电影统计学数据分析案例

㈠ 从统计学、生态学的层面如何解释漫威电影这么受欢迎

为什么漫威电影如此受欢迎？一千个漫威迷有一千种解释，有的人说是因为太深的情怀和触动人心的故事情节；也有人说是因为电影拍摄技术扎实，特效细腻；也有人说是因为电影里面的超级英雄那“以凡人之躯，比肩神明”的精神……

罗汉教授希望将这个项目中使用的方法应用到MCU之外的其他领域。“我认为这种多样性指标在叙事分析之外是有用的。我们在网络安全方面也有一些应用，我认为这些应用可能也很有趣。”

㈡ 什么是电影研究

电影研究产生大量类型研究，检验它们的主题、形式特征、地位等。

对于电影制作者而言，类型框架提供了一个生产决策的样板，类型的相对稳定推动了片厂生产的标准化。"类型熟悉度"能够减轻拍片的风险性，考察世纪之交十年（1991—2000）间发行的好莱坞电影我们会发现：熟悉度越高的类型电影（如剧情片和喜剧片），明星力量与批评家的评论效应对于票房的影响就越小；相反，熟悉度越低的类型电影（如科幻片和外语片），越强的明星力量与越正面的评论对于票房的影响就越积极。

同时，基于文化产品的快速废弃，为了确保重复消费，类型需要革新。因此在一个"消费者需要熟悉度来理解他们所看但是又需要享受新奇"的电影工业中，类型扮演着关键角色。然而令人诧异的是，这些年来缺乏好莱坞电影类型趋势的分析。

电影研究产生了大量类型研究，检验它们的主题、形式特征、地位等的演变，但是没有提供一种对电影类型的频率与流行度的短期及长期趋势的统计学概览。电影工业内部对于类型趋势的经济学研究也是极少的，尽管许多国家电影局对类型与票房收入都做了数据收集。

关于当代好莱坞电影制作的两项研究，曾经分析了1967—2006年四十年间美国票房前二十名的不同类型的出现频率。研究发现：最常出现的五种类型是动作、冒险、喜剧、惊悚和剧情片。但是在研究时段以外，剧情片从1967—1971年间出现频率最高的类型衰落为2002—2004年间出现频率最低的类型；西部片、战争片、音乐片、浪漫喜剧的出现频率也在下降；与此同时，科幻片与动画片广为流行。

本研究在票房趋势上将着重参考的一项研究，是尼克·雷德芬引入统计学分析的《美国电影票房的类型趋势（1991—2010）》，对二十年间每年美国票房收入前五十名所做的样本分析，这是目前类型研究中非常匮乏的一种实证研究。聚焦在不同类型出现的频率及排名、不同类型的票房收入与发行模式以及好莱坞大片厂的发行规律等。旨在考察新世纪美国最卖座影片的类型趋势，类型如何塑造了美国电影市场，尤其是不同类型问鼎票房榜的频率；通过考察票房排名的趋势，来确定特定类型上升或下降的模式。

5. 喜剧片在票房前五十名中的数量有小幅回落，在票房前二十五名中的比例也持续保持在50%以下，但是在票房前十名中的比例急剧下降，从14%降至7%。因此，进入票房前十名的喜剧片比例也减半，在2005—2010年六年间这一下降趋势更为显著：2006年之前，喜剧片只有一年未能进入票房前十名；但是2006年之后，五年有四年没有一部喜剧片进入票房前十名。因此，我们可以说此类电影数量还像以前一样多，但是在票房榜上下降。

6.恐怖片没有特定趋势，大部分归因于它们在票房前五十名上出现的频率低。票房前二十五名中的恐怖片数量下降了一半，由1991—2000年间的14部降至2001—2010年间的7部。电影数量保持稳定，但是这一类型自2005年起就没有一部电影进入票房前二十五名。很少有恐怖片进入票房前十名，1000部样本中只有4部。

7.浪漫爱情片在美国票房榜上的数量也很少，二十年间只有11部进入票房前十名，包括《泰坦尼克号》。11部电影中，7部是2001年前上映的，4部是2001年后上映的；2000—2010年间十年有六年没有浪漫爱情片进入票房前十名。

8."其他"由四种不同类型组成，因此对于言说这些电影在票房榜上的趋势意义不大。但是《拯救大兵瑞恩》在1998年高居美国票房榜首；《珍珠港》在2001年票房排名第七；《芝加哥》在2002年票房排名第十。除此之外，没有影片进入票房前十名；这一类进入票房前二十五名的频率也很低。9.狭窄类型主导了美国票房。

进入每年票房榜的数量是明显的，进入1000部电影的票房前二十名的数量也如此。每年票房最高的电影中有8部奇幻/科幻类型，而许多其他电影也有很强的奇幻或科幻元素：如《怪物史瑞克2》《阿拉丁》《圣诞怪杰》被归类在家庭电影，但是明显也可被视为奇幻电影，许多动作/冒险电影如《蜘蛛侠》《黑暗骑士》等也有很强的科幻主题。

㈢ 大数据于国内影视行业的意义

大数据于国内影视行业的意义
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。
其实自古就有多维度数据的挖掘行为，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？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，同时也记录着他的消费习惯，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，为什么在2013年上半年票房仅次于《西游·降魔篇》，我是应该仅以社交媒体的传播效率来进行数据的挖掘，还是要追溯到原着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，我们很容易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表象。
如果观察只停留在眼前，将无法找到最终的因果。我们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，观众去影院观影的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。
那么，在如今的中国电影市场中，我们不如将大数据技术的应用方向，从对未来的预知上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。面对这样的市场环境，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。