电影用户分析

1. 为什么关灯看电影有什么心理分析或视觉分析吗

1.关灯看电影时，只剩下荧幕上发出的亮光，这时光线对比度会特别高，整个画面比较清晰。
2.关灯之后，除了荧幕是亮的，其他地方都没有光线或光线很暗，这样能让人更好地将注意力集中到电影故事情节中，增加代入感，可以提高用户体验。
3.关灯看电影，也可以给观众一些隐私，因为电影院座位一般是后高前低，如果不关灯的话，前排的观众的一举一动将彻底暴露在后排观众眼中。关灯后，观众可以进行一些私下的亲密活动，这也算是一个原因。
另外，关灯看电视电脑时，眼睛距离屏幕较近，强烈的光线和对比度，眼睛特别容易感到疲劳，时间长了，就会影响视力甚至损害眼睛。而在电影院关灯看电影，由于距离一般较远，对眼睛的伤害很小。

2. 购电影票从用户的角度有哪些考虑因素

广告费用高。而场地租金员工费用照要开支.物以稀为贵.有消费市场.
2. 没个城市电影院比较少. 到电影院看电影艺术感强. 很多人看电影追求放松娱乐浪漫.
4.
5. 电影每天播放时间短.
3，有可能几天才播放一场。电影拍摄投资比较大1

3. 25-29的具有购买力的人群在逃离电影院，你觉得原因什么

从数据的角度来看，从2017年到2019年，平均票价持续上涨相对应的是上座率持续下跌。除了票价上涨的原因外，这两年整个市场内容方向有明显的调整，主旋律商业大片成为了市场绝对的主流。主旋律大片的”市场化”仍然有很长的距离，也需要反复尝试来满足当下市场主力观众的市场需求。但好在，今年25岁以下观众对于影片票房“供血”是非常明显的，尤其是《我和我的家乡》、《夺冠》都达到了40%以上，在此前三年，也仅有《复联4》可以达到这一成绩。那么，对于制作端来说，如何更仔细地拆分市场受众的审美喜好，对于接下来的主旋律大片其实至关重要。毕竟依靠单一的“主旋律电影”商业化，也很容易引起观众的疲劳感。

在今年电影线上线下“渠道之争”的关键时期，“为什么一定要在电影院看电影”就成为了其中最具争议性的观点。这说明在潜意识里，院线电影本身的短板暴露实际上已经让越来越多的人怀疑其“性价比”。如果电影仍然无法将“消费基石”重新拉回电影院，那么整个产业靠什么完成重建呢？中国电影市场成为世界第一，又能保持多久呢？

疫情前，电影市场已经实现了跨越600亿的“门槛”，但是观影人次的增速却出现了明显下降。其实在这个数据下面，两个数据是更为关键的参考指标，这决定了中国电影市场究竟有多少“绝对刚需”。

一个是观影频次，中国电影市场的观影频次非常低，和几大发达国家相比存在着明显的差距。而在中国电影市场逐步走向世界第一大票仓的同时，观影频次其实依然在下降。根据去年的数据分析，近一半用户一年只看一次电影，高频次观影人群占比在下降。而且四大档期吸引全年半数人次，这意味着观众进入影院的“规律性”过于明显。另外全年上座率从13%下降到11%，观影频次和上座率“双低”非但没有因为票房持续增长而变好，反而更差。

此外，电影终端放映却面临着严重饱和。尽管疫情导致几千家影院关停，但在今年的国庆档，日均放映场次超过39万场，共放映314万场。尽管疫情对全球电影造成重创，但2020年国庆档在场次放映上相比2019年依然是同比增长的，这说明终端市场在努力“复工”的现象已经非常明显。

但是也正是在2020年国庆档，日均观影人次1245万，同比下跌26%。尽管有防疫限流管控的影响，但从更大时间尺度来看，这一个下降其实也并不意外。那么，如何让观众重回电影院，实际上在此后的电影市场依然是一个主命题。

因为2021年整个全球产业的态势并不明朗，对于国内电影市场来说，国产片供应如何加快生产满足市场需求，进口大片能否顺利进入还需要考虑全球市场疫情复工的实际情况。

4. 电影用户属性聚类的代码

这类代码基于电影的评分和用户属性的协同过滤混合推荐算法实现。
属性聚类的代码包括系统聚类和动态聚类两种，系统聚类分析更加直观,易懂，而动态聚类则更加快速,动态感。

5. 未来电影的发展趋势

本文核心数据：中国破千万网络电影票房规模、中国网络电影上新量及上新网络电影正片有效播放量、中国上新网络电影正片有效播放区间分布、中国用户对付费观影的接受程度

网络电影营收规模快速增长

近年来，我国网络电影行业发展迅速。从行业营收规模来看，2020年我国破千万网络电影票房规模达到13.51亿元，较2019年增长155.87%。

—— 以上数据参考前瞻产业研究院《中国电影产业市场前瞻与投资战略规划分析报告》

6. 《2020中国电影市场用户报告》发布，今年的电影市场怎么样

今年的电影市场其实并不怎么样，因为今年遭受的疫情的影响，所以很多电影的拍摄都遇到了非常大的困难，而且在播放的过程当中也遇到了政策性的干预，所以今年的市场对于很多人来说都是非常不利的，而且今年的总市值已经进行了萎缩。

正是因为今年疫情的影响，很多电影公司已经没有办法进行拍摄了，这些公司不进行拍摄的话，那么国内电影的供给数量就少了，这对于我们市场当中的平衡来说，肯定会造成一些影响的，正因为如此，我们国家的电影行业也在不断的进行萎缩。

归根结底今年所有的情况都是由于疫情造成的，因为疫情对于人流量的影响是非常大的，只要出现了一枪那么各个地方的状况肯定是非常严峻的，在这种情况之下娱乐设施肯定会被取消的，所以一见的影响对于电影行业的打击是非常巨大的，今年已经有很多的电影公司出现了亏损，并且有些公司已经出现了破产。国外的电影行业也是不容乐观的，因为国外的疫情比中国的疫情是更加严重的。

7. 为什么IMDB上的中国电影的用户评分都非常两极化。 有很多满分也有很多最低分。

一部分是因为时代的不同的造成的价值观不同
比如说我们的<活着>跟<霸王别姬>这样的电影
其实他是非常好的电影
特别受那些老一点的人群欢迎
因为他们经历过
但是年轻人不喜欢
他们喜欢像变形金刚这样的商业电影
还有暮光之城这样的爱情片
他们比较“阳光点“
还有的就是愤青的偷拍
就是一部像《阳光灿烂的日子》这样的好片
也会有愤青去给他0分的

另外我觉得你可以看一下IMDB的平分方式
以《魔戒1：护戒使者》具体分析。图1为魔戒1的所有评分者的分数的一个条状统计图。  图1从中我们可以看到各个分数段的大致比例，比如这儿就可以发现，超过一半的人是打满分的。
图下面有两个分值，一个是算术平均值（arithmetic mean），一个是中值（median）。算术平均值大概就是平均数，中值是统计学中的中间数值，该值和比它大及比它小的数值是等差的。而最后我们查到的分数却既不是算术平均值，也不是中值。
IMDB的分数的计算方法应该不是就做一下平均就ok了，在它的网页上也提到了它的计算方法是保密的。不过imdb top 250用的是贝叶斯统计的算法得出的加权分(Weighted Rank-WR)，公式如下：
weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C
其中：
R = average for the movie (mean) = (Rating) （是用普通的方法计算出的骄?郑?br>v = number of votes for the movie = (votes) （投票人数，需要注意的是，只有经常投票者才会被计算在内，这个下面详细解释）
m = minimum votes required to be listed in the top 250 (currently 1250) （进入imdb top 250需要的最小票数，只有三两个人投票的电影就算得满分也没用的）
C = the mean vote across the whole report (currently 6.9) （目前所有电影的平均得分）
另外重点来了，根据这个注释：
note: for this top 250, only votes from regular voters are considered.
只有'regular voters'的投票才会被计算在IMDB top 250之内，这就是IMDB防御因为某种电影的fans拉票而影响top 250结果，把top 250尽量限制在资深影迷投票范围内的主要方法。regular voter的标准不详，估计至少是“投票电影超过xxx部以上”这样的水平，搞不好还会加上投票的时间分布，为支持自己的心爱电影一天内给N百部电影投票估计也不行。
因此，细心的人可以注意到，列入IMDB top 250的电影，其主页面上的分数与250列表中的分数是不同的。以魔戒1为例，它在自己的页面 中的分数是8.8，而列表中是8.7。一般250表中的得分都会低于自己页面中的得分，越是娱乐片差距越大。这大概是因为regular voter对于电影的要求通常较高的关系。）
而IMDB的过人之处不仅仅在于这儿，它除了给出分数，还给了一个更详细的投票人的列表（图2）
这个chart根据年龄、性别、国别等不同的情况，列出了不同的分数chart。而且你点击每个选项，上面（就是图一）都会出现一个不同的chart。这个其实是比较有用的。比如你在要选择动画片的时候，就应该点选一下小于18岁，或者30－44岁这个选项看看他们的评分，因为他们才是这部电影的最大观众群，其他人的分数都是仅供参考的。
碟报员或者我们在选择影片的时候，可以不仅仅看个总得分，多花一点时间，看看影片各个年龄段的得分会更有帮助的。有些影片我们觉得不好看，但是分数很高，你也可以参照一下，“us users”和“non－us users”这部分的数据，如果美国投票用户远远大于海外用户，那说明此片的确是有相当重的美国文化底蕴的，不觉得好看也是正常。相反的，如果我们觉得不错，但是IMDB的分数很低，这也许是老美的评分人数多，打的分低，就把总分给拉下来了。
从魔戒1的得分截图可以发现这部影片的确是各个年龄阶段都很喜欢，分数都打的很高的。

250佳片是IMDb很受欢迎的特色，里面列出了注册用户投票选出的有史以来最佳250部电影。只有供影院播出的影片可以参加评选，而短片，纪录片，连续短剧和电视电影不在其列。用户在从"1"（最低）到"10"（最高）的范围内对影片评分。得分经过数学公式（登在列表末尾）的过滤而生成最后的评定。为了保护结果不受恶意投票的影响，数据库使用了数据过滤机制以及最小投票数量限制（目前为1250票），以得到“真实的贝叶斯概率结果”。并且，只有“经常投票的用户”的投票被记入结果，为保护公平性，成为该类用户的条件是保密的。
该榜因其综合广泛性以及不时的令人吃惊而受到瞩目。上榜的电影中有老电影比如大都会(Metropolis,1927年)，也有新电影如盗梦空间(Inception,2010年)。有流行影片比如得到超过32万次投票的魔戒首部曲：魔戒现身(The Fellowship of the Ring,2001年)，也有少有人问津的影片如不到1万张投票的小私家侦探(Sherlock Jr. 1924年)。排行榜包括了各种不同类型的电影如黑色影片双重保险(Double Indemnity,1944年)；科幻片银翼杀手(Blade Runner,1983年)；音乐片雨中曲(Singin' in the Rain,1952年)；西部片黄金三镖客(Il buono, il brutto, il cattivo. 1966年)；动画片机器人总动员(WALL·E,2008年)等等。榜上还有一些影片是本身并未大受好评但却在专注的影迷群体中有广泛的追随者的比如死亡幻觉（Donnie Darko,2001年）。迄今为止肖申克的救赎(台湾译名为"刺激1995")、教父、教父2为排名前三的电影，也是榜上仅有的评分超过9.0的影片。
这些条件是否能提供一个公正没有偏见的排行榜是有争议的。比如，新近上映的影片总是容易从一见钟情的影迷那里得到较高的评分，而这与成功影片应该经得起反复观赏的观念是不相符的。因此，有时新上映的影片冲进250最佳影片榜，甚至前100名，但随着更多观众的评分和重复观看后的评分而退出榜外的情景就十分常见了。另外一种对该榜的主要批评则是它反映的只是影片的受欢迎程度，并不体现对影片历史和艺术的客观知识。但实际上，在评论家年度评选和历史影片评选中名列前茅的影片通常在最佳250部影片中通常也都排名很高，让人不禁怀疑影评人与观众的观点是否真有那么不同。
在IMDb上还有最差的100部影片榜，用基本相同的方法投票产生。

8. 电影风格与用户信息的相关性分析

这个一两句话说不清楚，我可以发个pdf的教程给你。你留个联系方式，我明晚之前发给你。

9. 对于各大短视频平台用户对电影的解说，你有什么看法

现在短视频平台涌现了很多自媒体人员，他们会发布自己对于某一个电影的解说。有些用户的解说是比较合情合理的，也获得了网友的赞同。但有些用户的解说是对于整个电影剧情的重复，根本没有自己的想法，让观众们看的是索然无味。甚至某些特别的用户还会扭曲电影的剧情，对电影的名声造成了恶劣的影响。小编也希望平台能够对电影解说的自媒体用户进行管理，让他们能够合理合法的解说，不要带坏风向。

总结

电影解说的出发点是非常好的，但最后却发展到越来越糟糕，可能是有些人看到了这个行业的利益，才会想在里面浑水摸鱼。

10. 告诉你如何用大数据推动影视产业

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，频繁被提及。比如《纸牌屋》的成功 。
大数据技术在电影方面的应用，主要在于于电影剧本分析、电影营销分析、电影用户行为分析。