中国电影市场数据回顾
2015年度
（以下数据回顾如无特殊标注，数据均基于艺恩咨询原始数据汇总计算）
2015年全国票房
亿元2015年全国观影人次
亿人次
44012.6
票房、观影人次加速增长
102131171
217
296
440201020112012201320142015同比
增长
50%2.86 3.57
4.67
6.10 8.312.6
201020112012201320142015
2010-2015年全国票房（亿元）2010-2015年全国观影人次（亿人次）
+36%
+49%
+36%+52%
2015年票房过亿城市数量2015年票房过10亿省市数量7616个个
票房过亿城市数量稳步增长
新增22个票房过亿城市，总计票房全国占比81%
票房过亿城市
总计票房占全国比重69%77%77%73%322011年372012年482013年542014年票房过亿
城市数量
81%76
2015年
票房过亿76城市详情
排名城市票房(万)人次(万) 1北京315,1167,165 2上海293,6926,802 3广州186,5554,611 4深圳180,0874,339 5成都143,8444,143 6武汉128,9043,954 7重庆124,8643,764 8杭州111,5533,021 9南京89,6972,475 10苏州87,8582,668 11西安81,0872,466 12天津67,6812,097 13宁波63,6781,797 14郑州62,9161,943 15沈阳60,7101,925 16无锡56,8081,656 17长沙56,6671,569 18东莞54,5201,602 19佛山51,4601,533 20福州51,1961,334 21大连49,5281,526 22合肥47,5011,531 23昆明47,2891,296 24哈尔滨45,7721,246 25长春44,5951,264 26青岛39,9051,177排名城市票房(万)人次(万)
28南宁37,212987
29南昌36,6241,043
30常州35,4481,146
31温州35,020890
32济南32,879992
33金华31,966878
34石家庄31,700941
35南通31,1281,027
36太原28,123771
37贵阳27,811729
38绍兴25,694755
39嘉兴25,537722
40泉州24,998703
41台州24,628728
42兰州23,583726
43海口23,129627
44中山22,798630
45扬州21,886700
46惠州21,684624
47呼和浩特21,186611
48乌鲁木齐19,897625
49珠海18,237547
50盐城17,163586
51徐州16,864546
52洛阳16,618535
53烟台16,406554
排名城市票房(万)人次(万)
55泰州15,341484
56湖州15,270426
57淄博15,142545
58银川14,849405
59镇江14,497473
60淮安14,403458
61绵阳14,261412
62潍坊13,790451
63唐山13,362397
64湛江13,060404
65芜湖12,979456
66廊坊12,646307
67保定12,015378
68吉林11,734370
69襄阳11,643384
70大庆11,460356
71宜昌11,196345
72汕头10,908309
73株洲10,583364
74临沂10,365354
75鞍山10,180375
76西宁10,010258
票房30亿量级超级电影市场
14% 2城市全国票房占比北京上海
31.529.4
单位：亿元
6城市全国票房占比广州深圳成都18.718.014.4
武汉重庆杭州12.912.511.2
单位：亿元
20%
27城市全国票房占比南京苏州西安天津宁波郑州沈阳无锡长沙9.08.88.1 6.8 6.4 6.3 6.1 5.7 5.7东莞佛山福州大连合肥昆明哈尔滨长春青岛5.5 5.1 5.1 5.0 4.8 4.7 4.6 4.5 4.0厦门南宁南昌常州温州济南金华石家庄南通3.9 3.7 3.7 3.5 3.5 3.3 3.2 3.2 3.1
单位：亿元
31%
票房3亿以下新兴电影市场
35%太原贵阳绍兴嘉兴泉州台州
兰州海口中山扬州惠州呼和浩特
乌鲁木齐珠海盐城徐州洛阳烟台
江门泰州湖州淄博银川镇江298城市全国票房占比
淮安绵阳潍坊唐山湛江芜湖
廊坊保定吉林襄阳大庆宜昌
汕头株洲临沂鞍山西宁……
31省市票房及人次详情
2015年31省市票房、人次详情（票房排名）
排名省（直辖市）票房（万）人次（万）排名省（直辖市）票房（万）人次（万）
1广东624,38516,64916河北103,1933,157
2江苏417,11012,76517江西84,5122,655
3浙江349,1449,69618广西77,5062,319
4北京315,1167,16519黑龙江75,5032,178
5上海293,9366,80820吉林70,3742,101
6四川233,4226,92221天津68,0132,107
7湖北209,9886,63522云南66,4841,885
8山东170,9535,49323山西59,1321,753
9辽宁167,2095,42224内蒙古50,4611,507
10河南151,0014,89025贵州43,7691,224
11福建148,8724,03926甘肃38,5541,201
12安徽126,7594,22827海南35,098937
13重庆125,0793,77128新疆27,352876
14湖南112,7443,42529宁夏17,207483
15陕西103,9073,21830青海10,456271
31西藏4,899107
16 省市2015年度票房过10 亿，观影人次3,000 万以上
省（直辖）票房
（亿元）广东18.2
北京13.4
江苏10.8
上海10.7
省（直辖）票房（亿元）广东23.2北京16.1江苏15.1浙江13.6上海12.9省（直辖）票房（亿元）广东26.7江苏17.9北京16.3浙江16.3上海14.1四川11.2湖北10.74个
5个
7个
占比41%占比47%占比52%省（直辖）票房（亿元）广东41.4江苏27.7浙江23.6北京22.8上海20.2四川15.6湖北14.2辽宁11.1山东10.9河南10.4
10个
占比67%省（直辖）票房（亿元）广东62.4江苏41.7浙江34.9北京31.5上海29.4四川23.3湖北21.0山东17.1辽宁16.7河南15.1福建14.9安徽12.7
重庆12.5
湖南11.3
陕西10.4
河北10.3
16个
2011
2012201320142015
2013年省级票房热度地图
2014年省级票房热度地图2015年省级票房热度地图16省市2015年票房过10亿元8省市2015年票房5-10亿元7省市2015年票房5亿元以下
10省市2014年票房过10亿元7省市2014年票房5-10亿元14省市2014年票房5亿元以下7省市2013年票房过10亿元
8省市2013年票房5-10亿元
16省市2013年票房5亿元以下
观影人次电影市场高速发展的增长动力
观影人次增长的人群扩大、频次提升影响进一步扩大
观影人次+52%银幕数量
+28%
观影人次+36%银幕数量
+32%
2015同比2014全国增长幅度
2014同比2013全国增长幅度增长加速增长放缓
2014同比2013，观影人次增长幅度高于银幕增长幅度4个百分点，增长动因更多源自人群扩大与频次提升
2015同比2014，增长幅度差距更加明显，硬件增长之外的带动因素与影响进一步扩大
观影人次增长的省市拉动贡献
31省市中15 省市观影人次同比增长超过52%（全国均值），16 省市观影人次增长绝对值超过1,000 万人次
省市2015年观影人次
（万）
2014年观影人次
（万）
同比涨幅
（%）
黑龙江2,1781,19682%吉林2,1011,17479%青海27115575%广西2,3191,35471%河北3,1571,86270%江西2,6551,65660%甘肃1,20176258%安徽4,2282,70057%福建4,0392,60155%云南1,8851,22254%省市
2015年观影人次
（万）
2014年观影人次
（万）
同比涨幅
（%）
人次增长绝对值
（万）
广东16,64911,17749%5,472
江苏12,7658,29054%4,474
浙江9,6966,41751%3,278
四川6,9224,58651%2,336
湖北6,6354,38151%2,254
上海6,8084,62047%2,189
北京7,1715,20238%1,969
山东5,4953,57254%1,923
辽宁5,4223,59051%1,833
安徽4,2282,70057%1,528
按同比涨幅排名前10 位按增长绝对值排名前10 位
观影人次同比涨幅观察：
东北、西部等以往电影市场欠发达地区的增长势头明显电影市场向三线甚至四线城市的下沉趋势进一步加大观影人次增长绝对值观察：
广东、江苏、浙江、四川、湖北等传统发达电影市场依旧是增长大户增长同样源自这些发达省份内三、四线城市的高速增长
观影人次增长的二三线市场贡献
一线城市27%
二三线城市
73%
2015比2014年增长近4.3 亿观影人次，其中70%增长在二三线城市
城市群城市数量
（个）
人次增长
绝对值
（万）
人次涨幅
（%）
一线城市群
北京、上海、广州、深圳
成都、武汉、重庆、杭州
811,45743%二三线城市群32531,01855%
一线城市群，观影人次同比涨幅43%，仍然保持着极为高速的增长速度
但在全国大盘增长均值52%下观察，二三线同比增长速度更为“惊人”，也是拉动人次增长的主体解析增长，一线城市依旧“充满活力”，二三线城市“惊艳与疯狂”
2015年全国电影市场平均票价35
元
全国平均票价35 元，整体无明显波动
34.8
元2015年全国电影市场平均票价
35
.3元2014年全国电影市场平均票价
平均票价的城市分级观察
城市量级代表城市城市数量
（个）
2015年平均票价
（元）
2014年平均票价
（元）
票房30亿量级
超级电影市场北京、上海
243.643.9
票房10-20亿量级发达电影市场广州、深圳、成都
武汉、重庆、杭州
636.737.0
票房3-10亿量级成熟电影市场南京、苏州、西安、天津
……石家庄、南通
2734.234.7
票房3亿以下新兴电影市场太原、贵阳、绍兴、……
临沂、鞍山、西宁、……
29831.832.0
33334.835.3
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。
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。截至2013 年8 月初，国内VC/PE 设立的私募股权基金中，在设立初期定位于影
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
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/868085243.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】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
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
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。
调查丨2016年电影票房最全数据，你想知道的这里都有! 2016年电影票房最全数据，你想知道的这里都有! 新京报Fun娱乐 2017-01-09 11:34分享到：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
目前国内电影产业融资渠道日益多元化，产业扶持政策力度不断增强，电影产业成为国家重点扶持的文化创意产业的核心门类，获得社会各界的极大关注。而电影票房是衡量一部影片成功与否的重要指标，它不仅直接创造了电影产业利润，也推动了DVD、新媒体输出制作、衍生品等电影相关市场的开发。 目前整体而言，国内外投资者对电影产业热情高涨，然而缺乏有效的票房预测分析工具使得投资者无法对冲投资风险，无法把握电影产业运作过程中的关键因素，这在很大程度上阻碍了产业投融资的深入发展。总体来看，目前国内电影票房预测迫切需要有效的精确定量分析手段，尤其是独立而权威的第三方票房预测分析系统。 在此情况下，电影票房量化分析系统（BRP）便应运而生。它是在系统考察导演、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。 2012年1月，艾亿新融资本联合中影集团推出了国内首个基于电影票房预测的估值与定价分析系统——BRP系统。 真实有效性 电影票房量化分析系统（BRP）的研发，是在有效选取影响票房成功的关键变量，包括创意、发行/上映时间及电影营销等因素，系统借鉴包括巴瑞·李特曼(Barry Litman)的票房研究模型和斯格特·苏凯(Scott Sochay)的电影票房动态分析模型在内的西方电影票房研究 方法基础上，结合国内实际电影票房数据库的数据支持，在神经网络算法的支持下，建立了电影票房预测模型。其预测结果经过检验和验证，可信度达到资产估值与定价的要求，真实有效。 即时反馈性 即时输入相关参数，便可立刻得到电影票房的预测值。在此基础上，可根据需要调整有关输入参数，修正输出结果，有利于全面调整制片、发行渠道、创意等方面的资本及资源分配，确定企业投资额度，有针对性地弥补薄弱环节，降低投资风险。BRP系统的另一个显著特点，是可按周对电影票房进行针对性预测，并对票房走势进行分析，这对于有效调整营销发行资源及渠道，确保实现预期票房都具有积极意义。