老文新读 | 大数据于国内影视行业的意义及应用

编者注：本文由作者4年前发表于知乎专栏，前两天编者偶然读到，觉得很有意思，于是转过来与大家分享。原文标题：评析：触不到的大数据

作者 | 王义之，凡影合伙人

最近这几年，我们可以听到很多关于大数据在影视方面的案例，Netflix 这个词估计大家都快听到耳朵起茧了，另外英国的一家做剧本语义分析的公司Epagogix也成为一个小热词，频繁被提及。神秘的大数据与神秘的影视行业，结合在一起之后，便有了玄学一般的色彩，似乎你今天在社交媒体上打了一个喷嚏，正在担心自己是不是感冒了，我明天就能做出一部关于禽流感的恐怖片，并且让你有不得不去看的冲动。

事实上所谓《纸牌屋》式的成功，在视频行业的人都知道，与其当做一个技术发展案例来分析，不如将它作为一个公关案例来学习。原本在华纳工作的CMO Kelly Bennett 和来自迪斯尼的CCO Jonathan Friedland 通过《纸牌屋》这一事件让Netflix 变得更像一个电视台，而不是互联网企业，这其实是让Netflix 的想象空间变大了，因为互联网已经有了一家Youtube，但是还没有一家HBO 或者Showtime 。

至于将大卫·芬奇、凯文·史派西，以及1990年的《纸牌屋》组合在一起，可以产生奇妙的化学反应，这种充满诱惑的想法一看便知是好莱坞经纪公司的手段，而不是属于大数据的语言体系。

在《纸牌屋》的背后，编剧兼制片鲍尔·威利蒙和凯文·史派西同属一家经纪公司，这部电视剧的主要推手，是好莱坞的影子幕僚之一CAA 以及制作方MRC ，Netflix能够加入只是因为他们比有线电视台出钱更多。大数据在整部剧集中的作用，不会比在2008年将英剧《纸牌屋》推荐给MRC 联席董事长Modi Wiczyk 的那个实习生，所产生的价值更大。

至于Epagogix ，所提供的服务也并不新鲜，好莱坞有上千名剧本医生，又便宜又好用。80年代之后，好莱坞的观众结构和观影偏好逐渐趋于稳定，对观众喜好的判断并不是个难题，目前在北美普遍采用的焦点访谈形式，所能获得的反馈也要更为具体和实用。

从某个角度来说，好莱坞并不缺少好创意和好剧本，将文字转换成影像的过程，所存在的不可控要比一些娱乐报道中的公开信息复杂的多。如果单纯基于剧本和演职员搭配的角度，就可以预测未来高枕无忧，就好比我们是通过分析母鸡的体格，然后去判断一盘西红柿炒鸡蛋的受欢迎程度，它们二者之间必然互有相关，但是这种相关性不足以用来证明一名以泡面为生的宅男，为何会顿时爱上为他炒鸡蛋的MM。

大数据为何近几年大热？

人类进入大数据时代，类似于生物学迎来了显微镜，天文学发现了望远镜，因为网络传输和计算机存储运算能力的提高，交给了我们一把信息放大镜，从此我们对现象的观察进入一个新的领域。

在网络与终端的支撑下，虽然我们身处的时空没有任何变化，但是通过更加碎片化的信息，我们可以将时间与空间的分割从以往的单位中进一步细分，这就相当于原本一个9寸蛋糕切四块，现在可以切成六百四十块。所能够建立的观察维度，更加接近于无穷大，观察的基准点，更加趋向于无限小。这有点像是搭积木的游戏，当积木的数量足够多时，你最终所能搭出的形状也足够复杂，如果随便交给你一个图形，拥有更多的积木当然更有可能组合出结果。

关于多维度数据的挖掘，自古就有，历法的制定过程或许可以作为一个很好的例证，江湖上现在偶尔也会有关于林元帅诸葛军师的传说，自从计算机技术诞生之后，对数据的利用和处理一直在同步发展中，无论是分布处理还是并行处理，并不是一天就蹦跶到今日的技术高度，我们很多科学发现都是在近三十年之间才完成，正是得益于此。

但为何在这几年“大数据”忽然大热，甚至你一个做火烧做煎饼做包子的，如果不说两句大数据，大家看你的眼神就和看一个死人没啥区别。原因其实很简单，全球智能手机的普及。

随着移动终端信息处理能力的提升，与用户的交互界面不仅更加具备黏性，并且实现了全方位全时段互动，此时每个人的移动终端实际上就变成了一个数据记录仪。它比PC所能获取到的信息更加个人化，不仅暴露这个人的生活细节，位置动向，同时也记录着它的消费习惯，人类第一次拥有了这么多数据的生产者。每一个元数据都可以直接挂钩一份具体的支出额度，每一个数字都可以被货币量化，大数据的商业价值与各个企业的营收几乎都可以直接挂钩。所以，围绕“大数据”来说故事迅速成为当下的主流。

但是揭开媒体的那些噱头背后，你会发现，国内对复杂系统的研究，仍然是处于概念大于应用的阶段，大部分行业对线性、封闭系统内的数据关系都没办法掌握，更不用说将大数据转化成有价值的信息。而在影视行业，工业化体系处于刚刚起步的阶段，很多从业人士连财务报表这种基础数据都看不明白，去理解大数据的价值更是有些不可想象了。

大数据于国内影视行业的意义：

大数据技术作为一种工具，其应用方向，无非三个方面，一是对过于和曾经的理解，二是对以后和将来的认知，三是对当下进行判断并进行实时处理，影视行业大数据技术的应用如果想要有长足的发展，那么在这三个方面都会面临着一些需要解决的问题。

对过去和曾经的理解

既然是对已发生的进行判断，就会涉及到数据采集，这个部分往往会引发争论，中心议题是到底多大才叫大，GB还是TB，PB还是EB？

如果我想要知道《致我们终将逝去的青春》这部差一点就可以归类到文艺片的电影，为什么能在2013年上半年收获仅次于《西游降魔篇》的票房，我是应该仅以社交媒体的传播效率来进行数据的挖掘，还是要追溯到原著小说里的青春，以及被电影宣传所唤起的记忆？

将数据挖掘的范围放在社交媒体的范畴，那么通过对一部电影推广过程的梳理，其实我们很容易就可以通过数据制定出一张细化到分钟的参考，以及观众会被什么样的宣传内容所吸引，但是它仍然只是在描述现象。

用脚趾头想一想也知道，将观察只停留在眼前，无法找到最终的因果，必须对推动现象发生的机制进行论证，那么我们该用什么样的体量来储存和分析观众们的记忆，从而找到个人经历和集体共鸣之间的关系？

在这个方面，如果只用社交媒体的数据进行相关性的分析，其实和我们日常所做的感性推导没有太大区别，甚至还不如感性推导灵活，很容易因为数据的不够全面犯下“黑天鹅”式的错误（在发现澳大利亚之前，西方认为只有白天鹅）。必须要追溯到成因阶段更庞大的外部数据，比如主要观众群十年间的消费偏好及社会经历，以及对他们观影之前的心理活动进行统计分析。会不会太复杂？但是从数据挖掘的角度来说，只有在这个方向上进行努力才可能会提供实质性的价值。

或者说，我们也可以简单粗犷一些，如麦特的负责人陈砺志所言，《致青春》的成功最主要的因素是因为赵薇的敬业与投入，以及她个人在行业的积累。

大家可以继续用脚趾头想一想，以上三个角度，哪个会更容易接近整个事件的核心。

对以后和将来的认知

大数据技术虽然可以让人类对现象的理解进行更深入的探究，但是当对国产的影视项目前景进行预测，首先需要面对的问题是，我们仍然处于一个观众群体持续波动的时期。

在北美市场，贡献50%票房的观众约占人口的10%，也就是3000万左右，这部分群体基本上结构相当稳定。上世纪70年代末，当北美电影的平均制作预算开始攀升到1000万美元以上，宣发费用达到500万以上时，对观众的监测从阶段性的调研逐渐转变成常态性的监控。在计算机还只是个神话的时期，“好莱坞”是用人工+信件的形式，建立了最早的大范围观众研究模型，这些历史数据通过几十年的积累，已经让一部电影与观众之间的联系变得非常透明。但即使是如此严谨的市场监控，近几年也因为受到移动互联的影响，观众的观影行为随机性逐渐提高，导致传统的观众研究模型频频出现一些问题。

反观国内电影市场，差不多有三分之二的银幕是在近三年之内才出现的，2010年时，我们所拥有的现代化银幕不过才6223块，而如今，这个数字差不多是17000。可想而知，影院目前所迎来的观众，基本上是近三年才开始逐渐培养去影院观影的兴趣，这种行为暂时还不能称之为习惯。

所以说，中国电影市场目前的波动很难通过现有的技术手段完成监测，会因为存在有其他我们不可知的变量，而导致结果南辕北辙，这在统计学的回归分析上被称之为“变量遗漏偏差”，大数据技术目前所能覆盖到的范围并不能帮我们解决这个问题。我们还需要时间来不断修正对市场数据的理解，观众也需要时间来不断培养在影院观影的习惯。

2013年上半年，几乎所有从业者都对有动作元素的电影过于乐观，而下半年，所有从业者包括我个人又会对以爱情元素为主的电影过分看好。从一些公司的大数据监测上来看，这种观众消费行为的变化已经反馈在可以被抓取的数据中，但是我们并不知道它所形成影响究竟该如何定量。也就是说我们可以看到趋势，但是很难确定结果。

大数据对于预测的贡献，其实和它本身的特性一样，主要是增强客观性。无论是1936年，初出茅庐的盖洛普对罗斯福当选的预测，还是2012年，Nate Silver预测对了美国大选所有50个州的选举结果，其背后的方法论仍然是来自于1763年的贝叶斯，几百年来，我们只是将这个事情不断的细化了而已。

那么，在如今的中国电影市场中，于其期待大数据让我们成为一名百晓生，不如将大数据技术的应用方向，转移到可以让我们规避哪些操作上的错误，或许更具有现实意义。

对当下进行判断并进行实时处理

现在对大数据的理解，往往会纠缠于第一个字“大”，而忽视了它的另外一个重要特征“细”，其实后者才是最重要的，因为它会创造大数据真正的实用价值。

基于社交媒体的数据挖掘，其实已经可以做到让我们将观众的分类从简单的年龄、性别、职业等维度，落实到区域、活动空间以及性格特征等等更为丰富的细节，在这样的基础上，我们要做的就是怎样给观众提供个性化的影响，而不再是以电影为本位的共性宣传。

举例来说，当一名男性观众在某个媒介上看到的电影海报，可能是大长腿和小翘臀，但一个女性观众同时接触这个媒介时，所看到的可能是一个卖萌的大叔。当阵地宣传中的预告片贴片到一部好莱坞大片之前时，它可能主要是用来渲染情感或者突出搞笑，但同样的一分多钟，在视频网站所上线的预告片，则被分成数个版本，用来对应每一个点击背后用户的个人资料。这样，观众便会加入到生产的过程中，通过对观众偏好的快速处理，最终创造更适合于传播的信息。

目前，数据调研公司参与电影推广的过程，所做的仍然只是一个统计的工作，决策是在片方或者是公关公司，其实可以将决策机制与数据同样进行细化，成为实时的互动，减少时间的损耗，提高电影推广的效率。我们以前在电影的推广中，常常会为如何照顾到大部分观众的兴趣而头疼，那么换一种思路，用现有的观众数据进行群体的细分，给不同的观众群提供不一样的信息，海纳百川比光芒四射或许更符合当下社会化营销的要义。

不过，这一切其实都只是理想化的愿景，现实的情况是，中国的电影产业目前仍然是处于一个极其原始的状态。

仅从电影投资成本的角度来说，目前所公映的电影，平均投资约在3000万人民币以内，不足500万美元，这样的投资规模在不考虑通胀以及观众收入的情况下，只相当于北美70年代初期的水平。面对这样的市场现状，很多议题其实都显得比较空洞，因为拍脑袋做决策虽然有着莫大的风险，但毕竟成本很低。

相关阅读：

我们分析了1.6万部电影，找出了华语电影烂片王

预测电影评级：NLP正是电影公司所需要的

使用文本挖掘技术分析Twitter用户对电影的评价

用数据来书说说豆瓣的电影评分靠谱吗?

经典永存!关于大数据、人工智能的经典电影引发的联想

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。