評析：觸不到的大數據

01-28

最近這幾年，我們可以聽到很多關於大數據在影視方面的案例，Netflix 這個詞估計大家都快聽到耳朵起繭了，另外英國的一家做劇本語義分析的公司Epagogix也成為一個小熱詞，頻繁被提及。神秘的大數據與神秘的影視行業，結合在一起之後，便有了玄學一般的色彩，似乎你今天在社交媒體上打了一個噴嚏，正在擔心自己是不是感冒了，我明天就能做出一部關於禽流感的恐怖片，並且讓你有不得不去看的衝動。

事實上所謂《紙牌屋》式的成功，在視頻行業的人都知道，與其當做一個技術發展案例來分析，不如將它作為一個公關案例來學習。原本在華納工作的CMO Kelly Bennett 和來自迪斯尼的CCO Jonathan Friedland 通過《紙牌屋》這一事件讓Netflix 變得更像一個電視台，而不是互聯網企業，這其實是讓Netflix 的想像空間變大了，因為互聯網已經有了一家Youtube，但是還沒有一家HBO 或者Showtime 。

至於將大衛·芬奇、凱文·史派西，以及1990年的《紙牌屋》組合在一起，可以產生奇妙的化學反應，這種充滿誘惑的想法一看便知是好萊塢經紀公司的手段，而不是屬於大數據的語言體系。

在《紙牌屋》的背後，編劇兼製片鮑爾·威利蒙和凱文·史派西同屬一家經紀公司，這部電視劇的主要推手，是好萊塢的影子幕僚之一CAA 以及製作方MRC ，Netflix能夠加入只是因為他們比有線電視台出錢更多。大數據在整部劇集中的作用，不會比在2008年將英劇《紙牌屋》推薦給MRC 聯席董事長Modi Wiczyk 的那個實習生，所產生的價值更大。

至於Epagogix ，所提供的服務也並不新鮮，好萊塢有上千名劇本醫生，又便宜又好用。80年代之後，好萊塢的觀眾結構和觀影偏好逐漸趨於穩定，對觀眾喜好的判斷並不是個難題，目前在北美普遍採用的焦點訪談形式，所能獲得的反饋也要更為具體和實用。

從某個角度來說，好萊塢並不缺少好創意和好劇本，將文字轉換成影像的過程，所存在的不可控要比一些娛樂報道中的公開信息複雜的多。如果單純基於劇本和演職員搭配的角度，就可以預測未來高枕無憂，就好比我們是通過分析母雞的體格，然後去判斷一盤西紅柿炒雞蛋的受歡迎程度，它們二者之間必然互有相關，但是這種相關性不足以用來證明一名以泡麵為生的宅男，為何會頓時愛上為他炒雞蛋的MM。

大數據為何近幾年大熱？

人類進入大數據時代，類似於生物學迎來了顯微鏡，天文學發現瞭望遠鏡，因為網路傳輸和計算機存儲運算能力的提高，交給了我們一把信息放大鏡，從此我們對現象的觀察進入一個新的領域。

在網路與終端的支撐下，雖然我們身處的時空沒有任何變化，但是通過更加碎片化的信息，我們可以將時間與空間的分割從以往的單位中進一步細分，這就相當於原本一個9寸蛋糕切四塊，現在可以切成六百四十塊。所能夠建立的觀察維度，更加接近於無窮大，觀察的基準點，更加趨向於無限小。這有點像是搭積木的遊戲，當積木的數量足夠多時，你最終所能搭出的形狀也足夠複雜，如果隨便交給你一個圖形，擁有更多的積木當然更有可能組合出結果。

關於多維度數據的挖掘，自古就有，曆法的制定過程或許可以作為一個很好的例證，江湖上現在偶爾也會有關於林元帥諸葛軍師的傳說，自從計算機技術誕生之後，對數據的利用和處理一直在同步發展中，無論是分布處理還是並行處理，並不是一天就蹦躂到今日的技術高度，我們很多科學發現都是在近三十年之間才完成，正是得益於此。

但為何在這幾年「大數據」忽然大熱，甚至你一個做火燒做煎餅做包子的，如果不說兩句大數據，大家看你的眼神就和看一個死人沒啥區別。原因其實很簡單，全球智能手機的普及。

隨著移動終端信息處理能力的提升，與用戶的交互界面不僅更加具備黏性，並且實現了全方位全時段互動，此時每個人的移動終端實際上就變成了一個數據記錄儀。它比PC所能獲取到的信息更加個人化，不僅暴露這個人的生活細節，位置動向，同時也記錄著它的消費習慣，人類第一次擁有了這麼多數據的生產者。每一個元數據都可以直接掛鉤一份具體的支出額度，每一個數字都可以被貨幣量化，大數據的商業價值與各個企業的營收幾乎都可以直接掛鉤。所以，圍繞「大數據」來說故事迅速成為當下的主流。

但是揭開媒體的那些噱頭背後，你會發現，國內對複雜系統的研究，仍然是處於概念大於應用的階段，大部分行業對線性、封閉系統內的數據關係都沒辦法掌握，更不用說將大數據轉化成有價值的信息。而在影視行業，工業化體系處於剛剛起步的階段，很多從業人士連財務報表這種基礎數據都看不明白，去理解大數據的價值更是有些不可想像了。

大數據於國內影視行業的意義：

大數據技術作為一種工具，其應用方向，無非三個方面，一是對過於和曾經的理解，二是對以後和將來的認知，三是對當下進行判斷並進行實時處理，影視行業大數據技術的應用如果想要有長足的發展，那麼在這三個方面都會面臨著一些需要解決的問題。

對過去和曾經的理解

既然是對已發生的進行判斷，就會涉及到數據採集，這個部分往往會引發爭論，中心議題是到底多大才叫大，GB還是TB，PB還是EB？

如果我想要知道《致我們終將逝去的青春》這部差一點就可以歸類到文藝片的電影，為什麼能在2013年上半年收穫僅次於《西遊降魔篇》的票房，我是應該僅以社交媒體的傳播效率來進行數據的挖掘，還是要追溯到原著小說里的青春，以及被電影宣傳所喚起的記憶？

將數據挖掘的範圍放在社交媒體的範疇，那麼通過對一部電影推廣過程的梳理，其實我們很容易就可以通過數據制定出一張細化到分鐘的參考，以及觀眾會被什麼樣的宣傳內容所吸引，但是它仍然只是在描述現象。

用腳趾頭想一想也知道，將觀察只停留在眼前，無法找到最終的因果，必須對推動現象發生的機制進行論證，那麼我們該用什麼樣的體量來儲存和分析觀眾們的記憶，從而找到個人經歷和集體共鳴之間的關係？

在這個方面，如果只用社交媒體的數據進行相關性的分析，其實和我們日常所做的感性推導沒有太大區別，甚至還不如感性推導靈活，很容易因為數據的不夠全面犯下「黑天鵝」式的錯誤（在發現澳大利亞之前，西方認為只有白天鵝）。必須要追溯到成因階段更龐大的外部數據，比如主要觀眾群十年間的消費偏好及社會經歷，以及對他們觀影之前的心理活動進行統計分析。會不會太複雜？但是從數據挖掘的角度來說，只有在這個方向上進行努力才可能會提供實質性的價值。

或者說，我們也可以簡單粗獷一些，如麥特的負責人陳礪志所言，《致青春》的成功最主要的因素是因為趙薇的敬業與投入，以及她個人在行業的積累。

大家可以繼續用腳趾頭想一想，以上三個角度，哪個會更容易接近整個事件的核心。

對以後和將來的認知

大數據技術雖然可以讓人類對現象的理解進行更深入的探究，但是當對國產的影視項目前景進行預測，首先需要面對的問題是，我們仍然處於一個觀眾群體持續波動的時期。

在北美市場，貢獻50%票房的觀眾約佔人口的10%，也就是3000萬左右，這部分群體基本上結構相當穩定。上世紀70年代末，當北美電影的平均製作預算開始攀升到1000萬美元以上，宣發費用達到500萬以上時，對觀眾的監測從階段性的調研逐漸轉變成常態性的監控。在計算機還只是個神話的時期，「好萊塢」是用人工+信件的形式，建立了最早的大範圍觀眾研究模型，這些歷史數據通過幾十年的積累，已經讓一部電影與觀眾之間的聯繫變得非常透明。但即使是如此嚴謹的市場監控，近幾年也因為受到移動互聯的影響，觀眾的觀影行為隨機性逐漸提高，導致傳統的觀眾研究模型頻頻出現一些問題。

反觀國內電影市場，差不多有三分之二的銀幕是在近三年之內才出現的，2010年時，我們所擁有的現代化銀幕不過才6223塊，而如今，這個數字差不多是17000。可想而知，影院目前所迎來的觀眾，基本上是近三年才開始逐漸培養去影院觀影的興趣，這種行為暫時還不能稱之為習慣。

所以說，中國電影市場目前的波動很難通過現有的技術手段完成監測，會因為存在有其他我們不可知的變數，而導致結果南轅北轍，這在統計學的回歸分析上被稱之為「變數遺漏偏差」，大數據技術目前所能覆蓋到的範圍並不能幫我們解決這個問題。我們還需要時間來不斷修正對市場數據的理解，觀眾也需要時間來不斷培養在影院觀影的習慣。

2013年上半年，幾乎所有從業者都對有動作元素的電影過於樂觀，而下半年，所有從業者包括我個人又會對以愛情元素為主的電影過分看好。從一些公司的大數據監測上來看，這種觀眾消費行為的變化已經反饋在可以被抓取的數據中，但是我們並不知道它所形成影響究竟該如何定量。也就是說我們可以看到趨勢，但是很難確定結果。

大數據對於預測的貢獻，其實和它本身的特性一樣，主要是增強客觀性。無論是1936年，初出茅廬的蓋洛普對羅斯福當選的預測，還是2012年，Nate Silver預測對了美國大選所有50個州的選舉結果，其背後的方法論仍然是來自於1763年的貝葉斯，幾百年來，我們只是將這個事情不斷的細化了而已。

那麼，在如今的中國電影市場中，於其期待大數據讓我們成為一名百曉生，不如將大數據技術的應用方向，轉移到可以讓我們規避哪些操作上的錯誤，或許更具有現實意義。

對當下進行判斷並進行實時處理

現在對大數據的理解，往往會糾纏於第一個字「大」，而忽視了它的另外一個重要特徵「細」，其實後者才是最重要的，因為它會創造大數據真正的實用價值。

基於社交媒體的數據挖掘，其實已經可以做到讓我們將觀眾的分類從簡單的年齡、性別、職業等維度，落實到區域、活動空間以及性格特徵等等更為豐富的細節，在這樣的基礎上，我們要做的就是怎樣給觀眾提供個性化的影響，而不再是以電影為本位的共性宣傳。

舉例來說，當一名男性觀眾在某個媒介上看到的電影海報，可能是大長腿和小翹臀，但一個女性觀眾同時接觸這個媒介時，所看到的可能是一個賣萌的大叔。當陣地宣傳中的預告片貼片到一部好萊塢大片之前時，它可能主要是用來渲染情感或者突出搞笑，但同樣的一分多鐘，在視頻網站所上線的預告片，則被分成數個版本，用來對應每一個點擊背後用戶的個人資料。這樣，觀眾便會加入到生產的過程中，通過對觀眾偏好的快速處理，最終創造更適合於傳播的信息。

目前，數據調研公司參與電影推廣的過程，所做的仍然只是一個統計的工作，決策是在片方或者是公關公司，其實可以將決策機制與數據同樣進行細化，成為實時的互動，減少時間的損耗，提高電影推廣的效率。我們以前在電影的推廣中，常常會為如何照顧到大部分觀眾的興趣而頭疼，那麼換一種思路，用現有的觀眾數據進行群體的細分，給不同的觀眾群提供不一樣的信息，海納百川比光芒四射或許更符合當下社會化營銷的要義。

不過，這一切其實都只是理想化的願景，現實的情況是，中國的電影產業目前仍然是處於一個極其原始的狀態。

僅從電影投資成本的角度來說，目前所公映的電影，平均投資約在3000萬人民幣以內，不足500萬美元，這樣的投資規模在不考慮通脹以及觀眾收入的情況下，只相當於北美70年代初期的水平。面對這樣的市場現狀，很多議題其實都顯得比較空洞，因為拍腦袋做決策雖然有著莫大的風險，但畢竟成本很低。

最後，打個小廣告，我正在找一家大數據公司，希望能共同對影視行業的大數據應用進行研究和探索，歡迎有興趣的企業和朋友與我交流。