色情產業如何運用Big Data 創新

圖、文／reBuzz

原文出處：快刀青衣／壹心理 ，網路心理學：色情業如何運用數據創新？

心理導讀：本文從色情業的角度深度的剖析瞭如何使用數據來創新獲利，希望每一個看到這裡的朋友能先去思考一下自己的工作，想想有沒有改進的餘地。而不是……去複製文章裡的網址！文章 16 禁，未成年人謹慎閱讀。

9月底，又有一檔美劇要播出了，描寫人類性解放的《性愛大師》。我掐指一算夜觀天象，就知道這美劇一定會熱門，我甚至都能猜到這美劇最多的一條評論是什麼內容，一定是「我褲子都脫了，你就讓我看這個？」

其實只有東方人比較少深入了解衛生教育課，才會對 “性” 這個字眼如此敏感，以致於當年，同宿舍的室友直接請我幫他借圖書館中所有帶 “性” 字的書籍，寧可錯殺一千，不可放過一個。(嗯，最後我幫他帶回來一本《無線電性能大全》。)

如今，各行各業都在嚷著創新，但是更多的是嘴上的忽悠功夫，隨便抓個人，都能聊幾句大數據計算(Big Data)。但是作為營利模式非常傳統的色情業，其實最近幾年有不少從數據挖掘中的創新掩藏在那活色生香的畫面之下，色情業有不少理念值得國內的 IT 精英們學習。三人行，必有我師。來，讓我們看看師父們拍的小電影吧。

一、關於色情行業的大數據

首先請允許我向一位真正的色情數據專家致敬，Jon Millward。其實說色情專家過於片面，他還做過分析 500 個死囚行刑前的最後一句話等分析，每一個都引人注目。但是在我看來，他用 6 個月的時間，潛心分析超過 10,000 名的色情艷星及她們的 12 萬部作品，從而拿出了一份專業的數據報告，至少這份報告裡能扭轉很多人的固定思維，告訴他們，世界並非他們想像的那個樣子。

佩服他的另外一個理由是，他能連續半年，每天都研究色情片卻沒有精盡人亡，好一個牛字了得。（提醒：作者為專業人士，請看官不要嘗試連續半年不停的看 A 片，由此帶來的生命危險概不負責）

他從世界上最大的成人數據庫 IAFD.COM 裡取 10,000 名艷星的資料和她們的作品列表，然後從各種維度進行分析。真實數據分析之後的結果讓很多人大跌眼鏡，並且影響到了部分色情拍攝公司的選角標準。只選出幾條，管中窺豹。

在很多人的潛在意識中，歐美的色情明星應該是金發碧眼丰乳肥臀的模樣，魔鬼身材皮膚白皙，狂野中帶著性感，風情中帶著誘惑。

但實際上， 10,000 名女艷星中，頭髮以棕色的最多，占到了 39.1% ，其次才是金色 32.7% ， 22.5% 是黑色， 5.3% 是紅色。(處女座的劣根性在此時暴露無疑，我加了一下，發現還有 0.4% 沒有在統計顯示，難道是白髮魔女？)。更變態的是，作者發現哪怕是 32.7% 的金發，裡面還有 60% 左右是後來染的……

而在罩杯問題上，雖然歐美艷星一向以高頭大馬著稱，但是排在第一位的罩杯是 B ，最常見的尺寸是 34B 。緊隨其後的是 C ，其次是 D ，然後才是 DD （歐美標準，大約相當於F杯）。(對不起，我實在沒有找到 A 罩杯的數據。)

在年齡結構上，平均的入行年齡為 22 歲。但是職業生涯長短卻顯示了這是一個「由來只有新人笑，有誰聽到舊人哭」 的競爭激烈行業。在 70 年代，艷星的平均職業生涯男性為 12 年，女性為 9 年。而到了現在，男性平均僅 4 年，女性 3 年。所以在每年一度的 AVN 獎(成人界的奧斯卡獎)中，基本上沒有能蟬聯的艷星。

這同樣是一個需要腳踏實地勤奮工作的行業，因為演員賣力與否、演技高下，是很容易被雪亮眼睛的群眾發現的。所以最勤勞的男艷星湯姆拜倫一共拍了 2,549 部色情片，睡了 1,127 位女星。這很容易讓我想起了《大獨裁者》裡的經典鏡頭，他臥室的牆上，貼滿了和睡過明星的合影，裡面有梅根福克斯等一票女明星，最後連施瓦辛格都沒放過。

而最勤勞的女艷星則非尼娜-哈特林莫屬，只是由於男女有別，她只睡過 199 個男艷星，但是從 1984 年開始，她一共拍了 938 部作品，這也注定是一個傳奇啊！

前八卦色情專欄作家盧克·福特曾經在批評色情電影行業的時候，煽情的說：「大部分女孩成為艷星拍一個片子就會退出，因為這經歷會讓她感到可怕、尷尬、羞辱，她們會永遠記著這種痛苦，她們不會再有勇氣再拍一部。」這句話在谷歌中能搜到無數次引用，我甚至都能想像得到悲天憫人的《知音》如果看到這句話，一定會大筆一揮《誤入歧途的弱女子啊，遭人蹂躪走上艷星不歸路》。

但是真正從數據分析來看，只有 10% 到 30% 的女性會只拍一部作品就銷聲匿跡(並且你無法知道是她不願意拍了，還是沒人找她拍)。而 53% 的女性都拍了三部或者以上。也許退出僅僅是因為不喜歡，而絕不是所想的那樣屈辱和痛苦。

而在對作品的標題進行分析時，發現排名第一的關鍵詞是「TEEN」（青少年），有近 2,000 部作品標題中包含這個詞。而排名第二的是「MILF」（熟女），排名第三的是「Wife」。無聊的喬恩又去抽查了 100 部包含熟女的電影，發現其中女主角平均年齡為 33 歲， 7% 的女星超過 40 歲，超過 50 歲的超過 4% 。(一瞬間，我腦中的畫面卻是廉頗大人手持大刀，大喝一聲廉頗老矣，尚能飯否？)

數據是死的，重要的是數據分析後的結果如何去使用。例如喬恩也從廣大的艷星群體中提取了一張艷星最受歡迎的大眾臉，再加上其他的特徵，以後星探們工作就會輕鬆很多，只用拿一張照片，蹲在街頭，看到一個棕髮 B 杯白人美女，就衝上去問：「你的肚臍到大腿之間是否紋有一隻蝎子？要有的話，你就完全符合超級艷星的標準，來，跟我們去拍電影吧。先給 300 人民幣現金試鏡費吧。沒現金沒事，這旁邊有ATM機。」

我甚至還去一個專門由成人數據庫延伸出來做艷星面部識別的網站，看一下有沒有人像芙蓉姐姐(不過看起來生成的都比原版的要漂亮)。網站建立於 12 年初，如果當初百度同學能多上點兒類似創新型色情網站，那麼 PK 大咖的應用去年年初就能紅了。

二、由數據分析引發的創新之舉

如今，網路產業會如此之多如同過江之鯽，隨便找個會場坐下，估計不出一分鐘，就能聽到創新、大數據、雲端等幾個名詞。而在世界範圍上，很少有色情網站界的人士參加這種產業研討會，去暢談大數據。

原因也許是因為他們離錢太近，他們更關注每次從數據引發的創新能否帶來收益上的變化，而不是去當專家空談。我一直有個狹隘不成熟的偏見，凡是在舞台上竄下跳，天天發軟文刷存在感的企業，往往是危機來臨的前兆。

1. 數據幫助色情帝國轉型

由於傳統色情電影業務的下滑，加上盜版和網路上免費資源的侵蝕，很多成人公司開始拓展新的業務。其中轉型典型莫過於 Hustler ，最初的初衷是他們曾經發行過一部成人影片，工作人員在 Twitter 上無意發現很多人居然在問男主角的衣服是什麼牌子的，在哪裡可以買到。

後來他們就引進了服裝生產線，開始生產 Hustler 品牌的個性時尚服飾。原本他們擔心自己成人製造商的口碑會影響銷路，但是數據監控發現他們位於好萊塢和紐約的實體店， 60% 的顧客是女性，其中很多人並不知道他們之前是幹什麼的，並且有不少好萊塢明星會主動穿著他們的衣服亮相。

這真是個好的產業延伸與拓展，一張 DVD ，脫衣服之前是 Hustler 的襯衫和短裙廣告，脫衣服之後是 Hustler 的色情影片。

2. 數據帶來的色情就業

如同上文所說，整個色情影片行業已經走下坡路，但是老兵死去，總有新兵入伍。現在很多立志於從事這一行業的姑娘，更多的會選擇當裸聊女郎。

就像你經常收到的 QQ 小廣告請求一般「一台電腦，一個攝像頭，足不出戶輕鬆創業！」。例如 2012 年 AVN 獎的獲得者 Lily Carter 就是兩年前在 Google 上搜索「如何成為一名色情明星」，從而開始走上了裸聊女郎的道路，接著由於表現突出，業績良好，就投身到了傳統的錄像影片界，一炮而紅，在 2012 年獲得了 17 項提名。(她真幸運，要是在國內，肯定正在賣安麗。)

而專門立志於為全世界的性工作者找到滿意工作的網站 SEXYJOBS.COM 上，寫稿當天的提供裸聊女郎工作機會是61個，而招傳統群眾演員(指那些九流小影片裡的角色)的機會也不過 208 個。這個網站的市場總監表示在每年春季，在每天全部的 2,500 個招聘中，裸聊女郎能占到半數。

BTW，請那些喜歡語音激情聊天的同學最好能改變一下喜好，因為我看到了一份應聘語聊女郎的簡歷，不忍直視。

全球共有 5% 的用戶會訪問線上裸聊網站。裸聊網站 Livejasmine.com 並不算一流，但是在他們平台上的頂級裸聊女郎，一個月能賺到 34,000 美元的抽成，並且一個星期也有雙休。

而在他們網站上，數據應用更多的是體現在推薦系統上，他們彈出的小廣告一般會有 3-6 候選人，只要你去過一次，就能根據你的喜好、口味風格給你推薦不同類型不同價位的裸聊女郎。

正因為這種數據的應用，讓很多裸聊女郎能憑藉自己的本事掙錢，多勞多得，有創意就能脫穎而出，如何能讓用戶心甘情願的不停掏錢，這是一門更高深的學問，等待有實踐經驗的專家分享。想成為頂級裸聊女郎，只會脫衣服，說兩句「官人我要」，肯定無法在這弱肉強食的叢林中生存下去。

3. 數據帶來的產品與技術創新

在 2012 年，那本奇葩的小說《50 Shades of Grey》的流行，給很多歐美女性帶來了強烈的性解放衝動，據稱小說裡出現的情趣玩具隨著小說的發行而熱銷。我想應該如同當年那本《上海寶貝》給我帶來的文字衝擊。

所以，很多成人影片公司都檢測到了自己的客戶中，女性用戶的比重正在逐漸提升，看A片不僅僅只是男人的事情。但是只有 New Sensations 公司真正的利用上了數據，在新拍的影片中，更看重文藝性，而不是走獵奇和獸性的路子。他們說想拍出能讓女性主動邀請男人看的 A 片。

諸君可以想想看，女同學打電話說她有一道物理題不會做，想在夏日的午後邀請你到她家裡幫她補習。你義正詞嚴的說』你只要算上A車的加速度就可以了。」她又在電話那頭撒嬌說還有一道化學題不會做。你只得嘆了口氣，放下手中的漫畫書，騎車去了她家。一進家門，你就驚訝的發現她居然只穿著一件背心，下面露出修長的大腿，你流著口水，一臉色相的問：「這是湖人隊奪冠時的紀念球衣嗎？」她笑而不語，端過來一杯水，杯底還有沒有融化的小藥片，她說是維生素 C 。你端坐在沙發上，她突然拉上了窗簾，整個屋子都黑了下來，然後她對你粲然一笑，打開了電視。

畫面沒有聲音，只有一個藍屏滾動著一些英語，“FBI WARNING”。然後居然出現了一男一女正在做那個苟且的事情。你的臉一下子紅了，女同學突然把你抱到懷裡。你氣憤的推開她，站起來大聲說：「你幹什麼？化學題呢？」
別以為這只是想像和意淫，現在很多色情網站的技術提供商和成人電影製作工作室Pink Visual 就是因為創始人維瓦斯在和老公一起看色情片時，感動的淚流滿面，從而決定投身色情技術圈。Pink Visual 就是用數據來指導影片的拍攝和色情網站的優化，例如用戶的推薦/篩選的機制/不同的數據呈現，並且分析用戶的流失環節以及優化方案。

他們會對用戶的來源進行分析，然後調整頻寬分佈。他們發現通過 WIFI 訪問的用戶一般會比 web 用戶要求更高的影片質量，從而更好的調整頻寬負載。而如果是 iPad 用戶，他們就會推送更加高清的影片，因為設備的螢幕更大。

同樣，他們也發現，有些地區雖然帶來的流量超高，但是由於可支配收入和信用卡有時不是真實存在的，遊客佔據了大量的帶寬，卻帶不來收入。在某些情況下，就會封鎖某些國家以節省帶寬。

不過看完了多篇報導，我並不知道他說的到底是哪個國家，真不要臉，看A片還想不掏錢。而 CAM4.COM 則會在白天的時候，根據用戶量的情況，在低谷的時候推出大型多人表演來提升流量，進行數據監控。

4. 數據帶來的線下產品創新
數據不但能指導線上營運，同時也能指導線下實體產品的研發與改進。例如做高端性玩具的 LELO 品牌，他們在做用戶調查的時候，發現購買自己性玩具和情趣內衣的用戶中，有 46% 的用戶有過 SM 的經歷，而其中具體項目排名中第二是滴蠟。所以他們就推出了 30 美元的滴蠟按摩油。可以作為蠟燭燃燒，滴到身上後，就成了按摩油。產品一經推出，銷路很好。隨後 LELO 又推出了 10  美元的普通按摩油，數據顯示，很多買了滴蠟按摩油的用戶都會順手再買一個普通裝的。

三、 創新之源來自「做到」

最近在各個文章中經常出現的一句話是在任何一個行業潛心研究 10,000 小時，都會成為專家。而創新也不僅僅是靈光一閃，點子拿來。在這個不缺創意缺實現的年代，想到什麼不重要，做出什麼才重要。

特別是在研究數據方面，歐美艷星流和日本女優流就有顯著的區別，歐美更多的是把色情行業當做商業來運作，更多的數據分析，更強的技術創新。而日本更多的是 AV 行業當做娛樂產業來運作，體現在更多的蘿莉幼齒，更多的清純人妻上。

例如哪怕僅僅把從 1980 年到現在的 AV 影片中，學生裝的樣式總結起來，我們就能清晰的看出服裝審美的變遷。(當然，這對中國的校服現狀不會有任何的改變。)

ManWin，色情行業的帝國企業，全球排名第一的成人站就是他們控股，每個月能拿到大約 16 億瀏覽​​者的數據資料，當問到他們如何處理這些數據時，他們的 COO 表示：「很簡單，去發現用戶喜歡什麼，然後我們去滿足他們。」

很多時候，數據就是這麼簡單，清清楚楚的放在那裡，任你蹂躪，但是如何用得漂亮，那就需要對數據對使用者的潛心研究。

最後，我清楚的知道這篇文字出來後，會對自己的名聲有怎樣的影響，但是請讓我強調一句「你們可以鄙視我的節操，但是請不要侮辱我的人格」，更不要留郵箱給我（給我發照片者除外）。

其實這篇文字，主要是從一個行業的角度深度的剖析瞭如何​​使用數據來創新，希望每一個看到這裡的朋友能先去思考一下自己的工作，想想有沒有改進的餘地。而不是……去複製文章裡的網址！