快訊

    高薪=高壓!Netflix 瘋狂的傭兵職場:我們不是一家人,只有取代沒有包容

    2019-05-08 16:49 / 作者 眾聲視野

    有些失散多年又不是很熟的朋友,哪天要是突然熱情地回頭找上你,通常只有兩種可能 : 一是他被炒魷魚正急著找工作 ; 二是他剛找到一個非常好的工作,想回頭找一些過去他不喜歡的人氣一下。



    我這位淡朋友是在網路泡沫化最慘烈那兩年並肩作戰的戰友,船沉了之後,大家各自跳水逃生。銷聲匿跡了幾年,有一天突然接到他的email約我吃飯。見面後第二句話就是「我進了Netflix,下禮拜一開始上班」。我還來不及恭喜,他就搶先說了下一句重點:「真不敢相信,他們付的錢幾乎加倍。


    薪水天高,壓力山大

    我們見面真正的目的在五秒鐘之內就圓滿達成。即使像我這樣生活比工作重要的人,當下都有微微受傷的感覺。

    Netflix 總部 - 這裡沒有Google「矽谷式園區」 。(圖片來源/siliconvalley.com)

    這是 Netflix 這家公司第一次讓我下巴微微張開的時刻。第二次是在幾年後,另外一位同事也跳槽過去。後來傳到我耳裡的待遇是加了70%。當時很多同事的下巴也都紛紛掉到地上。



    在矽谷一線科技公司想要挖角資深工程師,光用薪水很難下手。因為市場有公定機制,大家薪水都差不多。有時候意思一下加個10%,就可以半推半就把人搶過來。加薪70%搶人有破壞市場公平的嫌疑。但薪水這種事,只要對方給得出來,只要你斤兩夠重,敢接受,公平交易委員會也插不上手



    不過那位朋友後來寫 email給我,說壓力實在太大。他們團隊每年淘汰10%。大家互相競爭、惡鬥,誰都害怕掉入最底層的 10%。他們的評估方式,是採取組織內部全體員工匿名投票



    又隔了兩年我再從其他朋友聽到他的時候,他已經離職了,從此就再也沒有他的訊息。前前後後,我所認識的幾個進了這家公司的,都待不到 2~3年──也許都不是自願的。不過即使是自願,一定也已千瘡百孔。

    你能熬多久?高報酬的傭兵文化

    想想看,每年固定刷掉10%,請問你禁得起刷幾次 ? 這不就像是燉排骨湯一樣──越到後面湯越濃,除非真有兩把刷子,否則遲早會被當成浮沫挖出來倒掉。 




    天下沒有白高的薪水。




    根據 Glassdoor.com 的統計,Netflix資深工程師平均比Google高出 60%。如果上 Teamblind.com 搜尋一下,你可以看到Netflix 有人年薪高達40萬美金,甚至有50萬的。年薪40萬在美國,是跟總統川普和心臟外科醫師平起平坐的薪水。這幾乎到了有點不倫不類的地步。



    看到這裡,請先不要難過,因為天下沒有白高的薪水。



    了解內情的人都知道,即使加薪100%,都不敢進這家公司。他們只要成功的人,而且要年復一年永遠不停成功的人。



    Netflix 僱人的價值觀是:一個A咖比兩個B咖便宜,所以他們只要A咖中的A咖。 高報酬的背後當然就是高壓。所以你在 Netflix 所能達到的最高報酬,就是你所能忍受高壓的極限。



    這家公司培養出一種非常特殊的傭兵文化他們不要忠誠,只要能夠作戰的英雄。所以加入團隊的都是為了高報酬的傭兵。他們也許半路就戰死沙場,也許打完一場仗就拿錢走人。

    不要忠誠,只要戰果──我們不是一家人


    這裡沒有包容,只有取代。




    Netflix CEO 海斯汀(Reed Hastings)在 2009 年公布了轟動武林、125 頁的告全國同胞書,對於 Netflix 強悍的工作文化有很多驚世駭俗的文句。



    其中最有名的一句話就是「我們不是一家人」(We Are Not Family)。



    在矽谷這麼多年,我換過六個工作,從幾百人的新創小公司,到十萬員工的百年帝國都有。每一家公司都把自己塑造成一個大家庭,把員工當做家人看待──至少在口頭上是如此,至少賺錢的時候亦是如此。海斯汀卻以類似今天台灣另類候選人的方式,直白拋出千百年來企業從不敢道出的真話。



    他開宗明義地說,家人只有無限的愛與包容,家人必須容忍一切錯誤與失敗。而Netflix 不會把你當成家人。



    這裡的團隊只有一個任務,那就是把每個人都推往不可能的極限,而且大家應該心知肚明,你隨時都可能滾蛋。這裡沒有包容,只有取代。

    一線科技公司流行的小犒賞⋯⋯ Netflix 可不來這套。(圖片來源/鱸魚)


    繁文縟節只適合管理笨蛋用。




    在2009年的告天下詔書裡,他對新進員工的期望大至可以歸納成下面幾項 :



    1. 我們沒有花壽司、葡萄酒。你是來作戰,不是來開趴的

    2. 我們不看工作多努力或工時多長,我們只看戰果

    3. 我們只要A咖,給的也是A咖的回報。

    4. 如果你是B咖,即使是A咖的努力,我們還是會請你離開。

    5. 我們不要忠誠,只要成功

    6. 如果你只想找一份安穩的工作,那請你現在就離開。

    7. 我們要的是自發、自律的戰將。我們不教你怎麼作戰,也沒時間教你如何生存。 

    報酬是看戰果,不是看年資──別跟我稱兄道弟

    矽谷所有的公司都不敢標榜個人英雄主義,大家都講求團隊默契,只有 Netflix 表明只要超級英雄。在公司文化方面,他也直白公佈了幾十頁令世界跌破眼鏡的條文──大致可以歸納綜合如下 : 




    你必須無時無刻不停地工作,不是周一到周五,也不是朝九晚五。




    公司沒有流程和法則。我們拋棄所有的繁文縟節。



    1. 繁文縟節只適合管理笨蛋用。

    2. 你必須無時無刻不停地工作,不是周一到周五,也不是朝九晚五。

    3. 我們不追蹤工時,只追蹤進度

    4. 休假沒有上限,穿著沒有下限──只要不是全裸就可以。

    5. 出差、餐飲、及公務報銷都不需要收據。要報多少自行決定。

    6. 我們給你全部的自由,但你也必須背負全部的責任

    7. 我們付你無與倫比的報酬,不管盈虧都一樣。

    8. 報酬是看戰果,不是看年資

    9. 價值定位是你自己的責任。

    10. 如果你打算留下來,那只是為了成就和金錢。不需要是為其他任何理由。

    11. 我們只告訴你目標,不會告訴你如何達成。

    12. 我們只要超級英雄。

    你是來作戰的⋯⋯Netflix 也不來開趴這一套。 (圖片來源/鱸魚)


    這裡不是「矽谷樂園」。




    到了 2017 年,Netflix訂閱人數打破 1億關口的時候,海斯汀又加碼推出 Netflix 更新守則,繼「我們不是一家人之後」,他最新推出的標語是「別跟我稱兄道弟」(We Don't Want Any Bro's) 這句話又讓矽谷震盪好一陣子。這次的告全國同胞書可以歸納成下面幾點:



    1. 別跟我稱兄道弟。

    2. 這裡不是「矽谷樂園」,也不是讓你來試水溫的。

    3. 我們仍舊只要超級英雄。

    4. 這個公司的確有點怪,但你必須要學會適應。

    以小搏大,在巨人陣中殺出一條血路

    兩個月前,我正式停止家裡的有線電視。在這之前,我每月付給第四台的費用是218 美元。可是漸漸我發現,當我有力氣坐下來的時候,看的都是 Netflix。我已經不知道多久沒有看電視了,而且不論我看多少電視,每個月絕對不值$218。



    到門市部退還機上盒的時候,發現前面排的也是終止合約的。2018 年美國有線電視共有3百萬用戶取消合約。電視跟報紙和有線電話一樣,都將成為歷史。這個一步一步退讓出來的市場,正一口一口地被 Netflix 吞噬。 今年 Netflix的使用戶已經達到1.3 億。



    Netflix 這個以郵遞 DVD 起家的公司一路以小搏大,對抗影視界的超級巨人群。它先打垮 DVD 實體出租業的覇主 Blockbuster。自2007年推出電影串流服務之後,又一步一步壓縮第四台巨人 Comcast 和 AT&T 的有線電視市場。現在Netflix 已經獨佔全美國串流影視75% 的市場。



    它下一步要對抗的超級大巨人是好萊塢。今年 Netflix 推出的電影 Roma 獲得奧斯卡11 項提名。為此,大導演史提芬史匹柏還正式提出抗議,認為串流影視不應該列入奧斯卡評比。我認為這也是好萊塢即將節節敗退的開始。



     





    一個以小搏大一路殺出一條血路,對外這麼強悍的公司,對內當然也不可能仁慈。否則根本無法生存。



    Netflix 的成功,有一個鮮有人知的重要因素──那就是大膽妄為,去做一件不可能的事。這種把潛能推向極限的文化,自然就會向內反映在對員工的要求之上。

    Netflix 的致勝關鍵──大海也能撈針的推薦功能

    2006 年,當 Netflix 決定要推出電影串流服務的時候,他們發現電影沒有關鍵字,無法搜尋,無法歸類,當然也無法推薦。電影是非常複雜的藝術,每個人的喜好也會不同。



    看電影的時候「情緒」是很重要的反應,可是情緒無法搜索。如果我看了一部電影很感動,Netflix 無法推薦另外一部也會令我感動的電影──除非「感動」成為這部電影可搜索的元件。但是這些資訊自古以來就從不存在。



    傳統的電影歸類非常簡單。比方約翰・韋恩的電影通通歸類於西部片,《亂世佳人》就歸類為文藝片。用這麼簡單的歸類法加上五顆星來推薦,是上個世紀的方式。



    網上串流不能讓用戶感覺是在大海撈針,只要幾次撈不到喜歡的,大家就不會再回頭。一般人平均只有 90秒的搜尋耐性。



    可是看看今天 Netflix 的推薦功能,它的命中率高達 80%。這是一個 Netflix 最重要的秘密武器。這個武器在2006年並不存在,市場上也沒有這種工具和資訊。所以 Netflix 決定自己打造。



    他們找了一批懂得如何深入看電影的觀眾,把當時庫存近九千部電影全部播放給每一個人看,然後要他們記錄電影內容及所有的關鍵字──這包括場景、室內擺設、演員穿著、背景音樂、自然風景、故事年代、畫面顏色、演員名字、重要對話、當時的情緒、重要的情節描述,以及看完後個人的感想⋯⋯這根本是一個荒唐到不可能的任務。



    他們把所有記錄下來的元素,用電腦分析歸納出 76,897 個「細分類」及「微分類」。有了這些細微的分類,大數據就很容易找出下一部你可能想看的電影。

    全世界唯一的「個人化評比」系統

    比方我選擇一部電影,是因為它背後的自然風景,對於劇情我未必很感興趣。經過連續幾次選擇之後,大數據知道「自然風景」是我選擇的關鍵因素──也許更進一步,它知道我喜歡的是美國西海岸的森林和溪流,所以推薦的演算邏輯很容易把這一項關鍵因素跟其他因素組合,然後提出一系列符合我興趣的電影,以評比積分順序,由左自右排列在推薦名單上。請注意,這個積分只是對「我」有意義,對其他使用者未必適用。



    讀到這裡你也許已經在盤算那個龐大的推薦系統不可思議的複雜度了──那就是每一部庫存的電影,對全世界 1.3 億的每一個觀眾來說,都有一個不同的評比數字。他們把評比完全做到個人化。所以《亂世佳人》對你的積分也許是 85,可是對我來說可能只有 35。



    請大家想一下,在傳統的五顆星評比制度下,《亂世佳人》的 4.5 顆星是假設這個評比適用於全世界所有觀眾。和 Netflix 的推薦功能一比,你不覺得這根本是笑話嗎?再仔細想想,不止是電影,天下所有的評比不都是如此荒唐嗎?但全世界只有 Netflix 做到了1.3 億人的個人化評比──這樣的回報是每年十億美元。



    這個全世界最大的電影分類以及關鍵字資料庫,好萊塢沒有,有線電視台沒有,Amazon 可能也沒有──全世界只有 Netflix 有。這就是這家公司成功的地方。他敢挑戰不可能,做別人做不到的事。這就叫做「打造不可能打造的」。

    包括Fandango、IMDb、爛蕃茄等網站,都採用觀眾評分。只有 Netflix 做到對用戶全面個人化的系統。

    願景與瘋狂──矽谷文化的代表

     




    If you build it, they will come.




    就像海斯汀說的,「這家公司有點怪」。這種大膽妄為,以小搏大赤手空拳打入市場的做法,不是怪到瘋狂就不可能達成。



    2007 年 Google 剛推出街景圖的時候,我只有一個想法 : 你們瘋了!世界這麼大,難道要把每一棟房子的照片都上傳嗎?12 年後的今天,我們每個人每天都在用街景圖,世界上也找不到其他的替代品,但沒有一個人認為 Google 瘋了。



    這就是“ If you build it, they will come ”的瘋狂矽谷文化。而瘋狂的公司,必須要用瘋狂的員工──而且敢付瘋狂的薪水。




    造船之前,要先讓人們對航海充滿幻想。




    其實,海斯汀在那份瘋狂簡報收尾的時候,講了段一點都不瘋狂的話。



    他說 :「如果你要造一條船,不要只曉得敲鑼打鼓,張羅人們去砍樹鋸木。你要先讓他們對航海充滿幻想。讓員工看到未來、看到願景,告訴他們你為什麼要這樣做,剩下的就讓他們自己去發揮。」



    Netflix 是一個只告訴你 why 而不教你 how 的公司。 當然, Netflix 的員工在網上也流傳著另一句話:“Be ready to be kicked out, be ready to be kicked out every day. ”




    「準備好隨時會滾蛋,天天如此!」


    文章出處:方格子(原文標題:別跟我稱兄道弟,我們不是一家人 : 瘋狂的 Netflix)



     




    作者:鱸魚



    在翻譯出版了18本當代文學名著之後,鱸魚決定跟別人一樣出國唸電腦,到了矽谷做了工程師。糟糕的是他竟然做得很成功,讓他一直沒有覺悟的理由。現在兜了一圈,他又重拾寫作這項嗜好。除了寫作,鱸魚偶爾也在雜誌上發表與專業有關的科技專題文章。




     



    眾聲視野 收藏文章

    本網站使用Cookie以便為您提供更優質的使用體驗,若您點擊下方“同意”或繼續瀏覽本網站,即表示您同意我們的Cookie政策,欲瞭解更多資訊請見