電影票房預測模型

Ⅰ 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

Ⅱ 怎樣預測票房

票房預測：需求與現實

從1896年西洋影戲傳入上海徐園，到1905年中國拍攝首部國產電影《定軍山》，再到2013年全國電影票房突破200億
大關，（4）有著百餘年歷史的中國電影產業，在近幾年呈現出飛躍式發展的態勢，無論是影片質量、院線建設還是投資規模都有了長足的發展。與此同時，隨著
「大數據」時代的到來，電影觀影群體、觀影偏好與心理、電影信息傳播和獲取方式也都在發生著深刻的變化。

毋庸置疑，多樣化資本的加入是中國電影不可或缺的發展引擎，然而，電影行業以投資回報率難以預測著稱，大投入未必有大產出，票房預測工具的缺失使得投資者
無法有效對沖投資風險，華人著名導演吳宇森的《風語者》就拖累了米高梅公司最終走向破產。因此製作與發行公司不得不考慮所有對票房有影響的因素：辣媽李小
璐對《私人訂制》票房貢獻幾何；《風暴》票房為何遠低於其金牌製片人江志強預期；被吐槽「爛片」的《富山春居圖》和《小時代》緣何票房卻一路走紅；成龍大
叔的《警察故事2013》有無必要拍成3D；《泰囧》的「報復性」觀影效應能否復現……這一切的一切其實都可以從「大數據」中找到答案。因為網路上的每一
次瀏覽、查詢乃至點擊所匯聚成的群體智慧都「蝴蝶效應」般地影響著電影的最終票房。

2013年Google在一份名為《Quantifying Movie Magic with Google Search》（5）
的白皮書中公布了其電影票房預測模型，該模型主要利用搜索、廣告點擊數據以及院線排片來預測票房，Google宣布其模型預測票房與真實票房的吻合程度達
到了94%，但並未見其公開對未上映電影的預測結果。

搜狗公司藉助「深思」系統，建立了更為復雜的模型，用於預測國內電影票房，並在新浪微博上提前發布了2013年12月國內上映電影的首周票房預測結果。很高興到目前為止預測結果與真實數據非常接近，同時，我們的模型還可以用於對影響票房的因素進行定量分析。

搜索查詢量的奧秘

搜狗搜索每天都響應上億次的搜索請求，查詢詞的分布和變化趨勢能夠很好的反映出中國網民的興趣點和關注指向。與Google的研究類似，我們也發現，電影
上映前相關查詢詞的搜索次數與票房收入有著很強的關聯性。這一點很好理解，用戶的主動搜索行為體現了用戶對這部電影的潛在興趣。

我們選取了2013年1-11月國內上映的180部電影的票房和上映前的搜索量數據作為訓練集，用於訓練一個基礎的線性回歸模型。實驗發現，單純利用搜索
量訓練得到的模型，預測得到的首周票房與真實票房的相關度R方值僅為68%，這與Google僅用搜索數據得到的結果70%很接近。（註：R方值取值為0
至1，值越大表示模型預測效果越好），這個結果也說明無論在中國還是美國，用戶的搜索行為是很相似的。

用搜索量來進行預測票房是一個好的開始，但是准確度還遠遠不夠。同時很多搜索詞還存在歧義的情況，比如《生化危機》，既是電影也是游戲，混在一起會造成票
房預測值偏高。進一步研究發現，游戲意圖的查詢請求量較為平穩，但電影意圖的查詢請求在上映前則有一個高峰，也可以通過用戶點擊的URL來進一步確認用戶
的搜索意圖。因此模型需要再引入查詢量的變化趨勢和用戶點擊的分布情況。修正後的模型可以達到74%的准確度，這時模型已經可以對電影票房進行一個粗略的
估計。

社交媒體：用戶的情感分析

社交媒體數據對票房預測也會有一定幫助。假設你是某個明星的粉絲，打算去看他主演的電影，那麼你很可能會提前轉發該電影的相關微博給你的朋友。國外已經有
很多預測項目都是在針對Twitter數據做研究，這里我們主要採用國內部分微博網站的數據來進行預測。通過自然語言理解技術，分析出用戶對未上映影片的
情感傾向，從而轉換為用戶的觀影需求。進一步可以考慮的因素包括微博轉發深度、評論活躍程度，以及相關微博數量隨電影上映日期臨近的變化趨勢，這些數據都
可以被有效的提煉為特徵並加入到模型中。

微博數據的加入使得准確率超過了80%。

結語

預測專家納特·西爾弗在《信號與雜訊：大數據時代預測的科學與藝術》一書中提到，大數據時代的預測更容易失敗，大部分失敗的預測都源於一種盲目的自信，用精確的預測來冒充准確的預測。

對此我們有著清醒的認識，目前的票房預測模型還有若干需要改進的方向。首先，目前模型的主要思想是通過電影上映前的用戶關注度來推算首周票房，這實際上沒
有考慮電影上映後的口碑對票房的影響；其次，模型較為依賴歷史數據，可能難以識別一些上映後脫穎而出的小成本「黑馬」電影；再次，目前的技術只能提前10
天預報出首周票房，還可以更加超前。

總體而言，「深思」系統代表了搜狗公司在社會化預測方面一些新的嘗試。我們試著從繁雜的海量數據中篩選出真正的信號，努力穿越不確定性的迷霧，區分出未來
圖景的哪些部分可以預測，哪些不可預測。通向這個未來的道路還在探索之中，但目前工作已經取得了一些不錯的進展，並給予了我們更大的信心。

Ⅲ 電影票房預測系統的BRP（電影票房量化分析系統）的三大特點

BRP系統每周總票房的范圍預測法通過自適應分類，可根據電影知識庫中各周電影票房分布進行票房等級分類，使每周預測的票房范圍更為精確，縮小預測范圍。同時，其最終估值范圍通過波動性提示並衡量了相關風險的存在。這對於投資製片方進行有針對性的風險度量、風險管理及防範都具有重要意義。由於電影產業影響票房業績的變數眾多，蘊含復雜的系統及非系統風險，BRP系統能將之定量化並確定總體風險收益規模，無論對於即期電影發行，還是後續衍生開發，都具有重要的指導性。

Ⅳ 如何專業地預估票房

這個項目我還真的做過，大概是在2011年中國電影票房開始爆發的時候。試來試去，最靠譜的演算法仍然是多元線性回歸，預測目標是官方公布的某部電影的最終票房值，當時的R2達到70%多。如果將進口電影排除，R2能夠提高到80%以上。主要是進口電影非常容易出現黑天鵝，比如一個《阿凡達》就足以將模型刷爆。多元線性回歸看起來很low是不是，但後來看到一篇Google關於預測電影票房的論文，也是說最好的票房預測模型仍然是多元線性回歸。不過後來這個模型的價值就不大了，因為後來中國電影市場以超越想像的速度蓬勃發展，不斷出現票房黑天鵝，而且還有各種嚴肅的刷票房行為，所以對於模型來說，實在是臣妾做不到。題主所說的在電影拍攝前就預測票房也超越了模型的能力，當初的設計是在電影首映前一個月開始預測，定期修正預測值。多元線性回歸使用的各因素總結如下。用戶的期待度。通過手機網路指數以及微博等媒體的提及次數來表示，搜索或者提及次數越多，證明用戶越期待，越容易轉化為票房。核心元素的影響力。核心元素包括導演、主演以及是否有前序劇情，比如：007系列或者馮小剛都是對票房的保證，而另一方面，有些演員又是票房毒葯。主要是收集豆瓣上這些核心因素與電影評分和歷史票房的關系，最後可以歸結成對新影片票房的影響因子。競爭態勢。主要通過同期上映的影片數量來評價，同期上映的影片越多，證明競爭越激烈，越難取得較高的票房。進一步的規劃，是將同期上映影片的預測票房加入進來作為權重，以衡量競爭對手的實力，更准確地評價競爭態勢。簡單說，和《阿凡達》同期上映，比和《無極》同期上映，要悲壯很多。基本面。主要是就是當期電影市場的總體情況，可以使用該電影上映前T12M（Trailing 12 months）的總票房作為基本面。

Ⅳ 電影行業怎樣預測影片的票房

這個真沒誰有多准，大家都一個檔次的，你這次預測靠譜點，沒准下一次就失手。
像今年的《侏羅紀世界》和《速度與激情7》，年前沒誰會預測到能達到15億美金的票房，碾壓婦聯2爭奪年度票房冠軍，再比如撲街的《明日世界》，很多預測人臉都被打腫了。
很多時候都是根據上映第一周的票房來推測後續能達到什麼水準比較靠譜。這個時候一般後續票房下跌水準也能把握得相對准確點。但遇上《阿凡達》這種BUG片（次周票房幾乎零跌幅），也是要命的。

Ⅵ 電影票房預測系統的電影票房如何預測

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。

Ⅶ 電影票房預測系統的電影票房預測的背景

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」。

Ⅷ 如何專業地預估票房

圖1. 2012年票房收入與搜索量的曲線 （紅色是票房收入，灰色是搜索量，橫軸是月份，縱軸是數量） 經過改進後的模型： 圖2 提前一個月預測票房的效果 （橫軸是預告片搜索量，縱軸是首周票房收入，灰色點對應實際某部電影的首周票房收入，紅色點對應預測的首周票房收入） Google可以通過這個模型提前一個月預估出電影票房，不過如果是在拍電影前就預估票房，可能不太現實，之前有個問題也回答過，其實演員在拍一部好片或者爛片的時候，心態是差不多的。在沒開拍電影前，就預估票房，很可能本身就是個誤會。

Ⅸ 電影票房預測系統的介紹

電影票房預測系統，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。

Ⅹ 如何評價電影票房預測模型的發展和建設瓶頸

從我們的分析與實際操作來看，實際上對電影票房預測模型的發展與建設造成最大阻礙的在於數據的不真實性、指標的選擇可用性以及一些違規暗箱操作上；還有譬如電影市場的發展速度太快，去往的歷史數據可參考性低，模型得跟著市場的變化而變化等這些方面，在我們建模時造成了極大的阻礙。而基於我們的電影票房預測模型，我們的預測有相當的准確性與可信度。從2015年7月到現在我們每天都會公布我們的票房預測結果，在於競爭對手的比拼與較量中始終保持領先地位，准確率一直保持全國第一。而我想，如果當數據、指標、操作開始正規化明朗化，電影票房的預測模型也將越做越好，越做越准。