CNET的編輯們顯然也踩過這個坑。Abrar Al-Heeti和Liz Kocan花了24分鐘整理出一份60部劇的清單，從《怪奇物語》到《丑聞》，從旗艦大作到冷門原創。但這份清單的真正價值不在劇名本身，而在它暴露了一個被忽略的事實：流媒體時代的"選擇疲勞"已經變成產品設計的核心戰場。
一圖拆解：Netflix的內容漏斗長什么樣
想象一個倒金字塔。最底層是6000+部內容庫，中間是算法推薦的300部，頂層是用戶實際看完的——平均每月1.8部。CNET編輯的工作，本質上是在金字塔腰部人工插了一面旗：這60部，值得優先過審。
這個篩選邏輯很有意思。他們不是按評分排序，而是按"完成率"加權：一部7分但80%觀眾看完的劇，優先級高于8分但50%棄劇的。Liz Kocan在VH1.com干了20年，拿過Webby獎，她的判斷標準是"能否撐過前三集"。Abrar Al-Heeti更直接：被CTA評為2019年科技媒體先鋒的人，關注的是"哪些劇能觸發連續播放的機械動作"。
結果？清單里混著三種完全不同的內容類型，對應三種用戶狀態。
第一類：社交貨幣型
《怪奇物語》《王冠》——你不需要喜歡，但需要看過。這類劇在清單里占15%左右，作用是消除"同事聊天插不上話"的焦慮。Netflix的財務報告里，這類劇的營銷預算通常是制作費的40%，因為獲客成本比留存成本低得多。
CNET編輯把它們放在開頭，不是藝術考量，是流量考量：搜索這些詞的人最多。
第二類：背景噪音型
《吉爾莫女孩》這種20年前的老劇為什么還在？因為"可預測性"本身就是產品功能。你知道Rory會搞砸戀情，知道Luke會煮咖啡，這種確定性讓大腦進入低能耗模式。清單里這類"可靠經典"約占30%，對應的是用戶最真實的場景：做飯、疊衣服、睡前。
Netflix的產品團隊有個內部指標叫"第二屏指數"——有多少觀眾一邊看手機一邊播放。老劇的數字是新劇的三倍。
第三類：算法盲區型
這才是清單的真正野心。比如剛上線的《Bandi》，法語區犯罪劇，八集，講馬提尼克島上一群孤兒兄弟姐妹的黑幫崛起。首播即進前十，但你的推薦頁大概率不會推它——因為算法默認你不看法語內容。
編輯手動把它塞進來，是在對抗推薦系統的"過濾氣泡"。Abrar Al-Heeti的履歷里有個細節：她碩士論文研究的是數字無障礙。讓邊緣內容被看見，這幾乎是職業本能。
為什么"即將下線"比"新上線"更重要
清單里埋了個很少人注意的功能：標記離開時間。這不是貼心，是緊迫感設計的心理學應用。Netflix的內容授權成本在2024年漲了23%，非自制劇的窗口期越來越短。對平臺來說，"本月必看"比"年度最佳"更能拉動即時點擊。
CNET的編輯配合了這個機制。他們不是在評價內容質量，是在優化用戶的時間分配決策——這和Wirecutter測評洗碗機的邏輯一模一樣。
實用指向：怎么用這份清單
別按順序看。先問自己今晚需要什么：社交話題儲備選第一類，家務背景音選第二類，打破觀影慣性選第三類。如果一部劇在三集內沒建立獨特的"鉤子"——可以是視覺風格、對話節奏或信息密度——果斷棄劇，這是平臺設計時就允許的沉沒成本。
最后檢查離開日期。Netflix的授權協議通常提前45天公示，但算法不會主動提醒你。把想看的非自制劇設個日歷提醒，比收藏夾有效十倍——收藏夾的平均打開率是12%，日歷提醒的完成率是67%。
那份60部劇的清單，本質是兩個人類編輯對抗算法推薦的實驗。他們的勝率不算高，但至少證明了：在無限滾動的時代，"有人幫你劃掉錯誤答案"本身就是一種稀缺服務。
北京
