国门的一大原因，他们对文字不敏感。

巴尔弗连忙带上耳机，之后，便是扣人心弦的追剧时间。

......

日后的大数据运用已经很普遍了，但在此时，其实也差不了多少。

早在亚马逊、谷歌、苹果等巨头纷纷盯上针对用户个人的群像细分标签后，很多的分析系统应运而出，各家比拼的无非是谁更准确、更便捷、更能模拟。

而利用大数据智能算法推荐在流媒体上的喜好分析用途，奈飞最早施行，而后迅速被各家学习。

换句话说，奈飞的邮件模拟算法Cinematch，在琥珀这边，罗恩-布兰登利用亚马逊的云计算中心也搭载一套类似的逻辑。

该系统除了可以基于用户视频点播的基础数据如评分、播放、快进、时间、地点、终端、追剧时间、快慢等，储存在数据库后方通过类比法总结，计算出用户可能喜爱的影片方向和喜欢看片的时段，并为他提供定制化的内容之外。

另就是配合此类逻辑的一整个套路细分。

首先，注册或用谷歌、亚马逊、脸书等账号登陆之后，你就进入了琥珀的新会员生命周期计划中（免费试用一周的会员，再就鼓励续费，多订更优惠）。

再就是，后台算法会针对新的独立IP访问用户，一方面发送欢迎邮件，并重新对你的性别、邮寄地址、合同条款等个人内容信息进行确认；

并鼓励用户往自己的个人清单里中开始加入个人喜欢的题材元素，比如悬疑、动作、恐怖等分类，以便日后进行个性化推荐。

这个过程配合得好，基本上大致的推荐范围已经缩了几个圈，大大减少了工程量，然后等加入会员，以后就可以偶尔用新的邮件信息告诉平台为你模拟的你可能喜欢的影视内容，并告知你哪里可以找到更多自己喜好的内容。

总得来说：

1、个性化邮件。为单个用户准备邮件内容，减少其他干扰因素。

2、提供下一步操作指导。让用户知道下一步该干什么，特别是当你发送一些其他内容信息时，告知用户你的目的所在。

3、注意回顾。用邮件鼓励/刺激那些还没有采取行动的用户，比如推他可能喜欢的内容刺激他消费或提供活跃度。

4、让用户了解关键事件，并利用这些事件点开展相关的营销，比如漫威板块、地区板块或大热内容的上线，包括且不限于体育转播权、综艺、游戏。

5、尽量减少对个人画像之内的隐私收集，坚决