【精品】利用BRP模型預測電影票房55

1、利用brp模型預測電影票房摘要本文通過利用神經(jīng)網(wǎng)絡、回歸模型對電影票房進行了研究，確定了決定電影票房的六大因素。并講述、論證了預測電影票房是決定電影投資的至關重要的環(huán)節(jié)。通過對電影票房預測技術的發(fā)展、國內電影票房機制的探討，深度剖析了電影票房預測這個研究課題。一、 電影票房預測發(fā)展簡介（一） 西方電影票房的研究美國電影的票房研究起始于上個世紀80年代，由李特曼（b. r. litman）在1989年以1981到1986年在美國播出的697部電影作為研究樣本，通過多元回歸分析，初步建立了電影票房的預測模型。李特曼用影片的租金收入作為考量電影票房的因變量，影響電影經(jīng)濟成功的自變量被劃分為三大部分：

2、創(chuàng)意、發(fā)行/上映時間以及電影營銷。創(chuàng)意部分的變量有影片類型、美國電影協(xié)會（mpaa）的電影分級、熟悉的故事、出品國、明星、導演、生產成本、影評等，其中影片類型的確定主要參考美國雜志電視指南（tv guide）。發(fā)行/上映部分的自變量有發(fā)行商、發(fā)行日期、發(fā)行模式、市場力量等，而電影營銷部分的自變量有發(fā)行公司的營銷能力和是否獲獎等。 litman, b. r.(1989). predicting success of theatrical movies：the 80s experience. journal of media economics, 2, 35-50.李特曼的票房研究模型為后來電影票

3、房預測以及電影經(jīng)濟成功的預測性研究提供了基本思路和方法。美國的r. sharda以及d. delen在2005年的研究中運用了神經(jīng)網(wǎng)絡技術，創(chuàng)建了新的電影票房預測模型。模型最終選取了美國mpaa評級、同行競爭、明星價值、影片類型、特技效果、是否為續(xù)集以及銀幕數(shù)量七個指標作為模型輸入變量，利用多層感知神經(jīng)網(wǎng)絡模型，準確預測了北美影片票房。 r. sharda, d. delen / expert systems with applications 30 (2006) 243254同時，sharda和delen的研究也開創(chuàng)了電影票房預測模型研究的新方向。（二） 我國電影票房的研究我國對電影票房預測

4、的研究相對西方而言起步較晚，曾有由chr首席研究架構師林俊毅博士帶領研究，在2010年推出了以回歸模型為基礎的電影票房估值模型。 中國電影整合營銷關鍵報告而此次由艾億新融資本管理有限公司總工程師張文云帶領團隊，利用前向反饋神經(jīng)網(wǎng)絡技術開發(fā)的中國第一套電影票房預測系統(tǒng)（brp）無疑開創(chuàng)了國內電影票房量化研究的先河，將電影票房的預測帶上了理論、技術的新高度。二、 國內電影票房機制一個簡單的乘法關系表示了票房的計算：其中在我國，電影票價是由影院房租水平、地方政府指導價格、以及制片方議價能力三方面所共同決定的?？傮w來看，電影票價在一段時間內是穩(wěn)定的，因此電影票房主要取決于觀影人次的變化。而觀影人次則受

5、電影的若干要素所影響，隨著人群的口碑效應而擴散。同時，先后上映的電影之間可能存在一定的票房沖突，造成票房分布的多樣性。一部電影從早期籌拍到在院線公映完畢，可分為制作、發(fā)行、上映三個階段。其中，制作階段從劇本創(chuàng)意開始，經(jīng)歷融資、組建劇組和拍攝四個階段；放映階段從電影首映開始至撤出院線結束；發(fā)行階段則是在影片制作完成之后、上映之前的階段，通常大量的媒體宣傳、商業(yè)活動會在這一時期進行。而一部電影最早從劇本階段，就會由于自身的宣傳或媒體的討論而吸引受眾。通常，電影的不同要素，例如：導演、主演、題材等會吸引不同受眾。隨著影片從制作過程進入發(fā)行階段，持續(xù)的媒體宣傳都旨在將受眾群最大化。而當影片結束發(fā)行階段

6、，開始首映之時，所有受眾則構成了初始觀影人次n0，此時電影也正式進入了放映階段。研究表明，放映階段的票房累計主要取決于人群的口碑效應高過發(fā)行方的宣傳效應。最初觀眾在觀看影片之后通過擴散效應傳播至更大的觀眾群，逐級擴散至放映結束時的累計觀影人次n。因此，在首映之后，根據(jù)最初觀眾的反饋在之后的票房可能出現(xiàn)大幅上升、持平、稍有下降等幾種現(xiàn)象，此外，在同一時期上映的其他影片也會對票房帶來負面影響。三、 為什么要預測電影票房？在西方，一部電影可產生的收入來源主要有以下幾大塊：票房收入；其他收入（如dvd、網(wǎng)絡版權、電影頻道等）；以及基于電影的外圍衍生品的銷售（如玩具、文化用品、服裝等）。即使如此，電影的

7、票房收入仍然占據(jù)了影片總收入的一半以上。并且，影片的上映票房收入也直接、或間接的決定了影片其他收入的水平。在我國，由于電影下游產業(yè)鏈的不完整，票房收入幾乎是電影綜合收入的全部來源，占到95.7%。因此可見，電影的票房收入決定了影片成敗與否。電影投資一直都被視作高風險投資，且投資金額動輒幾千萬、上億。因此，如果能在影片制作初期籌集資金階段對票房收入有準確的預估，那么就可在制作期間合理的投入、利用成本，從而在一定程度上規(guī)避了風險，保障了電影的收益率。作為理性的電影投資人，應當根據(jù)電影的預測收入考慮到貼現(xiàn)率的因素而確定電影的成本。尤其是當電影制作過程中，資金出現(xiàn)缺口，需要融資時，根據(jù)wacc確定貼現(xiàn)

8、率，重新計算電影資產價格并進行融資決策。圖1 電影投資過程有了電影票房預測系統(tǒng)，可以幫助投資方在投前準確進行投資定價；而在投中即影片制作中進行現(xiàn)場督促保障制作進度，同時盡職調查核算投資成本；在投后運用票房預測系統(tǒng)進行投后宣傳測算。整個過程的執(zhí)行降低了電影投資風險，保障了收益。由此可見，對電影票房的準確預測是電影投資定價的基礎，也是電影投資能否收回成本、得到收益的基石。四、 電影票房的預測方法如前所述，影片制作階段的不同要素影響、映射到了不同的觀眾群上，而這些不同映射群的合集則構成了影片的初始觀影人次(n0)。而觀影人數(shù)通過逐級擴散構成了最終觀影人次(n)。根據(jù)歷史累計的票房紀錄數(shù)據(jù)，應如何建立

9、電影票房預測模型？傳統(tǒng)的建模步驟如下圖所示：圖2 建模過程示意圖經(jīng)過最初的數(shù)據(jù)收集、篩選，我們獲得了國內近三年拍攝、上映的300余部電影的原始數(shù)據(jù)。然而，如何利用這些數(shù)據(jù)建立可靠的票房預測模型？有關于電影票房預測的研究指出 基于粗糙基于神經(jīng)網(wǎng)絡的數(shù)據(jù)分類研究及應用，羅建華，大連理工大學：電影的票房預測是一個典型的非線性問題，而人工神經(jīng)網(wǎng)絡是一種模擬人類思維的方法，可以通過訓練、學習產生一個非線性映射，自適應的對數(shù)據(jù)產生聚類，可實現(xiàn)有導師和無導師的學習。同時，神經(jīng)網(wǎng)絡方法有較好的抑制噪聲干擾的能力和泛化能力，在有噪聲污染的環(huán)境中使用時，具有較好的噪聲抑制能力和較強的魯棒性。因此，本文所述brp系

10、統(tǒng)使用了神經(jīng)網(wǎng)絡算法來預測電影票房收入。同時，為了輔助票房預測，更準確的估算出電影價值，brp系統(tǒng)也使用了回歸算法，二者同時提供給使用者準確的票房預測。五、 brp票房預測模型brp是“艾億新融”在系統(tǒng)考察導演、演員、制片、發(fā)行及市場營銷、電影生命周期、電影類型、發(fā)行地區(qū)等影響電影票房的諸多因素基礎上，基于資產定價模型，綜合采用金融工程和回歸統(tǒng)計分析方法研發(fā)出的預測系統(tǒng)。它能分析預測不同種類電影的票房價值，是電影產品定價的重要參考工具，對電影產業(yè)投融資具有較強的指導作用的創(chuàng)新型系統(tǒng)。brp系統(tǒng)可預測電影的前五周累計票房、單周票房、以及票房區(qū)間。其中，周累計票房、以及票房區(qū)間預測使用的是前向反饋

11、神經(jīng)網(wǎng)絡(back propagation neuron net)算法，單周票房預測使用的是回歸模型。在投資初期，周累計票房可用來預測票房、確定收益；而單周票房預測則幫助驗證預測收益；票房區(qū)間預測則可鎖定風險。在應用時，三個數(shù)據(jù)相輔相成，幫助投資人做出理性的判斷。（一） 神經(jīng)網(wǎng)絡算法基本原理如圖3所示，神經(jīng)網(wǎng)絡算法分輸入層、隱含層、輸出層，建模時將數(shù)據(jù)庫中的候選因素（3040個）通過輸入層導入系統(tǒng)中。系統(tǒng)在隱含層通過自我學習找出因素間的相關性，剔除冗余信息，最終在輸出層給出選定因素。此過程為正向推導過程，確定模型相關因素。圖3 神經(jīng)網(wǎng)絡建模正向推導過程在正向推導確定了預測電影票房的模型相關因素

12、后，下一步目標則是確定各相關因素的權重。在此次建模中，我們使用了逆向檢驗法來修正權重。過程如圖4所示。經(jīng)過逆向檢驗修正的模型就是我們最終得到的brp票房預測模型。圖4 逆向檢驗修正權重預測的神經(jīng)網(wǎng)絡結構共有4層：輸入層、2個隱藏層、輸出層。根據(jù)輸出層的不同建立了兩種預測模型作為互補（數(shù)值預測法和范圍預測法），數(shù)值預測模型收斂較快，準確度較高，范圍預測模型預測的結果較穩(wěn)定。預測的神經(jīng)網(wǎng)絡每次預測都取5次成功收斂的神經(jīng)網(wǎng)絡預測的平均值，取最接近這個平均值的預測數(shù)據(jù)作為預測結果。（二） brp系統(tǒng)的預測對象及輸出內容1. 周累計票房：周累計票房使用的是bp神經(jīng)網(wǎng)絡的預測模型，分數(shù)值預測法與范圍預測法

13、兩類。數(shù)值預測法輸出層只有1個神經(jīng)元，即只輸出一個具體的票房數(shù)值，但是帶有一定的波動性，多次預測同一部電影的票房數(shù)值時會出現(xiàn)小范圍的波動，因此才引入了范圍預測法作為對比。范圍預測法的輸出層帶有分類器，即輸出票房歸屬于哪個區(qū)間，并且其波動性比數(shù)值預測法小，但由于數(shù)據(jù)庫中電影數(shù)據(jù)不夠充分，因此預測的范圍區(qū)間比較大，隨著數(shù)據(jù)庫中收錄的歷史電影數(shù)據(jù)增多，預測的范圍區(qū)間越精確。這兩種方法是互補的，因此才在同一頁面上分別展示了這2種方法的預測結果，方便對比。2. 單周票房：單周票房使用的是多元線性回歸的方法，將電影的各個特征值作為變量，即擬合票房關于電影特征值的線性關系y=f(x),其中x表示電影特征值，

14、y表示每周票房。3. 系統(tǒng)輸出：為了增加系統(tǒng)輸出的可讀性，系統(tǒng)使用可視化的柱狀圖、折線圖等展示票房預測結果。當同時預測的電影數(shù)在兩部或以上時，系統(tǒng)還可將數(shù)據(jù)以柱狀圖形式輸出在同一張圖上用以直觀對比。同時，所有報表都提供了打印功能。（三） brp系統(tǒng)數(shù)據(jù)基礎（即系統(tǒng)輸入變量）總票房預測和單周票房預測模型建立是以近3年近186部歷史電影統(tǒng)計作為數(shù)據(jù)基礎，預測的準確度很大程度上依賴于數(shù)據(jù)庫中電影樣本數(shù)據(jù)統(tǒng)計的準確性和電影的數(shù)量。而現(xiàn)在brp數(shù)據(jù)庫中的電影已達到600多部。從實際電影市場的影響因素出發(fā)，暫定預測模型的輸入變量為電影導演、電影演員(取前2個演員)、電影類型(取前2個電影類型)、發(fā)行地區(qū)。

15、候選輸入變量為：制片人、發(fā)行公司、制片公司、編劇、檔期(正在統(tǒng)計中),輸出變量為周電影票房或者電影票房區(qū)間。預測電影時所輸入的電影演員、導演需要根據(jù)他們的歷史電影票房成績確定他們的權重，因此對于數(shù)據(jù)庫中已經(jīng)存在的導演、演員，在預測他們參與拍攝的電影票房時準確度較高。1. 導演、演員影響力量化：通過統(tǒng)計現(xiàn)有電影數(shù)據(jù)庫中某位導演或演員參與拍攝的電影歷史票房成績作為該演員/導演的影響力量化憑據(jù)。2. 電影發(fā)行地區(qū)：統(tǒng)計現(xiàn)有電影樣本中分屬于中國、歐美、港臺、日韓和其他地區(qū)這五個大類的電影票房成績作為電影發(fā)行地區(qū)的影響力量化憑據(jù)。3. 影片類型：統(tǒng)計現(xiàn)有電影樣本中分屬于愛情、卡通、災難、懸疑（冒險/犯罪

16、）、恐怖(驚悚)、戰(zhàn)爭、紀錄（傳記/歷史）、家庭、喜劇、戲劇(音樂、戲曲)、科幻(魔幻/奇幻)、喜劇、動作(武俠/古裝)、故事(劇情)這幾個大類的歷史票房成績作為這些類型的影響力量化憑據(jù)。（四） brp票房預測系統(tǒng)模型驗證在brp系統(tǒng)研發(fā)完成后，我們選取了幾部在中國內陸院線上映的影片做了票房預測，并將結果與真實票房進行對比。以2010年1月上映的引進大片阿凡達為例，我們用brp系統(tǒng)對影片前五周的單周票房進行了預測。而其結果與真實結果非常接近。（如圖5所示）圖5 影片阿凡達單周票房預測結果當我們把影片前五周的票房總和相加，預測值為9.3326億元，而真實值為9.9100億元，二者相差5774萬元

17、，即誤差為5.8%。由此可見，brp系統(tǒng)的預測相當精準。在利用神經(jīng)網(wǎng)絡算法預測周累計票房時，由于模型創(chuàng)建時考慮到了多部電影同時上映時的票房相互間影響，因此，當多部電影同時預測時，準確性更高。圖6以國內同時上映的5部電影為例，預測了他們的第一周累計票房。圖6 多部電影周累計票房預測由此可見，在同時預測多部電影周累計票房時，brp系統(tǒng)的準確性相當高。神經(jīng)網(wǎng)絡算法的結果具有波動性，實際風險控制應用中可通過多次計算得到票房預測分部（近高斯分布），以此確定電影票房的置信區(qū)間，來達到風險控制的目的。下圖以金陵十三釵連續(xù)20次的預測結果為例：圖7 金陵十三釵多次票房預測結果由圖7可見，20次的計算已經(jīng)顯示出

18、了近高斯的票房分布，而在實際應用中計算的次數(shù)可達到1000甚至10000次，以此來得到可信的票房分布。六、 結論本文以近3年近189部歷史電影統(tǒng)計作為數(shù)據(jù)基礎，使用了前向反饋神經(jīng)網(wǎng)絡(back propagation neuron net)作為理論基礎，建立了數(shù)值預測法和范圍預測法兩種預測模型，根據(jù)用戶輸入的電影特征，預測該電影在上映期間(前五周)的每周累計票房。同時，使用了多元線性回歸作為理論依據(jù)，擬合票房關于電影特征值的線性函數(shù)，預測該電影在上映期間（前五周）每周的單周票房收入，輸出電影每周的票房趨勢供用戶參考。根據(jù)此模型建立的brp系統(tǒng)采用b/s結構,利用jsp+tomcat+mysql技術架構實現(xiàn)mvc架構，系統(tǒng)共分為四個功能模塊。在西方，尤其是北美電影業(yè)，對票房的量化預測起始于上個世紀八十年代，發(fā)展至今已建立了票房預測模型，實現(xiàn)對票房的成功預測，這是西方電影票房研究的基本特點。相對北美票房預測的發(fā)展而言，國內的電影票房預測還處在初級階段。目前，國內一些知名的院線公司在票房預測上主要采取的是頭腦風暴法，這種方法一般由公司內部負責發(fā)行的工作人員進行簡單猜測，之后結合專家的經(jīng)驗匯總信息對票房進行估測，結果往往差強人意，甚至影響票房的產出。brp系統(tǒng)作為國內領先的票房量化預測系統(tǒng)，無疑開創(chuàng)了國內電影票房預測的先河，在技術上具有