2018년, 오징어 게임의 감독 황동혁이 10년 전에 쓴 오징어 게임 시나리오를 가지고 서울 WeWork의 넷플릭스 임시 사무실에 걸어 들어갔을 때, 그는 아마도 이렇게 큰 성공을 기대하지 않았을 것입니다. 유명한 한국 드라마 오징어 게임이 출시된 후 첫 달에 전 세계 거의 1억 5천만 가족이 쇼를 시청했으며, 미국을 포함한 94개국에서 시청률이 1위를 차지했습니다. 급상승하는 시청률과 오징어 게임의 현상적인 인기는 쇼 뒤의 선도적인 스트리밍 미디어 플랫폼인 넷플릭스의 주가 상승을 촉발시켰습니다. 오징어 게임은 넷플릭스의 첫 번째 블록버스터 히트작이 아닙니다. 2012년부터 2021년 Q1까지 넷플릭스는 779개의 오리지널 시리즈를 출시했으며, 그 중 인기 있는 고품질 시리즈가 20.67%를 차지했습니다. 넷플릭스를 벤처 캐피털 회사로 간주한다면, 이것은 인상적인 적중률입니다. 넷플릭스에 관한 큰 질문은, 수천 개의 프로젝트 중에서 항상 히트 쇼를 선택하고 거대한 수익을 얻는 마법의 코드가 무엇인가 하는 것입니다?
알고리즘의 힘
외부에서 보면 넷플릭스는 스트리밍 플랫폼이지만, 내부에서는 핵심 엔진이 AI 알고리즘과 빅데이터입니다.
넷플릭스의 창립자이자 CEO인 리드 헤이스팅스(Reed Hastings)는 보스턴의 변호사 가족에서 태어났습니다. 그는 보도인 대학에서 수학 학사 학위를 취득한 후 스탠포드 대학교에서 컴퓨터 과학 석사 학위를 취득했으며, 남아프리카에서 2년간 수학 교사로 일했습니다.
넷플릭스 초기, 리드 헤이스팅스는 이미 알고리즘의 중요성을 깨달았습니다. 2006년 넷플릭스는 Netflix Prize라는 알고리즘 콘테스트를 개최했으며, 이는 "사용자의 행동과 선호도에 기반하여 사람들이 쇼를 얼마나 좋아할지 예측하는 정확도를 향상시키는" 최고의 알고리즘을 선택하기 위한 것이었습니다.
넷플릭스 페이지를 열면, 당신을 위한 개인 알고리즘 분석이 이미 시작됩니다. 특정 쇼의 재생, 일시 정지, 되감기 또는 빨리 감기, 심지어 쇼를 시청하는 시간, 장소 및 장비까지 데이터로 변환되어 결국 당신에 대한 완전한 그림을 형성하며, 이는 넷플릭스가 추천 결정을 내리는 중요한 기반이 됩니다.
사용자를 넷플릭스 페이지에 최대한 오래 머물게 하고 유료 회원으로 전환하기 위해 플랫폼은 추천 메커니즘을 지속적으로 개선하고 "넷플릭스 양자 이론"을 개발하며, 이는 전통적인 영화 및 텔레비전 카테고리를 더욱 세분화합니다. 이 이론은 "영화의 마이크로 장르: 지역 + 형용사 + 장르 + 제작 출처 + 설정 시간 + 플롯 + 콘텐츠 + 적합한 관객 +..."로 요약됩니다. 이러한 매우 상세한 카테고리를 "마이크로 장르"라고 하며, 넷플릭스는 현재 총 76,897개의 마이크로 장르를 보유하고 있습니다.
추천 알고리즘과 사용자 행동의 이중 진화와 함께, 넷플릭스는 각 사용자의 습관에 따라 다른 화면 및 비디오 가이드를 도입합니다.
넷플릭스는 또한 플롯 포인트의 배치에 대해 매우 엄격하며, 특히 시리즈의 전반부에서 그렇습니다. 약 15분마다 Hook(플롯 포인트)이 있어야 하며, 고강도 정보로 관객의 주의를 지속적으로 끌어야 합니다. 유명한 TV 쇼 하우스 오브 카드는 넷플릭스 알고리즘 패턴의 첫 번째 검증이었습니다.
2012년부터 2021년 Q1까지 넷플릭스는 779개의 오리지널 시리즈를 출시했으며, 그 중 161개가 Rotten Tomatoes에서 60% 이상의 평가를 받은 인기 있는 고품질 시리즈로 평가되어 총계의 20.67%를 차지했습니다. 넷플릭스 자체 제작 드라마의 인기도는 2016년 이후 평균 20% 이상을 유지했습니다.
오징어 게임 기적
오징어 게임의 인기는 넷플릭스를 위한 또 다른 빅데이터 기반 승리입니다. 9월 데뷔 이후 오징어 게임은 넷플릭스의 가장 많이 스트리밍된 시리즈가 되었습니다. 전 넷플릭스 직원에 따르면, "오징어 게임"은 단 2,140만 달러의 비용만 들었지만, 구독자 갱신률, 신규 구독자, 브랜드 평판 등을 포함하여 넷플릭스에 약 8억 9천 1백만 달러의 추정 영향 가치를 가져왔습니다. 2년간의 투자 후, 오징어 게임은 넷플릭스에 거의 40배의 수익을 가져왔습니다. 벤처 캐피털의 기준으로 측정하면, 내부 수익률(IRR)은 517%에 달합니다. 한국에서의 5년 동안 넷플릭스는 80개의 오리지널 쇼에 7억 달러를 투자했습니다. 처음 5년간의 투자를 넷플릭스의 한국 서브 펀드로 간주한다면, 오징어 게임만으로 펀드의 모든 투자 비용을 회수했습니다. 좋은 글로벌 펀드는 일반적으로 의사결정 권한의 현지화를 잘 수행합니다. 넷플릭스도 마찬가지입니다. 김민영이 2016년 아시아 태평양 지역 콘텐츠 책임자로 넷플릭스에 합류했을 때, 그녀의 주요 업무는 "한국에서 좋은 이야기를 찾는 것"이었습니다. 투자자들이 소셜 네트워크를 통해 프로젝트를 적극적으로 찾는 것처럼, 김의 업무의 큰 부분은 작가, 감독 및 프로듀서와 소통하고 소셜 네트워크를 통해 좋은 스토리텔러를 찾는 것입니다. 2018년, 넷플릭스가 한국에서 그렇게 잘 알려지지 않았을 때, 감독 황동혁이 WeWork의 작은 임시 사무실에서 김에게 접근하여 10년 전에 썼지만 현지 쇼 비즈니스에서 거부당한 "오징어 게임"의 시나리오를 건네주었습니다. 김에게 있어, 수천 개의 시나리오와 함께, 그녀의 투자 기준은 더 많은 데이터에 의존합니다. "우리는 이미 보유한 사용자 데이터에서 영감과 피드백을 얻습니다. 창의적 감독으로서 우리는 또한 직관을 사용하여 관객의 즐거움을 극대화하기 위해 제공해야 하는 쇼를 파악합니다." 김은 말했습니다. "넷플릭스는 항상 존재하는 것과 사람들이 원하는 것 사이의 격차를 채우려고 노력합니다." 그래서 김은 오징어 게임의 특별한 이야기를 보았을 때, 즉시 투자하기로 결정했습니다. 플랫폼이 축적한 실시간 사용자 데이터를 사용하여 쇼가 인기 있는지 여부 또는 얼마나 많은 유료 고객을 유치할지 결정합니다. 스트리밍 미디어로서 넷플릭스는 시장 수요를 사용하여 다음 투자 결정을 안내하고 투자 성공률을 향상시킬 수 있습니다.
글로벌 현지화
빅데이터는 넷플릭스의 보이지 않는 산업 해자가 되었으며, 실패한 투자 데이터 피드백조차도 귀중한 자산입니다. "오징어 게임"의 성공은 지속적인 시행착오와 현지 사용자 데이터 축적 후 넷플릭스의 글로벌 현지화 전략의 결과일 뿐입니다.
한국의 현지화 전략을 예로 들어보겠습니다. 넷플릭스는 한국 전통 사랑 시리즈로 시작한 다음 협력 및 사용자 피드백 데이터를 통해 사용자의 긴 꼬리 선호도를 발견했습니다. 사용자 데이터의 지도 하에 시나리오 방향이 지속적으로 조정되어 현지화 및 국제적 특성을 모두 가진 이야기를 선택합니다. 경쟁력 있는 할리우드 제작 표준과 쇼 제작 품질을 향상시키기 위한 높은 수준의 자금 조달을 결합하여, 넷플릭스는 궁극적으로 블록버스터 히트작을 위한 효율적인 전략을 찾았습니다.
현재 넷플릭스의 국제 시장은 미국에서 라틴 아메리카, 아시아, 유럽으로 확장되었습니다. 사용자 데이터의 지속적인 축적과 함께, 현지화 전략은 한국, 일본, 태국 및 아시아 태평양 지역의 기타 국가에서 좋은 결과를 달성했습니다. 최근 몇 년간 "Alice in Borderlands", "Girl from Nowhere"를 출시하여 긍정적인 투자 결과를 얻었습니다.
글로벌화 전략은 넷플릭스에 보람을 가져왔습니다. 넷플릭스는 현재 전 세계적으로 2억 1천 4백만 명의 유료 구독자를 보유하고 있으며, 이는 HBO Max 또는 Disney+보다 훨씬 많습니다. 2015년 이후 넷플릭스는 미국보다 해외에서 더 많은 구독자를 보유하고 있습니다. 올해 3분기 아시아 태평양 지역은 구독자 성장 측면에서 넷플릭스의 가장 강한 지역이었습니다.
자본 시장은 글로벌 시장에서 넷플릭스의 콘텐츠-데이터 플라이휠 효과의 성공에 반응했습니다. 발행 시점까지 넷플릭스의 주가는 $650 이상이며, 회사에 거의 $3,000억의 시가총액을 제공합니다.
넷플릭스의 투자 예산이 2015년 46억 달러에서 올해 170억 달러로 증가하고 더 많은 오리지널 콘텐츠가 등장함에 따라, 넷플릭스는 작년에 가장 많은 에미상 후보에 오른 HBO를 추월했습니다. 더 많은 재능 있는 감독을 유치하여 협력하고 더 많은 쇼를 만들 수 있습니다. 고품질 콘텐츠는 다른 국가의 새로운 사용자를 유치하고, 대규모 사용자 행동 데이터를 기반으로 한 알고리즘이 계속 반복되어 콘텐츠 제작 및 추천을 더 정확하게 만들며, 따라서 플라이휠 효과의 긍정적인 사이클을 형성합니다.