【51CTO.com原創(chuàng)稿件】近幾年我國票房市場成倍增長，2011 年近 150 億，2016 年 450 億，預(yù)計 2020 年前后會達千億規(guī)模。但這樣的市場規(guī)模僅接近美國市場的一半左右，原因在于中國電影主要收入來源于電影票房本身，而美國電影衍生品的收入高達電影相關(guān)產(chǎn)業(yè)總收入的 70%，中國在這塊卻幾乎空白。所以說，中國電影市場未來還有很大的成長空間。

誠然，機遇與風(fēng)險并存，票房市場呈暴增趨勢，問題也隨之顯現(xiàn)。當(dāng)下，我國投入發(fā)行上映的電影有很多，每周都有近十部電影上映，但大部分電影不賺錢，賠本成常態(tài)。

高風(fēng)險且投資回報率難以預(yù)測，很多時候大投入未必有大產(chǎn)出。在電影票房方面，預(yù)測工具的缺失，導(dǎo)致電影票房預(yù)測處于一個真空地帶。

票房預(yù)測的意義、難點及影響票房的因素

票房預(yù)測的意義

票房預(yù)測非常重要，在每個階段，都會起到很關(guān)鍵的作用：

• 電影上映前，此時投資方準(zhǔn)備投放一部電影，如可提前預(yù)估投資回報率，就能夠有效控制風(fēng)險。
• 電影發(fā)行期，對電影進行廣告和營銷，如可依據(jù)電影票房規(guī)模制訂不同營銷方案，就能夠控制成本。
• 電影上映期，可根據(jù)票房預(yù)估結(jié)果，進行智能排片，趨近利益最大化的目標(biāo)。

票房預(yù)測的難點

目前，票房預(yù)測達不到預(yù)期效果，是因為面臨如下幾大難點：

• 中國電影正處于野蠻生長期，市場不夠成熟。
• 可使用的數(shù)據(jù)和參考的信息非常龐大，噪音卻很多，想從互聯(lián)網(wǎng)、搜索引擎、社交網(wǎng)絡(luò)等渠道獲得的大量電影信息中，挖掘?qū)ζ狈坑杏玫臄?shù)據(jù)很難。
• 可供參考和學(xué)習(xí)的樣本比較少，這是利用機器學(xué)習(xí)解決票房預(yù)測時遇到的最大問題。如若沒有樣本和數(shù)據(jù)，再好的方法、再高級的模型，也難以應(yīng)用。
• 有些感性特征難以量化，如通常憑借口碑來評價一部電影的好壞，但口碑如何來度量？如國慶、暑假對電影上映的影響，又如何度量？

影響票房的因素

票房高低，會受到很多方面的影響。如下，是一些關(guān)鍵因素：

• 題材。這部電影是動畫片、文藝片、動作片、還是國際好萊塢大片，題材不同導(dǎo)致受眾范圍不同，直接影響票房高低。
• 卡司陣容。演員、導(dǎo)演的陣容，會形成粉絲群范圍，不排除有些電影質(zhì)量、內(nèi)容不是很好，但因為有一些比較有號召力的演員參演，帶來可觀票房的現(xiàn)象。
• 影片質(zhì)量。影片的質(zhì)量、口碑，大家公認(rèn)較好，且在社交上傳播廣泛，也會帶來票房的增量。
• 檔期。受到同期上映電影的競爭，會影響某部電影的票房。
• 宣傳力度。營銷用多少成本，廣告花費多少，電影上映時候投入票補多少，也會影響票房。
• 非市場因素。比如官方因素，前期給某部電影設(shè)立出售目標(biāo)或出現(xiàn)國家較反對的內(nèi)容，買、偷票房數(shù)據(jù)等因素都會影響票房。

貓眼票房預(yù)測的整體技術(shù)體系

從最早期 1915 年前后的電影膠片時代到現(xiàn)在，在票房預(yù)測的整個發(fā)展過程中，我們經(jīng)歷了三大階段，涉及到很多預(yù)測方式，具體細節(jié)見下圖：

2013 年之后，當(dāng)前的電影票房預(yù)測涉及全國實時票房、影院級實時票房、天極票房和總票房等部分。貓眼目前重點關(guān)注上映前一天、上映第一天以及上映當(dāng)周周末這幾個重要時間點的票房效果。

如下圖，是貓眼票房預(yù)測的整體技術(shù)體系：

• 實時票房，是每部電影在上映階段，當(dāng)天產(chǎn)生的票房。還有排片、人次、平均票價等各種細密度數(shù)據(jù)。
• 天級票房，是預(yù)測每部影片在全國放映次日的票房，目前貓眼能做到在前一日 17 點、21 點預(yù)測第二天的票房。
• 總票房，是指每部影片在整個上映周期的全國票房預(yù)測，以首映日、首周末日為時間節(jié)點。
• 實時票房、天極票房和總票房三者之間存在一定的關(guān)系。實時票房提供實時和未來預(yù)測的數(shù)據(jù)，為天級票房提供數(shù)據(jù)的基礎(chǔ)。天極票房預(yù)測某一天的票房，為總票房預(yù)測提供數(shù)據(jù)的基礎(chǔ)。

如下圖，是基礎(chǔ)數(shù)據(jù)、預(yù)測服務(wù)和貓眼專業(yè)版三個子模塊的相關(guān)關(guān)系：

如圖中所示，基于合作影院售票數(shù)據(jù)、貓眼售票平臺交易數(shù)據(jù)等這些基礎(chǔ)數(shù)據(jù)，可對全國實時票房及每個影院的實時票房進行預(yù)測，當(dāng)然獲得的數(shù)據(jù)還需要進行一些降噪處理。

得到全國每個影院的實時票房后，可以做到城市地區(qū)實時票房的預(yù)測。重點是天級票房和總票房的預(yù)測，需要相對復(fù)雜的方法來做，處理后的數(shù)據(jù)都會展示在貓眼專業(yè)版，提供給電影從業(yè)者，影院經(jīng)理、片方等進行參考。

如下圖，是貓眼工具首頁：

工具首頁顯示的是實時票房，點擊進入就會看到天級票房和總票房的預(yù)測結(jié)果。當(dāng)然，在這些數(shù)據(jù)背后，也會存在一些問題和解決方法，下面我們從實時票房開始，依次分析天極票房、總票房背后分別有哪些技術(shù)在支撐。

實時票房

實時票房數(shù)據(jù)對于電影從業(yè)者很重要，通過貓眼工具可看到電影在所有影院里的排片、分布和實時票房數(shù)據(jù)。如果沒有這樣的工具，這些數(shù)據(jù)只能等待第二天國家電影票房的公布。

我們與 90% 的電影院合作、對接 18 種售票系統(tǒng)、詳細的影院場次及座位數(shù)據(jù)等等，這些是貓眼做實時票房的優(yōu)勢。用貓眼買過票的人，一定對下圖所示 UI 很熟悉。

在購票過程中，紅色不能賣，那是不是說把全國所有影院紅色數(shù)據(jù)加起來，就趨近實時票房了？

看起來是這樣一個簡單的道理，但事實上，紅色數(shù)據(jù)并不代表全部銷售，像電影院預(yù)留的電影票，想留一些好座位或自己售賣獲得更高收益，也會呈現(xiàn)紅色。

給這個問題定義就是已知貓眼合作影院（占全國約 90%）每部電影、每個場次的實時座位圖數(shù)據(jù)，如何準(zhǔn)確預(yù)測每部電影在全國全部影院的實時票房總和。這里難點有兩個：

• 位置圖中狀態(tài)不明確，導(dǎo)致數(shù)據(jù)噪音大。
• 不是全部影院，數(shù)據(jù)不完備。

針對這兩個問題，貓眼的解決方案是進行數(shù)據(jù)抽樣，以部分樣本為基礎(chǔ)，估計全量。

如下圖，是實時票房的統(tǒng)計模型：

有很多影院與貓眼合作，設(shè)共有 n 個場次，從這些影院中抽樣出“高質(zhì)量”的影院，設(shè)共有m個場次。

什么是高質(zhì)量呢？就是看到的紅色位置數(shù)據(jù)和第二天上報的數(shù)據(jù)相接近。統(tǒng)計 m 場次的售票數(shù)量，設(shè)為 X。通過右上角紅色框內(nèi)的公式，可得到全國的售票總量，其中X、m、n 抽取高質(zhì)量影院的數(shù)據(jù)是確定的，只有 α 是未知。

這時，可使用前一天或歷史的 α 值來模擬今天的 α 值。帶入如圖中的公式，就可得出當(dāng)天的預(yù)估值，這是票房最核心的統(tǒng)計模型。

如下，是實時票房整個的框架圖：

為了可以很好的提供實時服務(wù)，面對龐大的計算量，可以把計算分為離線和在線兩部分。

α 值相對穩(wěn)定，采用離線計算的方式即可。在線部分需要做數(shù)據(jù)清洗、票價處理，以及實時票數(shù)、票房的計算等。影院、地區(qū)實時票房計算是另一個相對獨立的部分，算法也比較類似，這里不再詳細介紹。

天級票房

基于在線售票系統(tǒng)可獲得直接交易的數(shù)據(jù)，預(yù)售票房、排片場次等細粒度數(shù)據(jù)和精準(zhǔn)的實時票房為天級票房預(yù)測提供可靠的特征，這是貓眼在天級票房預(yù)測方面的優(yōu)勢。

天級票房是指預(yù)測未來某一天的票房，貓眼目前可以達到提前一天預(yù)測第二天票房，如下圖是《速度與激情 8》首映票房走勢：

從圖中可以看到前一天 21 點預(yù)測票房，比例約占全天的 30% 左右的份額。貓眼在 30% 左右的售出情況下預(yù)測整體，難度系數(shù)很高，因為每部電影占比不同。

一個基本假設(shè)為票房 = 票價*人次 = 票價*場次*場均人次，可以看出很多特征均是乘積關(guān)系的。

做對數(shù)變換后，特征與目標(biāo)之間就有了線性關(guān)系，可以利用線性模型來解決這個問題，如下是方程式：

如下是對數(shù)特征與目標(biāo)之間的關(guān)系圖：

通過這兩幅圖，可以看出前一日預(yù)售 VS 次日票房和前一日排片場次 VS 次日票房之間存在很強的線性相關(guān)。

特征和目標(biāo)變量之間的關(guān)系是線性的，就可以采用線性回歸模型來擬合票房，如下圖：

左側(cè)圖為一元線性回歸，右側(cè)為多元線性回歸。它們是回歸分析預(yù)測法中最簡單和最常用的方法。目標(biāo)為平方誤差，求解方法有最小二乘法、梯度下降等。這里引入正則化可防止過擬合。

如下圖所示，為天級票房預(yù)測主要用到的特征：

一方面是實時票房提供的特征，另一方面是貓眼自身售票系統(tǒng)帶來的票房相關(guān)特征。還有一些其他特征，如節(jié)假日、特征的組合等。

因為每天的規(guī)律都不相同，采用單一線性回歸模型來擬合票房預(yù)測效果并不好。所以貓眼采用的方式是找到票房衰減規(guī)律，分段建模。

根據(jù)不同時間單獨建模型，對首映日、非首映日，節(jié)假日、周幾都會進行單獨考慮。

總票房

先來看一個比較明顯的總票房預(yù)測對比，如下圖：

圖中所示兩條曲線，分別是《速度與激情 8》與《摔跤吧！爸爸》的票房走勢。

第一張《速度與激情 8》的票房走勢是相對正常的，但第二幅《摔跤吧！爸爸》后期因為口碑不斷發(fā)酵，導(dǎo)致票房曲線不斷上揚。這樣的情況，前期很難預(yù)測票房可以上漲多少。

總票房重點在首映日、首周末兩個時間節(jié)點來預(yù)測票房總量。如下圖，是總票房預(yù)測的層次模型：

總票房根據(jù)預(yù)測日的不同進行區(qū)別，如首映日、首周末一定要進行拆分。在不同的時間段上映，所用的模型也有所區(qū)別，都需要單獨建模。

如下圖，是總票房預(yù)測用到的特征：

總票房特征與天級票房特征差別很大，涉及影片屬性、檔期、競爭等。

如下圖，是總票房預(yù)測用到的支持向量回歸模型：

此模型的優(yōu)點有三個：

• 特征維度大于樣本數(shù)時，仍然適用。
• 小樣本情況下，模型泛化性強。
• 非線性核函數(shù)，可解決非線性的回歸問題。

未來工作展望

在票房預(yù)測的基礎(chǔ)方面，貓眼需要提高效果、提前時間點和進行方法創(chuàng)新。細則有如下幾點：

• 洞察票房內(nèi)在規(guī)律，不斷探索新的方法。
• 正在嘗試預(yù)測票房走勢、預(yù)售比。
• 交互式預(yù)測系統(tǒng)：支持總票房、天級票房的預(yù)測。
• 天級票房再提前 1~2 天的小目標(biāo)。
• 總票房預(yù)測提前 1 個月的大目標(biāo)。

在應(yīng)用拓展方面，細則也有如下幾點：

• 影片排片：排片助手=>智能排片。
• 發(fā)行營銷：參與營銷計劃，進行票補的優(yōu)化。
• 樹立票房預(yù)測的行業(yè)標(biāo)桿。

以上內(nèi)容根據(jù)李明輝老師在WOTI全球創(chuàng)新技術(shù)峰會——巔峰論壇的演講內(nèi)容整理。

[[206175]]

2016 年加入貓眼大數(shù)據(jù)部，負(fù)責(zé)票房預(yù)測方向。2007 年畢業(yè)于哈爾濱工業(yè)大學(xué)，并獲得計算機應(yīng)用博士學(xué)位，后就職于微軟、百度、阿里等互聯(lián)網(wǎng)公司，研究和工作領(lǐng)域包括自然語言處理、計算廣告、機器學(xué)習(xí)、人工智能等。

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】

本月熱文推薦TOP4

東方金信CTO石棋玲：淺析大數(shù)據(jù)風(fēng)險分析與控制應(yīng)用

民生銀行高級數(shù)據(jù)分析師張丹：用R語言把數(shù)據(jù)玩出花樣

一下科技CTO湯力嘉：技術(shù)人的產(chǎn)品創(chuàng)新力

徹底透視CDN痛點，互聯(lián)網(wǎng)老兵聊聊CDN的那些事兒！