7000萬用戶每天投票，Netflix下一個爆款早被這家韓國公司

《魷魚游戲》差點胎死腹中。劇本在抽屜里躺了整整10年。《黑暗榮耀》先是一部網(wǎng)漫，后來才變成Netflix現(xiàn)象級劇集。《地獄公使》《甜蜜家園》《僵尸校園》——模式高度一致：韓國數(shù)字內(nèi)容走向全球，而信號往往最先出現(xiàn)在Naver Webtoon。

這家平臺月活超過7000萬。每個用戶都在用訂閱和星級評分投票。數(shù)據(jù)公開、結(jié)構(gòu)化、實時更新。一位開發(fā)者花了兩周時間，寫了一套爬蟲把它全讀了出來。

數(shù)據(jù)長什么樣：一部作品的12個維度

爬蟲返回的每條記錄包含12個字段。以《柔美的細胞小將》為例：作品ID 748235，作者李棟賢，類型標簽「日常」「浪漫」，訂閱數(shù)431.2萬，評分9.82分，已完結(jié)520話，每周一五更新，全年齡向，標簽含「治愈」「上班族」「細胞」。

關鍵洞察：評分和訂閱數(shù)往往背離。高訂閱低評分意味著「流量型」——用戶邊罵邊看，改編風險高。低訂閱高評分則是「口碑型」——潛在黑馬，但需驗證大眾接受度。兩者雙高才是改編機構(gòu)的理想標的。

爬蟲支持四種瀏覽模式。按更新日抓取：輸入「mon」返回全部周一更新作品。按類型抓取：輸入「thriller（驚悚）」返回該類型Top 50。按作品ID精確抓取：用于追蹤特定IP的實時數(shù)據(jù)波動。全量模式：遍歷全站，耗時約4小時，輸出約4000條活躍作品記錄。

代碼調(diào)用極其簡單。Python示例：初始化ApifyClient，設置mode為「day」、day為「mon」、maxItems為100，執(zhí)行后遍歷dataset即可。JavaScript/Node.js版本語法幾乎一致，token和參數(shù)結(jié)構(gòu)相同。

實戰(zhàn)：用公式算出「改編潛力分」

開發(fā)者設計了一套評分模型。權(quán)重分配：訂閱數(shù)標準化后占50%，星級評分占30%，類型匹配度占20%。類型匹配定義為：標簽含「浪漫」「劇情」「驚悚」「動作」之一——這四類與真人影視的轉(zhuǎn)化率最高。

公式跑下來的結(jié)果有些反直覺。部分千萬訂閱級別的頭部作品，改編分被中等訂閱+極高評分的作品反超。原因很簡單：頭部作品往往已開發(fā)殆盡或類型不適配，而腰部作品的「未開發(fā)溢價」被模型識別了出來。

篩選條件還埋了一個關鍵過濾：isCompleted（是否完結(jié)）。連載中作品存在敘事崩盤風險，已完結(jié)作品的故事完整性可被精確評估。這個布爾值字段的存在，讓IP采購方的盡調(diào)成本大幅降低。

數(shù)據(jù)顆粒度決定決策質(zhì)量。傳統(tǒng)IP采購依賴編輯主觀判斷，樣本量通常不超過50部。這套爬蟲單次可覆蓋全站活躍作品，樣本量提升兩個數(shù)量級，且更新頻率從季度縮短到實時。

從爬蟲到?jīng)Q策：數(shù)據(jù)如何改變內(nèi)容產(chǎn)業(yè)

Naver Webtoon的數(shù)據(jù)開放性并非偶然。作為韓國最大互聯(lián)網(wǎng)公司Naver的子公司，其商業(yè)模式高度依賴IP衍生開發(fā)——影視改編、游戲授權(quán)、周邊銷售。公開數(shù)據(jù)相當于向產(chǎn)業(yè)鏈下游「發(fā)送信號」，降低交易摩擦，加速IP流通。

這套機制形成了獨特的「預測市場」。7000萬用戶每天的行為數(shù)據(jù)，提前6-18個月預示哪些故事具備跨媒介生命力。《魷魚游戲》的網(wǎng)漫原型《無限挑戰(zhàn)》在平臺連載期間，訂閱增長曲線和評分穩(wěn)定性已被部分機構(gòu)追蹤。

開發(fā)者的爬蟲代碼現(xiàn)已開源。調(diào)用門檻降至：注冊Apify賬號，獲取token，復制粘貼示例代碼。技術(shù)成本從「需要專職工程師」壓縮到「產(chǎn)品經(jīng)理半天可上手」。

但這引出一個更深層的問題：當所有人都能訪問同一套數(shù)據(jù)，信息優(yōu)勢如何建立？答案可能在于數(shù)據(jù)解讀層——同樣的訂閱數(shù)，有人看到「流量」，有人看到「用戶留存結(jié)構(gòu)」；同樣的評分，有人關注均值，有人關注方差和評論情感分布。

工具民主化之后，競爭轉(zhuǎn)向認知深度。

Netflix、Disney+、華納兄弟探索的亞洲內(nèi)容團隊，過去三年都在搭建類似的監(jiān)測體系。區(qū)別在于：自建系統(tǒng)需要維護成本和政治流程，而這套第三方爬蟲提供了「即用即走」的輕量選項。對于中小制作公司，這是首次獲得與巨頭同級的情報能力。

數(shù)據(jù)還揭示了韓國內(nèi)容產(chǎn)業(yè)的結(jié)構(gòu)性特征。Naver Webtoon的頭部作者年收入可達數(shù)十億韓元，但中位數(shù)收入極低——典型的冪律分布。這意味著平臺的內(nèi)容供給高度依賴少數(shù)超級創(chuàng)作者，其健康狀況直接影響改編 pipeline 的穩(wěn)定性。

爬蟲的最后一個隱藏功能：追蹤「斷更」信號。當一部高訂閱作品的publishDays字段突然清空，或totalEpisodes長期停滯，往往預示作者健康、合約糾紛或創(chuàng)作危機。這類信號對持有改編權(quán)的機構(gòu)而言，是風險預警的關鍵輸入。

開發(fā)者提到一個未被驗證的假設：評分方差比均值更能預測改編成功率。均值高但方差低的作品，用戶群體過于同質(zhì)，跨媒介擴展時容易碰壁。均值中高、方差中高的作品，爭議性本身就是話題燃料——《魷魚游戲》的暴力美學正是此類。

這套假設尚未被納入評分模型。但數(shù)據(jù)已經(jīng)在那了，等待有人去跑回歸分析。

Netflix 2024年內(nèi)容支出約170億美元，其中亞洲原創(chuàng)占比持續(xù)攀升。每一部韓劇、每部日漫、每部泰劇的采購決策背后，都有類似的數(shù)據(jù)博弈在發(fā)生。區(qū)別在于：有人用爬蟲，有人用直覺，有人用兩者之間的某種混合。

當你的競爭對手已經(jīng)開始用實時數(shù)據(jù)追蹤下一部《黑暗榮耀》，你還在等劇本主動投遞嗎？