「喜欢」和「超级喜欢」的区别是什么？
Netflix 认为，它们之间相差了一只向上的大拇指。
曾经，在 Netflix 对剧集或电影给出评价，只要点踩或者点赞，即 Thumbs Down（拇指向下）和 Thumbs Up（拇指向上）。
但现在，Netflix 认为非黑即白的表态已经不够了。
▲ 图片来自：netflix
从 4 月 11 日起，「Double Thumbs Up」（双拇指向上）作为第三个选项出现，以「比喜欢更喜欢」的形式，帮你选出你真正享受的内容。
用上双拇指，你就是真正的粉丝！Netflix 对三个选项给出的解释分别是：
拇指向下：We won’t suggest this again. 我们不会再建议这个了。拇指向上：We’ll show you more like this. 我们将向你展示更多这样的内容。双拇指向上：We know you’re a true fan! 我们知道你是一个真正的粉丝！
为什么要在熟悉的点赞和点踩手势之外，增加一个「双拇指向上」呢？
▲ 图片来自：netflix
根据 Netflix 的推荐算法，用户坚持点赞或点踩，就会得到更多正中下怀的推荐。
但从用户反馈看来，点赞和点踩并不足以表达观感，他们希望加入另一种方式，使得「like」和「love」有细微差别，从而让 Netflix 的推荐更好地对应自身喜好。
「双拇指向上」就是 Netflix 推出的另一种方式，起到「微调推荐」的作用。
「拇指向上」仍然可以表达你「喜欢」什么，Netflix 也会继续根据观看的历史记录，或者观看的方式和时间，给出类似的推荐。
▲ 图片来自：netflix
但「双拇指向上」总归是不同的。
用户可以通过它告诉 Netflix，自己对某种特定内容情有独钟，包括主演、制作团队、角色类型、小众剧集类型等等，Netflix 的推荐也就能够更具体入微。
举例而言，如果你用双拇指点赞了《布里奇顿家族》，你可能会看到更多来自原班人马或制作公司 Shondaland 的节目或电影；如果你用双拇指点赞了《我本坚强》，你可能会看到更多带有古怪角色的喜剧。
▲ Netflix 2021 年热门剧《布里奇顿家族》. 图片来自：豆瓣
所以，「双拇指向上」和「拇指向上」各有其意义。从业十余年的产品经理蒋嘉之告诉爱范儿：
「双拇指向上」结合用户社交图谱，能极大改进推荐的精准度和针对性。「单拇指向上」对一部作品的整体排名、用户群统计等指标价值最大。两者不存在权重高低问题，只有数据指标的运营用途不同。
看到这里，你或许会联想到一个问题：「双拇指向下」会不会出现？
▲ 图片来自：The Mac Observer
在接受 Business Insider 采访时，Netflix 并没有说死，但至少短期内不会，因为相对于点赞，他们没有看到用户对点踩有相同的参与度：
「用户倾向于正向的表达，告诉我们怎样的内容是多多益善的。」
用户习惯是表面，更为根本的原因在于，Netflix 希望遵循这种用户习惯，改进推荐算法，留存更多用户。蒋嘉之对此分析认为：
Netflix 的用户增长和商业成功的关键是持续改进推荐算法，让「猜你喜欢」越来越精准。「特别不喜欢」，对优化推荐算法没有正向的贡献；「喜欢」和「特别喜欢」，能帮助用户体量足够大的平台，更精准把握和优化推荐算法。
这也正是为什么，Netflix 称「双拇指向下」暂时不会面世，并对「双拇指向上」满怀热情：
「不要害羞！在 Netflix 上表达自己并告诉我们你热爱什么。你知道你想。」
相比点赞点踩，五星制出局得更早事实上，Netflix 的「拇指向上」和「拇指向下」也不是一开始就有的。
2017 年 4 月，Netflix 才取消传统的五星评分系统，将其改为更简单的点赞或点踩手势，来表示喜欢或不喜欢。
▲ 图片来自：netflix
理由和这次加入「双拇指向上」选项一样——优化推荐算法。
首先，点赞点踩比五星评分更方便，吸引更多用户参与。
在一项 Beta 测试中，Netflix 向全球数十万新的 Netflix 用户推出了点赞点踩手势，发现评价行为增加了 200% 以上。
其次，Netflix 希望人们按心意选择自己享受的内容，更遵循自己的直觉，而不是试图成为批评者，从质量上评估自己看的是好片还是烂片。
这是五星评分、点赞点踩两种评价系统，带给人的不同潜意识。当时的 Netflix 产品副总裁 Todd Yellin 举例说道：
对于五星评分，你可能会给一部关于动乱的纪录片打 5 颗星，也会给一部喜剧电影打 3 颗星，但或许你会多看 10 次喜剧电影。你真正所做的，和你口中说喜欢的，是不同的事情。但对于点赞或点踩，人们有一种隐含的理解，即这样做只是为了改善自己的体验。
究其根本，五星评分不合适 Netflix 这种以推荐算法为核心、想方设法猜你喜欢的流媒体网站。
▲ 图片来自：the verge
「口是心非」的五星评分，会造成数据的异常，一部电影的观看时间统计可能很可观，但星级很低。在这种情况下，星级和用户行为的相关性并没有那么高，对推荐算法造成了困扰。
而且，五星评分统计的是每个用户个体的评级，求的是平均值，不利于推荐算法的精确度改进。
在改变评分系统之前，Netflix 拥有超过 100 亿的「五星」评价。对此，Todd Yellin 指出：
我们在自制和引入内容方面花费了数十亿美元，五星评分系统只会为这些庞大的编目增加挑战，让人们真正想看的东西冒出头来是非常重要的。
以上种种让 Netflix 决定放弃五星评分，寻找和用户实际观看行为更相关的信号。
与之呼应的是，2021 年 10 月，Netflix 发布了一份基于 28 天内总观看时数的电影和连续剧排名，并表示「观看时间是衡量我们作品整体成绩的一个更好的指标」。
▲ 图片来自：code 2021
简而言之，Netflix 希望你喜欢什么，你真正享受于什么，你就更坦然地选择什么，然后 Netflix 再为你推荐更多这方面的内容，哪怕你看的是个豆瓣 2 星的烂片，但你从中收获了快乐，就足够为它点个赞了。
如今，点赞、点踩再加入「双拇指向上」，其实形成了一种「三星评分制」。
某手机厂商视频业务负责人 Ycle Schu 告诉爱范儿，推荐算法最好的方案应是三星评分制，即「不喜欢」「喜欢」「喜欢到值得分享或推荐」：
2017 年停掉五星系统时，Netflix 选择的是两星系统，即不喜欢、喜欢。如今再新增一个双拇指，形成了三星系统。
视频号也面临过这个问题，但是改得很快，之前是不喜欢、喜欢到值得分享或推荐，后面低调加了个私密赞，其实就是喜欢。
▲ 图片来自：CNET
蒋嘉之同样认为，比起五星评分和二元的点赞点踩，三星评分制更适合 Netflix 用户：
三星评分制既能更清晰捕捉个体的偏好，也能通过 Netflix 海量的用户偏好统计，更真实反映用户对一部片子的偏好。
归根结底，作为流媒体的 Netflix，就是要改进推荐算法，用更精确的「猜你喜欢」留住你，帮你解决选择疲劳，更容易找到想看的内容，更容易享受其中。
早在 2000 年，Netflix 就推出了基于观看历史评分的个性化电影推荐系统，并发现用户常常不确定具体想看哪部影片，如果寻找一部影片耗时超过 90 秒则会放弃。
当时间来到 2022 年，Netflix 产品创新总监 Christine Doig-Cardet 在接受 The verge 采访时说道：
用户从未像现在这样拥有如此多的娱乐选择。能够找到你会喜欢的节目和电影真的很重要。我们希望继续让 Netflix 成为最容易选择观看内容的地方。
▲ 图片来自：shutterstock
用点赞点踩取代五星评分，再用三星评分制取代点赞点踩，都是这个道理。
除了这些，Netflix 还有其他「猜你喜欢」的功能和工具。
2017 年，和点赞点踩一起出现的是 「百分比匹配」功能，该功能指的是某剧集或电影与单个订阅者的匹配程度。一个非常符合用户口味的节目可能有 98% 的匹配值，但匹配率低于 50% 就不会显示匹配分数。
▲ 图片来自：Reuters
和 Netflix 现在不做「双拇指向下」类似，百分比匹配也更倾向于一种正向鼓励。
2020 年 2 月，Netflix 推出 Top 10 功能，每天更新用户所在国家或地区最受欢迎的内容，且具体顺序将根据内容与用户的相关程度而有所不同。除了整体的前 10 名，还有每个类别的前 10 名。
▲ 图片来自：netflix
以上这些都很常见，入选的剧集和电影还拥有一个特殊的 Top 10 徽章，无论它们出现在 Netflix 上的何处。
如此，用户不管在搜索还是浏览界面，都可以更快、更轻松地了解热门趋势，或者成为助推热度的一道火苗。
2021 年 4 月，Netflix 推出 「Play Something」功能，为「选择困难晚期」对症下药。
▲ 图片来自：netflix
「Play Something」不是一个完全的随机选项，它基于历史记录、个人资料和用户品味，推荐给你全新的剧集或电影、已经开始观看的内容，以及关注列表中的某些内容。
Netflix 被 The Verge 称为流媒体领域「最以用户为中心」的平台之一；Netflix 也称自己一次次地改进，是为了「将更多的控制权交还给用户，帮助他们根据个人喜好定制体验」。
我们用这些功能做出了我们的选择，但这份自主权，究竟是在我们手里，还是在平台手里，并不好说。
▲ 图片来自：Denys Prykhodov/Shutterstock
因为它们显得十分个人化，完全遵循兴趣导向，可能形成影视领域的「信息茧房」——习惯性地被自己的兴趣和审美所引导，从而将自己的生活桎梏于像蚕茧一般的「茧房」中。
基于互联网用户订阅逻辑，流媒体形成了独特的消费模式，Netflix 和它所希望留住的用户，一方收获了利益，一方收获了效率。在享受之余，我们也不妨对这份技术理性主导下的「