截止到10月16日，《黃金時(shí)代》的累計(jì)票房為4698萬（已上映16天），如此成績對(duì)于片方、媒體和公眾而言都是出乎意料，畢竟?jié)M滿的七天國慶黃金檔是一個(gè)日產(chǎn)斗金的高產(chǎn)值檔期，無論是湯唯還是馮紹峰都已是炙手可熱的有極高票房號(hào)召力的大明星（《北京遇上西雅圖》《后會(huì)無期》票房均超過5億），此役失利堪稱冷門。
但最令人啞然的恐怕還是影片上映前百度為其背書的票房預(yù)測(cè)，當(dāng)時(shí)很多媒體還認(rèn)為百度的預(yù)測(cè)太過保守。在百度百發(fā)的新聞發(fā)布會(huì)上，當(dāng)宣布預(yù)測(cè)票房為2.0~2.3億后，全場(chǎng)只有安靜，畢竟對(duì)于這個(gè)為期七天的黃金檔期對(duì)于擁有湯唯和馮紹峰的電影而言，只預(yù)計(jì)這個(gè)數(shù)字略顯保守了——但如此謹(jǐn)慎的預(yù)測(cè)，在今天看來竟顯得過于“樂觀”.
其實(shí)百度很早就開始研究并在內(nèi)部測(cè)試票房預(yù)測(cè)了，在今年7月18日愛奇藝影業(yè)宣布成立的新聞發(fā)布會(huì)上，愛奇藝首席內(nèi)容官馬東就曾透露，目前在愛奇藝內(nèi)部，基于百度大數(shù)據(jù)的票房預(yù)測(cè)已經(jīng)能夠做到80%以上的準(zhǔn)確率，未來將會(huì)在適當(dāng)?shù)臅r(shí)候?qū)ν獍l(fā)布票房預(yù)測(cè)。顯然，針對(duì)《黃金時(shí)代》的百度百發(fā)（娛樂眾籌產(chǎn)品）發(fā)布就成為了百度票房預(yù)測(cè)發(fā)布的適當(dāng)時(shí)候，但只可惜出師未捷。
為什么中國最有能力做大數(shù)據(jù)預(yù)測(cè)的百度，竟會(huì)“意外”馬失前蹄？虎嗅君為此采訪了愛夢(mèng)娛樂大數(shù)據(jù)創(chuàng)始人雷鳴、樂視影業(yè)數(shù)據(jù)及策略中心總監(jiān)凌毅、凡影調(diào)研客戶總監(jiān)王舒及搜狗搜索事業(yè)部。
（虎嗅注：搜狗搜索事業(yè)部——“深思”是搜狗搜索正在嘗試做的一個(gè)社會(huì)化預(yù)測(cè)系統(tǒng)，據(jù)搜狗方面介紹，命名為“深思”,是希望在不同領(lǐng)域進(jìn)行趨勢(shì)預(yù)測(cè)，通過這個(gè)綜合系統(tǒng)來發(fā)現(xiàn)隱藏在大數(shù)據(jù)背后的奧秘，而電影票房這一方向的預(yù)測(cè)是“深思”最先進(jìn)行探索的領(lǐng)域。）
歷史沉淀數(shù)據(jù)嚴(yán)重不足
雷鳴和王舒都認(rèn)為，在國內(nèi)做電影票房預(yù)測(cè)存在一個(gè)根本性的“疏漏”,就是中國電影市場(chǎng)的歷史數(shù)據(jù)沉淀嚴(yán)重不足。我國有詳細(xì)、清楚和準(zhǔn)確的票房記錄是從2012年開始。
當(dāng)年2月，全國電影票務(wù)綜合信息系統(tǒng)（簡(jiǎn)稱新平臺(tái)）上線。該平臺(tái)共規(guī)劃了信息速遞、行業(yè)組織管理、影院管理、影片管理、票房數(shù)據(jù)接收、放映數(shù)據(jù)接收、監(jiān)控管理、專資收繳管理、專資使用管理、查詢統(tǒng)計(jì)、分析預(yù)測(cè)、GIS綜合展示、安全認(rèn)證、系統(tǒng)管理、SSL應(yīng)用共15個(gè)模塊，77項(xiàng)功能。從技術(shù)上才實(shí)現(xiàn)了能夠準(zhǔn)確統(tǒng)計(jì)全國的票房、場(chǎng)次、排片等影院端生成的數(shù)據(jù)。
在此之前，除了年底由國家電影專資辦統(tǒng)計(jì)出具的權(quán)威票房數(shù)據(jù)外，其他每周、每月票房的數(shù)據(jù)多是由專業(yè)人士根據(jù)抽樣樣本的統(tǒng)計(jì)進(jìn)行的估算。
雷鳴和王舒都提到了，好萊塢從1930年代前后即開始進(jìn)行票房數(shù)據(jù)的調(diào)查、統(tǒng)計(jì)和披露。虎嗅君查到可能是好萊塢最早的票房數(shù)據(jù)調(diào)研公司之一的QUIGLEY出版公司（QUIGLEY PUBLISHING COMPANY, INC.），該公司創(chuàng)立于1915年。根據(jù)其官網(wǎng)介紹，該公司每年向公眾出版《全球電影票房年鑒》（ Internationl Motion Picture Almanac），年鑒內(nèi)包含電影公司的信息、當(dāng)年出品電影片目、票房統(tǒng)計(jì)數(shù)字、獲獎(jiǎng)情況等電影行業(yè)的制片、發(fā)行及放映方面的統(tǒng)計(jì)資料。
由于包括QUIGLEY公司在內(nèi)的第三方調(diào)研公司經(jīng)年累月的數(shù)據(jù)統(tǒng)計(jì)，好萊塢能夠在近百年的時(shí)間里積累了大量的歷史統(tǒng)計(jì)數(shù)據(jù)，這些數(shù)據(jù)的沉淀并經(jīng)過當(dāng)代計(jì)算機(jī)數(shù)字技術(shù)的結(jié)構(gòu)化才形成了如今好萊塢電影大數(shù)據(jù)預(yù)測(cè)的基礎(chǔ)。
搜狗方面坦言，他們并未對(duì)《黃金時(shí)代》進(jìn)行票房預(yù)測(cè)，問及百度的失利原因，他們認(rèn)為，“就票房預(yù)測(cè)本身而言，這是一件很復(fù)雜困難的事情，所以預(yù)測(cè)不準(zhǔn)確這件事情是很正常的。”搜狗方面也重點(diǎn)提到了關(guān)于歷史數(shù)據(jù)不足量是目前做大數(shù)據(jù)預(yù)測(cè)的重要困難，“票房預(yù)測(cè)模型較為依賴歷史數(shù)據(jù)，但通過歷史數(shù)據(jù)積累學(xué)習(xí)比較難，（我國）有數(shù)據(jù)可查的片子數(shù)量也只有數(shù)百部，可用來學(xué)習(xí)規(guī)律的歷史數(shù)據(jù)積累其實(shí)十分有限。”
雷鳴介紹，愛夢(mèng)娛樂大數(shù)據(jù)為了彌補(bǔ)公開的票房數(shù)據(jù)資料不足，自己做了大量的“臟活、累活”,對(duì)2010年以來的國產(chǎn)影片單片的投資額、票房、演員陣容等進(jìn)行了盡可能的資料發(fā)現(xiàn)和統(tǒng)計(jì)，并進(jìn)行了標(biāo)簽化的整理，從而形成自己的具備一定沉淀量的結(jié)構(gòu)化數(shù)據(jù)。
王舒還特別提到了，從2012年有詳盡票房統(tǒng)計(jì)以來的統(tǒng)計(jì)數(shù)據(jù)并不足夠有參考價(jià)值以作為票房預(yù)測(cè)的基礎(chǔ)，因?yàn)橹袊娪爱a(chǎn)業(yè)自2012年以來連續(xù)地進(jìn)入了一段爆發(fā)式的增長期，從百億迅速跨越到了兩百億元，甚至今年有望沖擊300億元。
“穩(wěn)定性是做趨勢(shì)性預(yù)測(cè)的基礎(chǔ)。”王舒認(rèn)為，“高速增長是破壞性的，如果根據(jù)這樣的數(shù)據(jù)進(jìn)行預(yù)測(cè)，則必須做出實(shí)時(shí)的調(diào)整才能相對(duì)準(zhǔn)確。”就王舒看來，只有等到中國電影的票房產(chǎn)值進(jìn)入到一個(gè)穩(wěn)定的平臺(tái)期，電影的消費(fèi)習(xí)慣趨于穩(wěn)定，趨勢(shì)性的預(yù)測(cè)才可能基于統(tǒng)計(jì)分析“準(zhǔn)確”做出。
難以排除的數(shù)據(jù)“噪音”——“臟數(shù)據(jù)”
根據(jù)媒體對(duì)當(dāng)時(shí)百度百發(fā)推出時(shí)的報(bào)道顯示，“據(jù)百度大數(shù)據(jù)部產(chǎn)品規(guī)劃負(fù)責(zé)人祖崢介紹，百度票房預(yù)測(cè)基于百度每日60億次的搜索查詢數(shù)據(jù)，1億規(guī)模的微博數(shù)據(jù)以及10年電影行業(yè)數(shù)據(jù)，通過百度大數(shù)據(jù)引擎將數(shù)據(jù)進(jìn)行整合、建模和清洗，輸出針對(duì)特定電影的搜索指數(shù)、社交指數(shù)、演員指數(shù)、導(dǎo)演指數(shù)等，最終可以導(dǎo)出電影總票房預(yù)測(cè)和7日票房預(yù)測(cè)等數(shù)據(jù)。”
雷鳴認(rèn)為，百度的搜索排名以及搜索結(jié)果導(dǎo)出的各類指數(shù)都會(huì)有大量的“結(jié)果”來自于片方及其宣傳公司的購買，即非自然形成的人為推高——這在電影行業(yè)的宣傳里司空見慣，當(dāng)然也是百度的競(jìng)價(jià)排名等與搜索結(jié)果有關(guān)的收費(fèi)服務(wù)所提供的“宣傳空間”.
如果是這些“結(jié)果”,則本身由此就會(huì)存在大量的誤導(dǎo)，這在雷鳴的描述里被稱作統(tǒng)計(jì)上的“噪音”,亦被稱作“臟數(shù)據(jù)”.雷鳴認(rèn)為，不排除《黃金時(shí)代》存在這些“噪音”,而百度方面很有可能因?yàn)闆]有能夠剝離這些“臟數(shù)據(jù)”,從而“被自己欺騙了”.
百度方面是否有能力清理這些“臟數(shù)據(jù)”以便讓數(shù)據(jù)更真實(shí)，讓基于這些數(shù)據(jù)的票房預(yù)測(cè)成為靠譜的趨勢(shì)判斷呢？
搜狗方面認(rèn)為技術(shù)上應(yīng)該是可以的，就搜狗的“深思”而言，“我們會(huì)用多個(gè)來源的數(shù)據(jù)互相校驗(yàn)，比如搜索數(shù)據(jù)、各個(gè)社交媒體的數(shù)據(jù)，也會(huì)有一些過濾策略，應(yīng)該能夠減少這些行為的影響。”搜狗方面也相信，“同為搜索引擎，百度在整合數(shù)據(jù)的過程中也會(huì)有相應(yīng)的過濾策略。”
但如果這些“臟數(shù)據(jù)”成為構(gòu)成指數(shù)的大部分甚至是絕大部分?jǐn)?shù)據(jù)呢？特別是當(dāng)一部偏小眾、偏安靜的文藝青年所期待的電影，他們本身對(duì)于這些數(shù)據(jù)的貢獻(xiàn)有限甚至微弱的情況下，一旦洗干凈了數(shù)據(jù)是否會(huì)存在可供分析或生成指數(shù)的數(shù)據(jù)也就所剩無幾了呢？而這些失去統(tǒng)計(jì)價(jià)值的數(shù)據(jù)是否仍能作為票房預(yù)測(cè)的依據(jù)呢？
這種矛盾或許也是百度的票房預(yù)測(cè)模型和數(shù)學(xué)家們所困擾的吧。
預(yù)測(cè)模型還處在初級(jí)階段：變量遺漏和樣本偏差
關(guān)于百度預(yù)測(cè)模型，媒體公開的資料顯示，“這一產(chǎn)品結(jié)合百度搜索數(shù)據(jù)、新浪微博數(shù)據(jù)，以及中國電影過去5年的歷史票房數(shù)據(jù)，可以從演員熱度、導(dǎo)演熱度、電影關(guān)注度、上映時(shí)間等多個(gè)維度對(duì)一部電影進(jìn)行票房預(yù)估。”
凌毅認(rèn)為，僅從披露的信息看，模型內(nèi)包含的數(shù)據(jù)維度并不足夠多，“或許該模型還處在初級(jí)階段。”凌毅提到了從媒體公布的資料看，特別是忽略了檔期內(nèi)其他競(jìng)爭(zhēng)影片這一重要的參考維度。而據(jù)其分析，該片之所以會(huì)票房失利，與影片對(duì)國慶檔期的錯(cuò)判，特別是該檔期內(nèi)觀眾的消費(fèi)心理錯(cuò)判有很大的關(guān)系。凌毅介紹，樂視影業(yè)內(nèi)部對(duì)于電影項(xiàng)目的數(shù)據(jù)決策模型中，基于同檔期競(jìng)爭(zhēng)影片的數(shù)據(jù)分析是十分重要的數(shù)據(jù)維度。
搜狗方面亦對(duì)此深為認(rèn)同，“影響票房的未知因素多：導(dǎo)演、演員、劇本、宣傳、首映時(shí)間、影片檔期、同期競(jìng)爭(zhēng)的影片、CPI、經(jīng)濟(jì)周期、天氣情況、影院的排片率、上座率、票價(jià)、是否3D等等。此外，《黃金時(shí)代》與多部電影同步上映，互相影響。而很多數(shù)據(jù)都是基于單部電影，對(duì)多部電影相互影響的作用并不好分析預(yù)判。百度票房預(yù)測(cè)基于百度搜索數(shù)據(jù)、新浪微博數(shù)據(jù)，以及中國電影過去10年的歷史票房數(shù)據(jù)，數(shù)據(jù)的來源和覆蓋人群還是非常廣的，只是如上所述，預(yù)測(cè)過程中充滿了不確定性，特別是一些不可預(yù)期的變量會(huì)對(duì)預(yù)測(cè)結(jié)果產(chǎn)生比較大的影響，這點(diǎn)在部分電影中表現(xiàn)會(huì)比較明顯，也是不可避免的。”
在王舒看來，變量遺漏和樣本偏差是做統(tǒng)計(jì)性趨勢(shì)分析的最大敵人。前者即是凌毅提到的問題，維度的不夠豐富，不僅可能是因?yàn)槭杪┒鴮?dǎo)致沒有納入到統(tǒng)計(jì)口徑內(nèi)，還可能是因?yàn)榛ヂ?lián)網(wǎng)內(nèi)的數(shù)據(jù)目前仍然存在“門戶”壁壘——無法打通一些關(guān)鍵的大數(shù)據(jù)，譬如說微博數(shù)據(jù)與微信數(shù)據(jù)打通，譬如百度的搜索引擎內(nèi)沉淀的數(shù)據(jù)與騰訊在QQ、微信上沉淀的用戶數(shù)據(jù)打通，譬如淘寶、京東、貓眼等電商或O2O平臺(tái)內(nèi)的數(shù)據(jù)之間打通，這些具有強(qiáng)關(guān)聯(lián)性的數(shù)據(jù)目前還難以實(shí)現(xiàn)數(shù)據(jù)的分享，而這些數(shù)據(jù)不能打通，則任何一方對(duì)于“人”的消費(fèi)行為描述、消費(fèi)心理觀察都必然會(huì)有相當(dāng)程度的偏頗，變量遺漏也就在所難免了。
樣本偏差指的是，“在沒有嚴(yán)格遵循隨機(jī)的原則時(shí)，所覆蓋的樣本越大反而會(huì)導(dǎo)致誤差越大。”另外由于搜索只是一種表示興趣的行為，如果僅以一小部分人的興趣來推測(cè)全體的購票決策，準(zhǔn)確度有限是難免的。
影院經(jīng)理仍然是迄今為止最好的票房預(yù)測(cè)專家
雷鳴在介紹愛夢(mèng)娛樂大數(shù)據(jù)的票房預(yù)測(cè)模型時(shí)，特別強(qiáng)調(diào)了行業(yè)情報(bào)對(duì)于票房預(yù)測(cè)的不可替代性。雷鳴認(rèn)為只有基于對(duì)于行業(yè)的深刻理解，再加之以大數(shù)據(jù)才可能做出誤差較小的票房預(yù)測(cè)。雷鳴方面在此次國慶檔期的票房預(yù)測(cè)中，對(duì)《心花路放》《痞子英雄2》及《親愛的》的預(yù)測(cè)基本準(zhǔn)確，偏差較小，但也在《黃金時(shí)代》上出現(xiàn)了“較大失誤”.
雷鳴告訴虎嗅君，“沒想到影院經(jīng)理這么快就徹底放棄了《黃金時(shí)代》”,經(jīng)過復(fù)盤分析后，發(fā)現(xiàn)整個(gè)9月，全國票房大盤整體疲軟，到了中下旬更是堪稱蕭條，每日大盤經(jīng)常出現(xiàn)少于5000萬甚至是兩三千萬的低迷狀況——影院經(jīng)理們“饑餓”了一整個(gè)月，在暑期檔繁榮的背影下，九月幾乎令人哀傷。正因?yàn)槿绱?，影院?jīng)理對(duì)于《心花路放》的“暴飲暴食”也就順理成章，此消彼長的情況下對(duì)于《黃金時(shí)代》的“容忍”期也就只有上映首日和次日，隨后的排片量當(dāng)然也就銳減——想想影院經(jīng)理們的獎(jiǎng)金、工資都指望著這七天呢。
這當(dāng)然是行業(yè)情報(bào)的一部分，還包括對(duì)于同檔期競(jìng)爭(zhēng)影片的形勢(shì)掌握，一個(gè)或許比《黃金時(shí)代》更典型的例子是《絕命逃亡》。
虎嗅暑期時(shí)與該片片方有過溝通，我們對(duì)該片選在國慶黃金檔持保留意見，但片方方面顯示出了特別的樂觀，唯一認(rèn)為能夠形成競(jìng)爭(zhēng)的對(duì)手就是《心花路放》——直到檔期臨近的最后一天，《絕命逃亡》似乎才看清了競(jìng)爭(zhēng)形勢(shì)，上演了一出絕命逃亡——撤檔。
搜狗方面坦言：“由于未知因素比較多，且不可控，在計(jì)算過程中，很多因素?zé)o法量化或者引入進(jìn)來。因此只能把握幾個(gè)最主要的因素，盡可能控制影響，預(yù)測(cè)本身即存在局限性。”而這些未知因素，也正是大量基于人腦才能收集和判斷的情報(bào)，無法數(shù)據(jù)化的進(jìn)入數(shù)字化的計(jì)算范圍。
王舒告訴虎嗅君，在她了解的范圍內(nèi)，他認(rèn)為，迄今為止，影院經(jīng)理仍然是能夠做出最準(zhǔn)確票房預(yù)測(cè)的專家。他們對(duì)于檔期內(nèi)的競(jìng)爭(zhēng)情報(bào)和影片內(nèi)容的了解最全面，他們對(duì)于服務(wù)的觀眾的消費(fèi)行為、消費(fèi)心理掌握最透徹，因此也最能夠做出較小誤差的票房預(yù)測(cè)——但只是針對(duì)所經(jīng)營影院的各片成績。如果有能力對(duì)影院經(jīng)理們做逐一的統(tǒng)計(jì)，或是合理取樣，可能比互聯(lián)網(wǎng)平臺(tái)的數(shù)據(jù)更接近觀眾。
票房預(yù)測(cè)沒有意義，電影領(lǐng)域談大數(shù)據(jù)尚言之過早
“大數(shù)據(jù)不實(shí)用。”王舒認(rèn)為，“做這種預(yù)測(cè)，對(duì)于電影票房并沒有直接的幫助。這是一個(gè)無法證偽，也無法證實(shí)的預(yù)測(cè)。”映前的票房預(yù)測(cè)如果預(yù)測(cè)高了，片方也不會(huì)就不作為，干等勝利成果，那么預(yù)測(cè)后所進(jìn)行的努力就成了對(duì)于票房最終結(jié)果的助力，從而也就無法證實(shí)彼時(shí)的預(yù)測(cè)與此時(shí)的成績之間是否可以稱作是準(zhǔn)確。反之亦然，預(yù)測(cè)低了，片方當(dāng)然會(huì)盡最大努力調(diào)整營銷策略，那無論最終準(zhǔn)確與否都無法判斷彼時(shí)預(yù)測(cè)的結(jié)果究竟對(duì)與否。因此，除了為影片增加噱頭外，票房預(yù)測(cè)可以說沒有價(jià)值。
凌毅告訴虎嗅君，樂視影業(yè)內(nèi)部的數(shù)據(jù)及策略中心，會(huì)在電影的投資階段，便參與到對(duì)項(xiàng)目的市場(chǎng)評(píng)估，幫助影片在制作上做調(diào)整。而在電影進(jìn)入到發(fā)行階段之后，更會(huì)基于對(duì)本體、檔期、競(jìng)品等的數(shù)據(jù)分析，來制定相應(yīng)的市場(chǎng)策略，包括通過對(duì)實(shí)施效果的實(shí)時(shí)監(jiān)測(cè)，來修正和調(diào)整營銷策略。凌毅強(qiáng)調(diào)，數(shù)據(jù)分析更像是一個(gè)工具，它能修正經(jīng)驗(yàn)及主觀意識(shí)的偏見，幫助片方在營銷上少做錯(cuò)誤的決策，但絕不是包治百病的萬靈丹。
“目前，電影領(lǐng)域談大數(shù)據(jù)，還有一點(diǎn)為時(shí)過早。”凌毅認(rèn)為，電影行業(yè)仍然還是傳統(tǒng)產(chǎn)業(yè)，從制造到消費(fèi)都是線下完成，即便現(xiàn)在有電商介入購票環(huán)節(jié)，但是絕大部分的線下行為都無法數(shù)據(jù)化導(dǎo)入到線上，從而形成具有因果關(guān)聯(lián)性的大數(shù)據(jù)沉淀。“包括在樂視影業(yè)內(nèi)部，目前數(shù)據(jù)對(duì)我們最具意義的部分，其實(shí)在于它是一套培養(yǎng)良好思維習(xí)慣的工具，大數(shù)據(jù)的前景在將來。”
王舒與凌毅觀點(diǎn)相似，他認(rèn)為大數(shù)據(jù)盡管不同于過去強(qiáng)調(diào)因果關(guān)系的統(tǒng)計(jì)分析，但強(qiáng)調(diào)關(guān)聯(lián)性的大數(shù)據(jù)并非無需因果，仍然需要有因果關(guān)系的數(shù)據(jù)導(dǎo)入——否則，全世界發(fā)生的事情都只要用“蝴蝶效應(yīng)”來解釋就足矣。
僅就電影行業(yè)的大數(shù)據(jù)而言，一方面需要較長時(shí)間的歷史沉淀數(shù)據(jù)——王舒認(rèn)為是十年后，另一方面需要有大量的第三方公司參與到行業(yè)中來，幫助打通各個(gè)陣營、領(lǐng)域、行業(yè)中“孤立”的數(shù)據(jù)，關(guān)聯(lián)才是大數(shù)據(jù)中“大”的真正價(jià)值。因此，沉淀票房的歷史數(shù)據(jù)以及與電影行業(yè)有關(guān)的其他數(shù)據(jù)才是當(dāng)務(wù)之急，經(jīng)年累月后，這些大數(shù)據(jù)能夠產(chǎn)生巨大的分析價(jià)值——不止于票房預(yù)測(cè)。