神秘的大数据和影视行业一结合,便有了玄学的色彩
最近这几年,我们可以听到很多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,另外英国的一家做剧本语义分析的公司Epagogix也成为一个小热词,频繁被提及。神秘的大数据与神秘的影视行业,结合在一起之后,便有了玄学一般的色彩,似乎你今天在社交媒体上打了一个喷嚏,正在担心自己是不是感冒了,我明天就能做出一部关于禽流感的恐怖片,并且让你有不得不去看的冲动。
事实上所谓《纸牌屋》式的成功,在视频行业的人都知道,与其当做一个技术发展案例来分析,不如将它作为一个公关案例来学习。原本在华纳工作的CMO Kelly Bennett 和来自迪斯尼的CCO Jonathan Friedland 通过《纸牌屋》这一事件让Netflix 变得更像一个电视台,而不是互联网企业,这其实是让Netflix 的想象空间变大了,因为互联网已经有了一家Youtube,但是还没有一家HBO 或者Showtime 。
至于将大卫·芬奇、凯文·史派西,以及1990年的《纸牌屋》组合在一起,可以产生奇妙的化学反应,这种充满诱惑的想法一看便知是好莱坞经纪公司的手段,而不是属于大数据的语言体系。
在《纸牌屋》的背后,大卫·芬奇和凯文·史派西同属一家经纪公司,这部电视剧的主要推手,是好莱坞的影子幕僚之一CAA 以及制作方MRC ,Netflix能够加入只是因为他们比有线电视台出钱更多。大数据在整部剧集中的作用,不会比在2008年将英剧《纸牌屋》推荐给MRC 联席董事长Modi Wiczyk 的那个实习生,所产生的价值更大。
至于Epagogix ,所提供的服务也并不新鲜,好莱坞有上千名剧本医生,又便宜又好用。80年代之后,好莱坞的观众结构和观影偏好逐渐趋于稳定,对观众喜好的判断并不是个难题,目前在北美普遍采用的焦点访谈形式,所能获得的反馈也要更为具体和实用。
从某个角度来说,好莱坞并不缺少好创意和好剧本,将文字转换成影像的过程,所存在的不可控要比一些娱乐报道中的公开信息复杂的多。如果单纯基于剧本和演职员搭配的角度,就可以预测未来高枕无忧,就好比我们是通过分析母鸡的体格,然后去判断一盘西红柿炒鸡蛋的受欢迎程度,它们二者之间必然互有相关,但是这种相关性不足以用来证明一名以泡面为生的宅男,为何会顿时爱上为他炒鸡蛋的MM。
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。
在网络与终端的支撑下,虽然我们身处的时空没有任何变化,但是通过更加碎片化的信息,我们可以将时间与空间的分割从以往的单位中进一步细分,这就相当于原本一个9寸蛋糕切四块,现在可以切成六百四十块。所能够建立的观察维度,更加接近于无穷大,观察的基准点,更加趋向于无限小。这有点像是搭积木的游戏,当积木的数量足够多时,你最终所能搭出的形状也足够复杂,如果随便交给你一个图形,拥有更多的积木当然更有可能组合出结果。
关于多维度数据的挖掘,自古就有,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,甚至你一个做火烧做煎饼做包子的,如果不说两句大数据,大家看你的眼神就和看一个死人没啥区别。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,同时也记录着它的消费习惯,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。
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,为什么能在2013年上半年收获仅次于《西游降魔篇》的票房,我是应该仅以社交媒体的传播效率来进行数据的挖掘,还是要追溯到原著小说里的青春,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,其实我们很容易就可以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现象。
用脚趾头想一想也知道,将观察只停留在眼前,无法找到最终的因果,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。
大家可以继续用脚趾头想一想,以上三个角度,哪个会更容易接近整个事件的核心。
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,观众的观影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。
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。面对这样的市场现状,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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17