不少电影公司的老板都有这样的习惯，他们会在微博上主动搜索最近上映的自家公司的电影片名，然后转发自己觉得有利的评价。从某种程度上说，他们已经触碰到了大数据的冰山一角，开始意识到观众的评价对于电影的意义。然而他们搜索到的微博是有限的，看过的微博也是有限的，若想更加客观地了解大家对影片的评价，指导营销，甚至指导未来的电影策划投资，就要用到大数据分析。
海量数据的新时代正在改变电影业原有的游戏规则，如何应用大数据提升行业运营效率，开始成为关键。
什么是大数据？
今年大获成功的美剧《纸牌屋》是美国视频网站Netflix基于大数据投资拍摄的电视剧。随着这个经典案例被越来越频繁地提及，人们开始意识到数据分析对于影视创作的价值，无论从剧本选择、导演演员选择，还是拍摄、后期制作乃至营销，都会产生深刻的影响，近期谷歌也发布了基于搜索大数据的票房预测报告。当然也有反方的声音，比如梦工厂CEO卡森伯格就表示，电影创作要靠创造力，不能仅靠数据分析。
那么，“大数据”能否成为中国电影新的驱动力呢？
事实上，数据挖掘和数据调研一直是中国电影的短板。
好莱坞工业体系下，一部电影从研发、创作生产到发行，几乎每一步都能看到数据的身影。在影片策划阶段，如选演员时，会提出十多种组合，请数据公司去作抽样调查，看哪个组合对于这个类型的影片来说是最受欢迎的。好莱坞在数据库建设方面基础工作做得很早，也做得非常扎实。
新丽传媒副总裁张文伯说，今天我们频繁地提起大数据，首先是因为已经可以从互联网上获得海量数据了。此时不能把目光仅仅局限在“大”上，而更应该看到“数据”对于行业的价值。“中国电影产业对于数据一直是忽视的，作决定的时候多是拍脑门凭经验，因为连最基本的数据都没有，过去连每周票房的实际数据都拿不到，更不要说其他精确数据了。”
那么，到底什么是大数据？简单来说，大数据有4个特点：第一，数据体量巨大，从TB级别跃升到PB级别；第二，数据类型繁多，网络日志、视频、图片、地理位置信息等。第三，价值密度低，商业价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。这和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”——Volume、Variety、Value、Velocity。
物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。而跟电影有关的大数据又在哪里？主要集中在以下几个地方：第一是搜索平台，如百度、谷歌、搜狗；第二是社交平台，如微博、人人网、豆瓣、时光网；第三是电商平台，如网票网、美团网、淘宝网等；第四是视频网站，如优酷土豆、爱奇艺等。
新影数迅创始人Water认为，电影大数据分析会有交叉，比如分析电影，不仅分析观众曾在哪家影院购票，或微博上对某部电影有什么评价，还可以看到更多相关信息，比如这位观众看不看电视，看不看《中国好声音》，对某位明星是否感兴趣，他平常是什么样的人。大数据可以分析用户的性格特点、消费习惯、行为特点，这样才能更好地理解用户为什么会选择观看某部电影。
数托邦创意分析工作室的杨?认为：大数据分析不仅是一种工具，也提供了一种观察世界的维度。“在影视行业，有传统的影视剧制作、投资、营销的分析视角，大数据能提供一种更深入的视角，相当于显微镜和放大镜。它能够提供更多的信息，有助于更好地决策。”
当电影碰到大数据
大数据对电影产业的价值是什么？艺恩咨询总裁郜寿智向记者介绍，他们对于电影大数据的应用方向目前还在探索中，具体来说，一是电影剧本优化，二是电影营销策划，三是电影宣发评估，四是票房预测。
怎么根据大数据做剧本优化？目前的做法是，利用语义分析实现文字评价、内容评估，根据评估结果为编剧提供素材。郜寿智认为，剧本创作当然是一个创意性工作，需要有专业性的编剧能力，但也可以借助大数据，捕捉观众对某些题材、故事的兴趣方向。“因为在中国，如果不是一个市场经验特别丰富、观众意识特别强的编剧，可能会在剧本里带有很强烈的个人色彩。”
剧本优化的大数据分析，包括语义分析，包括综合各种社区热门内容，也包括对历史成功项目的讨论。以《泰?》为例，大家对这部电影的故事、题材是如何评价的，可以系统归类成一套关于电影质量层面的分析。未来会逐步形成一个受观众欢迎的类型片模板，作为同类题材在剧本创作优化参照的依据。
谈起电影营销策划，张文伯认为，百度指数或者谷歌指数预测，本身就可以被视为一种数据挖掘的工具，它们是最简易的，而且是公开的，不仅可以找到直接的答案，还可以看到相关性和趋势。现在不仅有百度指数，新浪微博也有微指数，视频网站则有优酷指数等。虽然它们还是较浅层次的数据分析，但对于电影营销是有指导性的。
通过上述工作，在过去的电影营销经验里就可以得出一些结论。张文伯介绍，第一，有高粉丝量的明星，往往在宣传前期对于影片的传播能起到重要作用。第二，在各种营销活动中，落地活动的传播效果最好，一般做完一个发布会之后，百度指数会有明显上升，表明主动搜索的人增多了。第三，影片临近上映前一周，尤其前三天，营销价值最大，越临近影片上映，这个时候的营销动作对于首周末票房越会产生直接影响。
通过数据趋势判断，可以帮助调整电影营销策略，比如投放哪个物料是有效果的，什么样的话题在口碑传播中容易爆发，什么样的渠道媒体平台对于宣传是更有价值的。每一次重要的电影营销活动之后，都可以通过这些大数据获得及时反馈，这些反馈对于指导下一步的营销工作是非常重要的。在张文伯看来，电影营销本身就是一个试错过程，就像在雷区排雷一样，要不停地尝试，才有可能引爆地雷，或找到惊喜。
一部电影的营销工作，需要花费长达半年甚至更长时间，要不断让观众有印象，产生兴趣，进而才能有消费冲动。在这个过程中，要不断试错。作为《失恋33天》的营销负责人，张文伯一开始并没有想到集中力量推广“失恋物语”这个视频。在发布会上，这只是他们正常发布的一个物料，但放到网上一个月后，他发现优酷播放量居然高达200多万，而且没有做任何推广。这200万的播放量是怎么来的？优酷指数会显示播放来源，原来是来自人人网、开心网、微博等，说明它产生了自发传播的效果，产生了在朋友间主动分享的效果。那证明这个视频比同时期投放的其他物料有效，所以他们开始调整预算，接下来的效果非常好，说明方向是对的。在作决策的过程中，优酷200多万播放量的数据结果以及来源判断，给电影营销提供了重要指引。
《小时代》与大数据
在2013年的暑期档，有关《小时代》的话题一直在发酵，截至8月17日，由乐视影业投资并发行的影片《小时代》创下4.83亿元票房成绩，《小时代：青木时代》上映两周已达到2.65亿元票房。目前推算，《小时代》及《小时代2：青木时代》两集预计票房8亿元左右。
乐视影业总裁张昭在8月12日举行的《小时代》案例分享会上，介绍了乐视影业基于数据的商业模式，简单来说是“一定三导”系统。“一定”就是用数据定位，当准备投资或发行一部影片的时候，首先要做数据分析，比如《小时代》在文学网站上有多少点击量，是什么人在点击；要知道这个电影可能存在的核心以及第二圈、第三圈观众在哪里。由于《小时代》定在暑期上映，要分析同档期竞争对手，分析过去一年消费者看过的同类型或相似的影片，是否形成了差异化定位等。
有了数据定位后，要通过各种平台做导航。导航就是产品与消费者之间的社会化沟通。经过长时间社会化发酵导航以后，才有了导流。导流就是把各种互联网平台上部落里的网民们想办法导入电影院。
张昭称，要用做市场的态度做内容，要用做内容的态度做市场。“大数据的作用是让我们一面做，一面看数据，不断激荡思维，然后把很多东西反馈到跟消费者的沟通上。电影的创作和营销过程是一体的，电影不再是个封闭的产品，整个营销和与消费者沟通的过程是期待的一部分，也是最后的观影体验的一部分。”
张昭在接受采访时曾反复提起，“我们现在要做的，最核心的就是互联网时代的电影”。业内人士分析，《小时代》对于电影市场的作用，不仅是依靠网络传播推广电影，而是以大量数据为基础，对观众需求进行深入分析后生产和推广电影，是以市场为目标进行一切开发行为。以来自观众和市场的数据为依据，它提供了一种崭新的电影操作范式。
数托邦创意分析工作室团队从大数据的角度独立分析了《小时代》这部电影最近在业内引起的关注。杨?介绍，他们的数据采集取样时间为6月27日至7月1日，即《小时代》上映之日起连续5天。微博抽样每天抽取2万余条原发提及微博（即微博中包含“小时代”关键词），共采集到106,674篇微博。用户抽样即从106,674篇微博中抽取原发作者用户，去重后得到100,815位用户。用户筛选工作为采用数托邦工作室的核心算法，去除高度疑似水军账号8,670个，去除机构账号945个，共保留91,200位用户。群体微博采集9万余位用户近期共约900万条有效微博。
从微博提及量的数据统计图可以看到，《小时代》上映第五天时，新浪微博上有关“小时代”的当日提及量达195万。相比之下，《致青春》、《中国合伙人》、《西游•降魔篇》这几部话题影片，上映期间最高单日提及量都没有超过50万，仅相当于《小时代》的四分之一。值得注意的是，微博提及量只是电影在微博上舆情热度的体现，和实际的市场票房并不呈现完全的正相关性，《西游•降魔篇》最终票房12亿元，但微博提及量却为4部影片中最低的。
从数据显示的年龄构成来看，《小时代》的观影人群平均年龄20.3岁。在“小时代”的9万多位微博原发作者中，女性占八成以上，接近半数还是微博达人。数托邦分析，《小时代》的年轻女观众们同时也是微博上比较活跃的人群，她们在微博上的能量很大，积极地参与了《小时代》的观影、评论、分享、传播甚至争论，甚至自己在大量搜索有关《小时代》的文章，用铺天盖地拉票的方式给影片背书。她们既是《小时代》的主要观众群体，也对这部电影的传播和营销起到了至关重要的作用。
在关于《小时代》话题讨论的地区分布上，同样也有一些有趣的现象。湖北、四川、浙江、江苏、江西、湖南、辽宁、广西、重庆、河南、贵州等地区的观众舆情参与度指数排在前十位。北京、上海、广东的参与度指数则垫底。一般而言，北上广的微博舆情最为活跃，但有关《小时代》的微博舆情体现了完全相反的状况。这从一定程度上反映了《小时代》观影人群的地区分布向二三线城市和地区倾斜，同时受到这些地区年轻观众的追捧，而北上广地区的观众对《小时代》的讨论热度相对较低。
从微博提及量图上还可以看到，在《小时代》上映的第十二天，其微博话题还出现了一次“断崖式”的下跌，这说明用户可能对话题的热情程度转换得非常快，粉丝们在微博表达观点、进入电影院支持观看后，热情迅速消退，可能会迅速转移到下一个新鲜话题。
的确，伴随着微博话题的下跌，《小时代》的票房在首周高开后，第二周出现了明显回落。张昭解释，这是因为他们在第一部映前的营销做到了极致，才导致第一周的票房达到令人吃惊的高度。这不是一个正常类型片的做法，因为正常类型片的票房基本上会保持一个稳定下滑的曲线，三周内每周下降50%左右。而《小时代》是一个粉丝电影，需要把影响力做到最大。到第二部《小时代2：青木时代》，比第一部在一线城市的票房低得多，但在二三线城市特别是三线城市则比第一部高得多。这意味着在两部电影上映的中间时间，电影的品牌影响力、热度是向二三线城市下沉的。张昭认为，粉丝电影有与传统电影不一样的表现和数据。
在互联网时代，大数据很重要的特质就是不追求精准性，因为样本太庞大，它追求的是一个趋势。它不追求因果性，而更追求相关性，比如看到某个结果，不需要知道是什么造成的，只需要知道这个结果有价值。杨?认为，一部电影在艺术水平上有什么样的评价，这是数据分析无法预测的。数据分析更多是站在市场角度看待电影，研究哪些人可能成为观众，他们喜欢什么，他们愿意为此掏钱的概率有多大。它提供了一种尊重市场的操作模式。
预测与洞察
近期谷歌也发布了基于搜索大数据的票房预测报告，在影片上映前一个月预测，准确率高达94%。谷歌票房预测主要基于三个指标，一是预告片播放量，二是同系列电影此前几部的成绩，三是电影档期的季节特征。
国内也有一些公司开始尝试预测票房和指导投资，可能在具体建模过程当中指标会有差异，但大思路是一样的。比如2012年9月艺恩咨询启动了“艺恩电影营销指数”，而“艺恩电影票房指数”也在筹划测试中。
但目前电影票房预测还存在较大的风险性。张文伯分析，美国电影市场相对成熟，类型片的发展、观众口味的选择也是相对成熟的，谷歌可以基于一个相对稳定的市场进行票房预测；但是中国的电影市场变化太大，每年票房增长超过20%，观众对于影片的选择判断是基于话题性，而不是基于影片本身的品质，而且中国也缺乏可参考的系列电影。基于目前的市场情况，中国电影的票房预测能否做到准确？张文伯认为这很难说，但是现在可以开始尝试了，因为市场会一步步走向成熟。“生产工具对于生产力的指导，也应该是比生产力发展更前置的。”
此外，谷歌票房预测是基于英文环境的，而中文的语义很多元，处理中文更为复杂。比如，中文的切词就比英文更难分辨。比如“读报纸”，到底是表达“读报”多一些，还是“报纸”多一些？此外，还有网络用语的含义、网友的情绪捕捉等，这就需要结合上下文，也要结合一些词库作分析，语义分析的深度和广度目前还在探索阶段。
大数据是否包括微信？杨?分析，广义上讲包括微信，但现在微信的数据很难拿到。“数托邦创意分析工作室”团队在名字上有类似“乌托邦”的意思，分析主要基于公有数据，很多企业有大量私有数据，也能做处理，但是他们更希望运用公有公开的数据分析，实际上很多公有数据已经很有价值，然后在一些分析结果上加上私有数据来印证。“公有数据像是一面镜子，私有数据也是一面镜子，很多面镜子组合起来，能让大家看得更清楚。你可以拿显微镜看，可以拿放大镜看，可以拿哈哈镜看，从不同的角度能够看到以前没看到过的世界。”
在郜寿智看来，大数据对于电影产业的驱动力可以这样理解：在电影的工业化链条上，不管是剧本创作还是营销跟踪，到最后对市场前景的评估以及票房预测，都可以直观地跟市场对接，让工业化体系更加完善。但是大数据不可能代替创作，不可能代替艺术成分，这些并不冲突。
在2013年上海国际电影节上，郜寿智感叹，两三年前在电影节，大家讨论时根本不讲数据方面的事。2008~2009年他常跟人说自己是做电影数据服务的，人家回道“电影行业要数据干嘛用？”直到近两三年，他可以跟大家讨论大数据对电影行业的驱动作用了，发展是非常迅速的。
对于大数据分析来说，目前最为缺乏的是优秀的数据分析师，要既懂行业又懂数据。郜寿智认为，大数据分析不是迎合用户，也不会忽视用户，而是去洞察用户。
在张昭眼里，大数据这个概念是对于电影行业的解放，中国电影行业近百年的历史，需要这样一种启蒙式的风暴，这是一个把理性、感性、思辨融合起来的过程。目前来说，大数据最大的意义还是在于对思考的激荡。