StoryFit 數據分析系列(一):電影產業如何利用大數據?

實際來看 StoryFit,一間專門服務電影、戲劇的科技公司,如何利用數據分析與改善

壹間學校課程管理員-YIYI小狐狸-小
YIYI
小狐狸

目錄

前言

謹記預測的使用說明:

  1. 如同天氣預報,電影預測也非百分之百地指出未來事實。但電影數據分析仍可以非常強大 做出有所根據的猜測。
  2. 預測「成功」的定義隨著「預測目標」而定。預測目標可能為:票房、討論度、洗好度、獲獎等。
  3. 預測準確度因電影而異。即使是同一預測目標,在兩部不同類型、風格的電影可能有不同的預測準確度

分析目的是擁有更好的決策

電影產業每年都產出更多電影、更大製作,而且有更多型態的媒體來爭奪觀眾的注意力。但是在 2000 至 2010 年間,只有 36% 的電影具票房盈利。   

因此盡可能預測市場,能夠幫助製作方擁有更好的決策,讓作品有機會成功。(無論是獲利、獲獎、獲得討論度)

機器學習與人工智慧在電影產業裡愈來愈普遍。如同其他產業,今日好萊塢能夠利用空前豐富的輔助資料。儘管消化這些資訊十分嚇人,但透過適當資訊視覺化,也能使分析變得更直覺。

要訣 ①:數量是王道

分析大量的電影和電視節目,套用特殊規則定義參數,其中的模式就會浮現。在數據分析中,數量便是王道,歷史資料對預測未來的成功至關重要。為了使歷史資料發揮最大效用,收益預測必須以回顧大量的電影表現為基礎,也才能針對特定電影擬定具遠見的財務規劃。知識就是力量,數據分析便是將原始數據轉化成有價值的知識。   

要將預測分析實際應用於電影,你需要分析盡可能多的影片

要訣 ②:電影可以收集的變因

研究者、產業界及製片廠進行了許多研究,並發現了一些相關因素:  

角色類型
對白型態
情節複雜度
電影發行
發行日期/季度
類型
續集/系列電影狀況
明星影響力
評價
電影分級
獎項/提名
預算
雜項(綜合社會討論度、評價、印象、社論提及等等)  

截至目前,沒有任何研究僅針對單一指標。同時也必須特別注意:這些研究採用的資料集及數量都各不相同(劇本數量從80到1000)。然而每一案例都估測一組變因,並與已知的結果比對。一部電影所獲得的影評數量,可能與其票房收入比對;一部電影中大牌明星的人數,也可能和其影評反應比對。   

接續下一篇:如何應用分析結果?

「預測」成功最好的辦法,就是在電影生命週期的每個階段(延伸閱讀:【影視全流程】認 識 電 影 產 業,整合正確的數據分析方法。在電影發展階段及發行階段,應用數據分析最能夠即刻發揮影響力。然而在製作及後製階段,數據分析也有創新性的應用。    

Cover Photo by Kevin Ku on Unsplash

Similar Posts