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 *** 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。

大数据应用六大模式

捧着金饭碗，第三方大数据公司是如何在数据堆中觅得“金块”的呢？

“数据挖掘公司的规模不同，影响力不同导致数据挖掘公司的商业模式也有所不同。”南开大学商学院致力于数据挖掘研究的安利平教授在接受商报记者采访时表示，目前比较盛行的数据挖掘公司多为两大运营模式：第一种是直接为企业用户提供其所需求的数据；第二种则是为不同的企业或企业不同的需求，对数据进行分析，提供针对性的信息，以此获利，如天相投顾就是此类公司之一。

中国计算机学会会员、宏源证券研究所计算机行业高级专家赵国栋表示，数据挖掘公司一般有六种商业模式值得参考：第一种是以广联达等公司为代表的租售数据模式，它们通过出售广泛收集、精心过滤时效性强的数据，成为各自行业的翘楚。而庞大的“数据库”则是它们的资产，也是竞争对手难以逾越的门槛；第二种则是以彭博为代表的租售信息模式，它们聚焦在某个行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据中心加上专用的数据终端，形成数据采集、信息萃取、价值传递的完整链条；第三种则是数字媒体模式，在电视、纸媒衰落的背景下，新型的数字媒体公司充分发挥大数据技术的优势，广泛搜集数据开展精准营销业务；第四种则是数据使能模式。譬如阿里金融为代表的小额信贷和电影的票房预测等业务，如果没有大量的数据，缺乏有效的数据分析技术，这些业务就难以开展；第五种则是数据空间运营模式，比如近期势头强劲的网盘，如果从大数据角度来看，便是因为各家纷纷嗅到大数据商机，开始抢占个人、企业的数据资源；第六种则是大数据技术提供商，比如开发语音、视频等数据处理技术的企业。

数据提供商：服务对象的“首席执行客户”

“不管是哪种商业运营模式，拥有庞大的数据库是根本。只有拥有了大而全的数据，才能使数据挖掘公司为多个领域提供数据。”南开大学商学院教授安利平介绍说，有了数据库基础，数据挖掘公司应该做的便是不断完善和更新自己的数据挖掘工具，包括数据分析流程、技术等。

从目前的行情来看，大多数数据挖掘公司都主要服务于银行业、保险业。因为这些行业需求大量客户数据以此来发展业绩，从中获得盈利。

在中国计算机学会会员、宏源证券研究所计算机行业高级专家赵国栋看来，大数据可掘金的行业几乎无处不在，企业对数据的需求已经像毛细血管一样渗透到各个领域。赵国栋表示，数据挖掘公司要做好大数据，“应该比他服务的公司更了解其客户，才能深入分析客户的需求”。如要给一家影院做数据挖掘，就应该调查常来这家影院的消费者，每一个时间段对应什么样的消费者，他们对电影的偏好，以及相关消费的偏好等，数据挖掘公司要做的就是深入到消费者中去。

“以前的数据挖掘，只在乎解决企业的技术问题，大数据时代的数据挖掘，则应该是帮助业务部门开拓市场，扩大客户群体，提供的不只是技术，还包括运营、经营方案等。”赵国栋介绍说，除了市场广阔，具备数据挖掘能力的公司也是资本的宠儿。

“数据的商机就在于媒体策略与选择的更加有效性、媒体可利用的效率提高、传播信息的效率提高等。做到极致，其实数字媒体能够卖的不仅仅是受众的眼球，而是其通路的价值。随视传媒与多家大型流量媒体伙伴合作，要把‘数据’商机和在线销售通路画上等号。”沈雁介绍说。

大数据营销的主要价值源于以下十个方面。

1、用户行为与特征分析

显然，只要积累足够的用户数据，就能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。有了这一点，才是许多大数据营销的前提与出发点。无论如何，那些过去将“一切以客户为中心”作为口号的企业可以想想，过去你们真的能及时全面地了解客户的需求与所想吗？或许只有大数据时代这个问题的答案才更明确。

2、精准营销信息推送支撑

过去多少年了，精准营销总在被许多公司提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。相对而言，现在的RTB广告等应用则向我们展示了比以前更好的精准性，而其背后靠的即是大数据支撑。

3、引导产品及营销活动投用户所好

如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。例如，Netflix在近投拍《纸牌屋》之前，即通过大数据分析知道了潜在观众最喜欢的导演与演员，结果果然捕获了观众的心。又比如，《小时代》在预告片投放后，即从微博上通过大数据分析得知其电影的主要观众群为90后女性，因此后续的营销活动则主要针对这些人群展开。

4、竞争对手监测与品牌传播

竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。

5、品牌危机监测及管理支持

新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。

6、企业重点客户筛选

许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。

7、大数据用于改善用户体验

要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。

8、SCRM中的客户分级管理支持

面对日新月异的新媒体，许多企业想通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。

9、发现新市场与新趋势

基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。例如，阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如，在2012年美国总统选举中，微软研究院的DavidRothschild就曾使用大数据模型，准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果，准确性高于98%。之后，他又通过大数据分析，对第85届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中。

10、市场预测与决策分析支持

对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。要知道，似是而非或错误的、过时的数据对决策者而言简直就是灾难。

---