2026年4月14日18:00，中国营销工程与创新研究中心 (以下简称“MEI”) 2025-2026年第二学期第7次研讨会 (以下简称“Seminar”) 在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由李端阳研读文章《When Less Is More: Content Strategies for Subscription Video on Demand》。

　　研究背景

　　2013年1月1日，Netflix通过同步上线其标志性原创剧集《纸牌屋》第一季全部单集，颠覆了电视行业。然而，到2022年，渐进式上线节奏再度流行，HBO Max、Disney+等流媒体平台回归每周一集的经典模式。这种内容分发方式的转变反映了文化产业的数字化趋势：内容创作的固定成本降低，复制和分发的边际成本也随之下降，音乐和视频主要通过付费点播或订阅服务流向消费者，促使内容分发商改变内容提供方式。现有文献多关注数字化对电视消费和广告效果的影响，而对内容发布策略如何影响订阅视频点播(SVoD)平台成功的研究不足，本文旨在填补这一空白。

　　具体而言，本文研究以下问题：

　　不同的剧集发布策略(一次性发布 vs 渐进式发布)如何影响订阅视频点播平台的用户参与度和订阅率?这种影响在不同用户群体中是否存在差异?渐进式发布策略提升订阅率的潜在机制是什么?

　　1.逐集上线(Drip)在剧集首播时，是否会降低用户立即访问平台、立即开始观看的意愿?

　　2.逐集上线是否会提升用户对平台的持续参与，比如更多回访、更多搜索、更多内容探索?

　　3.从最终平台绩效来看，逐集上线和整季上线，哪一种更能提高订阅留存?

　　4.这种效果是否会因为用户的 binge-watching(追剧) 偏好不同而发生变化?

　　二、文献综述

　　1.追剧(binge-watchers)

　　追剧是指用户在单次连续会话中，长时间观看视频内容(通常为按顺序排列的电视剧集)，且各集之间间隔极短(文中定义：两次观看 session 的时间间隔 < 500 秒，且每集观看时长 ≥ 5 分钟)。

　　三、研究实验

　　本文通过与 TELCO 合作开展的大规模随机实地实验，比较逐集上线(Drip)与整季上线(All-at-once)两种内容发布策略对 SVoD 平台用户行为的影响，重点考察平台访问、内容搜索、节目观看和订阅留存。实验覆盖 84,000 名用户和 4 部剧集，旨在识别不同上线节奏如何影响平台成功。

　　整季上线更能促进首播时的即时观看，但逐集上线更能带来持续的平台参与和内容探索。Drip 组用户更频繁回访平台、搜索更多内容，并表现出更高的订阅留存;在本文情境中，逐集上线使续订概率相对提高了 48%。但这一优势会随着用户 binge-watching 倾向增强而减弱。

　　表1报告了用户在实地实验前70天的描述性统计。All组和Drip组在人口统计学特征、合同特征以及先前媒体使用情况方面高度相似，表明随机分配在处理前产生了可比较的样本。

　　图2可视化了All组和Drip组之间的协变量平衡。标准化均值差异接近零，方差比接近1，Kolmogorov-Smirnov统计量保持较低水平，证实了干预前随机化的成功。

　　收到推荐的消费者在剧集分批首播时访问平台的意愿较低，而未收到推荐的消费者在两组之间表现出更一致的行为。

　　作者检验了渐进式发布是否会在剧集首次上线时降低消费者的即时参与。他们首先比较了观众开始观看焦点剧集的周次，然后估计了逻辑回归模型，其中因变量是用户是否在每周访问了SvD平台。为了隔离机制，他们分别分析了所有用户、未收到推荐的用户和收到推荐的用户。结果表明，渐进式发布降低了首播时的平台访问并延迟了观看的开始，特别是对于那些被告知可用剧集的用户。

　　该研究利用了平台上的原始搜索会话数据，以“用户-剧集”作为观测单位，检查访问特定剧集详情页的用户随后是否转化为实际观看。建立了两个因变量：第一，用户是否在搜索开始的当天开始观看该剧集;第二，用户是否在整个实验期间最终观看了该剧集。通过纳入Drip、Focal Show及其交互项，作者检验了渐进式内容发布是否会削弱用户对目标实验剧集的搜索转化效果。

　　表3显示，实验标题在搜索后观看的概率通常更高，但在滴注条件下这一优势显著减弱。负向且具有统计学意义的交互项(滴注×焦点展示)表明，渐进式内容释放会降低从搜索到观看的转化率，这一现象在同一天内及整个实验周期中均存在。

　　以“推荐SVoD剧集的观看量”作为因变量，作者采用负二项回归模型分析Drip对内容消费的动态影响。为期五周的实验分为初始阶段和后续阶段两个阶段，分别对各阶段的Drip效应进行独立估算。研究通过引入Drip×阶段2交互项进一步分析时间依赖性变化规律。结果显示：Drip在初始阶段抑制内容消费，但在后续阶段显著提升观看量，呈现出明显的延迟消费模式。图4显示Drip组在实验初期观看推荐内容较少，但后续几周观看量显著增加;而All组虽在早期阶段观看量较高，但后期下降速度更快。表4回归分析表明，Drip在实验前半段显著降低推荐内容观看量，后半段则显著提升观看量，这表明分集发布效应会随时间推移从负向转为正向。

　　核心研究问题：Drip机制是否能促使用户更广泛地探索平台内容，从而提升整体内容消费量?如第3.1-3.3节所示，Drip机制虽会减少初始流媒体中的即时观看行为，但可能增加用户回访率。第3.4节重点考察两个指标：首先是用户平台互动频率是否提升及页面浏览范围是否扩大;其次是用户内容消费量是否增加。表5显示：Drip机制虽未立即提升探索行为，但显著增加了后期平台访问量与页面浏览量，表明内容探索行为随时间推移呈现增强趋势。表6表明：Drip机制在初期未显著提升总内容消费量，但后期显著增加了SVoD(订阅视频点播)节目消费量，这说明内容发布策略通过逐步推进模式，将用户消费行为从即时观看转向更广泛的延迟观看模式。

　　逐步推送的订阅方式能否提升转化率呢?如第3.1至3.4节所述，虽然初期可能降低用户参与度，但这种模式能有效促进后续互动、深化内容探索并提升内容消费量。第3.5节进一步分析这些行为变化是否最终转化为更高的订阅率。图6显示：无论是随机选取的用户群体还是偏好匹配的用户群体，在逐步推送模式下订阅率始终高于全模式，尤其在推荐内容推送时效果更为显著。表7的Logit模型估计表明，逐步推送模式能显著提升免费试用后的订阅概率，边际效应达1.7个百分点，相当于全模式基准订阅率基础上约48%的增长幅度。

　　研究启示

　　虽然“分集发布”模式对实验中的大多数用户来说都是有益的，但对于那些有严重追剧习惯的用户来说，这种模式的效用就会大打折扣。对于这类用户来说，由于在发布当天只能观看少数几集内容，从而导致他们的参与度下降，进而使订阅率降低。

　　1. 与“全集一次性发布”方式相比，“分集发布”模式显著提升了用户的参与度和对内容的兴趣，从而提高了订阅率，尽管这种方式吸引了更多的初始观众。

　　2. 发布策略是内容提供商提升平台成功率的关键手段。

　　3. 虽然“分集发布”模式对大多数用户有效，但它对那些喜欢追剧的用户影响有限：无法立即观看完整集数会降低他们持续使用平台的意愿，从而导致订阅率下降。

　　局限性：

　　1. 该实验仅考察了用户在较短时间内的参与度和订阅行为，因此难以预测“分集发布”模式在长期内的有效性。

　　2. 研究中还存在一些限制因素，比如具体的发布时间表以及免费试用期的时长有限。

　　3. 该实验是与一家流媒体平台合作进行的。

　　至此，本次Seminar文章研读完毕。

　　之后，由孙嘉悦分享AI相关研究方法、理论或行业应用，老师与同学们提出了建议，并明确了进一步的研究计划。

　　至此，本学期第7次Seminar圆满结束。

　　文字 / 裴珈悦

　　排版 / 裴珈悦

　　审核 / 赵文青