电影票房预测模型

A. 电影票房预测系统的介绍

电影票房预测系统，美国票房收入预测的先驱BarryLitman对美国80年代近700部电影进行分析推出票房收入预测模型。

B. 电影票房是如何计算的

行业常用的票房收入计算公式为“票房=总座位数×场次×上座率×平均票价×天数”。
但此公式只是一个演变转化后的公式，而还是不完整的表达公式。
票房收入的表达为“票房收入=观影人次×票价A+观影人次×票价B+观影人次×票价C…………”。若进行简单的转化，可得到“票房收入=总观影人次×平均票价”。而展示公式也是在这基础的表达式中衍生的，其中展示公式中“总座位数×放映场次×上座率”这三者乘积的实质就是“观影人次”。因为在实际情况中更有条件找到“总座位数、放映场次、上座率”这个三个预测数据，因此才有了常用公式。

C. 电影票房是怎么计算出来的

行业常用的票房收入计算公式为“票房=总座位数×场次×上座率×平均票价×天数”。

但此公式只是一个演变转化后的公式，而还是不完整的表达公式。

在数学公式上要得到同样运算结果可以有多种不同的是计算方式，如“9÷3-1”和“1+1”的结果都是等于2。但“9÷3-1”和“1+1”的表达方式就完全不一样，“1+1”更为简单易明。同理，常规票房预测公式也应该有更为简单的表达式。要找到更简单表达形式，首先要理解收入是怎样构成的。

销售收入（票房收入属于销售收入）通常的表达方式为“销售收入=A产品数量×A产品单价+B产品数量×B产品单价+C产品数量×C产品单价…………”。为了方便统计和预测，一般转化为“销售收入=销售数量×销售产品的平均价格”。

参照以上方式，票房收入的表达为“票房收入=观影人次×票价A+观影人次×票价B+观影人次×票价C…………”。若进行简单的转化，可得到“票房收入=总观影人次×平均票价”。而展示公式也是在这基础的表达式中衍生的，其中展示公式中“总座位数×放映场次×上座率”这三者乘积的实质就是“观影人次”。因为在实际情况中更有条件找到“总座位数、放映场次、上座率”这个三个预测数据，因此才有了常用公式。

拓展资料：

票房（Box Office）原意是指公开出售电影或剧院门票的地方，现特指电影或戏剧的商业销售情况。票房可以用观众人数或门票收入来计算。在现今的电影业中，票房已经成为衡量一部电影是否成功的重要指标之一。

票房在英文里的意思为“盒子办公室”。这个词来自于早期的戏院，要进入便宜的座位区需花费一个铜板，这个入场费是要放在位于入口闸门上一个锁住的小箱子。当箱子装满的时候，会有工作人员将箱子拿进一个小房间进行清点并收藏。因此这个财务部门相关的小房间就被称为“盒子办公室”（Box Office）。

D. 电影票房分析及预测

从20世纪初的西洋镜戏法到今天占据全球电影业总产值的三分之一强，资本的加入让好莱坞在过去百年的发展中变得越来越理智--比起商业片流水线缔造者，它更像一个数学家--它精于计算每一项决定对利润的贡献:《蝙蝠侠》续集是否要接受男演员片酬的狮子大开口以获得百分之几的忠实粉丝买票入场;是否要在动作片的第37分钟增加感情戏以争取女性观众;是否要为这部烂透了的原著聘请收费高昂的剧本医生;一个小金人编剧的名头到底值多少钱……这就是在电影开机之前最为重要的环节:票房预测。

华尔街不仅给好莱坞带来了密集的资金支持，也带来了理性的金融工程技术，后者好像一把衡量艺术的尺子。一位浸淫于电影行业的金融人士一语中的:"在这个行业里充斥着暧昧不清、晦暗不明，有真正的艺术家、也有忽悠的吹水者，但到底怎么判断是否能合作，项目是否有投资价值，全凭经验"。

如何预测
早在80年代，美国票房收入预测的先驱BarryLitman对美国80年代近700部电影进行分析推出票房收入预测模型。该系统对之后美国电影投资界产生了颠覆性的影响。电影票房预测系统能分析预测不同种类电影的票房价值，已经成为国际电影产业投融资的重要参考工具，对电影产品定价及衍生产品开发都具有较强的指导作用。

预测系统
电影票房量化分析及预测系统(Box Revenue Prediction)是在考察导演、主要演员、制片、发行及市场营销、电影生命周期、电影类型、发行地区等影响电影票房的诸多因素基础上，基于资产定价模型，综合采用金融工程和回归统计分析方法研发出的预测系统。它能分析预测不同种类电影的票房价值，成为电影产业投融资重要参考工具，对电影产品定价及衍生产品开发都具有较强的指导作用。

中国第一套BRP系统

2012年1月，中影集团联合艾亿新融资本推出了国内第一套基于电影票房预测的估值与定价分析系统--BRP系统。通过对过去4年中600多部影片的统计分析，该BRP系统发现了6条有趣的现象:

·低成本的影片一般会比大片更卖座

·无名小卒主演的影片要比明星主演的影片利润率更高

·类型的艺术特征跟利润之间不存在直接关联，但评论的多寡(无论好评或者劣评)跟利润之间有密切关系

·不含暴力、色情成分的家庭影片最容易赚钱

·大片的续集要比普通新片更容易赚钱

·明星在为影片带来更高票房的同时，也往往拉低了利润率，因为大部分收入进了明星的口袋

E. 怎样预测票房

票房预测：需求与现实

从1896年西洋影戏传入上海徐园，到1905年中国拍摄首部国产电影《定军山》，再到2013年全国电影票房突破200亿
大关，（4）有着百余年历史的中国电影产业，在近几年呈现出飞跃式发展的态势，无论是影片质量、院线建设还是投资规模都有了长足的发展。与此同时，随着
“大数据”时代的到来，电影观影群体、观影偏好与心理、电影信息传播和获取方式也都在发生着深刻的变化。

毋庸置疑，多样化资本的加入是中国电影不可或缺的发展引擎，然而，电影行业以投资回报率难以预测著称，大投入未必有大产出，票房预测工具的缺失使得投资者
无法有效对冲投资风险，华人著名导演吴宇森的《风语者》就拖累了米高梅公司最终走向破产。因此制作与发行公司不得不考虑所有对票房有影响的因素：辣妈李小
璐对《私人订制》票房贡献几何；《风暴》票房为何远低于其金牌制片人江志强预期；被吐槽“烂片”的《富山春居图》和《小时代》缘何票房却一路走红；成龙大
叔的《警察故事2013》有无必要拍成3D；《泰囧》的“报复性”观影效应能否复现……这一切的一切其实都可以从“大数据”中找到答案。因为网络上的每一
次浏览、查询乃至点击所汇聚成的群体智慧都“蝴蝶效应”般地影响着电影的最终票房。

2013年Google在一份名为《Quantifying Movie Magic with Google Search》（5）
的白皮书中公布了其电影票房预测模型，该模型主要利用搜索、广告点击数据以及院线排片来预测票房，Google宣布其模型预测票房与真实票房的吻合程度达
到了94%，但并未见其公开对未上映电影的预测结果。

搜狗公司借助“深思”系统，建立了更为复杂的模型，用于预测国内电影票房，并在新浪微博上提前发布了2013年12月国内上映电影的首周票房预测结果。很高兴到目前为止预测结果与真实数据非常接近，同时，我们的模型还可以用于对影响票房的因素进行定量分析。

搜索查询量的奥秘

搜狗搜索每天都响应上亿次的搜索请求，查询词的分布和变化趋势能够很好的反映出中国网民的兴趣点和关注指向。与Google的研究类似，我们也发现，电影
上映前相关查询词的搜索次数与票房收入有着很强的关联性。这一点很好理解，用户的主动搜索行为体现了用户对这部电影的潜在兴趣。

我们选取了2013年1-11月国内上映的180部电影的票房和上映前的搜索量数据作为训练集，用于训练一个基础的线性回归模型。实验发现，单纯利用搜索
量训练得到的模型，预测得到的首周票房与真实票房的相关度R方值仅为68%，这与Google仅用搜索数据得到的结果70%很接近。（注：R方值取值为0
至1，值越大表示模型预测效果越好），这个结果也说明无论在中国还是美国，用户的搜索行为是很相似的。

用搜索量来进行预测票房是一个好的开始，但是准确度还远远不够。同时很多搜索词还存在歧义的情况，比如《生化危机》，既是电影也是游戏，混在一起会造成票
房预测值偏高。进一步研究发现，游戏意图的查询请求量较为平稳，但电影意图的查询请求在上映前则有一个高峰，也可以通过用户点击的URL来进一步确认用户
的搜索意图。因此模型需要再引入查询量的变化趋势和用户点击的分布情况。修正后的模型可以达到74%的准确度，这时模型已经可以对电影票房进行一个粗略的
估计。

社交媒体：用户的情感分析

社交媒体数据对票房预测也会有一定帮助。假设你是某个明星的粉丝，打算去看他主演的电影，那么你很可能会提前转发该电影的相关微博给你的朋友。国外已经有
很多预测项目都是在针对Twitter数据做研究，这里我们主要采用国内部分微博网站的数据来进行预测。通过自然语言理解技术，分析出用户对未上映影片的
情感倾向，从而转换为用户的观影需求。进一步可以考虑的因素包括微博转发深度、评论活跃程度，以及相关微博数量随电影上映日期临近的变化趋势，这些数据都
可以被有效的提炼为特征并加入到模型中。

微博数据的加入使得准确率超过了80%。

结语

预测专家纳特·西尔弗在《信号与噪声：大数据时代预测的科学与艺术》一书中提到，大数据时代的预测更容易失败，大部分失败的预测都源于一种盲目的自信，用精确的预测来冒充准确的预测。

对此我们有着清醒的认识，目前的票房预测模型还有若干需要改进的方向。首先，目前模型的主要思想是通过电影上映前的用户关注度来推算首周票房，这实际上没
有考虑电影上映后的口碑对票房的影响；其次，模型较为依赖历史数据，可能难以识别一些上映后脱颖而出的小成本“黑马”电影；再次，目前的技术只能提前10
天预报出首周票房，还可以更加超前。

总体而言，“深思”系统代表了搜狗公司在社会化预测方面一些新的尝试。我们试着从繁杂的海量数据中筛选出真正的信号，努力穿越不确定性的迷雾，区分出未来
图景的哪些部分可以预测，哪些不可预测。通向这个未来的道路还在探索之中，但目前工作已经取得了一些不错的进展，并给予了我们更大的信心。

F. 电影票房预测系统的BRP（电影票房量化分析系统）的三大特点

BRP系统每周总票房的范围预测法通过自适应分类，可根据电影知识库中各周电影票房分布进行票房等级分类，使每周预测的票房范围更为精确，缩小预测范围。同时，其最终估值范围通过波动性提示并衡量了相关风险的存在。这对于投资制片方进行有针对性的风险度量、风险管理及防范都具有重要意义。由于电影产业影响票房业绩的变量众多，蕴含复杂的系统及非系统风险，BRP系统能将之定量化并确定总体风险收益规模，无论对于即期电影发行，还是后续衍生开发，都具有重要的指导性。

G. 大数据 如何驱动电影产业

大数据 如何驱动电影产业

近日，谷歌公布研发了一个准确率高达94%的电影票房预测模型，据其统计，电影相关的搜索量与票房收入之间存在很强的关联性。此票房预测模型正是大数据分析技术在电影业的一个应用案例。此前，大获成功的美剧《纸牌屋》也是美国视频网站NetFlix基于大数据投资拍摄的这部电视剧。随着越来越频繁地被提及，“大数据”是否能成为中国电影的新驱动？

“大数据不能代替创作行为”

电影产品不同于其他产品的最大特点，就是它的非理性占很大比例。它的体验性消费很难用一个数据去分析、前瞻。我认为，大数据就是在海量数据面前，用软件上的技术分析，帮你把所有行为通过数据方式整理出来。但是这是基于已经发生过的事情，它的价值在于为你未来做什么东西提供一些方向。所以说，数据分析可以给我们一些参考的价值，但是我认为其不能代替创作行为。

“大数据应预测未来”

大数据是我们所有的产品平台里一个最核心的关键词。整个视频行业大数据有三方面：用户大数据、内容大数据、渠道大数据。在互联网时代，这三大数据将融合在一起。现在由点击量很高的原创网络文学作品改编的电视剧剧本，已经被证明有比较好的收视率，这是简单的商业模式。更重要的是如何基于这三大数据，更好地用现在的数据预测未来？这在短时间内是非常重要的挑战。

“学会洞察大数据是关键”

时代在变，消费者在变，我们要跟随这种变化趋势。万达的电影院很早就已经开始变了，数据库已成为我们重要的核心“矿藏”，到今年底建立会员数据库达到600万、AMC达到400万。大数据能否发挥作用，取决于看到这个数据的人能不能通过大数据做事情。在信息、数据特别多的当下，如果没有洞察之心或洞察之力，有可能被数据吞噬。

以上是小编为大家分享的关于大数据 如何驱动电影产业的相关内容，更多信息可以关注环球青藤分享更多干货