簡述電影在線評論信息對電影票房的影響

① 自媒體的影視解說對電影的本身造成了什麼傷害

小編本人覺得自媒體的解說對電影的本身帶來的影響是非常大的，首先，很多的營銷號或者是一些解說人員，他們如果不太喜歡一部電影的話，就會在網路上面惡意的去解說這部電影，那麼就會導致很多的網友也改變了對於這部電影的印象。還有就是現在電影因為疫情的原因，本身票房就不是特別的高，如果說還因為自媒體的解說導致票房越來越越低，也是會導致電影本身出現虧損的情況。

三、總結。

在解說電影的時候，我們應該要做到公平公正，不能夠因為對方給了我們錢，或者是對方的演員是我們比較喜歡的，於是就去誇贊這部電影。也不能因為自己的私人恩怨就去詆毀這部電影，就會讓很多演員的心血或者是導演的心血全部都白費。

② 電影票房分析及預測

從20世紀初的西洋鏡戲法到今天占據全球電影業總產值的三分之一強，資本的加入讓好萊塢在過去百年的發展中變得越來越理智--比起商業片流水線締造者，它更像一個數學家--它精於計算每一項決定對利潤的貢獻:《蝙蝠俠》續集是否要接受男演員片酬的獅子大開口以獲得百分之幾的忠實粉絲買票入場;是否要在動作片的第37分鍾增加感情戲以爭取女性觀眾;是否要為這部爛透了的原著聘請收費高昂的劇本醫生;一個小金人編劇的名頭到底值多少錢……這就是在電影開機之前最為重要的環節:票房預測。

華爾街不僅給好萊塢帶來了密集的資金支持，也帶來了理性的金融工程技術，後者好像一把衡量藝術的尺子。一位浸淫於電影行業的金融人士一語中的:"在這個行業里充斥著曖昧不清、晦暗不明，有真正的藝術家、也有忽悠的吹水者，但到底怎麼判斷是否能合作，項目是否有投資價值，全憑經驗"。

如何預測
早在80年代，美國票房收入預測的先驅BarryLitman對美國80年代近700部電影進行分析推出票房收入預測模型。該系統對之後美國電影投資界產生了顛覆性的影響。電影票房預測系統能分析預測不同種類電影的票房價值，已經成為國際電影產業投融資的重要參考工具，對電影產品定價及衍生產品開發都具有較強的指導作用。

預測系統
電影票房量化分析及預測系統(Box Revenue Prediction)是在考察導演、主要演員、製片、發行及市場營銷、電影生命周期、電影類型、發行地區等影響電影票房的諸多因素基礎上，基於資產定價模型，綜合採用金融工程和回歸統計分析方法研發出的預測系統。它能分析預測不同種類電影的票房價值，成為電影產業投融資重要參考工具，對電影產品定價及衍生產品開發都具有較強的指導作用。

中國第一套BRP系統

2012年1月，中影集團聯合艾億新融資本推出了國內第一套基於電影票房預測的估值與定價分析系統--BRP系統。通過對過去4年中600多部影片的統計分析，該BRP系統發現了6條有趣的現象:

·低成本的影片一般會比大片更賣座

·無名小卒主演的影片要比明星主演的影片利潤率更高

·類型的藝術特徵跟利潤之間不存在直接關聯，但評論的多寡(無論好評或者劣評)跟利潤之間有密切關系

·不含暴力、色情成分的家庭影片最容易賺錢

·大片的續集要比普通新片更容易賺錢

·明星在為影片帶來更高票房的同時，也往往拉低了利潤率，因為大部分收入進了明星的口袋

③ 在電影的製作 發行與放映三個環節中哪些對電影票房產生決定性影響為什麼

製作和發行都很重要，而放映就比較次要。在中國現在的情況是好的發行可以產生很高的票房，即使是片子很爛。去年的非誠勿擾就是很好的例子，就像生產一個產品，即使這產品有很高的品質，如果不宣傳的話，沒人知道，也不會有人買。好的發行可能對首周的票房有決定性作用，以後的票房就要看這部電影製作的質量和品質啦，也就是電影的口碑。當然對一些製作特別好的電影，沒有好的發行，同樣可以產生極高的票房，就如去年的海角七號，經典得不能再經典的泰坦尼克，首周票房都很慘，但是憑借口碑票房越來越高。當然這只是個別現象，因為經典的電影不是常出現的，否者就不是經典電影啦！所以一部電影只要製作精良的話，再加上好的發行，就可以產生好的票房！至於放映，有影響，但不是決定性的。

④ 電影評論的影評作用

1、影評是一種科學的活動，是電影藝術與觀眾的橋梁，是實現電影三重價值（藝術的、社會的、經濟的）的重要手段。國外影評主要作用於票房價值，中國影評側重於社會性，形成中國特有的、最廣泛的群眾影評浪潮，形成中國文藝評論獨特景觀。
2、影評本身是一門藝術，有利於提高人的審美能力、思辯能力、寫作能力。從寫作學的要求看，影評寫作需要信息處理能力，也是記敘、描寫、議論、抒情能力的綜合運用。許多人從影評起家，走上專業文化工作道路。上海市為適應素質教育的要求，在97年高考語文中有一道小作文題，要求學生寫影評，題目是《推薦一部影視劇》，15分，這一舉措使學校掀起起電影熱，97年的《文匯電影時報》和98年2月11日《新民晚報》對此作了報道。國外文科大學一般都有電影課程。東南大學開展校園文化活動，要求大學生觀看百部優秀影視片。北師大為大學生設立電影院，結合放映的影片請專家給學生講評。

⑤ 如何正確看待影評網站的影響力

1994年國際互聯網登陸內地，隨即日益普及，網民數量迅猛增加，這種變革性的傳播方式也為影評平台帶來了革命性的變化。作為國內最老牌的電影論壇之一—— 「後窗看電影」論壇由衛西諦創建於1998年12月，是網路社區「西祠胡同」中最早的一個電影論壇。這一時期，各種影評論壇如新浪影行天下、電影夜航船論壇、雅虎電影論壇等一批影評論壇如雨後春筍般相繼問世。自2002年始，隨著個人博客在中國的火爆，影評博客亦由此興起，影評平台開始漸呈精英發聲的趨勢。隨著各大社交網站興起，以興趣導向為特色的豆瓣網於2005年誕生，用戶所熟知的是其網站讀書、電影和音樂的三大系統功能。基於傳統社交網站的豆瓣網注冊用戶過億，實力不容小覷。同時期，同質性而且具有相當影響力的網站還有貓眼網、時光網、人人網、電影頻道等網站。
相對於被專業人士掌控話語權的傳統影評年代，基於互聯網無需審查、不受成規要求的特點，人人都是影評人，人人都是自媒體，藉助網路平台，網眾可以隨時隨地發表自己的觀點。網路影評的開放性和互動性是其他影評平台無法比擬的優勢，這也是網路影評強大影響力的源泉所在，口碑與評分日益成為普通觀眾選擇觀賞影片的默認標准。
早在傳統影評時代，就有研究者認為，電影票房不僅受到故事類型、有票房號召力的明星、製作成本、發行等方面的影響，還受到電影評分的影響。在2016年年末，圍繞著豆瓣、貓眼網「惡意差評」這一事件，曾產生一場強烈的輿論風波，影評網站的影響力可見一斑。可見，影評網站不單可以影響電影票房，亦可波及整個電影產業的發展。2016年12月28日，《人民日報》發文《豆瓣、貓眼電影評分面臨信用危機，惡評傷害電影產業》 ，透過對《長城》 《擺渡人》《鐵道飛虎》三部電影的電影評論和評分，質疑網路專業影評人「一句頂一萬句」的話語權，電影的觀影價值、專家與大眾審美的分野成為這場風波的論題中心。
如今，諸如豆瓣、貓眼這些影評網站的評分功能在一定程度上兼具了審片員的功能，許多網站亦會引用豆瓣的評分作為推薦的標准。在這個默認「公賞力」的大前提下，影評網站是否可以承擔起這個職責，這是大眾和專家共同關注的問題。顯然，評分體系的初始錨定設置和演算法同樣重要，監測演算法的公正對最終評分的正義性也起著至關重要的作用。豆瓣網創始人楊勃曾對豆瓣網的評分機製作出如下解釋：「比方說一部電影有42萬用戶打分。我們的程序把這42萬個一到五星換算成0到10分，加起來除以42萬，就得到了豆瓣評分。這個評分會自動出現在豆瓣各處，中間沒有審核，平時也沒有編輯盯著看。每過若干分鍾，程序會自動重跑一遍，把最新打分的人的意見包括進來。 」這種完全無監控的機制，就為黑客通過收集互聯網已泄漏的用戶和密碼信息，生成對應的字典表，得到一系列可以登錄的用戶，為最終「製造評分」創造了可乘之機。
在關注影評網站影響力的同時，我們更應聚焦能夠影響影評網站的要素，即這些影評網站的運營與盈利模式。作為社交網站，影評網站的核心框架雷同於諸如微博、臉書等社交網站，都需要通過用戶發布信息引發普遍關注，形成意見領袖成就評價權威。獲取流量的目的在於實現流量變現，只是變現的方式各有差異。其實在評分用於電影評價之初，就已經難逃市場的操控。因為從經濟學的角度而言，以數字作為商品的評價源於股票和期貨。這種量化的比較方法逐漸運用於衣食住行等日常生活消費領域，隨後進入藝術商品的評價范疇，從電視收視率及電影的市場份額等詞彙的用法可見其淵源。
總體而言，無論是票房還是評分都不應也不能成為「評價之王」 ，無論是普通觀眾抑或專業人士都應該正視影評網站的商業屬性，並試圖更多地立於「電影之內」及「產業之外」 。只有這樣，才能將影評網站更多地導向公正與客觀。

⑥ 從影廳院線到網路平台，彈幕對看電影的影響有多大

從影廳院線到網路平台，彈幕對看電影的影響有多大？可以讓人更開心。在大壩的對話和討論中，可以形成某種「集體意識」，這也是最直接的「口碑」，這種群體效應實際上是整個大壩最有力的形式。大壩往往反映了年輕群體的價值觀和興趣，對他們有著重要的影響。探索「彈幕文化」背後的心理動機的目的，今天的影評人還采訪了心理顧問劉佳寧。據他說，大壩文化背後的心理需求是簡單的社會需求。年輕人每天面對的唯一社會群體是遠遠不能滿足他們的社會願望。在了解大壩運營情況後，認為大壩運營商可以提前對電影提出建議，充分利用大壩，讓公眾接受電影。

在線電影。被稱為netuniversity。它不是一部在互聯網上放映的電影，因為電影院都是在線電影，因為在線放映完成後，它也會在互聯網上播放。這里的「大」不同於互聯網上縮微電影的「微」。電影網絡的收費市場將大於電影票房的收費市場。

⑦ 影視行業影響票房的影響因素

影響電影票房的五大因素

一、影片本身質量：影片的質量是影響票房的首要因素。內容為王，影片的質量上去了，有口碑了票房就容易上去。

按照電影的口碑和票房可以分為：

有票房又有口碑的電影；

有票房無口碑的電影；

無票房有口碑的電影；

無票房無口碑。

有票房又有口碑電影，數量很少；市場上絕大多數都是無票房無口碑的電影。無票房卻有口碑電影，可能經典並獲獎，受眾范圍較小，比如2017年上映的《七十七天》《二十二》。只有影片本身質量過硬，擁有口碑後，電影票房就更容易獲得成功。

二、影片排映檔期：影片在什麼檔期內進入市場是一門學問。不同檔期有不同的特點，在定檔期的的時候需要瞻前顧後，不要匆忙且盲目的選擇檔期。有同類題材的影片上映之時，就不要前後緊挨著上片。不同的檔期應有不同的策略。

中國特色電影檔期

1、賀歲檔：賀歲檔泛指每年11月初到次年3月初的電影檔期，大約在八九十天左右。

2、五一檔：一般泛指每年五一期間的電影檔期。

3、暑期檔：一般泛指每年6月-9月的電影檔期。

4、國慶檔：一般泛指每年國慶期間的電影檔期。

其中含有情人節檔、三八檔、清明檔、愚人檔、端午檔、七夕檔、光棍節檔、雙12檔等。不同的檔期應有不同的策略。

三、影片宣傳策劃：電影市場是以商品交換的形式而提供影片和放映的場所，需要經過宣傳策劃的手段達到產品推廣的目的。 關於電影的營銷策劃，宣傳要有誘惑力，宣傳投資、演員、花絮、導演闡述、拍攝趣事等，對影片的包裝等都是至關重要的。

電影的宣傳策劃應該貫穿於製片、發行和放映的全過程，各自利用自身優勢在影片的宣傳策劃上「各盡所能」。電影片名，好的片名擁有很好的傳播效應，片名也會影響票房。朗朗上口，過長不便於記憶。電影海報，海報的作用就是吸引觀眾走進電影院，富有視覺性，作為電影售前的消費產品，片名是第一包裝，電影海報是第二包裝。

四、映期社會環境：對一部具體的商業影片來說，在絕對有效生命周期內能否取得最大值的票房，與該片上映周期前後的社會環境存在著一種潛在的因果關系。電影市場放在社會大環境中來

看，還是比較脆弱的，911恐怖事件、SARS肆虐數月、足球世界盃等，都動搖過電影市場的正常地位。應勢利導、隨機應變是必不可少的。

五、映期天氣環境：天氣情況與社會發展、個人

生活都有關系，天氣同樣在客觀上影響著電影市場票房，只是其表現形式不同而已。電影市場上的放映工作猶如足球比賽，一經決定檔期，不會因天氣變化而變動，這中間運氣的成份太濃。從這個意義上講，影片進入市場後也得「靠天吃飯」了 。

六、影院和票價等其他因素：影院建設、電影票價、影片數量和立法規范等諸多方面也影響電影票發。所以中國電影市場要穩定發展，則要依靠社會的資金和力量，從而使市場正常有序、規范和諧的持續發展。

⑧ 豆瓣電影數據分析

這篇報告是我轉行數據分析後的第一篇報告，當時學完了Python，SQL，BI以為再做幾個項目就能找工作了，事實上……分析思維、業務，這兩者遠比工具重要的多。一個多月後回過頭來看，這篇報告雖然寫得有模有樣，但和數據分析報告還是有挺大差別的，主要原因在於：a.只是針對豆瓣電影數據分析太過寬泛了，具體關鍵指標到底是哪些呢？；b.沒有一個確切有效的分析模型/框架，會有種東一塊西一塊的拼接感。
即便有著這些缺點，我還是想把它掛上來，主要是因為：1.當做Pandas與爬蟲(Selenium+Request)練手，總得留下些證明；2.以豆瓣電影進行分析確實很難找到一條業務邏輯線支撐，總體上還是描述統計為主；3.比起網上能搜到的其他豆瓣電影數據分析，它更為詳細，可視化效果也不錯；

本篇報告旨在針對豆瓣電影1990-2020的電影數據進行分析，首先通過編寫Python網路爬蟲爬取了51375條電影數據，採集對象包括：電影名稱、年份、導演、演員、類型、出品國家、語言、時長、評分、評論數、不同評價佔比、網址。經過去重、清洗，最後得到29033條有效電影數據。根據電影評分、時長、地區、類型進行分析，描述了評分與時長、類型的關系，並統計了各個地區電影數量與評分。之後，針對演員、導演對數據進行聚合，給出產量與評分最高的名單。在分析過程中，還發現電影數量今年逐步增加，但評分下降，主要原因是中國地區今年低質量影視作品的增加。

另外，本篇報告還爬取了電影票房網（ http://58921.com/ ）1995-2020年度國內上映的影片票房，共採集4071條數據，其中3484條有效。進一步，本文分析了國內院線電影票房年度變化趨勢，票房與評分、評價人數、時長、地區的關系，票房與電影類型的關聯，並給出了票房最高的導演、演員與電影排名。

清洗、去重後，可以看到29033條數據長度、評分、評論數具有以下特點：

結合圖1(a)(b)看，可以看到電影數據時長主要集中在90-120分鍾之間，向兩極呈現階梯狀遞減，將數據按照短(60-90分鍾)，中(90-120分鍾)，長(120-150分鍾)，特長(>150分鍾)劃分，各部分佔比為21.06%, 64.15%, 11.95%, 2.85%。

結合圖2(a)看，可以看到我們採集到的電影數據評分主要集中在6.0-8.0之間，向兩極呈現階梯狀遞減，在此按照評分劃分區間：2.0-4.0為口碑極差，4.0-6.0為口碑較差，6.0-7.0為口碑尚可，7.0-8.0為口碑較好，8.0-10.0為口碑極佳。

這5種電影數據的佔比分別為：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再將評分數據細化到每年進行觀察，可以發現，30年內電影數量與年度電影均分呈反相關，年度均分整體呈現下降趨勢，2016年電影均分最低，電影數量最多。

進一步做出每個年份下不同評級等級的電影數據佔比，可以發現，近年來，評分在[2.0,6.0)的電影數據佔比有著明顯提升，評分在[6.0,7.0)的數據佔比不變，評分在[7.0,10.0)的數據佔比減少，可能原因有：

對照圖5，可以發現，評分與時長、評論人數的分布大致呈現漏斗狀，高分電影位於漏鬥上部，低分電影位於漏斗下部。這意味著，如果一部電影的評論人數很多（特別是超過30w人觀影），時長較長(大於120min)，那麼它大概率是一部好電影。

根據各個國家的電影數量作圖，可以得到圖6，列出電影數量前十的國家可得表格2，發現美國在電影數量上占第一，達到8490部，中國其次，達6222部。此外，法國，英國，日本的電影數量也超過1000，其餘各國電影數量相對較少。這可以說明美國電影有著較大的流量輸入，在中國產生了較大的影響。

進一步分析各國電影的質量，依據評分繪制評分箱線圖可得圖7，在電影數量排名前20的國家中：

接著我們可以探索，哪個國家的電影對豆瓣評分隨年份下降的貢獻最大，考慮到電影數量對應著評分的權重。根據上述各國的電影評分表現，我們可以猜測電影數量較多的國家可能對年度均分的下降有較大影響。於是，我們再計算出這些國家的年度電影均分，並與整體均分進行比較分析。

再作出中國大陸，中國台灣，中國香港的均分箱線圖圖9(a)，可以看到，大陸電影均分低於港台電影，且存在大量低分電影拉低了箱體的位置。

分析相關性可得，大陸、香港、台灣電影年度均分與全部評分關聯度分別為R=0.979,0.919,0.822，說明濾去台灣和香港電影，大陸電影年度均分的變化趨勢與全部評分變化更接近。圖9(b)可以進一步反映這一點。

可以看到，大部分類型集中在X×Y=[10000,30000]×[6.00,7.50]的區間范圍內，劇情、喜劇、愛情、犯罪、動作類電影數量上較多，說明這些題材的電影是近三十年比較熱門的題材，其中劇情類電影佔比最多，音樂、傳記類電影平均得分更高，但在數量上較少，動作、驚悚類電影評論人數雖多，但評價普遍偏低。

除此之外，還有兩塊區域值得關註：

根據類型對電影數據進行聚合，整理得到各類型電影評分的時間序列，計算它們與整體均分時間序列的相關性，可得表格4與圖11，可以看到劇情，喜劇，懸疑這三種類型片與總分趨勢變化相關性最強，同時劇情、喜劇類電影在電影數量上也最多，因此可以認為這兩類電影對於下跌趨勢影響最大，但其餘類別電影的相關性也達到了0.9以上，說明幾種熱門的電影得分的變化趨勢與總體均分趨勢一致。

前面已經得知，中美兩國電影佔比最高，且對於均分時間序列的影響最大。在此，進一步對兩國電影進行類型分析，選取幾種主要的類型（數量上較多，且相關性較高）進行分析，分別是劇情，喜劇，愛情，驚悚，動作，懸疑類電影，繪制近年來幾類電影的數量變化柱狀圖與評分箱線圖可得圖12,13,14,15。

對導演與演員進行聚合，得到數據中共有15011名導演，46223名演員。按照作品數量在(0,2], (2,5], (5,10], (10,20], (20,999]進行分組統計導演數量，可以發現，15009名導演中有79.08%只拍過1-2部作品，46220名演員中有75.93%只主演過1-2部作品。忽略那些客串、跑龍套的演員，數據總體符合二八定律，即20%的人占據了行業內的大量資源。

在此，可以通過電影得分、每部電影評論人數以及電影數目尋找優秀的電影導演與演員。這三項指標分別衡量了導演/演員的創作水平，人氣以及產能。考慮到電影數據集中可能有少量影視劇/劇場版動畫，且影視劇/劇場版動畫受眾少於電影，但得分普遍要高於電影，這里根據先根據每部電影評論數量、作品數量來篩選導演/演員，再根據電影得分進行排名，並取前30名進行作圖，可得圖17,18。

結合電影票房網（ http://58921.com/ ）採集到的3353條票房數據，與豆瓣數據按照電影名稱進行匹配，可以得到1995-2020年在中國大陸上映的電影信息，分別分析中國內地電影的數量、票房變化趨勢，票房與評分、評價人數、時長、地區以及類型的關系，此外還給出了不同導演與演員的票房表現以及影片票房排名。

如圖19所示，國內票房數據與上映的電影數量逐年遞增，2020年記錄的只是上半年的數據，且由於受疫情影響，票房與數量驟減。這說明在不發生重大事件的情況下，國內電影市場規模正在不斷擴大。

對電影數據根據類型進行聚合，繪制散點圖21，可以發現：

提取導演/演員姓名，對導演/演員欄位進行聚合，計算每個導演/演員的票房總和，上映電影均分、以及執導/參與電影數目進行計算，作出票房總和前30名的導演/演員，可得圖22,23，圖中導演/演員標號反映了票房排名，具體每位導演/演員的上映影片數量、均分、每部電影評價人數、平均時長與總票房在表5、表6中給出。

最後根據電影票房進行排名，得到票房排名前20的電影如表格7所示，可以看到絕大部分上榜電影都是中國電影，索引序號為3、10、12、14、18、19為美國電影，這也反映了除國產電影之外，好萊塢大片占據較大的市場。

本篇報告採集了1990-2020年間豆瓣電影29033組有效數據，從豆瓣電影的評分、時長、地區、類型、演員、導演以及票房等信息進行分析評價，主要有以下結論：