新影數訊 為電影“看病”
無數據不互聯
作者：賀文
有人稱他們是為電影“算命”，但劉晗以為，“看病”更準確。劉晗他們創業的新影數訊，就是將數據分析、數據挖掘應用到電影票房的預測上。這是一個創業不到兩年的團隊，現在是十餘人的規模，卻掌握了20000部電影、60000名藝人、4000位導演的數據資料，並能對微博80%活躍用戶中的影迷約8000萬人進行偏好分析。
劉晗介紹，新影數訊開發的“iFilm+”係統即通過數據分析，將影視作品和用戶的行為關聯起來。“我們挖掘用戶（影迷）對娛樂產品（影片）的娛樂訴求和價值感知，然後我們精準地計算出某部影片的受眾人群的意願。在知道了什麼樣的電影會成功之後，我們便能對製片人和導演提出決策建議。”在這一思路下，原本是B2C模式的電影產業，將出現C2B的變化。劉晗說，“iFilm+”預測一部電影的市場表現，在上映前一個月左右，其準確度能達到80%。
這套算法也不是萬能的。“iFilm+”能說明白應該怎樣做，卻不能解釋為什麼，這也不是“iFilm+”的缺陷，而是因為“大數據隻解釋相關性的問題，不解釋因果”。此外，這套算法隻能做到測算商業片的價值回報，卻算不出“電影能不能得獎，會不會感人”。
將數據分析、數據挖掘應用到影視領域，劉晗認為能做兩件事，預測和推薦。新影數訊選擇了toB“預測”，回避了toC“推薦”。因為中國的互聯網用戶，還沒有特別好的付費習慣，而比較常見的電影票抽成的做法，給他們這類服務商留下的利潤空間已經很薄。
“手工清洗”數據
事實上，電影行業利用數據，在好萊塢不是新鮮事兒。在好萊塢工業體係下，一部電影從研發、創作生產到發行，都能看到數據的身影。而且，好萊塢在數據庫建設方麵的基礎工作做得很早、很紮實。在中國情況則大不相同。有業內人士曾說，“中國電影產業多數時候都是拍腦門憑經驗，過去連每周票房的實際數據都拿不到，很多數據都不靠譜，更不要說其他精確數據了”。
那新影數訊的“iFilm+”，是如何解決數據來源難題呢？影片製作端、影片消費端這兩端的信息數據，“iFilm+”是如何完成積累的？
按照新影數訊的理念，電影的名稱、陣容、劇本、檔期、宣傳點、主題曲、互聯網版權等30多個參數變量共同決定了一部影片是否能獲得成功。他們的設想是，從過往上映的電影抽樣中，找到相關數據，然後利用計算機確定出定量和公式。這部分做法類似於好萊塢的票房預測體係。但“iFilm+”不僅如此，還引入了社交網絡的數據，將微博等社交網絡上涉及到演員、角色、電影結局等內容作為變量。“300個人月”，這是劉晗他們用在電影行業數據收集與整理上的時間。換句話說，如果有20個人手的話，得做15個月。
光有人力和時間的投入還不夠，還得有技術手段的介入。劉晗舉例說，很多網絡數據庫對於演員票房貢獻度的算法很粗糙，他們則是按照戲份的多少、台詞的多少等來計算演員票房貢獻度。即便像《十二生肖》這種由成龍編劇、導演、主演的影片，按照劉晗他們的係統計算，成龍的票房貢獻度也不到70%。最初的時候，劉晗他們甚至用“最笨”的方法——找人看一遍電影——來核實一些影片基本信息的真實與否。“這些電影行業的原始數據都是我們自己‘手工洗過’的，我們能做到現在這一步，也是因為幹了很多苦活累活，所以不怕新浪、騰訊或者百度。”劉晗說。
即便如此，電影行業本身的數據還都不是“大數據”，劉晗認為，社交媒體的用戶行為數據，才是真正的大數據。但這部分數據的收集和整理的難題是，如何過濾掉數據的“雜音”？劉晗反倒不認為這是難事。在創業之前，他曾在新浪的無線部門做技術，很熟悉新浪微博的底層技術，他還在中移動旗下的卓望公司工作過，參與搭建了卓望整個的開放平台，卓望當時主要負責中移動“移動夢網”。“抓取數據，識別僵屍粉絲、判定灌水、攔截機器人等，我們相對有得天獨厚的條件。”