当前位置：文档之家› 电影票房影响因素分析

电影票房影响因素分析

—以中国内地票房数据为例

【摘要】本文通过计量经济学上统计分析方法的应用，并结合2007 -2009年的中国内地电影票房数据,对影响电影票房的因素进行了一系列的分析和检验，最终推出电影票房影响因素分析模型，并在此基础上对即将上映的电影进行了票房的预测，以验证模型的实际有用性的大小，在影响电影票房的因素选择上面，由于自身资源的有限，有些因素没有放到模型里面，这可能会导致最终模型跟实际的存在一些偏差，对此，期待各位的指正。

【关键字】电影票房、影响因素、模型检验、票房预测

Factors affecting the film box office

—Based on the Data of the Chinese mainland box office

Abstract：In this paper, with the application of statistical analysis in econometrics, combined with the data of Chinese mainland 2007-2009 film box office, I will do a series of analyzes and testing on factors affecting the films ,then launch the box office influencing factors model ,and predict the box office of the upcoming movie with this model .So as to verify the actual usefulness of the model ,due to the limited resource ,some factors are not included in the model , leading to some deviations between this model and the actual one ,so ,gratefully welcome your corrections .

Key words：film box office influencing factors model testing Box office predictions

一、课题背景、选题原因及课题意义分析 (2)

课题背景 (2)

选择本课题的原因 (2)

课题的目的和意义 (2)

二、影响因素分析和解释变量的甄选 (3)

影响因素分析 (3)

解释变量的甄选 (3)

三、数据来源和收集 (4)

数据来源 (4)

数据收集整理 (5)

四、模型的构建 (5)

五、回归分析和模型的检验、修正 (5)

1）回归分析 (5)

2）多重共线性的检验—方差膨胀因子VIF (6)

3）遗漏变量 (7)

4）不相关变量 (7)

5）序列相关检验—德宾- 沃森d检验 (8)

6）异方差检验—怀特检验（White test） (9)

六、模型的运用和票房预测《波斯王子.时之刃》 (10)

七、总结 (11)

八、参考资料 (12)

一、课题背景、选题原因及课题意义分析

课题背景

1、随着现代化建设的发展，中国城乡居民收入水平显著提高，精神、文化生活伴随着物质生活水平的提高也日益成为广大城乡消费者追求的目标，以往只有少数人才可以看到的影视作品现在已经成为大宗消费品，遍布各大中小城市，成为人们精神生活的寄托以及茶余饭后的谈资，电影作品已经成为一种潮流文化的象征，日益丰富着我们日常的生活。

2、需求拉动生产，影视作品的数量每年都以惊人的速度增长，影视业的竞争也因此日益增大，制片公司要想生存下去，票房是关键，一部电影的失败就可以葬送一间公司，于是，了解票房的影响因素，通晓市场的偏好，生产大众喜欢的影片，努力为一部电影上市造势，已经成为制片公司的当务之急。

选择本课题的原因

1、影视是一个跟我们的生活息息相关的话题，对它进行深入的研究有助于我们更好地了解生活，另外，影视作品也是我日常生活中比较关注的领域，选择自己喜欢的领域进行研究，有助于在研究过程中保持热情，把项目做得更好；

2、目前学术界里做这个课题的学者很少，这样的话我研究起来会相对自由很多，具有更高的灵活性，毕竟没有来自权威的压力，而且，之前的学者做过的研究，在周密性方面还比较欠缺，课题还有很大的发展空间，于是结合两点，最后选择本课题。

课题的目的和意义

通过研究，找出影响电影票房的因素到底有哪些，并进一步找出它们与电影票房的内在统计关系，为影视公司推出一部电影时的决策提供一些参考，同时可以锻炼自己的分析思考能力以及动手能力，而且，弄清楚哪些因素对票房影响很大而又不能真实反映电影质量，将来自己做决策决定要不要看一部电影的时侯也可以有意识地规避这些因素，从而使决策更有效，不至于花钱花时间去看一部没有价值的的电影了。

二、影响因素分析和解释变量的甄选

影响因素分析

影响电影票房的因素很多，比如说影片自身的质量、影片的排档期、导演、演员的知名度、上映期间的社会环境、天气、海报、预告片质量、放映的场数、票价、是否为续集、进口的还是本国生产的，故事情节、投资、同期竞争影片数量、还有是不是3D的等等。影响因素很多，不大可能全部放进来研究，下面筛选出几个个人认为相对来说比较重要的用作进一步的研究。

解释变量的甄选

1、预告片评分（G）。这应该是一个很重要的影响因素，因为观众选择是否去观看一部电影之前，总会上网了解一下这部电影的大体结构、场面、情节等到底是怎么的，在这里，预告片的质量起了很关键的作用，预告片做得漂亮，有吸引力，到时去观看的观众就多，反之则少，而这直接影响到最后票房的大小，所以在此将预告片的评分作为一个解释变量；

2、海报画面效果（H）。除了预告片之外，观众的决策还经常会受到贴在大街小巷的电影海报的影响，海报画面做得精致，有感染力，到影片上映时跑去观看的人就多，电影票房也就高了，于是也将它作为一个解释变量放到模型里面；

3、与首映的时间差（S）。由于在中国内地上映的电影有很大一部分是从外国进口来的，而电影在两地上映的时间通常都是不同步的，于是就会产生一个上映时间差的问题，或许在过去，有没有时间差都不会影响外国电影的票房，但是现在乃信息时代，互联网技术发达，一部电影从首映那一刻开始，不用多长时间就可以从网上下载来看了，于是在这个过程中就会流失掉一部分买票去看电影的观众，因而降低了电影票房，而且由于电影信息自身的时效性，如果一部电影发布信息之后长久都不上映，观众的热情就会慢慢丧失掉了，等到电影真的上映的时候，观众早就将它忘了，于是电影票房也就大打折扣，所以，这个上映的时间差也应该作为一个解释变量放到模型里面；

4、观众对导演的评分（D）。虽然至今仍然不清楚导演对影片票房的成功作用到底有多大，但是如果没有导演，一部电影最终也不会出现在观众的面前，票房高的电影初步认为趋

向于是由总体评分比较高的导演拍出来的，所以导演也应该是一个重要的影响票房的因素，也放到模型中进行检验。

5、观众对主演的评分（Z）。主观上认为观众是否选择去看一部电影的时候会考虑这部电影是不是由著名演员主演的，是的话就去看，不是的话就不去，但到底这种影响是不是真的很明显，暂时不大清楚，不过本人认为它应该算是一个重要的变量，起码我自己看电影的时候首先看的是有没有我喜欢的演员参演，有的话就会选择去看，因此也将它加入到模型的检验里面；

6、续集（X）。绝大多数情况下，只有好的电影才会拍续集，这就给观众传达一个信息，上一部电影拍得不错，这部电影的质量应该也不错，值得去看，于是，一部电影是不是续集也就成了一个很重要的票房影响因素，在这里续集用虚拟变量表示，1表示该电影是续集来的，0则表示不是续集；

除此之外，可能还有很多的影响因素，不过由于自己掌握到的信息有限，所以暂且使用以上六个作为解释变量来进行模型的设定。

三、数据来源和收集

数据来源

1、电影票房数据。在这个模型中，应变量是在中国内地上映的电影的票房（B）其中07年电影33部，08年电影51部，09年电影22部，总共106个样本。数据来源于以下的外国网站https://www.doczj.com/doc/108781382.html,/，这是一个专门进行票房统计的网站，数据比国内的网站要准确很多。

电影票房数据来源

2、预告片评分（G）、海报画面效果评分（H）、导演评分（D）、主演评分（Z）。的数据来自于时光网上网民的评分（https://www.doczj.com/doc/108781382.html,/）。

3、与首映的时间差（S）。数据同样来自于时光网，结合影片首映和在中国内地上映的时间，整理得出时间差s,亦即延缓上映的时间。

4、影片是否为续集（X）的信息大部分来自于时光网https://www.doczj.com/doc/108781382.html,

5、此外，收集数据过程中还参考了以下网站：

IMDB：https://www.doczj.com/doc/108781382.html,

未来影视网：https://www.doczj.com/doc/108781382.html,/

中国影视库：https://www.doczj.com/doc/108781382.html,

数据收集整理

四、模型的构建

根据之前的分析以及收集到的数据，我初步建立如下的线性方程形式：

B = β0 +β1G +β2H +β3S +β4D +β5Z +β6X +ε

B ：电影票房（百万美元）

G ：预告片的评分（十分制）

H ：海报评分（十分制）

S ：与首映的时间差，即延缓上映时间

D ：观众对导演的评分（十分制）

Z ：观众对主演的评分（十分制）

X ：续集（虚拟变量，1表示续集，0表示不是续集）

五、回归分析和模型的检验、修正

1）回归分析

使用SPSS 17.0 对收集到的数据进行回归分析和F检验、t检验，结果如下

结合上表，我们初步得出方程如下：

F检验的f值为26.360，取5%的显著性水平，可以发现回归系数在总体上的检验是显著的。模型调整的判定系数为0.592，拟合度不算很高，但总体上还不是很差。在5%的显著性水平上对方程（1）的系数进行假设检验，得出如下结论：

通过上表发现，观众对导演以及演员的评分的系数的t检验不显著，而且β5 还有非预期的符号，这个检验结果可能是由于遗漏变量、不相关变量或多重共线性造成的。下面我们将对此进行检验。

2）多重共线性的检验—方差膨胀因子VIF

通过SPSS计算各个变量的VIF后发现它们的取值都较小，小于严重多重共线性的指标VIF ＞ 5 ，所以本人认为模型中不存在显著的多重共线性。

3）遗漏变量

方程中自变量的数目已经很多，而且其他的变量的数据获取很困难，就算拿到了也可能存在极大的误差，所以在这里不考虑遗漏变量的影响，虽然这样会降低方程的准确性，但是在信息有限的情况下，这未尝不是一种选择方法。

4）不相关变量

方程中的观众对导演、演员的评分可能都是不相关变量。下面用模型设定的四个准则进行检验。

1、理论：将观众对导演、主演的评分从模型中剔除掉是合理的：评分高的导演拍出的电影票房通常都比较高，但是也有很多的败笔；而且还有很多票房高的电影不是评分高的导演拍出来的（收集数据过程中发现的规律），这样一来，对导演评分的意义就不大了。对于演员，现在几乎每一部电影（不管成败）都有明星参加演出，他们获得的总体评分都很高，几乎没什么差异，于是这个变量在模型设定中也就没有意义了，何况，不同人的喜好不同，如果自己不喜欢一个人，哪怕他的评分再高，自己还是不会去看他拍的电影，另外就是，经过了二三十年的发展之后，娱乐圈里面可谓明星如云，但到底谁才是真正的明星，这个不好说，结合以上分析，将导演、演员评分踢掉理论上是合理的；

2、t检验：可能的不相关变量的t值分别是－1.19和0.30 ，对于0.30，在任何的显著性水平上都是不显著的，而对于－1.19，在我们正常使用的显著性水平内也是不显著的，而且排除他们后其他变量的t值都变得显著了，于是排除他们；

3、调整的R方：排除变量后，调整的R方增大了（虽然只是增大一点），表示现在的

方程比之前的拟合得更好了，被排除的变量多多少少是不相关的；

4、偏误：分别排除或者同时排除掉观众对导演、演员的评分这两个变量后，剩余变量的系数只是发生了很小的变动，表明即使排除该变量会造成偏误，也是很小的一部分，无关

大局。于是排除它们。

将观众对导演、演员的评分这两个变量排除掉之后重新对模型进行回归，

得出新的方程

B：票房 G：预告片评分 H ：海报评分 X: 续集 S：延缓上映时间

取5%的显著性水平，经过F检验和t检验后发现方程的检验都是显著的，调整的R方为0.594，拟合度也算比较好，而且方程中也不存在多重共线性现象（所有的VIF都小于2），于是，暂定使用此方程，并以此为基础来进行下面的验证工作。

5）序列相关检验—德宾- 沃森d检验

①运用EVIEWS对方程进行序列相关检验，得出D-W值为0.475940 ，给定显著性水平a=0.05，查D-W表，N=106，K（解释变量个数）＝4，得出下限临界值dL=1.62，上限临界值dU=1.80，因为DW统计量为0.475940

电影票房影响因素分析

电影票房影响因素分析 —以中国内地票房数据为例【摘要】本文通过计量经济学上统计分析方法的应用，并结合2007 -2009年的中国内地电影票房数据,对影响电影票房的因素进行了一系列的分析和检验，最终推出电影票房影响因素分析模型，并在此基础上对即将上映的电影进行了票房的预测，以验证模型的实际有用性的大小，在影响电影票房的因素选择上面，由于自身资源的有限，有些因素没有放到模型里面，这可能会导致最终模型跟实际的存在一些偏差，对此，期待各位的指正。【关键字】电影票房、影响因素、模型检验、票房预测 Factors affecting the film box office —Based on the Data of the Chinese mainland box office Abstract：In this paper, with the application of statistical analysis in econometrics, combined with the data of Chinese mainland 2007-2009 film box office, I will do a series of analyzes and testing on factors affecting the films ,then launch the box office influencing factors model ,and predict the box office of the upcoming movie with this model .So as to verify the actual usefulness of the model ,due to the limited resource ,some factors are not included in the model , leading to some deviations between this model and the actual one ,so ,gratefully welcome your corrections . Key words：film box office influencing factors model testing Box office predictions 目录一、课题背景、选题原因及课题意义分析 (2) 课题背景 (2) 选择本课题的原因 (2) 课题的目的和意义 (2) 二、影响因素分析和解释变量的甄选 (3) 影响因素分析 (3)

中国电影票房行业分析报告2017

2017年电影票房行业分析报告 2017年6月出版

文本目录 1、2017 年春节档票房分析 (5) 1.1、2017 年春节档票房情况 (5) 1.2、2017 年春节档实际票房分析 (7) 2、票房走势影响因素分析 (10) 2.1、热门影片积极票补拉升春节档期票房 (10) 2.2、影院渠道加快下沉，三四线城市成重要票仓 (11) 2.3、电影内容质量与口碑将影响票房的后续走势 (15) 3、2017 年电影票房预测 (18)

图表目录图表 1：2016、2017 年春节档电影票房对比（亿元） (5) 图表 2：2016、2017 年大年初一电影票房对比（亿元） (6) 图表 3：2016、2017 年春节档单日票房对比（万元） (6) 图表 4：2017 年春节档实际票房（亿元） (7) 图表 5：2016、2017 年春节档实际单日票房对比（万元） (7) 图表 6：2016、2017 年春节档累计观影人次对比（万次） (8) 图表 7：2016、2017 年春节档平均票价对比（元） (8) 图表 8：2016、2017 年春节档单日观影人次对比（万次） (9) 图表 9：2017 年春节档电影票补宣传 (10) 图表 10：2016 年和 2017 年春节档电影票房预售前三（万元） (11) 图表 11：2015-2017 年春节档各层级城市电影票房收入占比 (11) 图表 12：2015-2016 年各层级城市电影票房收入占比 (12) 图表 13：2015-2016 年年观影用户地域分布 (12) 图表 14：2015 与 2016 年观影用户年龄分布 (13) 图表 15：2016 年和 2017 年春节档票房前三占比 (14) 图表 16：2016 年和 2017 年春节档票房前三电影对比 (15) 图表 17：2016 年和 2017 年春节档大年初一至初六票房走势（万元） (16) 图表 18：2017 年春节档重点电影豆瓣评分 (16) 图表 19：2017 年春节档重点电影票房（万元）走势 (17) 图表 20：2017 年春节档重点电影人均场次走势 (17) 图表 21：2017 年春节档重点电影排片走势 (18) 图表 22：2012-2016 年分账片票房（亿元） (20) 图表 23：2012-2016 年分账片票房占比 (20)

中国电影行业分析报告

中国电影行业分析报告一、中国电影产业环境分析 2013年全国电影票房达亿元，同比增长%，中国电影票房进入200 亿量级的发展阶段；电影投融资空前活跃，电影产业进入黄金发展期，从制作到宣传发行再到影院终端，资本驱动的力量不断显现。上市企业通过资本并购实现资源整合，日渐成为影视资本市场的趋势；而上市公司新片上映前夕，股价出现波动，也是2013 年电影相关资本市场的突出现象。股价与档期内上映影片的市场预期及实际表现形成直接关联，一方面凸显了电影作为特殊的产品，其风险性与市场敏感度更高，另一方面，也反映出相关影视上市公司仍需要积极与市场互动，促使股民对这些文化创意股票形成全面深入的了解，以改变“一片成败定股价”的尴尬境地。随着中国电影创作和生产的专业化、职业化程度不断提升，产业内已经出现的一些积极的、结构性的变化，将会促使电影创作和消费格局发生相应变化，促成电影产业整体升级换代。二、中国电影制片机构市场份额 2013 年，从总票房产出看，中影仍然占据头把交椅，地位从短期内无法撼动。中影2013 年度共有35 部影片上映，产出票房亿元，参与制作影片中有7 部过亿。光线凭借《致我们终将逝去的青春》、《厨戏痞》等“以小博大”的中小成本影片，表现突出，全年共上映影片8 部，共实现票房亿。华谊兄弟今年共有7 部影片上映，产出票房亿，风头不如往年强劲。《私人订制》饱受争议，未达到10 亿预期，《大明猩》、《忠烈杨家将》票房惨败。威秀亚洲、文化中国作为《西游·降魔篇》的制作方，单部影片获得亿元，进入制片机构TOP10。总体上看，2013 年市场份额TOP10 的制片机构名单与2012 年相比有较大的变化，尤其是民营企业市场份额的波动尤为明显，一定程度上说明，中国电影制片企业的发展还不成熟和稳定，与市场发展稳定的好莱坞六大制片公司相比，还存在相当大的差距。三、中国电影投融资分析随着电影产业的蓬勃发展，以及国家对文化产业扶植政策的密集出台，国内外资本开始以组建影视基金的形式，对我国电影、电视剧产业进行投资。从已成立影视基金的LP 群体组成看来，具有影视背景的专业制作公司以及大型文化产业集团是国内影视基金的主要出资人。在提供资金的同时，具有影视专业知识的LP 也可以为影视公司、项目提供更多指导，改善经营，规避项目风险。

猫眼电影APP分析

猫眼电影产品分析报告专业：网络与新媒体姓名：朱宇芬学号：1410050047 指导老师：汪海

目录一．猫眼电影简介 (4) 1.1产品概述 (4) 1.2平台业务 (5) 1.3项目背景 (6) 二．猫眼电影功能界面及活动 (8) 2.1电影界面 (9) 2.2影院界面 (10) 2.3发现界面 (11) 2.4我的界面 (12) 2.5微博、微信平台活动 (12) 三．运营模式与盈利模式 (13) <一>商业运营模式 (13) <二>盈利模式 (16) 四．猫眼电影市场分析 (18) ４.１SWOT模型分析： (18) 4.2目标群体 (19) 4.3市场占有率 (21) 4.4与同类应用比较 (21) 五．发展前景与个人心得 (22) 5.1发展前景 (22) 5.2个人心得 (23) 六．结束语 (24)

一．猫眼电影简介 1.1产品概述猫眼电影LOGO 产品简介猫眼电影原名“美团电影”,由美团网于2012年2月推出。2013年1月，美团电影更名为猫眼电影。猫眼电影是美团旗下的一家集媒体内容、在线购票、用户互动社交、电影衍生品销售等服务的一站式电影互联网平台。具有各种影院影票信息查询,团购影票,在线座位提早预订等功用。提供超过 4000 家星级影院的交通指南、团购优惠及电子兑换券信息。猫眼电影中有详尽丰富的影讯，经典捧腹的影评，高清抢先预告片，一切尽收眼底。影院排期实时查询，随时随地定位附近影院。影院自助

取票机，二维码扫描，方便快捷，从此让用户远离排队烦恼。产品定位在美团电影票团购的基础上，提供用户能够线上购买打折电影票的平台，同时以电影这个主题集聚更多除了美团以外的用户。提供给了年轻人网上购票的一个全新的渠道。创始人猫眼电影（美团网）创始人王兴，也是校内网（现为人人网）、海内网、饭否网创始人。 1.2平台业务 ①参与投资美团公司会根据市场调查研究来自行选择一些有卖点的电影，自己做电影在线售卖平台，自带千万级宣传资源，参投优质电影项目。 ②影片发行相比传统的电影发行渠道，在线售票做电影发行有着更直接、透明、高效的优势，和观众、钱包之间的距离也要近得多，再加上接地气的地推团队，由O2O在线发行模式，线上精准运营，锁定票房。 ③精准投放

中美电影票房发展分析报告

中美电影票房发展分析报告中国继续领跑海外票房银幕数增长迅猛&人均年观影逼近1次过去一年，由于美元升值，以及中国电影票房的增长陷入瓶颈，海外票房（北美以外的全球票房）变得停滞不前。幸亏北美票房2%的年增长最终带动全球票房有些了些微的发展。中国票房赶超北美仍任重道远。日前，美国电影协会（MPAA）发布了2016年全球电影市场数据报告，以北美影市数据为核心解析了去年全球电影市场的变化。在中国票房增速放缓之际，全球票房的发展也几乎陷入了停滞。 2016年，全球票房386亿美元，较2015年增长1%。其中，2016年北美票房114亿美元，较2015年增长2%；海外票房272亿美元，与2015年持平（2016年中国内地票房457亿人民币，约66亿美元，领跑海外市场）。美元升值和中国票房增速放缓是导致海外票房零增长的两个重要原因。作为全球最具潜力的电影市场，票房赶超北美一直是中国电影产业最重要的目标之一。回首2016年的成绩，中国影市距“世界首位”还有不小的差距，这些差距可能并非短时间内能跨越的。

票房赶超北美？银幕等硬件条件具备影片数量等软实力欠缺过去一年，全球银幕数增长8%，达到164000块。其中数字银幕数增长17%，巨幕数增长11%。亚太地区仍是全球银幕数增长最快的地区（中国是亚太银幕数增长最快的地区），2016年增幅达到18%。作为亚太电影市场的核心，截止2016年年底，中国内地总银幕数达到41179块，超过美国。这给中国票房赶超北美提供了“硬件基础”。但在上映影片数量，人均观影次数，平均票价等方面，中国影市无疑劣势明显。 2016年北美上映电影718部，较2015年增长1%。2016年，北美大约2.46亿（占总人口的71%）观众曾走进过影院，较2015年增长2%。其中，每月观影超过1次的影迷型观众仍是北美观众的主力——去年北美卖出的13.2亿张电影票中，影迷型观众消费了48%。根据电影专资办统计，在2016年，中国内地上映电影约450部，其中进口片92部（在进口片数量方面，中国仍显落后。2015年韩国上映本土电影257部，引进进口片945部，最终本土影片票房占比52%，小胜进口片。而一年引进进口片92部在中国已是历史之最，这92部进口片

中国电影产业票房影响因素探究

一、引言自2002年国家把发展文化产业作为一项国策以来，中国文化产业的快速成长在拉动国民经济发展、促进文化繁荣、带动社会进步和应对国际竞争等方面发挥着越来越重要的作用，对于全球化文化背景下维护国家文化安全和应对国际文化市场挑战具有关键性的作用。在中国的文化产业结构中，影视产业一直是中坚力量，占据着近半壁江山。回顾近几年我国电影产业发展历程，可发现国产电影一直在保持着螺旋式上升的趋势。我国电影产业已经连续十几年保持增长态势，并且在2009年实现华丽蜕变，成为在金融危机中逆势上扬的典型代表，全年共有11部电影票房过亿。然而在2010年国产电影不敌国外大片，上映比例走到低谷。到了2012年，国产电影发展迎来转折点，并以此为分界，国产片产出量从稳步增长变为减量减速，从数量竞争正式开始进入票房竞争阶段。到了2015年，在消费的带动下，中国电影产业规模达到了1000亿元，全年上映电影449部，票房达到438.74亿元，其中国产电影的票房占到总额的62%，平均每部国产片的票房达到8138.6万元。中国逐渐由电影大国向电影强国转变。作为电影产业链的最后一环，院线上映是衡量影片投资与回报的基本因素电影。由于其较大的商业性质，票房总收入是衡量一部电影是否成功最直观的度量标准。虽然在好莱坞等电影产业发达地区，票房收入只占电影总体收入一部分，银幕上的突出成绩并一定代表电影自身的成功[1]，但对于中国这一还在发展中的电影产业而言，影片的票房成绩仍然是最重要的因素。二、文献综述关于电影票房的研究方面，国内外可以分为三类，第一类是基于西方传

媒经济学理论对电影产业和票房之间关系的探讨，第二类对电影票房的预测，第三类则是影响因素的分析。西方相比较我国电影产业发展较早，因此对票房研究也相对更加成熟以及具有前瞻性，其中影响因素方面大量运用了实证模型进行分析。具体来看，主要有以下一些成果。 Barry Litman（1989）开启了西方电影票房研究的先河，最先建立电影票房影响因素的研究模型，由于当时票房数据较难获得，因此在其模型中，以1981-1986年电影租金收入作为因变量，将具体影响因素分为创意、发行/上映以及电影营销三大方面，通过层次回归分析得到导演以、明星以及续集有着显着的正向影响，科幻片能正面影响而剧情片则产生负向影响[2]。在这之后，部分西方学者继续按照Litman的研究模型进行相应改进延续其的研究思路，还有一部分学者则开始对电影票房具体影响因素进行分类研究。主要集中在明星影响力以及口碑等方面，研究结论也有着一定分歧，其中Ravid(1999)发现明星影响力对票房并没有显着作用[3]，而Levin和Heath （1999）通过对测试者发现观众对知名演员出演的电影有着很强的好感，电影评论家也会因此减轻对其批评[4]。Elberse（2007）则用超过1200组明星阵容在好莱坞股票交易市场模拟与票房的关系发现能够显着增加票房收入[5]。06年之后随着Twitter等社交网络的崛起，对于网络口碑的研究开始增多，McKenzie(2009)发现口碑的效价会显着影响数量并进一步对票房产生显着作用。Henning（2014）等人进行了Twitter效应的测试，得到用户的口碑评价会对其他潜在观众的接受度产生负面偏向。我国学者方面，对电影票房的研究起步较晚，前些阶段主要是从艺术理论角度对单独某部电影的定性案例分析上面。直到2009年我国逐渐开始进

影响电影票房的因素

第二章影响电影票房收入的主要因素票房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一项重要指标。关于票房的影响因素多种多样，总结以下几点可寻： 1.影片自身质量的影响因素对于普通老百姓来讲，去不去花钱看一场电影不在乎电影的来源和专家们一个专业名词接着一个专业术语的炮轰，什么叙事方式，音乐舞美，布置手段都算不上吸引力。真正的观念在于好看不好看，能不能得到市场的认可。上座率的爆满就是好看，票房成绩必然会火，否则，再特别、再费尽心思制作出来的电影也只能被评为烂片。那怎样的一部电影才能称为好看的电影呢，首要的关键点就是电影自身的质量的过硬。一部好看电影的制作之初考虑最多的应该是观众的心理，观众的口味和欣赏角度。电影只有短短几个小时，呈现在观众面前的荧幕影像集合了制作团队的所有智慧与汗水，由此可见团队的实力和制作水平决定了电影的水准和票房收入。团队的素质高低，人员的配合程度，导演和主演的票房号召力大小是电影吸引力主要原因，在电影的开拍前期，剧组人员的责任心，技术含量甚至于体能都是关系到电影拍摄的进度和影片制作精美度，在拍摄的中期，选择拍摄地的选择，制作团队和演员的互相配合非常重要，在电影制作的后期中，更凸显了高技术、高创意的优势。将每个环节紧紧的联系在一起，才能把我好影片的制作和做到票房成功的基础。 1.1剧组工作人员的自身素质自身素质主要是指政治素质、文化素质、身体素质，涉及到事业心和责任感。剧组工作人员的自身素质从根本上影响着影片拍摄的进程，剧组内的任何一个曾经为影片付出过努力的员工都是影片所蕴含的表现因素之一，员工为影片所作出的服务优劣完全可以从影片上表现出来。比如，一些剧务、场务不负责任就会导致镜头穿帮，记错通告时间玩忽职守会耽误影片的正常拍摄进程。一个人的失误或许不算什么，但是这个失误所带来的连锁反应是难以预料的，同时也并不是这一个人能承受得起的。所以提高工作人员的自身素质，是从最基础的点出发，做好每一点才能有面的进展。 1.2实地拍摄与后期制作中国地大物博，有着无限的自然风光和文物古迹，我们这个有着五千年灿烂文明历史和深厚文化底蕴的民族，正在向全世界展示着她源远流长的优秀历史传统和彰显着她

中国电影行业分析报告

电影票房收入影响因素的实证分析

2013年上半年国内电影票房影响因素的实证分析 1. 引言现在的电影已经不再简单的最为娱乐消遣了，在往年的数据中，电影票房为经济的增长做出了巨大的贡献。2013年开始截至6月30日，内地票房总数超过了108亿，同比增长33.8%，国产片票房突破67亿，超过进口片20多亿。上半年票房排行榜前十名中，国产片占据四席，《西游降魔篇》以12.45亿的成绩毫无悬念成为冠军。中国内地电影市场可以说相当红火，2012年底的《人再囧途之泰囧》和2013年开始的《西游降魔篇》票房大卖，致使今年的电影市场再度升温。据中国电影发行放映协会的统计，今年1至2月，全国观众人次突破1亿，票房累计约37.5亿，高出2012年前3个月的总和37.2亿。电影现在确实成为了一个特别热门的消费品。电影产业的收入其中很大一部分来自电影票房，电影票房的高低成败，直接影响着电影后续周边商品的开发与营销，针对电影票房的影响因素，本文采取了2013年开始截至6月30日期间在国内大范围上映的28部电影，基于调查数据讨论投资力度、上映档期、影评分数及导演影响力与电影票房收入之间的定量关系，并对回归方程进行恰当的解释，以期对理解理解票房收入的影响因素有所帮助和启发。 2. 研究框架 2.1研究设计本文的研究设计如图1所示：大部分观众普遍会有名导效应，认为优秀的电影成就优秀的导演，反之优秀的导演一定会拍优秀的电影，一位著名的导演的风格、水准、制作班底等都会影响着影片的质量，介于此种心理，影片是否出自名家之手也是其卖点之一。，导演影响力对电影票房的显著影响源于我国电影生产中的导演中心制，即在影片生产的全过程中，导演是最核心的创意人员，掌握着影片的艺术创作领导权，导演的职能和权限远远超越了创意范畴，成为拥有投资立项、资金使用、决定演员任用等多种大权在握的核心人物。观众可能对电影中的导演、偶像、演员阵容、演

银幕数与电影票房的相关分析

统计分析报告学生姓名：陶星佑指导老师：邓蕾学号：20132485 专业：工业工程重庆大学机械工程学院2015年12月

影院建设与电影票房收入的相关性分析一．背景分析中国电影市场正在进入飞速发展的阶段，电影产业的票房收入逐年递增。我们在研究电影市场迅速发展的原因时，经济的发展，消费者可支配收入的增加，影片类型的丰富往往被视作是主要原因，而电影产业基础设施的完善往往被人忽略。对于消费者而言的，其消费需求远远还没有得到满足，提供更多的观影机会和更高的观影体验能够有效的刺激消费者的需求，从这个层面上讲，电影行业的基础设施建设对于票房收入的影响至关重要。电影产业的发展离不开电影产业基础设施建设，基础设施建设又以影院建设为主。本文将就影院建设与电影票房收入之间的相关性问题展开分析。二．数据描述 2.1中国电影产业数据分析我们将影院数量与银幕数作为考量的的两个因素，表2-1和图2-2描述了2006-2014年影院建设与电影票房收入的发展情况。

表2-1

图2-2 由表2-1和图2-2可知：（1）从2006年至2014年，整个电影行业发展速度较快，影院数量，银幕数，票房收入快速增长。（2）影院数量和银幕数在2010-2011年间呈现爆发增长态势，票房收入在2009-2010年间呈现爆发增长态势。这是市场滞后性的一个体现。（3）从体量上看，中国电影行业在基础设施和票房收入上都已达到了一定的规模，电影市场总体趋于成熟。（4）票房收入增长率的波动较大。影响票房收入的不稳定因素较多，票房收入预测难度较大。 2.2中美电影产业数据对比

基于数据挖掘的电影票房分析

2019年3月基于数据挖掘的电影票房分析席稼玮（陕西省西安市高新唐南中学，陕西省西安市710000）【摘要】在电影产业迅猛发展的今天，票房直接反映了一部电影所带来的经济效益，也是衡量一部电影成功与否的重要指标，因而对电影票房进行分析和预测来辅助电影投资和排片十分必要。本文选取了2015~2017年三年的电影数据，通过建立C5.0决策树模型，分析了类型、档期、发行公司、国家地区等八个重要因素对电影票房高低的影响，构建了电影票房预测模型。在此基础上，本文也对这些影响因素进行了关联规则分析。通过实验分析，得出了诸多有意义的结论，如制式是影响票房的关键因素。此外，结果表明，本文构建的预测模型效果良好，可将其用于电影票房预测。【关键词】电影票房；数据挖掘；分类预测；决策树；关联分析【中图分类号】TP311.13【文献标识码】A【文章编号】1006-4222（2019）03-0317-03 1引言随着人们生活水平不断提高,我国影视行业发展迅速,成为全球第二大电影市场,同时也是增长最快的市场之一。据中国新闻出版广电总局调查显示,2017年全国电影总票房已经超过550亿[1],这说明中国电影产业有着良好的发展前景。然而,电影行业本身的高风险性和社会环境的多样性也为电影票房带来许多不确定因素,高投入低票房低收益的电影案例也屡见不鲜,如2016年上映的《封神传奇》斥资5亿,却只收获2.84亿的票房。因而,研究电影票房的预测模型和相关影响因素对电影投资和排片的决策有着至关重要的指导性作用。电影作为一种特殊的生存期短的商品,对其票房的预测难度非常大。然而,电影在制作和宣传过程中的高成本、高风险使得对电影票房的预测至关重要。吴发翔等[2]选取了2015年上映的200部国产电影作为实验数据,通过观众期待度、电影自身影响度、同期竞争力等作为预测因变量,提出了基于决策树C5.0的票房预测模型。郑坚等[3]选取2008~2010年之间192部国产电影作为数据集,提出了一种基于多层反馈神经网络的票房预测模型。王炼等[4]选取了2011年上映的211部电影进行分析,提出了基于网络搜索的票房预测模型。对比这些现有的票房预测研究[5],他们选取的数据集多为2016年之前,缺乏时效性。此外,他们并未将电影制式作为影响票房的因变量因素进行分析。基于此,本文将2015~2017三年间在中国内地上映的所有电影票房数据作为实验数据,选取了类型、档期、发行公司、国家地区、制式、导演影响力、主演影响力、同期竞争力八个影响因素,对电影票房进行了分类分析和关联规则分析,建立了电影票房预测模型。本文选取的实验数据具备很强的时效性,覆盖度广,同时创新性地选取了电影制式作为因变量影响因素,对电影票房预测模型的研究具有非常重要的意义。 2数据选择和处理数据的选择和处理作为数据分析的重要组成步骤,会直接影响到数据分析的结果。 2.1数据选择本文选取了2015~2017三年的电影票房数据,与其他已有的电影票房预测模型相比,具备很强的时效性和适用性。本文抓取的电影数据来源于中国票房网(https://www.doczj.com/doc/108781382.html,/),中国票房网是电影票房统计官方网站,提供详细的电影相关信息,保证了数据的权威性、准确性和完整性。本文预测的目标变量为电影票房,预测的因变量为电影票房的八个影响因素(详见第3章)。 2.2数据处理本文的数据预处理分三个部分:异常处理,如,对空数据通过其他途径得到并进行填充或者直接剔除;数据去重,对重复数据进行删除;字段处理,统一每个字段的格式和类型,仅保留有效字段。 3电影票房的重要影响因素电影票房预测对于降低电影的投资风险至关重要。电影票房预测模型的好坏很大程度上取决于电影票房影响因素的选择。电影自身的影响力决定了这部电影的质量和口碑,而质量和口碑影响着电影的后期票房。主创团队影响力影响的则是观众对电影的期待度,这会影响电影的前期票房。基于此,本文主要从电影自身影响力和主创团队影响力这两方面出发,研究了类型、档期、发行公司、国家地区、制式、导演影响力、主演影响力和同期竞争力对电影票房的影响。 3.1类型不同类型的电影有不同的受众群体,不同的群体又具有不同的消费水平。例如动画类电影,观影人群大多为儿童,相对其他群体来说人数较少,且消费水平较低,因此会对票房产生一定影响。本文将电影的类型通过离散化分为12类,分别为爱情、灾难、艺术、恐怖、战争、记录、动画、喜剧、科幻、奇幻、动作、剧情,分析了类型对票房的影响。 3.2档期从某种程度上来说,档期是电影的纵向市场。一年中的不同时段,人们的观影需求和消费能力有明显差异,比如节假日通常会比非节假日的观影需求要大得多,进而影响票房。本文将数据进行了离散化处理,将档期分为5类,分别为五一档(4.27-5.10)、暑期档(7.1-9.1)、国庆档(9.27-10.10)、贺岁档(12.26-次年2.1)和其他。 3.3发行公司好的电影发行公司一般具有专业的制作团队,先进的技术条件和雄厚的资本积累,是电影票房的潜在保障。本文对数据进行了离散化,通过调研和总结,将制片公司分为3类:好莱坞八大电影公司、中国十大电影公司和其他。其中,好莱坞八大电影发行公司包括:华纳兄弟公司、米高梅电影公司、派拉蒙影业公司、哥伦比亚影业公司、环球影片公司、联美电影公司、20世纪福克斯电影公司、迪士尼电影公司,而中国八大电影发行公司包括:中影CFGC(中国电影集团公司)、光线传媒(北京光线传媒股份有限公司)、华谊兄弟(华谊兄弟传媒股份有限公司)、博纳影业BONA(博纳影业集团股份有限公司)、上影(上海电影(集团)有限公司)、万达影业(大连万达集团股份有限公司)、乐视影业(乐视网信息技术(北京)股份有限公司)、寰亚(香港寰亚综艺集团有限公司)、论述317

【电影统计】电影票房最全数据,你想知道的这里都有!

【电影统计】2016年电影票房最全数据，你想知道的这里都有! 457亿，2016年中国电影市场遭遇了十年来增速最缓慢的一年。据国家新闻出版广电总局电影局数据显示，2016 年全国电影总票房达到457.1亿元，较2015年440.6亿的成绩微涨16.4亿，同比增长3.73%;城市院线观影人次为13.72亿，同比增长8.89%。近年来，伴随着电影产业突飞猛进地发展，票房从2001年的不足10亿人民币发展到457亿的数字，换言之，时隔14年，中国电影票房翻了47倍，跃居成为全球电影市场的第二位。与此同时，去年全国银幕总数达到41179块，我国成为世界上银幕数最多的国家。但是，自2003年起年度总票房一直保持平均35%的增长率，2016年未如预期般猛增，只是略高于2015年总票房，这一成绩虽让不少电影人与投资者松了口气(至少2016年的票房不至于零增长甚至负增长)，但或许大多数资本与业内对此都不尽满意。2016年连续三个季度的票房下滑以及全年涨幅明显放缓，曾一度被业界实为电影市场的"拐点"与"调整"。专家认为，去年是中国电影"跌宕起伏"的一年，观众欣赏水平与观影要求不断提高，电影创作体系发生改变，国产片的工业化进程未完善，电商票补潮退却等多个原因都值得深思，"2015年的49%的增速实际上是在一个不正常也不合理的增

长方式下达到的，泡沫挤出后，不可能继续保持过猛的增幅，总会有放缓的阶段，只是今年突然增幅大减让很多人出乎意料。"也有院线经理算了这样一笔账，"2014年全年票房为295亿，如果按照20%到25%的增幅来算，2015年顶多就330亿，2016年460亿左右属正常增幅，并不是说大盘低迷，市场变冷，而是票房数据回归理性。" 对此，新京报采访多位业内人士，独家梳理2016年电影票房表现，罗列重点数据，盘点影片表现，总结影院成绩及发展走向、各影业公司业绩及热门电影事件，回归2016年，预估2017年影市走向。(以下所有制图:新京报孙嘉潞)1、总票房数据综述从2011年到2016年的票房走势可以看出，近十年来年度票房的增速均在30%以上，尤其是2015年总票房达440亿元，大约是2014年票房的2倍，增幅达49%。2016年的票房并未如预期增长，直到12月23日，全年票房终于突破了440亿元的纪录，最终电影总票房虽高于2015年，但也只是稍稍高出，不仅低于业内预期，更让年初喊出的"总票房破600亿"的目标落空。尤其从放映场次来看，在票价相差无几情况下，2016年比2015年多放映了2000多万场，但票房只多出不到20亿，可见整体上座率是如何之低。反观北美影市，2016年北美上映电影724部，票房累计达112.5亿美元，这个成绩与去年基本持平。纵观历史，多年来成熟的

中国电影院线票房影响因素的分析

中国电影院线票房影响因素分析摘要：中国电影市场的发展逐步进入快车道，院线制改革既是原因，也是整个市场的代表，本文首先排除了影响票房的院线性质，人为主观等因素，而后利用spss软件从规模、数量、集中度等几个方面对院线进行定量分析，从而了解我国电影院线的概况，并得出影响院线票房的主要因素，计算相关回归方程，提出相应建议以促进我国电影产业发展。关键词：电影院线；票房收入；电影产业综述电影院线简称“院线”，英文全称“theater chain”,是指以影院为依托，以资本和供片为纽带，由一个电影发行主体和若干电影院组合形成的一种电影发行放映经营体制。院线对旗下影院实行统一品牌、统一排片、统一经营、统一管理。中国院线制成立于2002年，院线制的成立结束了中国50多年以来按行政区域供片，按省、市、县逐级层层发行的计划经济体制下的发行放映模式，而代之以发行方直接向院线发行影片、院线统一向旗下影院供片的发行模式。由于院线制减少了发行环节、提高了发行效率，并引入了竞争机制，因此院线制成为中国电影产业发展的主要助推器，直接将中国电影产业导入了“快车道”。正是因为院线制对于我国电影产业的推动作用十分明显,所以本文旨在通过对我国2010年电影院线现状和特点的分析，得出影响电影院线票房的主要因素，利用spss软件计算有关回归方程，并检验方程有效性，最后根据分析结果提出相应建议以促进我国电影产业的发展。

一、研究我国电影院线的意义 2010年，中国票房呈现井喷式的增长，全年票房为101.72亿元，较2009年增长63.9%。共有约260部国产片在影院放映，占年电影总产量的49.4%，而2009年只有30.7%的国产片，即140部，可以最终进入院线。上映国产影片数量的提高一方面说明2010年中国国产片的整体质量较前几年有所改善。另一方面也说明中国电影制、发、放三个环节已逐渐形成整合性的产业链条；电影产品从制片到发行，再从发行到放映的运作过程中“断链”的情况有所减少。 2010年中国院线市场发展达到了新的高度，万达院线、星美院线、上海联合院线的年度票房超过10亿元，而年度票房超过亿元的院线达到20条，比例超过全国注册院线的一半，而全国前十名的院线最低门槛达到3亿元。 2010年中国的影院数和银幕数继续保持了高速增长态势。2010年全国院线范围内新增影院313家，总数达到2000家；新增银幕1533块，平均每天增加4.3块，全国银幕总数达到6256块，银幕数的增加为国产影片提供了更多的放映空间。此外，2010年中国的数字银幕突飞猛长，也正是其发展保证了100亿票房实现的可能。2010年全年新增或改造的2K数字银幕约2500块，总数达到4100块，数量仅次于美国，位居世界第二。院线和银幕的增加，使中国电影的流通渠道更加方便快捷，利于更好的激活中国的电影市场，促进电影产业的发展。因而，研究院线票房的现状和发展特点对于我们了解我国电影市场乃至整个电影产业都是十分必要的。二、对我国电影院线的研究分析（一）院线现状分析 1、院线规模 2010年中国院线市场发展达到了新的高度，万达院线、星美院线、上海联合院线的年度票房超过10亿元，而年度票房超过亿元的院线达到20条，比例超过全国注册院线的一半，而全国前十名的院线最低门槛达到3亿元。

影视行业市场分析报告

2016年影视行业市场分析报告【最新资料，WORD文档，可编辑】目录一行业简介 1定义 2大电影产业链包含的主体与收入构成 3电影产业三个环节:制片、发行和放映 4中国电影的票房分账二行业生命周期分析 1市场增长率、需求增长率 2产品的技术水品发展 3总结三行业市场结构分析 1供需关系 2行业竞争者 3市场集中度四行业竞争格局分析 1行业中现有企业的竞争格局 2供应链分析 3产业格局的发展五行业发展的影响因素 1行业的发展环境 2中国电影行业的发展趋势 3中国电影行业的投资机会 4其他可能存在的风险 5典型企业的分析引言随着中国经济的发展和文化体制改革的不断深入，中国影视行业的监管体制正在由单一计划经济的监管体制逐步转向市场经济的监管体制。作为文化娱乐市场重要组成部分的影视剧市场连续多年保持持续增长，各类社会资本逐渐进入影

视制作行业，除原有的国有资本主导的影视剧制作市场外，民营资本、外资也相继进入影视制作行业，一方面促进了影视行业的良性发展，一方面加剧了影视行业的市场竞争。2009年随着广电总局逐渐加大对外资影视公司进入中国市场的开放力度，并陆续出台《电影企业经营资格准入暂行规定》、《中外合资、合作广播电视节目制作经营企业管理暂行规定》等政策，资本市场尤其是国外资本对中国电影产业的关注极大程度的缓解了中国电影产业资金匮乏的问题，为充满巨大活力的中国电影市场注入了新的发展动力。一、行业简介 1、定义：电影产业链是指在市场经济时代和产业格局下，以电影产品为核心，以其形成到最终消费所指涉的具有上下游关系的各个功能主体的集合。传统意义上的电影产业链是指包括电影创作（制片）、发行、放映（简称“制-发-放“）的一体化流程。而广义的电影产业链即“大电影产业链”，则在原有产业链前后端进行延伸，前端加入电影投融资，后端加入电影衍生产品（如音像制品、广告、游戏）和拓展其他放映渠道（如在有线电视、MP4、网络等媒介播放）。广义的电影产业链突破了影院的空间，使电影经济超越了传统的票房经济并在明星经济、广告业、唱片业、游戏业等相关行业里辐射出持续的经济能量。 2、大电影产业链包含的主体与收入构成如下：主体构成：内容提供商（制片商、外包内容供应商）、发行商、组织渠道商（院线/影院）；收入构成：票房收入、广告收入、衍生品开发收入、转播收入、网络版权收入等。 3、电影产业分为三个环节：制片、发行和放映：制片：有投资意愿的制片商投入资金、设备及人力等必要资源，然后剧组根据剧本进行分镜头拍摄，再经过一系列后期制作合成标准拷贝与复制要发行的拷贝，影片成品完成。此过程统称为“制片”。制片都作为电影版权拥有者以票房分账和出售各种版权获得收益。

2017年电影票房市场分析报告

2017年电影票房市场分析报告 2017年6月出版

图表目录图表 1：2016、2017 年春节档电影票房对比（亿元） (5) 图表 2：2016、2017 年大年初一电影票房对比（亿元） (6) 图表 3：2016、2017 年春节档单日票房对比（万元） (7) 图表 4：2017 年春节档实际票房（亿元） (7) 图表 5：2016、2017 年春节档实际单日票房对比（万元） (8) 图表 6：2016、2017 年春节档累计观影人次对比（万次） (9) 图表 7：2016、2017 年春节档平均票价对比（元） (9) 图表 8：2016、2017 年春节档单日观影人次对比（万次） (9) 图表 9：2017 年春节档电影票补宣传 (10) 图表 10：2016 年和 2017 年春节档电影票房预售前三（万元） (11) 图表 11：2015-2017 年春节档各层级城市电影票房收入占比 (11) 图表 12：2015-2016 年各层级城市电影票房收入占比 (12) 图表 13：2015-2016 年年观影用户地域分布 (12) 图表 14：2015 与 2016 年观影用户年龄分布 (13) 图表 15：2016 年和 2017 年春节档票房前三占比 (14) 图表 16：2016 年和 2017 年春节档票房前三电影对比 (15) 图表 17：2016 年和 2017 年春节档大年初一至初六票房走势（万元） (16) 图表 18：2017 年春节档重点电影豆瓣评分 (16) 图表 19：2017 年春节档重点电影票房（万元）走势 (17) 图表 20：2017 年春节档重点电影人均场次走势 (17) 图表 21：2017 年春节档重点电影排片走势 (18) 图表 22：2012-2016 年分账片票房（亿元） (20) 图表 23：2012-2016 年分账片票房占比 (20)

猫眼电影APP分析

猫眼电影产品分析报告专业：网络与新媒体：朱宇芬学号：1410050047 指导老师：汪海

目录一．猫眼电影简介 (3) 1.1产品概述 (3) 1.2平台业务 (3) 1.3项目背景 (4) 二．猫眼电影功能界面及活动 (5) 2.1电影界面 (5) 2.2影院界面 (6) 2.3发现界面 (7) 2.4我的界面 (7) 2.5微博、微信平台活动 (7) 三．运营模式与盈利模式 (8) <一>商业运营模式 (8) <二>盈利模式 (9) 四．猫眼电影市场分析 (9) ４.１SWOT模型分析： (9) 4.2目标群体 (10) 4.3市场占有率 (11) 4.4与同类应用比较 (11) 五．发展前景与个人心得 (12) 5.1发展前景 (12) 5.2个人心得 (12) 六．结束语 (12)

一．猫眼电影简介 1.1产品概述猫眼电影LOGO 产品简介猫眼电影原名“美团电影”,由美团网于2012年2月推出。2013年1月，美团电影更名为猫眼电影。猫眼电影是美团旗下的一家集媒体容、在线购票、用户互动社交、电影衍生品销售等服务的一站式电影互联网平台。具有各种影院影票信息查询,团购影票,在线座位提早预订等功用。提供超过4000 家星级影院的交通指南、团购优惠及电子兑换券信息。猫眼电影中有详尽丰富的影讯，经典捧腹的影评，高清抢先预告片，一切尽收眼底。影院排期实时查询，随时随地定位附近影院。影院自助取票机，二维码扫描，方便快捷，从此让用户远离排队烦恼。产品定位在美团电影票团购的基础上，提供用户能够线上购买打折电影票的平台，同时以电影这个主题集聚更多除了美团以外的用户。提供给了年轻人网上购票的一个全新的渠道。创始人猫眼电影（美团网）创始人王兴，也是校网（现为人人网）、海网、饭否网创始人。 1.2平台业务 ①参与投资美团公司会根据市场调查研究来自行选择一些有卖点的电影，自己做电影在线售卖平台，自带千万级宣传资源，参投优质电影项目。

大数据分析技术应用揭秘谷歌票房预测模型

大数据分析技术应用揭秘谷歌票房预测模型发布时间：2013-06-18 17:32 来源：锐艺网作者：史源艺恩网转载本文只以信息传播为目的,不代表认同其观点和立场「导语」近日，谷歌公布了一项重要研究成果–电影票房预测模型。该模型能够提前一个月预测电影上映首周的票房收入，准确度高达94%。这在业内引起了强烈讨论，不少内人士认为该模型非常适合好莱坞电影公司通过预测票房来及时调整电影营销战略，但同时也有吐槽者暗示谷歌的票房预测模型别有用心，旨在鼓动电影公司购买其搜索引擎广告。那么，孰是孰非，谷歌票房预测模型以及大数据在电影行业的应用是嘘头，还是大有来头，让我们来一探究竟。「谷歌票房预测模型的基础：电影相关的搜索量与票房收入的关联」谷歌的票房预测模型是大数据分析技术在电影行业的一个重要应用。随着互联网的发展，人们越来越习惯于在网上搜索电影信息。据谷歌统计，从2011到2012年，电影相关的搜索量增长了56%.谷歌发现，电影相关的搜索量与票房收入之间存在很强的关联。图1显示了2012年电影票房收入（红色）和电影的搜索量（灰色）的曲线（注：本文的所有图片均引用自谷歌的白皮书：Quantifying Movie Magic with Google Search）。可以看到，两条曲线的起伏变化有着很强的相似性。

图1. 2012年票房收入与搜索量的曲线（红色是票房收入，灰色是搜索量，横轴是月份，纵轴是数量）更进一步地，谷歌把电影的搜索分成了两类： I. 涉及电影名的搜索（Movie Title Search）； II. 不涉及电影名的搜索（Non-Title Film-Related Search）。这类搜索不包含具体的名字，而是一些更宽泛的关键词搜索，如“热门电影”、“爱情片”、“好莱坞电影”等。图2显示了票房收入与这两类搜索量之间的关系。从图上可以看到，大部分情况下，第I类搜索量超过第II类搜索量。但在电影淡季的时候（图中灰色椭圆区域，这时候票房收入较低），第I类搜索量会低于第II类搜索量。这符合常理，因为在淡季的时候知名度高的电影很少，人们往往用更宽泛的搜索来寻找想看的电影。图2. 2012年票房收入和两类搜索量的曲线（红色代表票房收入，蓝色代表第I搜索，灰色代表第II类搜索，横轴是月份，纵轴是数量）这一发现对电影的网络营销来说有一定的指导意义：在淡季的时候，电影公司可多购买相对宽泛的关键词的广告，而在旺季的时候，多购买涉及电影名的、更具体的关键词的广告。