论文部分内容阅读
大数据，这个听上去与影视业风马牛不相及的概念，正在悄然改变着我们行业的生态。“没有人知道观众想要什么”，这一笼罩影视业的魔咒，在大数据时代似乎有了破解的可能。《纸牌屋》，最近全球大热的一档美剧，便宣告着这种改变的来临。
推出这部美剧的Netflix是美国一大视频网站，他们的工程师通过挖掘用户数据发现，喜欢BBC剧、导演大卫·芬奇和老戏骨凯文·史派西的用户存在交集，一部剧集如果同时满足这几个要素，就可能大卖。寻求战略转型的Netflix于是决定赌一把，他们花一亿美元买下了一部1990版BBC电视剧的版权，并请来大卫·芬奇担任导演，凯文·史派西担当男主角。果不其然，这部剧取得了空前的成功，位列全球40多个国家点击率最高的剧集之列。尝到甜头的Netflix，决定在2013年继续推出4部自制剧。
Netflix的底气，源自它从创立之初就开始积累的数据库。在这个网站上，来自全球各地的用户每天进行高达三千多万次操作，如收藏、推荐、回放、暂停等，还会给出400万个评分，发出300万次搜索请求。用户的个人特征和观看习惯及偏好都被Netflix记录下来，并用于商业开发。早些年，Netflix使用这些数据来对用户精准推荐他们可能会消费的内容，随着数据挖掘技术的日益成熟，Netflix开始将其用于影片生产。相较于很难从用户那里得到反馈的传统影视公司，用户数据成为了Netflix一笔巨大的财富。
很长时间以来，制片人总在抱怨，观众的口味是如此复杂多变，很难预知观众到底喜欢什么。他们迫切希望了解观众，于是早在1920年代就开始在影院的厕所里安排访问员，与刚看完电影的观众交谈了解他们的感受。后来又进一步借鉴社会科学的方法，用问卷调查、焦点小组等方法来对观众展开调研。好莱坞各大制片厂每年光花在试映上的费用就高达上亿美元，然而收效甚微。因为观众在接受调查时做出的选择与他们实际消费时的选择往往有很大偏差，而每次对数十至数百名观众所做的调查结果也难以推而广之，用来左右影片创作。
而在大数据时代，日渐普及的数字化和网络技术能将人们的在线消费行为完整地记录在案，汇集成海量的数据。与传统调查得来的数据相比，这些数据基于用户主动的购买或使用行为产生，往往更为全面和真实，尽管分析也更有难度，因为大数据是无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的。于是，数据工程师的职业应运而生，他们帮助运营商开发专门的软件对相应的数据进行挖掘和分析，从中找出能够有利于了解用户需求、把握市场动向的规律。
在影视业中，大数据的运用还处在初步尝试的阶段，但商机已开始显现。在《纸牌屋》的案例中，Netflix成功地运用了观众们在线观看行为的大数据，来指导影片的创作和精准营销。而除此之外，观众们在日渐盛行的社交网络上发表的电影评论，构成了另一种可以开发的大数据。
通过对电影口碑数据的跟踪监测和挖掘分析，能够帮助发行商调整营销的策略，甚至能够提前预测影片的市场表现。2010年时，惠普实验室的两位分析师搜集了Twitter上3个月之内120万名用户发布的290万条电影评价信息，根据其中的口碑倾向预测24部电影（包括《阿凡达》和《暮光之城：新月》等）上映首周的票房信息，结果显示有97.3%的准确率。在此背景下，一些投资者开始通过数据挖掘来预测电影的票房表现，用来决定他们是否购买好莱坞电影公司的股票。
对于未来的影视企业而言，除了创作和运营的水准，对数据的挖掘和分析能力也将成为竞争的重要方面。因为就像去年达沃斯世界经济论坛上发表的宣言所说的：“数据已成为一种新型的经济资产，就像货币或者黄金一样。”
推出这部美剧的Netflix是美国一大视频网站，他们的工程师通过挖掘用户数据发现，喜欢BBC剧、导演大卫·芬奇和老戏骨凯文·史派西的用户存在交集，一部剧集如果同时满足这几个要素，就可能大卖。寻求战略转型的Netflix于是决定赌一把，他们花一亿美元买下了一部1990版BBC电视剧的版权，并请来大卫·芬奇担任导演，凯文·史派西担当男主角。果不其然，这部剧取得了空前的成功，位列全球40多个国家点击率最高的剧集之列。尝到甜头的Netflix，决定在2013年继续推出4部自制剧。
Netflix的底气，源自它从创立之初就开始积累的数据库。在这个网站上，来自全球各地的用户每天进行高达三千多万次操作，如收藏、推荐、回放、暂停等，还会给出400万个评分，发出300万次搜索请求。用户的个人特征和观看习惯及偏好都被Netflix记录下来，并用于商业开发。早些年，Netflix使用这些数据来对用户精准推荐他们可能会消费的内容，随着数据挖掘技术的日益成熟，Netflix开始将其用于影片生产。相较于很难从用户那里得到反馈的传统影视公司，用户数据成为了Netflix一笔巨大的财富。
很长时间以来，制片人总在抱怨，观众的口味是如此复杂多变，很难预知观众到底喜欢什么。他们迫切希望了解观众，于是早在1920年代就开始在影院的厕所里安排访问员，与刚看完电影的观众交谈了解他们的感受。后来又进一步借鉴社会科学的方法，用问卷调查、焦点小组等方法来对观众展开调研。好莱坞各大制片厂每年光花在试映上的费用就高达上亿美元，然而收效甚微。因为观众在接受调查时做出的选择与他们实际消费时的选择往往有很大偏差，而每次对数十至数百名观众所做的调查结果也难以推而广之，用来左右影片创作。
而在大数据时代，日渐普及的数字化和网络技术能将人们的在线消费行为完整地记录在案，汇集成海量的数据。与传统调查得来的数据相比，这些数据基于用户主动的购买或使用行为产生，往往更为全面和真实，尽管分析也更有难度，因为大数据是无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的。于是，数据工程师的职业应运而生，他们帮助运营商开发专门的软件对相应的数据进行挖掘和分析，从中找出能够有利于了解用户需求、把握市场动向的规律。
在影视业中，大数据的运用还处在初步尝试的阶段，但商机已开始显现。在《纸牌屋》的案例中，Netflix成功地运用了观众们在线观看行为的大数据，来指导影片的创作和精准营销。而除此之外，观众们在日渐盛行的社交网络上发表的电影评论，构成了另一种可以开发的大数据。
通过对电影口碑数据的跟踪监测和挖掘分析，能够帮助发行商调整营销的策略，甚至能够提前预测影片的市场表现。2010年时，惠普实验室的两位分析师搜集了Twitter上3个月之内120万名用户发布的290万条电影评价信息，根据其中的口碑倾向预测24部电影（包括《阿凡达》和《暮光之城：新月》等）上映首周的票房信息，结果显示有97.3%的准确率。在此背景下，一些投资者开始通过数据挖掘来预测电影的票房表现，用来决定他们是否购买好莱坞电影公司的股票。
对于未来的影视企业而言，除了创作和运营的水准，对数据的挖掘和分析能力也将成为竞争的重要方面。因为就像去年达沃斯世界经济论坛上发表的宣言所说的：“数据已成为一种新型的经济资产，就像货币或者黄金一样。”