简述电影在线评论信息对电影票房的影响

① 自媒体的影视解说对电影的本身造成了什么伤害

小编本人觉得自媒体的解说对电影的本身带来的影响是非常大的，首先，很多的营销号或者是一些解说人员，他们如果不太喜欢一部电影的话，就会在网络上面恶意的去解说这部电影，那么就会导致很多的网友也改变了对于这部电影的印象。还有就是现在电影因为疫情的原因，本身票房就不是特别的高，如果说还因为自媒体的解说导致票房越来越越低，也是会导致电影本身出现亏损的情况。

三、总结。

在解说电影的时候，我们应该要做到公平公正，不能够因为对方给了我们钱，或者是对方的演员是我们比较喜欢的，于是就去夸赞这部电影。也不能因为自己的私人恩怨就去诋毁这部电影，就会让很多演员的心血或者是导演的心血全部都白费。

② 电影票房分析及预测

从20世纪初的西洋镜戏法到今天占据全球电影业总产值的三分之一强，资本的加入让好莱坞在过去百年的发展中变得越来越理智--比起商业片流水线缔造者，它更像一个数学家--它精于计算每一项决定对利润的贡献:《蝙蝠侠》续集是否要接受男演员片酬的狮子大开口以获得百分之几的忠实粉丝买票入场;是否要在动作片的第37分钟增加感情戏以争取女性观众;是否要为这部烂透了的原著聘请收费高昂的剧本医生;一个小金人编剧的名头到底值多少钱……这就是在电影开机之前最为重要的环节:票房预测。

华尔街不仅给好莱坞带来了密集的资金支持，也带来了理性的金融工程技术，后者好像一把衡量艺术的尺子。一位浸淫于电影行业的金融人士一语中的:"在这个行业里充斥着暧昧不清、晦暗不明，有真正的艺术家、也有忽悠的吹水者，但到底怎么判断是否能合作，项目是否有投资价值，全凭经验"。

如何预测
早在80年代，美国票房收入预测的先驱BarryLitman对美国80年代近700部电影进行分析推出票房收入预测模型。该系统对之后美国电影投资界产生了颠覆性的影响。电影票房预测系统能分析预测不同种类电影的票房价值，已经成为国际电影产业投融资的重要参考工具，对电影产品定价及衍生产品开发都具有较强的指导作用。

预测系统
电影票房量化分析及预测系统(Box Revenue Prediction)是在考察导演、主要演员、制片、发行及市场营销、电影生命周期、电影类型、发行地区等影响电影票房的诸多因素基础上，基于资产定价模型，综合采用金融工程和回归统计分析方法研发出的预测系统。它能分析预测不同种类电影的票房价值，成为电影产业投融资重要参考工具，对电影产品定价及衍生产品开发都具有较强的指导作用。

中国第一套BRP系统

2012年1月，中影集团联合艾亿新融资本推出了国内第一套基于电影票房预测的估值与定价分析系统--BRP系统。通过对过去4年中600多部影片的统计分析，该BRP系统发现了6条有趣的现象:

·低成本的影片一般会比大片更卖座

·无名小卒主演的影片要比明星主演的影片利润率更高

·类型的艺术特征跟利润之间不存在直接关联，但评论的多寡(无论好评或者劣评)跟利润之间有密切关系

·不含暴力、色情成分的家庭影片最容易赚钱

·大片的续集要比普通新片更容易赚钱

·明星在为影片带来更高票房的同时，也往往拉低了利润率，因为大部分收入进了明星的口袋

③ 在电影的制作 发行与放映三个环节中哪些对电影票房产生决定性影响为什么

制作和发行都很重要，而放映就比较次要。在中国现在的情况是好的发行可以产生很高的票房，即使是片子很烂。去年的非诚勿扰就是很好的例子，就像生产一个产品，即使这产品有很高的品质，如果不宣传的话，没人知道，也不会有人买。好的发行可能对首周的票房有决定性作用，以后的票房就要看这部电影制作的质量和品质啦，也就是电影的口碑。当然对一些制作特别好的电影，没有好的发行，同样可以产生极高的票房，就如去年的海角七号，经典得不能再经典的泰坦尼克，首周票房都很惨，但是凭借口碑票房越来越高。当然这只是个别现象，因为经典的电影不是常出现的，否者就不是经典电影啦！所以一部电影只要制作精良的话，再加上好的发行，就可以产生好的票房！至于放映，有影响，但不是决定性的。

④ 电影评论的影评作用

1、影评是一种科学的活动，是电影艺术与观众的桥梁，是实现电影三重价值（艺术的、社会的、经济的）的重要手段。国外影评主要作用于票房价值，中国影评侧重于社会性，形成中国特有的、最广泛的群众影评浪潮，形成中国文艺评论独特景观。
2、影评本身是一门艺术，有利于提高人的审美能力、思辩能力、写作能力。从写作学的要求看，影评写作需要信息处理能力，也是记叙、描写、议论、抒情能力的综合运用。许多人从影评起家，走上专业文化工作道路。上海市为适应素质教育的要求，在97年高考语文中有一道小作文题，要求学生写影评，题目是《推荐一部影视剧》，15分，这一举措使学校掀起起电影热，97年的《文汇电影时报》和98年2月11日《新民晚报》对此作了报道。国外文科大学一般都有电影课程。东南大学开展校园文化活动，要求大学生观看百部优秀影视片。北师大为大学生设立电影院，结合放映的影片请专家给学生讲评。

⑤ 如何正确看待影评网站的影响力

1994年国际互联网登陆内地，随即日益普及，网民数量迅猛增加，这种变革性的传播方式也为影评平台带来了革命性的变化。作为国内最老牌的电影论坛之一—— “后窗看电影”论坛由卫西谛创建于1998年12月，是网络社区“西祠胡同”中最早的一个电影论坛。这一时期，各种影评论坛如新浪影行天下、电影夜航船论坛、雅虎电影论坛等一批影评论坛如雨后春笋般相继问世。自2002年始，随着个人博客在中国的火爆，影评博客亦由此兴起，影评平台开始渐呈精英发声的趋势。随着各大社交网站兴起，以兴趣导向为特色的豆瓣网于2005年诞生，用户所熟知的是其网站读书、电影和音乐的三大系统功能。基于传统社交网站的豆瓣网注册用户过亿，实力不容小觑。同时期，同质性而且具有相当影响力的网站还有猫眼网、时光网、人人网、电影频道等网站。
相对于被专业人士掌控话语权的传统影评年代，基于互联网无需审查、不受成规要求的特点，人人都是影评人，人人都是自媒体，借助网络平台，网众可以随时随地发表自己的观点。网络影评的开放性和互动性是其他影评平台无法比拟的优势，这也是网络影评强大影响力的源泉所在，口碑与评分日益成为普通观众选择观赏影片的默认标准。
早在传统影评时代，就有研究者认为，电影票房不仅受到故事类型、有票房号召力的明星、制作成本、发行等方面的影响，还受到电影评分的影响。在2016年年末，围绕着豆瓣、猫眼网“恶意差评”这一事件，曾产生一场强烈的舆论风波，影评网站的影响力可见一斑。可见，影评网站不单可以影响电影票房，亦可波及整个电影产业的发展。2016年12月28日，《人民日报》发文《豆瓣、猫眼电影评分面临信用危机，恶评伤害电影产业》 ，透过对《长城》 《摆渡人》《铁道飞虎》三部电影的电影评论和评分，质疑网络专业影评人“一句顶一万句”的话语权，电影的观影价值、专家与大众审美的分野成为这场风波的论题中心。
如今，诸如豆瓣、猫眼这些影评网站的评分功能在一定程度上兼具了审片员的功能，许多网站亦会引用豆瓣的评分作为推荐的标准。在这个默认“公赏力”的大前提下，影评网站是否可以承担起这个职责，这是大众和专家共同关注的问题。显然，评分体系的初始锚定设置和算法同样重要，监测算法的公正对最终评分的正义性也起着至关重要的作用。豆瓣网创始人杨勃曾对豆瓣网的评分机制作出如下解释：“比方说一部电影有42万用户打分。我们的程序把这42万个一到五星换算成0到10分，加起来除以42万，就得到了豆瓣评分。这个评分会自动出现在豆瓣各处，中间没有审核，平时也没有编辑盯着看。每过若干分钟，程序会自动重跑一遍，把最新打分的人的意见包括进来。 ”这种完全无监控的机制，就为黑客通过收集互联网已泄漏的用户和密码信息，生成对应的字典表，得到一系列可以登录的用户，为最终“制造评分”创造了可乘之机。
在关注影评网站影响力的同时，我们更应聚焦能够影响影评网站的要素，即这些影评网站的运营与盈利模式。作为社交网站，影评网站的核心框架雷同于诸如微博、脸书等社交网站，都需要通过用户发布信息引发普遍关注，形成意见领袖成就评价权威。获取流量的目的在于实现流量变现，只是变现的方式各有差异。其实在评分用于电影评价之初，就已经难逃市场的操控。因为从经济学的角度而言，以数字作为商品的评价源于股票和期货。这种量化的比较方法逐渐运用于衣食住行等日常生活消费领域，随后进入艺术商品的评价范畴，从电视收视率及电影的市场份额等词汇的用法可见其渊源。
总体而言，无论是票房还是评分都不应也不能成为“评价之王” ，无论是普通观众抑或专业人士都应该正视影评网站的商业属性，并试图更多地立于“电影之内”及“产业之外” 。只有这样，才能将影评网站更多地导向公正与客观。

⑥ 从影厅院线到网络平台，弹幕对看电影的影响有多大

从影厅院线到网络平台，弹幕对看电影的影响有多大？可以让人更开心。在大坝的对话和讨论中，可以形成某种“集体意识”，这也是最直接的“口碑”，这种群体效应实际上是整个大坝最有力的形式。大坝往往反映了年轻群体的价值观和兴趣，对他们有着重要的影响。探索“弹幕文化”背后的心理动机的目的，今天的影评人还采访了心理顾问刘佳宁。据他说，大坝文化背后的心理需求是简单的社会需求。年轻人每天面对的唯一社会群体是远远不能满足他们的社会愿望。在了解大坝运营情况后，认为大坝运营商可以提前对电影提出建议，充分利用大坝，让公众接受电影。

在线电影。被称为netuniversity。它不是一部在互联网上放映的电影，因为电影院都是在线电影，因为在线放映完成后，它也会在互联网上播放。这里的“大”不同于互联网上缩微电影的“微”。电影网络的收费市场将大于电影票房的收费市场。

⑦ 影视行业影响票房的影响因素

影响电影票房的五大因素

一、影片本身质量：影片的质量是影响票房的首要因素。内容为王，影片的质量上去了，有口碑了票房就容易上去。

按照电影的口碑和票房可以分为：

有票房又有口碑的电影；

有票房无口碑的电影；

无票房有口碑的电影；

无票房无口碑。

有票房又有口碑电影，数量很少；市场上绝大多数都是无票房无口碑的电影。无票房却有口碑电影，可能经典并获奖，受众范围较小，比如2017年上映的《七十七天》《二十二》。只有影片本身质量过硬，拥有口碑后，电影票房就更容易获得成功。

二、影片排映档期：影片在什么档期内进入市场是一门学问。不同档期有不同的特点，在定档期的的时候需要瞻前顾后，不要匆忙且盲目的选择档期。有同类题材的影片上映之时，就不要前后紧挨着上片。不同的档期应有不同的策略。

中国特色电影档期

1、贺岁档：贺岁档泛指每年11月初到次年3月初的电影档期，大约在八九十天左右。

2、五一档：一般泛指每年五一期间的电影档期。

3、暑期档：一般泛指每年6月-9月的电影档期。

4、国庆档：一般泛指每年国庆期间的电影档期。

其中含有情人节档、三八档、清明档、愚人档、端午档、七夕档、光棍节档、双12档等。不同的档期应有不同的策略。

三、影片宣传策划：电影市场是以商品交换的形式而提供影片和放映的场所，需要经过宣传策划的手段达到产品推广的目的。 关于电影的营销策划，宣传要有诱惑力，宣传投资、演员、花絮、导演阐述、拍摄趣事等，对影片的包装等都是至关重要的。

电影的宣传策划应该贯穿于制片、发行和放映的全过程，各自利用自身优势在影片的宣传策划上“各尽所能”。电影片名，好的片名拥有很好的传播效应，片名也会影响票房。朗朗上口，过长不便于记忆。电影海报，海报的作用就是吸引观众走进电影院，富有视觉性，作为电影售前的消费产品，片名是第一包装，电影海报是第二包装。

四、映期社会环境：对一部具体的商业影片来说，在绝对有效生命周期内能否取得最大值的票房，与该片上映周期前后的社会环境存在着一种潜在的因果关系。电影市场放在社会大环境中来

看，还是比较脆弱的，911恐怖事件、SARS肆虐数月、足球世界杯等，都动摇过电影市场的正常地位。应势利导、随机应变是必不可少的。

五、映期天气环境：天气情况与社会发展、个人

生活都有关系，天气同样在客观上影响着电影市场票房，只是其表现形式不同而已。电影市场上的放映工作犹如足球比赛，一经决定档期，不会因天气变化而变动，这中间运气的成份太浓。从这个意义上讲，影片进入市场后也得“靠天吃饭”了 。

六、影院和票价等其他因素：影院建设、电影票价、影片数量和立法规范等诸多方面也影响电影票发。所以中国电影市场要稳定发展，则要依靠社会的资金和力量，从而使市场正常有序、规范和谐的持续发展。

⑧ 豆瓣电影数据分析

这篇报告是我转行数据分析后的第一篇报告，当时学完了Python，SQL，BI以为再做几个项目就能找工作了，事实上……分析思维、业务，这两者远比工具重要的多。一个多月后回过头来看，这篇报告虽然写得有模有样，但和数据分析报告还是有挺大差别的，主要原因在于：a.只是针对豆瓣电影数据分析太过宽泛了，具体关键指标到底是哪些呢？；b.没有一个确切有效的分析模型/框架，会有种东一块西一块的拼接感。
即便有着这些缺点，我还是想把它挂上来，主要是因为：1.当做Pandas与爬虫(Selenium+Request)练手，总得留下些证明；2.以豆瓣电影进行分析确实很难找到一条业务逻辑线支撑，总体上还是描述统计为主；3.比起网上能搜到的其他豆瓣电影数据分析，它更为详细，可视化效果也不错；

本篇报告旨在针对豆瓣电影1990-2020的电影数据进行分析，首先通过编写Python网络爬虫爬取了51375条电影数据，采集对象包括：电影名称、年份、导演、演员、类型、出品国家、语言、时长、评分、评论数、不同评价占比、网址。经过去重、清洗，最后得到29033条有效电影数据。根据电影评分、时长、地区、类型进行分析，描述了评分与时长、类型的关系，并统计了各个地区电影数量与评分。之后，针对演员、导演对数据进行聚合，给出产量与评分最高的名单。在分析过程中，还发现电影数量今年逐步增加，但评分下降，主要原因是中国地区今年低质量影视作品的增加。

另外，本篇报告还爬取了电影票房网（ http://58921.com/ ）1995-2020年度国内上映的影片票房，共采集4071条数据，其中3484条有效。进一步，本文分析了国内院线电影票房年度变化趋势，票房与评分、评价人数、时长、地区的关系，票房与电影类型的关联，并给出了票房最高的导演、演员与电影排名。

清洗、去重后，可以看到29033条数据长度、评分、评论数具有以下特点：

结合图1(a)(b)看，可以看到电影数据时长主要集中在90-120分钟之间，向两极呈现阶梯状递减，将数据按照短(60-90分钟)，中(90-120分钟)，长(120-150分钟)，特长(>150分钟)划分，各部分占比为21.06%, 64.15%, 11.95%, 2.85%。

结合图2(a)看，可以看到我们采集到的电影数据评分主要集中在6.0-8.0之间，向两极呈现阶梯状递减，在此按照评分划分区间：2.0-4.0为口碑极差，4.0-6.0为口碑较差，6.0-7.0为口碑尚可，7.0-8.0为口碑较好，8.0-10.0为口碑极佳。

这5种电影数据的占比分别为：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再将评分数据细化到每年进行观察，可以发现，30年内电影数量与年度电影均分呈反相关，年度均分整体呈现下降趋势，2016年电影均分最低，电影数量最多。

进一步做出每个年份下不同评级等级的电影数据占比，可以发现，近年来，评分在[2.0,6.0)的电影数据占比有着明显提升，评分在[6.0,7.0)的数据占比不变，评分在[7.0,10.0)的数据占比减少，可能原因有：

对照图5，可以发现，评分与时长、评论人数的分布大致呈现漏斗状，高分电影位于漏斗上部，低分电影位于漏斗下部。这意味着，如果一部电影的评论人数很多（特别是超过30w人观影），时长较长(大于120min)，那么它大概率是一部好电影。

根据各个国家的电影数量作图，可以得到图6，列出电影数量前十的国家可得表格2，发现美国在电影数量上占第一，达到8490部，中国其次，达6222部。此外，法国，英国，日本的电影数量也超过1000，其余各国电影数量相对较少。这可以说明美国电影有着较大的流量输入，在中国产生了较大的影响。

进一步分析各国电影的质量，依据评分绘制评分箱线图可得图7，在电影数量排名前20的国家中：

接着我们可以探索，哪个国家的电影对豆瓣评分随年份下降的贡献最大，考虑到电影数量对应着评分的权重。根据上述各国的电影评分表现，我们可以猜测电影数量较多的国家可能对年度均分的下降有较大影响。于是，我们再计算出这些国家的年度电影均分，并与整体均分进行比较分析。

再作出中国大陆，中国台湾，中国香港的均分箱线图图9(a)，可以看到，大陆电影均分低于港台电影，且存在大量低分电影拉低了箱体的位置。

分析相关性可得，大陆、香港、台湾电影年度均分与全部评分关联度分别为R=0.979,0.919,0.822，说明滤去台湾和香港电影，大陆电影年度均分的变化趋势与全部评分变化更接近。图9(b)可以进一步反映这一点。

可以看到，大部分类型集中在X×Y=[10000,30000]×[6.00,7.50]的区间范围内，剧情、喜剧、爱情、犯罪、动作类电影数量上较多，说明这些题材的电影是近三十年比较热门的题材，其中剧情类电影占比最多，音乐、传记类电影平均得分更高，但在数量上较少，动作、惊悚类电影评论人数虽多，但评价普遍偏低。

除此之外，还有两块区域值得关注：

根据类型对电影数据进行聚合，整理得到各类型电影评分的时间序列，计算它们与整体均分时间序列的相关性，可得表格4与图11，可以看到剧情，喜剧，悬疑这三种类型片与总分趋势变化相关性最强，同时剧情、喜剧类电影在电影数量上也最多，因此可以认为这两类电影对于下跌趋势影响最大，但其余类别电影的相关性也达到了0.9以上，说明几种热门的电影得分的变化趋势与总体均分趋势一致。

前面已经得知，中美两国电影占比最高，且对于均分时间序列的影响最大。在此，进一步对两国电影进行类型分析，选取几种主要的类型（数量上较多，且相关性较高）进行分析，分别是剧情，喜剧，爱情，惊悚，动作，悬疑类电影，绘制近年来几类电影的数量变化柱状图与评分箱线图可得图12,13,14,15。

对导演与演员进行聚合，得到数据中共有15011名导演，46223名演员。按照作品数量在(0,2], (2,5], (5,10], (10,20], (20,999]进行分组统计导演数量，可以发现，15009名导演中有79.08%只拍过1-2部作品，46220名演员中有75.93%只主演过1-2部作品。忽略那些客串、跑龙套的演员，数据总体符合二八定律，即20%的人占据了行业内的大量资源。

在此，可以通过电影得分、每部电影评论人数以及电影数目寻找优秀的电影导演与演员。这三项指标分别衡量了导演/演员的创作水平，人气以及产能。考虑到电影数据集中可能有少量影视剧/剧场版动画，且影视剧/剧场版动画受众少于电影，但得分普遍要高于电影，这里根据先根据每部电影评论数量、作品数量来筛选导演/演员，再根据电影得分进行排名，并取前30名进行作图，可得图17,18。

结合电影票房网（ http://58921.com/ ）采集到的3353条票房数据，与豆瓣数据按照电影名称进行匹配，可以得到1995-2020年在中国大陆上映的电影信息，分别分析中国内地电影的数量、票房变化趋势，票房与评分、评价人数、时长、地区以及类型的关系，此外还给出了不同导演与演员的票房表现以及影片票房排名。

如图19所示，国内票房数据与上映的电影数量逐年递增，2020年记录的只是上半年的数据，且由于受疫情影响，票房与数量骤减。这说明在不发生重大事件的情况下，国内电影市场规模正在不断扩大。

对电影数据根据类型进行聚合，绘制散点图21，可以发现：

提取导演/演员姓名，对导演/演员字段进行聚合，计算每个导演/演员的票房总和，上映电影均分、以及执导/参与电影数目进行计算，作出票房总和前30名的导演/演员，可得图22,23，图中导演/演员标号反映了票房排名，具体每位导演/演员的上映影片数量、均分、每部电影评价人数、平均时长与总票房在表5、表6中给出。

最后根据电影票房进行排名，得到票房排名前20的电影如表格7所示，可以看到绝大部分上榜电影都是中国电影，索引序号为3、10、12、14、18、19为美国电影，这也反映了除国产电影之外，好莱坞大片占据较大的市场。

本篇报告采集了1990-2020年间豆瓣电影29033组有效数据，从豆瓣电影的评分、时长、地区、类型、演员、导演以及票房等信息进行分析评价，主要有以下结论：