|
|
电影喝采叫座靠营销or口碑？一定！大数据已揭露终极答案
悦读时辰2019-12-09 16:48:53
《纽约时报》曾在一篇文章中如此批评影视产业：在美国的电视业里，没有什么事是肯定的，也许你找齐金牌导演、气力派演员与热门剧本，但还是跟掷骰子一样，都是在赌。
对于一切职业电影工作者来说，要拍一部电影，除非拿到了投资，否则就是一场动辄倾家荡产的赌注。一夕之间，赢者求名求利；输了就背负一屁股债。
另一方面，除了上游建造端要承当风险，中游的刊行与下流的放映这两大块产业也为若何挑选会热卖的电影，把它们成功地营销进来而伤透脑子。
影视产业，非论是要让人愿意掏钱买票进电影院，还是让人愿意用电子货币付出在线旁观的用度，这一切都远比设想中更困难，特别现在每年动辄上千部影视作品被生产出，偶然连专家都说不准谁能脱颖而出。
场面，有没有机遇翻转呢？
在大数据出现之前，一部影片的获利形式凡是是这样：从边沿利润最高的电影院起头，慢慢刊行至边沿利润最低的无线电视。其中上映档期是卖座与否的关键，包括寒暑假、法定节日等，别的须斟酌播放总数及上映电影院的厅数与地址。
电影市场的风险太大，不肯定的变量太多：就算作品好，卖不进来怎样办？发不到院线怎样办？发到院线排程排得欠好怎样办？大概排得量不够怎样办？
固然也可间接刊行用录像带所拍摄的影片“录像带电影”（Straight to Video），虽然没法子带来巨额支出，但同时由于省去了在电影院刊行的高额支出，反而能够成功获利。
除此之外，现在也有越来越多的视频点播（Video On Demand, VOD）平台出现，也是一种影视成长的新趋向。它的概念是，平台商买下数目庞大的影视版权，供消耗者在线随选随看，再按片计价。所以对平台而言，在采办的版权用度稳定的条件下，影片被旁观的量充足多，它的效益才能最大化。
但大都情况却是，只要那些好莱坞大片、媒体骄子们在平台上火爆，能够下载次数可以高达百万次，但假定10万部影片中只要100部热卖，剩下那些乏人问津的电影版权费不就白白浪费了吗？
影视产业最怕重新猜到尾：建造方测度什么样的剧本、演员和导演会受接待；刊行和放映方则想尽法子挑选最有票房潜力的电影。这一切的答案都没有人可以回答，只能每次都像在赌盘上赌一把。
但大数据利用在电影产业，便带来破解之道。
视频点播平台的长尾效应
100部小众电影胜过1部好莱坞大片
以往我们以为电影要赢利，一定就要开出像这样的演员声势──史上最卖座的导演詹姆斯·卡梅隆，加上票房保证如莱昂纳多，再搭配一个典范天赋剧本，最初再砸下重金营销，才能成就一部空前绝后的好电影。
不外，长尾理论（The Long Tail）说的可不是这样。它的根基道理是：再小都能聚沙成塔，用长尾缔造市场范围（详见图3–6 电影的长尾战略）。
在影视文娱业，长尾理论可以利用在视频点播平台，精准找到自己的观众群，用小我化保举模子（Personalized Recommender Systems）让爱好分歧的观众获得更正确的影片信息，而非热门电影“永久的TOP 100”（前100位），让其他99 900部有机遇成为小众市场的冠军，从而缔造更大的文娱市场。
概念上最大的改变是：你是要推出一部超级大片，还是要推出100部分歧范例的小众电影？一部超级大片的做法是搏一把，赢了就大赢，输了就血本无归；另一种做法就是推出100部五花八门的小众电影，只要其中80%可以赚一点点，加起来便可以比一部超级大片的收益还要好。
长尾理论可以精准找到分歧电影的特定观众群，而非热门电影或大建造、奢华声势，让每一部好电影，都有机遇成为小众市场冠军
从公共营销到顾客细分
用大数据把观众分群，再跟电影配对
但要怎样把这些细分市场分别出来？这时辰要做的除了高度本性化的顾客细分，更需要将产物的细分加进来做穿插。
假定明天平台采办了1万部小本钱建造的电影版权，假如要赢利，最好的情况是把这1万部电影均匀分派给分歧爱好的观众们，让这些电影们各自找到利基市场。
我们先假定平台上有2 000万位观众，代表这是一个1万部影片对2 000万观众的婚配，假如我能把这1万部影片细分红1 000种分类，那末抵消耗者而言，在点播的进程中就不再只参考热门排行榜的TOP 100，而是在各自分歧的分类里挑选少数几部电影，那末最初挑选的成果就会大不不异。
观众在挑选电影时有所谓的“信息差池称”，没有人会在看完1万部影片的简介后才决议要看哪一部片，这时辰分类所供给的本性化保举，能为平台带来长尾效应，把观众均匀分给各类影片。但少许的分类不敷以精准细分，能够需要上千个分类来描写市场。但1 000个分类不成能像曩昔一样单靠一份问卷得出，最少也需要10个相互自力的维度才可以机关出消耗者分类。
什么是自力维度？举例来说，本来经营出租影片营业、现在转型为在线影音平台的网飞公司，就经过算法将自己平台上观众的行为分类。它可以晓得某一群人在星期天早晨比星期一下午更能够会看可骇片，也能够晓得某些人喜好用平板电脑来看片，诸如此类的千丝万缕即可以将观众做纤细分群。
但由于这些分类方式过分庞杂，必须演算不计其数个消耗者在一段时候内的行为、留言等，让运算量很是庞杂，所以大数据工具与方式就变得更需要。
哪部电影会大卖？
大数据评分模子猜测票房
既然不想靠一部大片赚够本，那末要让1万部影片里面最少70%赢利，除了将每部电影细分市场，到达多元化且能满足观众本性化需求之外，也必必要建立一套评分机制，才能避开那些“赔钱货”。
这时辰大数据可以成长出一套评分系统，经过整理曩昔的影片标签，可以操纵回归分析找出票房与标签之间的关联性，以此作为评分标准。
曩昔我们假如要猜测张艺谋的下一部电影会不会卖座，会发现其中触及的身分太多了。张艺谋曩昔执导的28部电影里面，男女配角分歧、主题分歧、上映的情况也分歧，你怎样晓得某部影片之所以红是由于张艺谋，还是由于女配角是巩俐？
在评分模子的看法中，做法是把一切的变量都罗列出来“属性化”。举例来说，张艺谋的标签能够是“国际导演”“争议性主题”“大片”等，其他如演员、剧本以及一切能找到的属性都贴上标签，再去比力同档期的电影票房，就能初步晓得票房跟哪些标签相关性高（加分）、哪些标签相关性低（减分），把架构做出来再去追踪调剂。但在把影片丢进评分模子中猜测之前，还必须斟酌时候点的身分，包括逢年过节、寒暑假、特别事务等。
这个猜测模子可以在单一电影上映前评价，也可以应用在同档期的电影竞品分析。只要找出导演、配角、主题组合后发生的观众偏好值，就能猜测未来票房。
这套评分模子能做三件事：一是供给投资者根据，很多天使创投会投资电影，或是新锐导演在收集上众筹，但由于作品有限或没有作品，要若何揣度投资该导演的成功几率高或低？这时辰先列出剧本范例、男女配角，便可以用评分模子算出分数，预估在这样的排列组合之下能够的票房成果，计较该片的潜力值不值得投资。
二是长尾的获利形式，可以用评分模子找出有益基市场的小本钱影片。假定一切分数跨越70分的影片都有投资代价，就算是新锐导演、新剧本、新人男女配角，只要这些项目标分类属性组合在一路跨越70分，而且本钱控制在几多之下，最初获利的几率就能被预算出来。这时辰投资100部电影，只要40部电影赢利就能回本、60部电影赢利就获利50%，这是评分模子的另一种利用。
第三种利用则是自创内容去满足市场缺口。经过影片的分类，可以观察到市场上有哪些范例的影片还没有被挖掘出来，假定我们用了10个维度去做影片的分类，可以在每个维度上发现各自的数目级是几多。
举例来说，一般可骇B级片城市找性感女星当被害的女配角，所以在这个维度上，利用性感女星的影片数目很多，但利用知性女教授的影片能够很少，但该需求却确切有小众的需求，这就是市场的缺口。因而可以按照这些关键的市场缺口维度指导剧本创作，以缔造出最高的票房代价。
倾覆营销 陈杰豪 车品觉 著 中信出书官朴直版
￥31.85
采办
电影志 观影手账
￥68.6
采办
收藏
告发 |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
|
[复制链接]
发表于 2020-11-15 15:59:09
