新影数讯 为电影“看病”

开篇：润墨网以专业的文秘视角，为您筛选了一篇新影数讯 为电影“看病”范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

有人称他们是为电影“算命”，但刘晗以为，“看病”更准确。刘晗他们创业的新影数讯，就是将数据分析、数据挖掘应用到电影票房的预测上。这是一个创业不到两年的团队，现在是十余人的规模，却掌握了20000部电影、60000名艺人、4000位导演的数据资料，并能对微博80%活跃用户中的影迷约8000万人进行偏好分析。

刘晗介绍，新影数讯开发的“iFilm+”系统即通过数据分析，将影视作品和用户的行为关联起来。“我们挖掘用户（影迷）对娱乐产品（影片）的娱乐诉求和价值感知，然后我们精准地计算出某部影片的受众人群的意愿。在知道了什么样的电影会成功之后，我们便能对制片人和导演提出决策建议。”在这一思路下，原本是B2C模式的电影产业，将出现C2B的变化。刘晗说，“iFilm+”预测一部电影的市场表现，在上映前一个月左右，其准确度能达到80%。

这套算法也不是万能的。“iFilm+”能说明白应该怎样做，却不能解释为什么，这也不是“iFilm+”的缺陷，而是因为“大数据只解释相关性的问题，不解释因果”。此外，这套算法只能做到测算商业片的价值回报，却算不出“电影能不能得奖，会不会感人”。

将数据分析、数据挖掘应用到影视领域，刘晗认为能做两件事，预测和推荐。新影数讯选择了toB“预测”，回避了toC“推荐”。因为中国的互联网用户，还没有特别好的付费习惯，而比较常见的电影票抽成的做法，给他们这类服务商留下的利润空间已经很薄。

“手工清洗”数据

事实上，电影行业利用数据，在好莱坞不是新鲜事儿。在好莱坞工业体系下，一部电影从研发、创作生产到发行，都能看到数据的身影。而且，好莱坞在数据库建设方面的基础工作做得很早、很扎实。在中国情况则大不相同。有业内人士曾说，“中国电影产业多数时候都是拍脑门凭经验，过去连每周票房的实际数据都拿不到，很多数据都不靠谱，更不要说其他精确数据了”。

那新影数讯的“iFilm+”，是如何解决数据来源难题呢？影片制作端、影片消费端这两端的信息数据，“iFilm+”是如何完成积累的？

按照新影数讯的理念，电影的名称、阵容、剧本、档期、宣传点、主题曲、互联网版权等30多个参数变量共同决定了一部影片是否能获得成功。他们的设想是，从过往上映的电影抽样中，找到相关数据，然后利用计算机确定出定量和公式。这部分做法类似于好莱坞的票房预测体系。但“iFilm+”不仅如此，还引入了社交网络的数据，将微博等社交网络上涉及到演员、角色、电影结局等内容作为变量。“300个人月”，这是刘晗他们用在电影行业数据收集与整理上的时间。换句话说，如果有20个人手的话，得做15个月。

光有人力和时间的投入还不够，还得有技术手段的介入。刘晗举例说，很多网络数据库对于演员票房贡献度的算法很粗糙，他们则是按照戏份的多少、台词的多少等来计算演员票房贡献度。即便像《十二生肖》这种由成龙编剧、导演、主演的影片，按照刘晗他们的系统计算，成龙的票房贡献度也不到70%。最初的时候，刘晗他们甚至用“最笨”的方法——找人看一遍电影——来核实一些影片基本信息的真实与否。“这些电影行业的原始数据都是我们自己‘手工洗过’的，我们能做到现在这一步，也是因为干了很多苦活累活，所以不怕新浪、腾讯或者百度。”刘晗说。

即便如此，电影行业本身的数据还都不是“大数据”，刘晗认为，社交媒体的用户行为数据，才是真正的大数据。但这部分数据的收集和整理的难题是，如何过滤掉数据的“杂音”？刘晗反倒不认为这是难事。在创业之前，他曾在新浪的无线部门做技术，很熟悉新浪微博的底层技术，他还在中移动旗下的卓望公司工作过，参与搭建了卓望整个的开放平台，卓望当时主要负责中移动“移动梦网”。“抓取数据，识别僵尸粉丝、判定灌水、拦截机器人等，我们相对有得天独厚的条件。”

那么，“iFilm+”获取用户行为数据会否受到微博等新媒体平台的限制？“其实不会。”刘晗解释说，这里只有“懒人和勤快人的区别”。从对方平台的接口抓取数据，是最省事的；如果对方不开放数据接口，则可以用机器模拟一个真实用户看这些网页的行为，也能抓取数据。

在创业早期，因为数据的存储有压力，刘晗他们不得已要“忍痛割爱”删一些相对“老”的数据，或者对现在或者半年一年后的趋势判断没有太大影响的数据；此外，他们还建立了数据存储的分级更换机制，比如9天之内的是热数据，存在机器内存里，老一点的数据放在硬盘上，再老一点的用磁盘、光盘备份等。

刘晗透露，今年新的融资将主要投在硬件设备上，“做大数据需要有存储量大、计算量大的设备，我们现有20多台服务器特别不够，现在基本上每两周就要加差不多小一万块钱的硬盘设备”。

做toB的生意

在数据分析上，刘晗是技术高手，但是对电影，他原本却是个门外汉。新影数讯的“iFilm+”，就像刘晗本人一样，在与电影业界人士、制片方的线下接触中，不断熟悉电影行当，不断丰富对电影票房的计算维度。

在商业模式上，刘晗他们选择了toB，而非toC。这也是刘晗认为的，在把大数据应用到影视领域时，新影数讯与豆瓣电影的不同。他们toB做的是有关电影投资/拍摄的咨询服务建议，也有toC的“推荐”，但是他们没有把toC的结果直接转化成toC的业务模式，而是反向操作，把用户喜欢的东西做成toB的咨询建议。刘晗总结，他们的商业模式/业务模式是针对影片的投资方/出品方/宣传方。在他看来，电影产业不应该是一个“拍脑门凭经验”行当，而应该“需要更加理性的数据来帮助判断”。

大数据让影视界感受到“冲击”的经典案例，当属美国视频网站Netflix推出的电视剧《纸牌屋》，该剧无论是剧情设置还是选择演员、导演阵容，都以用户在网站上的行为和使用数据做支撑，根据官方公布的数据，3/4订阅者都会接受Netflix的观影推荐。

同样都是将大数据应用到影视领域，新影数讯与Netflix的做法不一样。首先，新影数讯收集的是微博等第三方平台的用户数据，Netflix是以自己平台上用户产生的数据为支撑；其次，Netflix的商业模式是用户付费，它有2000多万付费用户，而新影数讯选择的是toB模式。

新影数讯现在有两种收费方式：一是收取固定的服务费；另一种是他们更愿意大规模拓展的，影片票房增值部分的分成。“比如一部影片，投资方认为能有1.5亿元的票房，我们通过数据分析预测票房能到2亿元，如果最后票房超过1.5亿元，那么增值部分投资方每多赚1000万元，我们多抽1%。”如果是第二种业务模式，新影数讯则需要在剧本环节就得介入，包括剧本接不接地气、如何选演员等。刘晗透露，今年新影数讯主要承接的都是此类合作，“开花结果”将集中到明年年底。

期间也有人建议过刘晗他们做艺人经纪，或者从现在做影片的数据分析挖掘，拓展到舞台剧、话剧等，但刘晗都拒绝了，而是坚持把主线放在“对影视行业娱乐数据、用户观影行为、用户对演员的评价等要素的分析整理上”。在他看来，这是资源有限的创业团队，要经得住的“诱惑”，要懂得取舍。

在坚持“主线”的同时，刘晗也在考虑更大效率地商业化“iFilm+”的数据分析挖掘能力。他们已与一些影视投资基金和制片方合作，以代管基金的方式，尝试介入到影片投资环节；他们也在尝试影片植入广告的服务。