
测试结果显示，缩短用户看到新内容的时间对留存率的贡献并不大，但为了提高效率而增加的支出却显著提高了——Netflix需要数百万美金才能及时购入新内容。换句话讲，用户其实并没有那么看重公司为缩短时间所做的努力，公司花大笔钱购入新内容的投入产出比不高。
我们有一个专门用来定义这一平衡的公式：我们愿意在每个稳定用户身上花200美金或者2倍于其生命周期价值的成本。如果在用户满足上增加一倍投入可以使单个用户的口碑传播行为翻倍，我们就会鼓励产品经理们增加用于用户满足的开支。因为这样的投资不仅能够提升客户留存，还能让他们更积极地宣传我们的服务，从而免费吸引新的用户注册和使用Netflix。
许多A/B测试的结果和直觉并不相符。在建立基于网页和电视的体验时，我们发现“简约”这一要素要比“全面”重要得多，但这一发现对“非会员页面”并不适用。
Netflix每隔6个月就会用A/B测试分析简约的页面对非会员来说是否更有效，但每次都是更复杂而全面的页面胜出。我们的理论是，描述价值的信息会促进用户转化，而向非会员说明我们的价值的办法之一，就是在页面里放上各种各样的信息。
Netflix 2010年的页面并不简约，信息的堆叠传递了更多的价值。
终于在2013年，简约的非会员页面在A/B测试中胜出。而此时Netflix的品牌内涵已经成长，品牌本身已经可以传递价值信息。我们今天看到的非会员页面，显然更加简单、清晰；这得益于Netflix品牌长达15年时间的价值积累。
A/B 测试的另一案例发生在去年，Netflix的内容评分系统从五星模式变成了简单的赞或踩二选一模式。尽管很多用户对这一改变表示不解，内容评分的提交数量却因此翻番。
为什么这样改？很简单，Netflix分别测试了点赞和评星，发现点赞模式能使内容评分提交量翻一倍。
这一测试中还蕴藏了另外一项消费者洞察：电影作品展示页面中并没有显示该内容被其它用户评为几星，而是告诉用户这部电影在多大程度上满足你的喜好（xx% match）。
每部电影的评星消失了，Netflix告诉你《赌城风云》和你喜好的匹配度为98%。
这次改动的原因你应该猜到了，Netflix通过很多现有的数据、定性研究和A/B测试做出了用匹配程度取代星级评分的决定——
原始假设：用户收看越多的高评分电影，留存时间越长。这一假设和定性研究过程中参与者的反应相同，但没有数据可以支撑。
Netflix发现：尽管你可能给亚当·桑德勒（不好意思兄弟，你躺枪了）的某部无脑喜剧片打了个三星，却仍然能从这部电影里获得乐趣。《辛德勒的名单》的确是部能让你打五星的好片，但看完以后你的心情可能就没那么轻松畅快了。
将现有数据、质化研究和A/B测试的结果综合到一起后，Netflix决定从评星制变为点赞制，并提供匹配度而非所谓的“内容质量”纬度的数据。
Netflix从评星到点赞的这一变化正是创造以用户为核心的产品文化的关键：混合多种研究方法，专注于实证和测试。正如同当年对DVD递送效率的提升一样，Netflix的个性化技术也实现了难以复制、提升用户满足、加强边际效益三项指标。个性化的匹配和推荐为用户带来了令人满意的内容选择，扎实的数据基础和对用户的深刻理解让竞争者望尘莫及，而购入版权成本更低的内容资源则提高了边际效益。
至于为什么Netflix要综合使用四种研究方法？
——因为每种方法本身都存在盲区。
比如，现有数据只能用来描述当下发生的事情而非未来，用户有时会在问卷调查或者焦点访谈中因为各种各样的原因说谎，另外也不是所有的东西都能进行A/B测试。
下图是我对各种研究方法及其利弊的小结：
- IDG资本译制图 -
真正实现“痴迷于消费者”的产品文化需要整个团队，以开放的心态拥抱消费者科学这个概念，并高度参与到各类研究和测试中，从一系列成功和失败中快速学习。
除此以外，我们也需要一点耐心。多数公司在初创期都有这样那样的各种不足，一家伟大的公司从起步到脱颖而出有时甚至需要20年。
作者：Gibson Biddle，前Netflix 产品副总裁，现任Chegg首席产品官
原标题：How Netflix’s Customer Obsession Created a Customer Obsession
你还不能错过：
进入【独家精选】菜单或点击下列关键词
阅读更多精彩内容：
2017 薪酬报告|2017IDGVIEW| 2017 年度总结| IDG 大咖说|IDG 私享会
消费升级| 新电商 | 泛娱乐| 出海 | 品牌| 人工智能| 金融科技|消费金融| 体育
微信ID：idg_capital
长按右侧二维码，关注「IDG资本」
