Das Wall Street Journal hat gerade enthüllt, dass Netflix die Größe seines „Netflix Preview Clubs“ auf Zehntausende von Testkunden von 2.000 heute erhöhen kann. Diese privilegierten Kunden sehen die Filme in der Vorschau. Ihre Bewertungen helfen, sie erheblich zu verbessern, wie Marktforschung, die auf einem Produkt noch in der Prototypphase durchgeführt werden würde.
Diese Studie zielt darauf ab, den Erwartungen der Abonnenten in einem Markt, in dem riesige Budgets (14 Milliarden US-Dollar für Netflix) für Titel mit einer zunehmend kurzen Lebensdauerverschlungen werden, so nahe wie möglich zu kommen. Dieses größere Panel könnte es Netflix ermöglichen, die Reaktionen seiner Abonnenten besser zu segmentieren und verschiedene Versionen entsprechend ihren Erwartungen vorzuschlagen.
Kontaktieren Sie unser Marktanalyseunternehmen
Netflix Preview Club: Filme und Serien in der Vorschau, aber nicht besprochen
Wie von einem Mitglied des Reddit-Forums erklärt, müssen Sie eine Einladung erhalten und eine Geheimhaltungsvereinbarung (Non-Disclosure Agreement) unterzeichnen, um Teil des Netflix Preview Clubs zu sein. Im Gegenzug haben die Mitglieder des Netflix Preview Club eine Woche Zeit, um sich den Film oder die Serie anzusehen und ihre Meinung über einen quantitativen Fragebogenabzugeben. Zu diesem Zeitpunkt wird die Arbeit noch bearbeitet, und es können Anpassungen vorgenommen werden, um auf die Kritik der Diskussionsteilnehmer zu reagieren.
Dieser Ansatz ermöglicht Anpassungen an einem Prototyp und erhöht damit dessen Erfolgschancen am Markt. Amazon und Hulu schlagen ähnliche Initiativen vor. Dies sind Amazon Preview und Hulu Brain Trust.
Wenn diese Idee, ein Panel zu verwenden, um die Erfolgschancen einer Fernsehproduktion zu erhöhen, innovativ erscheinen mag, gibt es diese Praxis seit über 50 Jahren.
Die Idee des Panels für audiovisuelle Produktion entstand mit der Sesamstraße
Die Idee, eine audiovisuelle Produktion zu verbessern, indem die Reaktionen ihrer zukünftigen Zuschauer erforscht werden, wurde bereits früher eingeführt. Bereits Ende der 1960er Jahre nutzten die Produzenten der Sesamstraße „Panels“ von Kindern, um ihre Reaktionen zu erforschen, ihre Aufmerksamkeit zu messen und jede Episode zu verbessern. Nur Episoden, die mehr als 80% der Aufmerksamkeit erregten, wurden beibehalten. Das CTW-Forschungsprogramm war zweifellos ein Pionier in der quasi-wissenschaftlichen Erforschung der Fernsehvorproduktion.
Dieser iterative, wenig Lean Ansatz hat Sesame Street Episoden 85% oder höhere Aufmerksamkeitsraten zu erreichen geholfen. Mit anderen Worten, ein Kind, das die Sesamstraße beobachtet, würde seine Augen nur für maximal 15 % der Betrachtungszeit vom Bildschirm nehmen. Auch als Erwachsener bleiben einige Sequenzen wie die oben genannte besonders angenehm anzusehen. Lass uns nicht in unserem Vergnügen schmollen.
Andere berühmte Beispiele für Besichtigungstests existieren. Zum Beispiel wurde der Film „I am Legend“ mit Will Smith geändert, weil seine letzte Szene dem Publikum, das sie in Vorschauen gesehen hatte, nicht gefiel. Das Video unten zeigt die beiden alternativen Endungen für diesen Film. Die erste ist die, die beibehalten wurde, und die zweite ist die, die abgelehnt wurde.
Die Digitalisierung hat die Industrialisierung von Prätests ermöglicht
Der Unterschied zwischen der Sesamstraße in den frühen 1960er Jahren und dem Netflix Preview Club im Jahr 2022 ist groß. Wo Sesamstraße Episoden wurden getestet mit qualitativen Methoden auf ein paar Dutzend Kinder höchstens, Netflix kann auf Millionen von potenziellen zählen „Meerschweinchen.“ Die Digitalisierung hat den Pool an Simultantestern vergrößert und die Forschungsergebnisse verlässlicher gemacht. Größere Stichproben bedeuten kleinere Fehlermargen. Gleichzeitig sind die Grenzkosten dieser Tests ein Bruchteil dessen, was CTW für die Entwicklung der Sesamstraße bezahlt hat.
Dieser Trend zur Content-Optimierung ist nicht neu. Werbetreibende verwenden Pre- und Post-Tests. Ersteres ist qualitativ, letzteres quantitativ.
Website-Manager verwenden A/B-Tests, um das effektivste Design (UX) zu bestimmen. Die Wirksamkeit wird dann auf unterschiedliche Weise gemessen:
- Konvertierung für Websites
- Fehlerrate
Warum vergrößert Netflix die Größe des Netflix Preview Clubs?
Für die erhöhte Anzahl an Testern im Netflix Preview Club gibt es mehrere Gründe:
Untere Fehlermarge
Bei 2000 Teilnehmern liegt die Fehlerquote einer Umfrage bei 2,2%. Mit 10.000 sind es nur 0,98%. Dieser Unterschied von einem Prozent kann im Wettlauf um Ratings viel Geld bedeuten.
Zuwachskosten
Der zweite Grund ist, dass die Grenzkosten, die durch das Anwachsen auf Zehntausende von Mitgliedern entstehen, vernachlässigbar sind. Netflix Preview Club-Mitglieder werden nicht bezahlt und freuen sich darauf, Filme anzusehen und Feedback zu geben.
Sie können darauf wetten, dass Netflix die gesamte Datenerhebung automatisiert hat (von der Einladung zum Clubbeitritt über die Analyse der Anzeigedaten bis hin zur Post-Viewing-Umfrage). Die Skalierung kostet also nichts extra und kann nur mehr Antworten und Daten für eine bessere Entscheidungsfindung liefern.
Bessere Segmentierung für verschiedene Versionen der gleichen Produktion?
Schließlich könnte eine Erhöhung der Anzahl der Tester es Netflix ermöglichen, die Ergebnisse besser zu segmentieren. Durch die Erhöhung des Stichprobenumfangs konnten Teilsegmente identifiziert werden, die auf den vorgeschlagenen Inhalt unterschiedlich reagieren. Dies könnte Netflix dazu veranlassen, verschiedene Versionen desselben Inhalts vorzuschlagen, je nachdem, ob ein Abonnent zu dem einen oder anderen Segment gehört.
Daraus folgt
Der Netflix Preview Club ermöglicht es Netflix, seine Produktionen so nah wie möglich an die Erwartungen des Publikums heranzuführen. Dies maximiert Zufriedenheit und Loyalität, was besonders in einem abonnementbasierten Geschäftsmodell wichtig ist.
Die vom Wall Street Journal aufgedeckte Verschiebung von 2.000 auf zehntausende Tester ist zweifellos durch eine erwartete bessere Genauigkeit der Ergebnisse und niedrige Grenzkosten motiviert. Darüber hinaus wird diese Größenänderung es uns ermöglichen, Zuschauerpopulationen zu identifizieren, die unterschiedlich reagieren. Warum nicht Versionen des Films oder der Serie vorschlagen, die noch besser an ihre Erwartungen angepasst sind?
Posted in Strategy.
