「你今天也在線上收看影音了嗎？」根據入口網路統計，近年來從網路觀看影音的用戶比起2014年成長了70％，可以發現民眾漸漸改變收視習慣與型態。這也印證了美國Netflix執行長Reed Hastings在2013年的預言，到了2030年，廣播電視會被網路電視完全取代，由此可見網路影音平台是未來各家影音廠商的必爭之地。

　根據Netflix在2015年所發表的文章顯示，有80％的用戶在影音內容的選擇，都受到大數據分析推薦的影響。可以見得在使用影音串流平台時，使用者並沒有很明確的目的要購買商品或搜尋資訊，大多數的時候是漫無目的尋找能打發時間的內容，因此如何用有效率的方式，把適合的內容推薦給有興趣的人是影音串流平台最重要的任務。為了增加影音平台的觀看人次，並贏得忠實觀眾，串流影音龍頭Netflix應用大數據顛覆傳統的影音產業，透過AI人工智慧分析使用者偏好搭配個人化推薦，將不同類型但是適合使用者的影音內容推送到個別用戶的瀏覽介面，讓Netflix的訂閱人數從2002年的100萬人次，成長到2018年的1.3億人次。大數據分析除了幫助Netflix瞭解使用者的喜好，也影響使用者在影音平台上所接收到的內容。

　但是推薦系統的成效難以在短期內完整掌握使用者的喜好，因此Netflix在系統的優化上鎖定在長期觀看的用戶身上，經由長期使用者的反饋，藉此讓Netflix不斷優化推薦演算法的精準度。要迎合各種不同喜好的使用者，Netflix從近1.3億的訂閱人數中，分析不同使用者的行為資料，加以優化推薦演算法。以目前的演算法為基礎，更加上以機器學習來建立個人推薦系統，以補強原本的演算法可能會遺漏的資訊。大數據演算法除了應用在推薦影片，Netflix還會依照個人興趣，來客製化影片的縮圖。演算法會依據過去使用者觀看過的影片，判斷使用者可能為某位影星的粉絲，進而在影片縮圖上呈現此影星的作品來吸引用戶觀看影片。

　Netflix到目前為止的服務地區涵蓋190個國家，使用者觀看影片的喜好受到各種因素的影響，每個國家的文化、語言及風俗習慣不盡相同。語言方面，多數的用戶可能會偏好觀看自己熟悉語言的電影，Netflix則會針對使用者使用的語言，加強推播與用戶相同語言的影片。在文化方面，印度地區的用戶可能會較偏好寶萊塢電影，而Netflix在推薦影片上便會增加寶萊塢電影的比例。

　Netflix透過不斷的增加可能影響用戶喜好的因素，包括影片上架的地區、時段、用戶所在的國家或是用戶曾經看過的影片語言等，更精準推薦適合各個使用者的影片。

　擁有龐大使用者行為數據的Netflix，不滿足於買授權影片供訂閱者在網路觀看，近年來更開始自製影集。於2013年播映的影集「紙牌屋」，便是Netflix結合大數據分析製作出的熱門影集。透過所有訂閱觀眾的收視分析，Netflix知道什麼樣的主題可以吸引到怎樣的觀看群眾，針對不同觀眾推出他們更加喜歡的節目藉以提升更多的點閱率，這也讓Netflix與其他的影音平台有明顯的差異性。因此如何精準地將內容呈現給最適合的觀眾，不僅大幅提升用戶觀影體驗，也有更大的誘因讓使用者繼續的留在影音平台上，而不是輕易受新進業者的低價促銷或大製作內容影響。