2.3 电影产业大数据分析现状
2.3.1 国外电影产业大数据分析现状
本节根据国外电影产业大数据分析现状，从票房预测、市场营销、情感分析与文本挖掘、文化批评和文本分析等4个方面进行梳理总结[20]。
1．票房预测
现代社会人们使用社交媒体对电影进行评论，即消费者参与行为（Consumer Engagement Behavior，CEB），会产生大量数据。许多研究探讨了CEB与票房之间的关联性。Oh Chong等发现Facebook和YouTube上的CEB与票房总收入是正相关的，在Twitter上却没有同样的效果[21]。Huang Jianxiong等提出，专家评论和基于拉动式的用户评论在电影上映的早期阶段有影响，随着时间的推移，影响会逐渐减小[22]。相比之下，基于推送式的微博平台的评论数量对以后的票房收入有影响。Baek Hyunmi等以罗杰斯的创新扩散理论为框架，对多个社交媒体平台进行比较，提出在电影上映的初期阶段，Twitter对票房收入的影响更大[23]。雅虎在电影上映的后期，对电影的影响力更大。Ding Chao等聚焦Facebook的点赞行为，发现在上映前一周，点“赞”数量增加1%，则上映周票房增长约0.2%。越接近上映日期，提前点“赞”的效果就会变得越强[24]。Oh Sehwan等通过对YouTuhe上电影预告片的分析发现，电影预告片的分享对电影的票房收入有积极的影响，在电影上映的早期阶段，这一效果比在后期阶段更大[25]。
Kim Sang He等通过对美国电影国内和国际票房的分析，探讨专家评论和网络口碑（eWOM）与票房之间的关系[26]。研究发现，二者对美国国内票房均有重要作用，而eWOM则对国际票房有影响。
2．市场营销
Sattelberger Felix等以德国电影市场为例，分析了多平台营销策略，提出应该尽可能多地增加吸引用户的页面和电影预告片[27]。Nanda Madhumita等通过YouTube、Facebook和Twitter的数据，探讨了整合社会媒体推广策略（integrative social media strategy）在好莱坞电影产业中的成功作用[28]。社交媒体宣传策略的核心是开发合适的内容，以匹配社交媒体平台的独特特征。Facebook的主要用途是通过组织有趣的活动来连接观众，Twitter则主要用来转发来自观众的正面口碑。利用社交媒体平台与观众建立情感联系，通过宣传观众与电影主角的身份认同是有效的宣传策略。
Chen Kun等以中国电影市场为研究对象，探讨社会信息在不同产品发布阶段的竞争效果[29]。他们提出，竞争对手的社会观点对产品的销售很重要。搜索量缓和了社会观点和产品销售之间的影响。当搜索量足够大的时候，负面观点对票房的作用会相应减少。Yeujun Yoon运用马尔可夫决策过程理论（decision process theory），对美国的电影行业数据和Twitter发布的数据进行分析，在电影质量评价阶段如何影响人们观看一部电影的决定[30]。研究发现，在电影上映前为了吸引观众而进行大量的广告宣传，可能会适得其反，因为那样提高了观众的期望值。
3．情感分析与文本挖掘
Lee Young-Jin等比较了陌生人和朋友对用户生成影评的作用[31]。研究发现，陌生人群评分具有“羊群效应”和差异化行为的双重影响。相比之下，朋友的评分总是会引发“羊群效应”。
Flanagin Andrew等提出评分的等级与信任、依赖、对用户生成内容的可信性以及自己与他人的观点一致等因素具有较强的关系[32]。人们倾向于在信息量低的时候倾向于专家，但在信息量大的情况下倾向于用户生成的信息。人们的观点和行为意图与他们所暴露的在线评级信息相一致。
Jon Hyup Lee等通过对文本挖掘技术的分析，分析了评论文本情绪的嫡[33]。评论文本中的嫡值对eWOM与电影票房销售的关系有积极的缓和影响。删除负面评论以提高产品销量可能不会对在线零售商或相关方有所帮助。
4．文化批评和文本分析
在《美国魔力2.0》一文中，Friedman Alice T指出魅力分层概念（the layered notion of glamour）与当今社交媒体的超级公共世界（hyperpuhlic world）、网络形象建构和市场细分之间的关联性与日俱增[34]。长期以来，好莱坞形象的创造和消费，光鲜的广告复制，对于叙事结构、投射、表现和自我评估具有长期侵入的过程。这与定制化Instagram信息流、Facebook envy和其他形式的数字传播、接收和监视等文化方式有着重要的相似之处。越来越多的当代公共空间被塑造成一个用于生产和消费这些数据的平台。随之而来的是，监视技术的发展和建立可防御的私人空间都给物理和网络环境的设计者带来了新的挑战。此外，有研究者采用机器学习技术分析电影脚本的叙事流和叙事结构，从而探讨叙事模式。
2.3.2 国内电影产业大数据分析现状
通过对中国知网、维基百科、超星读秀等文献库检索梳理近年来电影产业大数据有关的中文文献，根据文献的主题域将国内电影产业大数据分析现状划分为思维方式、电影营销、应用探讨和票房预测4个方面。
1．思维方式
田亦洲在《大数据思维影响下的电影美学新趋势——以大数据为特征的叙事结构》一文中认为当前大数据带来的影响有两种模式：一种是将其视为电影产业分析预测的工具，另一种是对电影美学思维带来的新变化。大数据思维可以概括为一种以承认数据混杂性、依靠数据全体性、探求数据相关性为表征的，以量化预测为核心的思维模式[35]。
吴卫华在《大数据背景下影视产业创新发展》一文中认为：电影产业传统的以产品为导向已经转变为以用户为导向，这种导向的转变是大数据时代带来的思维转变，大数据是一种技术，电影产业可以对这一技术进行运用[36]。
车玥指出大数据分析给影视制作行业的前期预测观众喜好、拍摄中期安排广告推送、播出后的及时反馈等带来了新的思路[37]。徐杰认为：大数据思维符合时代潮流，具有极强的实用性，搁置因果关系，分析相关关系的大数据思维能够全面考虑到各种因素的相关性[38]。
2．电影营销
余吉安等立足于大数据时代下的市场特征，从电影的内容生产、营销推广及终端上映3个环节出发，结合《头号玩家》电影营销实例进行分析，探究在大数据背景下电影制作和发行单位如何利用自身的资源和特性，借助大数据分析工具，选择不同的目标市场，实现精准营销[39]。
张陆从电影大数据时代的来临、大数据时代青春电影的制作革新和大数据时代青春电影的营销变革3个方面探讨了大数据时代国产青春电影的制作与营销。指出大数据时代青春电影的制作革新体现在基于受众为中心、分众定位、个性化定制的制作思维，以及热“IP”改编、跨界导演、明星演员、经典歌曲以及网络流行语的内容元素生产思路。其营销变革则体现在全媒体营销和全方位利用电影内容进行营销两大方面[40]。
唐玲玲和曹雨晨以热门电影《战狼》《战狼2》和《三生三世十里桃花》为典例，对大数据时代如何明确电影营销效果、如何找到营销问题和问题又因何而出等问题进行了深入探讨[41]。刘锐认为进入互联网时代，当大数据技术加入到电影产业运作流程之后，电影营销活动逐渐融入大数据的指导，从而逐渐呈现出新的营销特征，主要体现为：“碎片化”消费下的精准营销与基于大数据技术的电影O2O[42]。
3．应用探讨
崔岩认为目前电影行业对舆情大数据的应用已经渗透到产业链的各个环节，主要体现在推动了电影生产和营销推广加快向“按需定制”方向发展、促使电影投资和交易更加客观理性和有助于建立并强化用户关系三个层面[43]。根据亿万用户在社交媒体、搜索引擎等互联网平台所产生的行为数据，分析用户的态度和行为，预测用户潜在需求，对电影行业很有帮助。虽然这种分析还存在一定的局限性，但它代表了一种进步的方向。
冉叶兰在《大数据在电影行业的应用案例》一文中，以电影《小时代》为例，说明了大数据技术可以为电影行业中的精准用户画像、影片内容的决策、支撑电影营销决策和对影片的发行策略提供支持[44]。
郭燕和丁友东研究了如何利用大数据对影视作品的创作流程和生命周期的各项指标进行分析和量化，并指导影视投资、票房预测和分析等，从而有效地规避影视投资风险，取得最大的投资效益[45]。他们认为通过大数据技术，可以为市场洞察、项目孵化投资、营销发行及影院经营提供策略支持和辅助运营，尽量降低影视投资的风险，提高影视作品的质量，对影视明星提供精准定位，促进国内文化事业的繁荣。
4．票房预测
陈袁博认为粉丝作为产消者，为电影行业的发展提供了巨大的资本支持。粉丝经济的影响下，单一的身份已经无法满足人们的需求，其他行业的人们走上探索跨界导演之路，一批新生代跨界导演随之兴起并不断壮大，跨界导演电影作品层出不穷，甚至创造了中国电影的“票房神话”，由此研究了粉丝经济对跨界导演电影作品的影响[46]。
兰岳云认为随着互联网时代的信息技术发展，大数据也进一步渗透到电影产业的各个环节，通过对受众、电影、影院等对象的数据收集、统计和分析，大数据改变着电影产业的决策方式，给电影生产、营销和放映等多个环节带来了交互性的运作模式[47]。
韩忠明等在大数据背景下，基于社会媒体等预测方法存在准确度低、难以早期预测等问题，提出了一种基于GBRT模型的早期电影票房预测模型[48]。对影响电影票房的因素进行特征化处理，选择包括演员、导演、上映日期及公司等在内的9种因素，分别采用社会网络节点影响力度量法或平均票房权重区间化等不同的特征化方法；然后生成34个特征作为影响电影票房的因变量，对特征与电影票房建立GBRT模型。选择2000—2015年间的1875部电影以及相应的8203名影人和3300家公司进行了大量实验，实验结果表明该模型具有良好的预测效果，相对准确率达到80.6%，对部分2016年电影进行预测，其误差在10%以内。
王锦慧认为随着电影产业化和市场化的深入发展，营销理念在电影产业中的作用愈发重要。互联网的快速发展催生了社交媒体，利用社交媒体平台的网络口碑营销逐渐彰显出独特的力量，成为影响电影票房的重要因素[49]。故文章在总结了国内外电影票房预测模型的基础上，主要利用微指数来研究微博这一社交媒体对电影票房的影响，并由此为电影从业者利用微博进行宣传提出实用性建议。