雷鸣 ABD爱梦娱乐CEO
雷鸣：ABD爱梦娱乐是一家研究娱乐媒介的公司。所谓的娱乐媒介，包括明星艺人、院线电影、周播电视剧、网络内容等方面内容。但我不觉得爱梦娱乐就是一家纯粹的大数据公司，因为我们搜集这些数据，主要是研究它们在娱乐市场上可能会导致的结果。
我们在艺人和影视内容方面做了两年多研究，现在整个团队对院线电影和网剧内容有很高的商业敏感度。我们的很多市场分析结果，也跟传统人士看法不一样。
我们发现，所谓公开的数据和我们得到的数据，比如舆情监控，其实并没有真正解决影视制作过程中的很多本质问题。大家用到的一些指数，实际上有很多盲 点。另外，在内容模型上，我们觉得剧本类型即市场，市场即观众，也就是说剧本决定了一部片子本质上针对的人群会是哪些，但对一部真正的院线电影而言，在剧 本选择阶段会耗费大量精力。
所以我们现在在教机器读剧本，做早期筛查。而且机器不仅要读懂剧本，读完之后还要给出分析结果，比如，这个剧本拍摄完成之后，电影明年上映，那么在不同档期里的票房区间可能会是多少？
这件事听起来匪夷所思。但事实上，从今年1月到3月，我们已经搜集了过去3到5年上映的、有票房结果的、不同类型的大概100部电影，之后将这100部电影剧本作为机器的训练册，最终机器给出的分析结果，与电影实际票房相比，准确率能达到25%。
牟蕾 数据猿创始人（左）
牟蕾：你们具体怎么教机器阅读剧本？电影题材有那么多种，这100多部剧本，你们是按什么原则挑选？
雷鸣：为了让机器理解剧本，我们会让懂剧本的人从内在冲突、外在冲突、主人翁的确立、剧情矛盾性等几个方向“教”机器读剧本。这也是跟电影学院的专业学生在分析剧本时是一样的角度。也就是说，机器在读剧本之前，肯定是人先去打标签。目前我们已经设定了大概22个维度让机器分析。
虽然让机器读懂并筛选剧本是件很难的事情，但在北美，这件事情已经做了至少10年。
另外，挑出的100多部用于训练的剧本，虽然类型很多，但像低成本的悬疑类、惊悚类我们一般不太考虑，这也就一定程度上降低了因类型过多导致的分析难度。
刘鹏 猫眼电影大数据中心高级经理
刘鹏：机器读懂剧本后，如何对电影进行票房预测？你们从哪几个维度进行数据分析？
雷鸣：在我们的数据模型里，电影的类型和剧本决定票房成功的概率是60%。机器在做票房预测的时候，会从三大方面进行分析，这也是我们主要研究的方向。
首先，是演员。在中国院线电影和网络电影市场上，演员是有票房号召力的。当剧本进入拍摄阶段，演员的上一部电影情况对这部电影的口碑和指数是会产生影响的。我们会用数据告诉制片方，这个演员在这种类型下表现的好不好，大家的预期会不会降低。
事实上，从近两年的数据监控上看，明星对院线电影票房影响最大的时间节点是上映首日，到第二天的时候，明星的大牌程度与票房关联度会降到32%左右。
第二，我们经常说到IP，IP对一部院线电影的整个影响其实也只在放映前三天，而且第三天就已经很弱了。
电影《中国合伙人》，因为有新东方这个大IP，又安排在暑期档，可是票房只在5000万左右，原因是中国社会对女性创业这件事情其实并不太关注。事实上，绝大部分国产片都是这样，即使有明星号召力，但票房就是上不去。
我们对2015年上映的每一部电影都用机器做了票房预测。在上映的7到10天内，准确率能达到64%。在这个过程中，购票网站的用户数据、市场数据 都会被我们列入参考数据。因为我们自己的数据没那么多，所以也做了大量线下问卷。但如果可以和你们猫眼合作，那么我相信机器对票房预测的准确率还会上一个 台阶。
第三，我们还会对观众进行研究。在做票房预测时，我们有16个“票仓人群”分析，基本会知道什么样的电影是什么样的人在看。而且，我们根据城市级 别，对观影人群做了六个层次的数据分析，第一层和第二层是尝鲜的人群，他们看完电影之后没什么信息反馈，也没留下什么口碑，如果一部电影的观影情况是这种 程度，很可能就会下线。
此外，我们还分析发现，三四线城市的观影人群很容易受题材和线下口碑影响。
刘鹏 猫眼电影大数据中心高级经理
刘鹏：机器读懂剧本后，如何对电影进行票房预测？你们从哪几个维度进行数据分析？
雷鸣：在我们的数据模型里，电影的类型和剧本决定票房成功的概率是60%。机器在做票房预测的时候，会从三大方面进行分析，这也是我们主要研究的方向。
首先，是演员。在中国院线电影和网络电影市场上，演员是有票房号召力的。当剧本进入拍摄阶段，演员的上一部电影情况对这部电影的口碑和指数是会产生影响的。我们会用数据告诉制片方，这个演员在这种类型下表现的好不好，大家的预期会不会降低。
事实上，从近两年的数据监控上看，明星对院线电影票房影响最大的时间节点是上映首日，到第二天的时候，明星的大牌程度与票房关联度会降到32%左右。
第二，我们经常说到IP，IP对一部院线电影的整个影响其实也只在放映前三天，而且第三天就已经很弱了。
电影《中国合伙人》，因为有新东方这个大IP，又安排在暑期档，可是票房只在5000万左右，原因是中国社会对女性创业这件事情其实并不太关注。事实上，绝大部分国产片都是这样，即使有明星号召力，但票房就是上不去。
我们对2015年上映的每一部电影都用机器做了票房预测。在上映的7到10天内，准确率能达到64%。在这个过程中，购票网站的用户数据、市场数据 都会被我们列入参考数据。因为我们自己的数据没那么多，所以也做了大量线下问卷。但如果可以和你们猫眼合作，那么我相信机器对票房预测的准确率还会上一个 台阶。
第三，我们还会对观众进行研究。在做票房预测时，我们有16个“票仓人群”分析，基本会知道什么样的电影是什么样的人在看。而且，我们根据城市级 别，对观影人群做了六个层次的数据分析，第一层和第二层是尝鲜的人群，他们看完电影之后没什么信息反馈，也没留下什么口碑，如果一部电影的观影情况是这种 程度，很可能就会下线。
此外，我们还分析发现，三四线城市的观影人群很容易受题材和线下口碑影响。
刘倍贝 爱奇艺自制剧中心资深制片人
刘倍贝：我再来补充一点，网剧的观众主要以年轻人为主。所以网剧更注重标题入口，也许一张海报就能体现它的营销 思路，看出来是不是具有吸引力。而且网剧的制作前期，会用很长时间做营销铺垫，即使热搜的关键词不那么清晰、明确，也可以通过前期宣传片、概念片，包括核 心宣传的价值点，逐步吸引观众来看。所以从这些角度看，我觉得机器更适合分析网剧。
雷鸣：我们也发现了这个问题。事实上，对机器来讲，网剧的题材、片名，都更容易作为流量入口。我们希望通过数据 挖掘，能知道每一种垂直人群他们感兴趣的点是什么，什么样的题材和标签是具有吸引性的，这样就能更好的让机器分析。总之，我们想利用机器解决中国影视制作 行业内容方面的问题。
而通过这几年的研究我们发现，大数据实际上解决了影视制作的三大问题。第一，项目开发，也就是剧本选择问题，这也是中国院线电影的制作瓶颈；第二， 艺人问题。我们经常见到，在影视立项过程中，挑选了很久的演员结果要么因为档期来不了，要么就是来了之后发现角色根本不合适，所以分析演员是很有必要的； 第三，优质项目和优质资源的匹配问题。
The end 后记： 人工智能是大数据技术发展的未来，试想阿尔法狗都战胜了李世石，机器读懂剧本又有什么不可能？ 虽然我们此次的巅峰思享会已经结束，但行业内对影视大数据的研究与探讨还远没有结束。无论什么样的研究，大家的目标都是一致的，那就是为观众提供更娱乐化、更个性化的内容，真正将中国电影电视剧打造成能满足观众需求的优质产品。返回搜狐，查看更多
