第(3/3)页

    可问题是，当时网费的资金不足，内容库也不大，5，000万美元最终还是用来购买数百部不同的作品，用来将网飞自身的内容库扩大，先提供足够的视频资源再说，最后只能够想办法再借来3000万美元的资金来制作自己的作品。

    而且制作一部还不够，哈斯廷斯一口气决定，要用个3000万美元来制作十部网飞自己的作品，平均下来每部作品只有300万美元的经费。

    在2012年，这么一点可怜的经费，那无疑是制作不出任何有质量的作品出来的，毕竟随便哪个电视台，随便一部电视剧，当时的制作成本都超过了千万美元级别。

    而且就算是千万美元级别的作品，也大概率是扑街的，无法引起任何讨论热度的，不会给公司引流的作品。

    而网飞的这十部作品，按照哈斯廷斯的要求，不求部部都是经典，但要求每一部都能够得到观众们的喜爱，哪怕是垃圾，也要是观众们喜欢看的垃圾。

    这毫无疑问是一个几乎无法完成的任务，毕竟就算是斯皮尔伯格这样的大导演，其一大半的作品都得不得市场的认可，而网飞这十部却要求部部吸引观众，这怎么可能？

    这在外人看来绝不可能的事情，在网飞的算法的运作下，就变成了可能。

    这个时候，网飞已经陆陆续续的收集了15年的用户数据，然后他们将这些用户喜好的数据，全部投入了进入，然后就出现了这个网飞最珍贵的大数据算法。

    这个大数据算法能够自己计算出在当前情况下，全米国的用户最喜欢哪种影视题材，那些演员，哪些故事，哪些ip，甚至是哪些用户们最喜欢的滤镜都能够计算出来。

    据说，这个大数据算法能够给出超过280个不同的影视作品的标签出来，从280个角度来塑造一个影视作品……这基本上直接就将一个影视作品的大纲给折腾出来。

    而最神奇的，他还能够根据你的需求来定制观众喜好的大纲。

    比如据说当时在选择十部作品的时候，哈斯廷斯前九个作品，分别给出的特定需求是：投资200万以内，然后是喜剧，科幻，西部，政治等等不同的类型影视的标签。

    最后这个大数据算法，就直接生成了各自不同的影视大纲出来，从剧本的要求，各种影视的要素，还有演员的选择，甚至直接就购买哪些ip什么的，全都直接显示了出来，只要按照这个大纲来无脑填充内容就行了。

    而最后一部作品，哈斯廷斯只给出了投资1，000万美元这一个标准，其他的没有任何限制，最终，这个大数据算法给出了答案：翻拍纸牌屋


    第(3/3)页