都在說大數據，到底什麼樣的電影用戶畫才是有用的？

本文為壹娛觀察獨家首發，未經許可不得轉載

文/武劍

壹娛註：壹娛觀察將邀請能提供乾貨的專業人員以及業內資深人士為我們撰寫專欄。本篇專欄撰寫者武劍曾任微影數據研究院院長，現為貓眼高級分析師。歡迎能持續提供深度稿件與犀利觀點的業內大佬、研究人士為壹娛觀察撰寫專欄。聯繫郵箱：yedong.shi@inyoutech.com

前言

剛入行時，有個朋友告訴我，「只要找出一次購買3張票的用戶，然後給一輪消息推送，就能覆蓋到那些有孩子的家庭。」 當時我聽完覺得還蠻有道理的。不過，如果現在還有人這麼說，我會輕聲地告訴他：「大陸地區1.2米以下兒童不用買票。」

這兩年來，大數據在電影行業很流行，電影行業的很多人也在忙不迭地沾大數據的光，於是我們看到了很多公關數據圖都稱作大數據圖，很多復盤報告都叫大數據報告，很多公司都叫做電影大數據公司。

對於商業電影的從業者以及片方來說，如果能提前知道目標用戶是誰、在哪、觀影偏好如何，就可以在前期調整影片剪輯，做宣傳物料知道哪些形式抓眼球，鋪設物料知道哪些渠道有效，讓發行兄弟談排片的時候可以抓重點地區的重點影院，影院也知道要不要推出個什麼套餐計劃。這些事情說起來容易，但是真的要做的時候，我們應該使用哪些數據，如何使用這些數據？

從數據中看出來一錘定音的結論當然最好，但事實是大部分時間數據結論都是在驗證一拍腦袋想出來的方案，長此以往，一些數據研究人員甚至對自己都產生了懷疑。

為此，我們需要首先達成一個共識：

數據分析人員當前理應先尊重業界中的「老發行」、「老宣傳」、「老影管」多年積累的專家經驗甚至是第六感，數據的基本目標是起到量化細化、落地執行、核驗猜想、實時反饋的作用，但也應該始終保持一顆懷疑一切的心，有確鑿的證據與更好的方案，那麼挑戰一下權威與經驗主義，也未嘗不可。

專欄第一篇，我們談談電影用戶畫像，主要面向三類人群：

• 宣傳、營銷、發行、影院、衍生品的一線人員
• 需要對外展示數據圖、成績圖的數據公關人員
• 電影用戶數據的研究者

問題1：誰需要用戶畫像？

先扔出一個結論：超級大片不用做用戶畫像，而中小體量片或是風格明顯的類型片才需要做精細的用戶畫像。

當達到《美人魚》、《捉妖記》、《戰狼2》這種量級的國產片，或是《速度與激情8》、《變形金剛5》這樣的好萊塢大片，他們可以帶動的是數千萬甚至是過億人次的、雜糅了各種特質的電影用戶，如此多數量的電影用戶的標籤摻和在一起，使得這樣影片的群體失去了特點，也使得結論數據變得不好解釋。當然，更重要的是，票房如此的影片也不太需要數據指導了。

而能在首日去看《岡仁波齊》的用戶會具有某些共同的特點，比如喜歡宗教題材、喜歡張揚導演、或是喜歡混跡於電影論壇搜羅一些口碑佳片，他們也許人數很少，但他們是KOL，是意見領袖，是各大評分網站高分的首波奠基者。（點此查看：《岡仁波齊》的成功：站在「朝陽區三十萬仁波切」的肩膀上）

對於影院來說，知道自己的用戶畫像也同樣重要，但對於一線城市核心商業區的電影院來說，用戶既有本地人也有遊客，不僅流量大，每周用戶畫像變化極高且規律難以捉摸；大學周邊的影院可以在非假期的白天時間多排學生群體喜歡的片子；而覆蓋生活區的影院則可以測算父母帶小孩光顧影院的頻次來推出親子票。所以說不僅中小影片需要關注用戶畫像，一些地理位置有特點的影院也要關注用戶畫像。

問題2：未上映的影片如何使用用戶畫像？

已上映影片的復盤報告可以用已有數據做，但大多數情況下，針對未上映影片，如何利用用戶數據做前期報告？答案是：推演。用已知來推測相似的未知，這也是行業人目前都會做的事情。

如果是系列作品的，可以選擇前作數據，但是如果是《雷神3》這種系列片，距離《雷神2》上映已有4年之久，當時的用戶數據不一定代表現在市場情況了，那麼找《奇異博士》是可以接受的。非系列作品則根據題材、導演、演員、票房體量來選相似影片，例如《羞羞的鐵拳》可以找《夏洛特煩惱》，但是如果沒有特別相近的影片，就需要找團隊里觀影量很高的同事來進行分析判斷與推薦（這些同志是寶貝，請善待和培養）。

問題3：從哪獲得數據以及需要哪些數據？

有時候我們會看到這樣的「用戶畫像」——

王小錘：大三學生，單身，喜歡玩遊戲且是二次元達人，常常混跡於B站。

上面這句話實際上不是用戶畫像，而叫典型用戶角色，一般是確定產品或作品調性時的一個參考資料。

用戶畫像應該是某一目標人群的多維度描述。

每個製作方案的人員，都希望給領導一個豐富同時又新穎的角度，恨不得堆砌上所有能想到、能找到的數據，這樣既體現工作量又能顯得全面。但是能用且好用才是做用戶畫像的目的，也是筆者寫這篇文章的初衷。

當大家在一起開頭腦風暴會的時候，會設想許多有意思的宣傳營銷方式，比如有孩子的標籤可以用來推送動畫片，經常買兩張票的用戶更適合愛情片，但由於不熟悉用戶數據維度或缺乏數據來源，使得很多想法無法實施或是實施後無法佐證。

用戶數據哪裡有？只有購票平台（貓眼、淘票票、較大院線的購票App等）有大量歷史沉澱的、切切實實購票的、能精確到單體的、不斷更新的用戶數據。

筆者從壹娛觀察此前的報道中了解到，今年黑馬電影《一條狗的使命》發行（點此查看：電影發行未來的核心競爭力是什麼？）時，阿里影業將淘寶上購買過寵物用品的用戶進行了觸達，雖然實際觸達人數、觸達成本以及最終轉化率等未能得知，但該思路是接地氣的，符合直接利用用戶數據進行精準營銷的理念。

如果片方或是發行營銷方沒有和票務平台合作，沒有機會接觸這些「熱熱乎乎」的用戶原始數據，研究人員還可以掏出手機截屏票房分析App（如貓眼專業版）上的基本用戶畫像數據。

貓眼專業版APP基本用戶畫像數據

（以《尋夢環遊記》為例）

如果以上成品數據結果還不能滿足需求，很多人會求助於視頻和搜索平台用戶數據，而這些數據是網票時代未興起前的第一營銷風向標。比如優酷、愛奇藝、騰訊上某電影宣傳片的觀看畫像，百度、微信、頭條、微博、QQ等某關鍵詞興趣用戶的畫像。

不過，同一部影片在不同視頻或搜索平台上的畫像存在較大差異，這對於研究人員會造成一定的困擾，這與各平台核心用戶的差異、用戶所填寫信息的真實程度、展示樣本的數量多少等情況相關。

雖然是在大數據時代，一些發行營銷或是影視數據公司仍會使用傳統的小數據研究辦法，比如問卷調查、試映會，詢問被調查者是否聽說、是否會去觀看來判定哪類人群感興趣，這也是一種以樣本推全體的科學方法，樣本如何選擇以及效果評估已超出本報告內容，不再贅述。

問題4：數據怎麼呈現和解讀？

目前大家最常見的用戶畫像是長這個樣子的：

為了避免誤傷，筆者沒有用任何機構的成品圖或是App截圖。

讓我們來看一看上面這樣樸素的用戶畫像能得出什麼結論。

1.女性用戶佔比高。

2.25-29歲的佔比最高。

然後呢？這個結論讓決策者看了會有一種「原來如此」的感覺么，只需要問四個問題就能讓ppt小哥啞口無言。

1.哪個性別哪個年齡人士佔比最高？（維度交叉分析）

2.以上人群是國內的主力消費人群么？（本底數據對比）

3.各類人群對電影的認可度如何？（補充口碑數據）

4.哪個人群最先去看，口碑好了之後又帶動了哪個人群?（加入時間軸）

朋友們，在做了幾十個大同小異的文案之後，會不會有那一刻的自我懷疑，究竟數據應該是什麼樣呈現的，又如何能指導決策？好，現在進入本文最乾貨的部分。

方案1 增加本底數據對比

什麼是本底數據，本底數據有什麼用？你心中認為國內男女觀眾比例是五五開，當你發現某個影片女性佔比58%，就很快得出這個電影很受女性喜歡的結論。但是如果在女性人口佔比高達54%的國家拉脫維亞，這個結論就顯得不那麼有說服力了，所以本底數據的作用就是給現有數據一個參照物。

再拿城市佔比來說，很多時候，我們看到諸如上圖的某個影片票倉分布，發現二線城市佔比達42%，就說二線城市是該片的主力城市，其實二線城市數量和影院數本來就多，觀眾消費力本來就好，本來票房佔比都是40%左右，一二三線及其餘城市的票房佔比基本都是按照20%：40%：20%：20%來分配，所以上圖這組在小幅波動範圍內的數據其實並不能得出什麼有效結論。

而正確的示範則是在分析數據前，引入本底數據進行對比，例如用該影片上映周期內的大盤票倉分布、上映前三個月或一年的大盤票倉分布、甚至可以用同期競爭對手或相似影片的票倉分布進行對比。這樣的範圍更顯著，更能得出結論。

方案2 交叉分析讓真相見底

當有多個維度時，比如年齡，性別，職業等，可以用交叉分析法來細緻研究各類人群。如下圖所示

我們可以清楚地看到哪個性別的哪個年齡段是觀影主力，主力人群的口碑維護十分重要。如果發現某個非主力人群評分很高，也可以針對這類人群進行宣傳引導。當然判斷是否是主力人群，除了跟本片的其他人群對比，還要跟其他本底數據進行對比。

※方案3 加個時間軸，才知道數據到底是如何變化的（劃重點！時間軸！）

不論是普通用戶還是電影從業者都應該能感覺到，某個影片的零點場受眾、首周末受眾以及後續長線的受眾的觀影習慣和愛好程度都有所差異，所以只用簡單的一個靜態圖已經不能說明情況，比如《戰狼2》最早一批觀眾應該是男性較多，等口碑起來後女性觀眾入場，而最終呈現總體上是男女比例相對持平，這樣的結果顯然會誤導研究人員，讓他們認為同類型的戰爭影片會是男女比例持平的，而不需要在早期針對男性做什麼特別的營銷。

筆者畫了個簡單的示意圖，不同顏色代表影片放映的不同階段，不同時間段會有不一樣的人群與用戶畫像，同時也就對應著不一樣的宣發策略。然後是次周末觀眾，因為次周末上映了大量新片，這些觀眾依然會選擇看上一周的老片，除了實在沒有在第一時間去看的以及二刷的觀眾外，大多數是希望通過貓眼、豆瓣等評分來判斷要不要去看。所以當影片質量不行或是口碑爆棚的時候，次周末的降幅或是漲幅就會很大。

最後是長尾人群，筆者給這部分人群起名為「不必營銷人群」，對於這樣的觀眾來說，早期的線上線下營銷可能觸達不到他們，甚至被他們完全忽視，好影評和高評分也不足以讓他們早早進電影院，得輔以他們社交網路中親朋好友的一遍遍「安利」。所以大家看到那些延期的電影，大都是這些「廣告都打動不了的頑固份子」在陸續進場貢獻著票房。

當然以上這些人群會有一定重合，並不是根據日期「刀砍斧剁」一樣地整齊分布，他們之間會相互身份轉化，比如《魔獸》的死忠粉對於《瘋狂動物城》來說可能就是長尾人群，具體案例還是需要具體分析，如果想把一個影片的用戶報告做深做絕，可以用以上這個方案去研究人群的動態變化，當然這麼細緻的用戶數據只有通過貓眼淘票票等購票平台合作來獲取（並不是廣告）。

方案4 從實際用戶角度多思考一步

有時候拋開複雜的演算法，我們站在普通用戶的角度，就會發現一些問題。

比如：所有購票平台只有購票觀眾的性別，而沒有同行者的性別，那麼即便一個影片有百分之60%的男性，很有可能因為情侶觀影都是男性買單，其實看片動力源自於同性的女性。那麼可能就需要一個校準策略，比如將部分兩張票的訂單進行分類處理並重新匯總。

然後回到我們開頭的那個問題：看動畫片的家庭，是否要買三張票？

此前我們會認為只有買3張票及以上的用戶才是所謂的全家歡，但對於低齡動畫片，一般孩子年齡較小，普通場次（特殊場次是IMAX，4DX等需要發放3D眼鏡或是有特殊座椅的，這些大多需要全票購買）如果不滿1.2-1.3m（根據地區影城而有所不同）則無需購票，而即便超過限定身高，被門口檢票大姐姐攔住，也可以去櫃檯補半價票，目前各購票平台沒有半價票這個選項的。即便我們拿到了一份數據說某場動畫片都是28-35歲的女性只購了一張票，但仍然可能是帶孩子去的，而這同樣是玩具衍生品和小吃套餐的目標用戶。

因此利用觀看低幼動畫片的訂單結合購買者年齡來判斷是否有孩子的，要遠比用購買三張票的用戶來判斷的範圍大且穩妥一些。

結語：可以手頭沒有數據，但是心中要有想法

最後，筆者要強調一點，上述屬於研究性的用戶分析，而實用性則要靠購票平台的數據分析人員通過訂單和行為數據結合來給用戶打標籤，再根據影片情況挑選出具有某種標籤的用戶群進行營銷觸達。

目前整個電影行業的宣發營銷人員面對的仍是一個不太透明的市場，因為大量購票用戶數據集中於某幾個平台上，而即便用權威的專資辦數據，查到了某部影片在某個地區票房產出的前十名影院，這也不一定是觀眾自然選擇的結果，對於一些非正常性的數據，我們要有所甄別。

可以手頭沒有數據，但是心中要有想法，希望讀者朋友對外部提供的各類數據（哪怕是一些權威機構的報告）也保持一定質疑性。因為篇幅原因，意猶未盡的朋友請加筆者難追的微信（nanzhuino1）進行問題探討和諮詢合作。

用戶畫像是壹娛觀察分析電影常用的信息——

2017國慶檔，《縫紉機》與《空天獵》輸在哪？

臨時加場又加場！慰安婦紀錄片《二十二》逆襲《鮫珠傳》，單日票房過千萬

工作日都能3億票房，到底誰在看《戰狼2》？高學歷人群居然是主力？

本文為壹娛觀察獨家首發，未經許可不得轉載

壹娛觀察，想做中國電影產業和泛娛樂產業的望遠鏡和聲吶

推薦閱讀：