加入收藏 | 设为首页 | 会员中心 | 我要投稿 温州站长网 (https://www.0577zz.com/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 教程 > 正文

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

发布时间:2019-03-25 22:59:08 所属栏目:教程 来源:乱翻书
导读:原标题:Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘 Netflix前传 上市失败,泡沫裁员,CEO如何走过生死边缘 乱翻书原创 作者:余智敏监制:潘乱 从《纸牌屋》到《女子监狱》,从《怪奇物语》到《黑镜:潘达斯奈基》,再到最近在奥斯卡斩获最佳

在选拔人才上,Netflix坚持挑选行业中最优秀的A级人才。在culture deck中,Netflix认为程序型的工作,A级员工是一般员工的2倍,但是在创意型的工作中,A级员工是一般的10倍,而由这样的A级员工组成的团队,又会有更高的溢出效应。

Netflix激进的开除文化,即发现不适合,达不到持续A级输出的员工,哪怕只有2周,就会尽快开除,支付最低4个月的赔偿金,这也可以从长期收益的角度解释。如果信息已经足够判断这个员工难以适应公司的要求,即便再花4个月的时间,他的绩效也很难提升,而且会占用管理者的时间成本。与其等到事情不可挽回的时候再辞退,不如尽早辞退,并在市场上寻找更适合的人选。而看似高额的赔偿金其实对管理者的一个“贿赂”,因为这可以使得管理者可以更顺畅地与员工沟通开除的事情,降低执行成本,并且不会出现诉讼的风险。

2000年首次上市失败

“ 分析师们给Netflix发出了太多的讣告,以至于我已经不再向葬礼上送花了。”

                               ——里德·哈斯廷斯

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

业务的起步与创新

哈斯廷斯逐步完成对团队的掌控后,在商业模式上也在进行持续的探索和迭代。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

起步的业务模式和线下的百视达方式类似,但在内容选择上,与线下店相比,公司可以提供更多的选择。收费方式上,按片收费,有一定的租赁期限。

为了吸引用户复购,公司在商业模式上进行了新的尝试。包括在用户内容选择上,加入了算法推荐的内容,同时有队列功能,即用户把想看的影片添加在队列中,在原影片归还之后,队列内的内容会被自动发出,实现连续交付。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

早年Netflix队列功能

另外,在收费方式上,由于哈斯廷斯从最初就对百视达的滞纳金痛恶至极,因此取消了按片付费,逾期有滞纳金的方式,尝试了按月订阅。

这些新的尝试被称作“天幕”计划,哈斯廷斯坚持同步上线这些功能,并在一部分用户中进行测试。这一选择很快得到了市场的回馈:“天幕”方案使得网站业务量在3个月翻了3倍,每周光盘出货量到了10万张。

2000年情人节的时候,哈斯廷斯下线了原来按片租赁的方式,全部替换成了“天幕”方案。这一选择在公司面临很大的争议。伦道夫担心取消原来的方案会有不利的影响,原来DVD播放机按次租赁的免费优惠券将失效,取而代之的是用户提交信用卡号码换来的一个月免费试用。订阅服务的注册率是否能弥补原有业务的损失也很难衡量。

“这似乎是一个重大的冒险步骤,而且没人知道它是否管用。”当时团队中的反对成员多年后回忆到。

再一次,哈斯廷斯显示了他的远见能力和决断力,把资源全部集中在他认定行得通的模式上,即便这是建立在不完整的数据和直觉之上。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

哈斯廷斯与Netflix的红色信封

从公司中人员结构看,这家硅谷公司的程序员比例很高,Netflix从一开始就对数据的应用有着执着的追求和不懈的尝试。

首先从内容推荐看,最初为了控制DVD内容的采购成本以及优化库存的分配,Netflix在网站中上线了最早的推荐功能,对非热门影片,但是用户可能感兴趣的老电影进行推荐。

最早通过对例如演员、导演等演职人员属性打标签,进行相似推荐的算法很快被证明行不通,观众的喜好过于复杂难以以这样简单的标签进行预测。哈斯廷斯也引入了几位数学家,对算法进行优化。最后在推荐上,采用分组的方式进行,如果用户对10部影片打分相同,那么他们打高分的电影会被推荐到同组的其他用户。这一推荐系统被命名为Cinematch并于2000年1月推出。

哈斯廷斯对数学是如此着迷,而将人类行为和喜好归纳到一种算法的方式是如此地优雅,在算法范围内囊括对如此多无序因素的挑战对他而言,充满着巨大的吸引力。

从推出之日开始,哈斯廷斯便要求公司的程序员与数学家配合,不断地对算法进行优化,自己也会亲自参与调整。对于这一匹配算法的痴迷,占据了他的闲暇时间,甚至圣诞节都在亲自迭代优化。

随着用户打分的数据积累越多,推荐系统就会变得越精准,逐步可以达到千人千面的效果。但推荐准确率在2006年达到了团队的瓶颈。

哈斯廷斯举办了全球的Cinematch优化大赛,旨在提高10%的推荐准确率。对于参赛者而言,除了百万美金的大奖,还有更有吸引力的一手的以亿为级别的真实脱敏的用户数据。在接下来的三年里,来自186个国家的4万多个团队报名,最终在2009年实现了突破10%阈值的提升。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

早年Netflix的推荐功能

公司在个性化推荐上的极致应用,也就是帮助优质的内容找到潜在的适合的用户。这一点从公司成立之初的DVD租赁业务,到现在的流媒体业务都没有发生变化。即在内容生产上,主要依靠的还是内容生产者的判断。推荐算法是在内容分发上做到极致,这一点会在以后流媒体时代的分析中进一步阐述。

A/B测试也是公司成立之初作为标配一直使用的。但A/B测试使用不当,在有的时候也会带来麻烦。在哈斯廷斯的复盘中,早期业务层面失策的一点在于,没有尽早上线各地的库存中心。主要原因在于早期的A/B测试显示是否隔夜交付对用户的注册率与续费率影响不大。

在公司商业模式不断迭代的过程中,公司也在持续在亏损,早期的资金储备很快就要弹尽粮绝。公司在1998年与1999年累计收入600多万美元,累计亏损4130万美元,短时间内还没有看到盈利的希望。

哈斯廷斯过往成功履历为资本市场认可起到了至关重要的作用。公司首次申请上市前的最大机构股东,TCV的创始人之一杰伊·霍格,曾投资哈斯廷斯上一家创业公司Pure Software。1999年的6月,在霍格的介绍下,法国奢侈品巨头阿尔诺领投了公司近3000万美元的D轮融资。并在首次提交s1之前的2000年4月份,老股东TCV,Foundation Capital和Institutional Venture等继续追投约5000万美金。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

2000年招股书显示的股权结构       

互联网泡沫的破灭

2000年初,公司董事会认为上市的时机已经成熟。纳斯达克在2000年的3月10日疯狂地攀升到了当时历史上也是之后15年的最高点,5000余点。

Netflix在2000年4月18首次提交了招股书,材料上还带着泡沫破灭前夕被狂热追捧的.com域名。

Netflix前传:上市失败,泡沫裁员,CEO如何走过生死边缘

(编辑:温州站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读