貓眼電影李明輝：機(jī)器學(xué)習(xí)在票房預(yù)估中的實(shí)戰(zhàn)

作者：王雪燕 2017-10-12 23:20:06

高風(fēng)險(xiǎn)且投資回報(bào)率難以預(yù)測，很多時(shí)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(gè)真空地帶。

【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(jì) 2020 年前后會(huì)達(dá)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(dá)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(jī)遇與風(fēng)險(xiǎn)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)。

票房預(yù)測的意義、難點(diǎn)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(gè)階段，都會(huì)起到很關(guān)鍵的作用：

電影上映前，此時(shí)投資方準(zhǔn)備投放一部電影，如可提前預(yù)估投資回報(bào)率，就能夠有效控制風(fēng)險(xiǎn)。
電影發(fā)行期，對(duì)電影進(jìn)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(jìn)行智能排片，趨近利益最大化的目標(biāo)。

票房預(yù)測的難點(diǎn)

目前，票房預(yù)測達(dá)不到預(yù)期效果，是因?yàn)槊媾R如下幾大難點(diǎn)：

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(jī)器學(xué)習(xí)解決票房預(yù)測時(shí)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(jí)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(píng)價(jià)一部電影的好壞，但口碑如何來度量？如國慶、暑假對(duì)電影上映的影響，又如何度量？

影響票房的因素

票房高低，會(huì)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(dòng)畫片、文藝片、動(dòng)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(huì)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?yàn)橛幸恍┍容^有號(hào)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(huì)帶來票房的增量。
檔期。受到同期上映電影的競爭，會(huì)影響某部電影的票房。
宣傳力度。營銷用多少成本，廣告花費(fèi)多少，電影上映時(shí)候投入票補(bǔ)多少，也會(huì)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(duì)的內(nèi)容，買、偷票房數(shù)據(jù)等因素都會(huì)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(shí)代到現(xiàn)在，在票房預(yù)測的整個(gè)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(xì)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(shí)時(shí)票房、影院級(jí)實(shí)時(shí)票房、天極票房和總票房等部分。貓眼目前重點(diǎn)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(gè)重要時(shí)間點(diǎn)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(shí)時(shí)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(jià)等各種細(xì)密度數(shù)據(jù)。
天級(jí)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(diǎn)、21 點(diǎn)預(yù)測第二天的票房。
總票房，是指每部影片在整個(gè)上映周期的全國票房預(yù)測，以首映日、首周末日為時(shí)間節(jié)點(diǎn)。
實(shí)時(shí)票房、天極票房和總票房三者之間存在一定的關(guān)系。實(shí)時(shí)票房提供實(shí)時(shí)和未來預(yù)測的數(shù)據(jù)，為天級(jí)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(gè)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(tái)交易數(shù)據(jù)等這些基礎(chǔ)數(shù)據(jù)，可對(duì)全國實(shí)時(shí)票房及每個(gè)影院的實(shí)時(shí)票房進(jìn)行預(yù)測，當(dāng)然獲得的數(shù)據(jù)還需要進(jìn)行一些降噪處理。

得到全國每個(gè)影院的實(shí)時(shí)票房后，可以做到城市地區(qū)實(shí)時(shí)票房的預(yù)測。重點(diǎn)是天級(jí)票房和總票房的預(yù)測，需要相對(duì)復(fù)雜的方法來做，處理后的數(shù)據(jù)都會(huì)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(jìn)行參考。

如下圖，是貓眼工具首頁：

工具首頁顯示的是實(shí)時(shí)票房，點(diǎn)擊進(jìn)入就會(huì)看到天級(jí)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(huì)存在一些問題和解決方法，下面我們從實(shí)時(shí)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(shí)時(shí)票房

實(shí)時(shí)票房數(shù)據(jù)對(duì)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(shí)時(shí)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(duì)接 18 種售票系統(tǒng)、詳細(xì)的影院場次及座位數(shù)據(jù)等等，這些是貓眼做實(shí)時(shí)票房的優(yōu)勢。用貓眼買過票的人，一定對(duì)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(shí)時(shí)票房了？

看起來是這樣一個(gè)簡單的道理，但事實(shí)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(huì)呈現(xiàn)紅色。

給這個(gè)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(gè)場次的實(shí)時(shí)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(shí)時(shí)票房總和。這里難點(diǎn)有兩個(gè)：

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(duì)這兩個(gè)問題，貓眼的解決方案是進(jìn)行數(shù)據(jù)抽樣，以部分樣本為基礎(chǔ)，估計(jì)全量。

如下圖，是實(shí)時(shí)票房的統(tǒng)計(jì)模型：

有很多影院與貓眼合作，設(shè)共有 n 個(gè)場次，從這些影院中抽樣出“高質(zhì)量”的影院，設(shè)共有m個(gè)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(bào)的數(shù)據(jù)相接近。統(tǒng)計(jì) 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(shí)，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(jì)模型。

如下，是實(shí)時(shí)票房整個(gè)的框架圖：

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

α 值相對(duì)穩(wěn)定，采用離線計(jì)算的方式即可。在線部分需要做數(shù)據(jù)清洗、票價(jià)處理，以及實(shí)時(shí)票數(shù)、票房的計(jì)算等。影院、地區(qū)實(shí)時(shí)票房計(jì)算是另一個(gè)相對(duì)獨(dú)立的部分，算法也比較類似，這里不再詳細(xì)介紹。

天級(jí)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(xì)粒度數(shù)據(jù)和精準(zhǔn)的實(shí)時(shí)票房為天級(jí)票房預(yù)測提供可靠的特征，這是貓眼在天級(jí)票房預(yù)測方面的優(yōu)勢。

天級(jí)票房是指預(yù)測未來某一天的票房，貓眼目前可以達(dá)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(diǎn)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?yàn)槊坎侩娪罢急炔煌?/p>

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

做對(duì)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(gè)問題，如下是方程式：

log(票房) = log(票價(jià))+log(場次)+log(場均人次)

y=w1*x1+w2*x2+...

如下是對(duì)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(qiáng)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(jí)票房預(yù)測主要用到的特征：

一方面是實(shí)時(shí)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?yàn)槊刻斓囊?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(shí)間單獨(dú)建模型，對(duì)首映日、非首映日，節(jié)假日、周幾都會(huì)進(jìn)行單獨(dú)考慮。

總票房

先來看一個(gè)比較明顯的總票房預(yù)測對(duì)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(duì)正常的，但第二幅《摔跤吧！爸爸》后期因?yàn)榭诒粩喟l(fā)酵，導(dǎo)致票房曲線不斷上揚(yáng)。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(diǎn)在首映日、首周末兩個(gè)時(shí)間節(jié)點(diǎn)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(jìn)行區(qū)別，如首映日、首周末一定要進(jìn)行拆分。在不同的時(shí)間段上映，所用的模型也有所區(qū)別，都需要單獨(dú)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(jí)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(diǎn)有三個(gè)：

特征維度大于樣本數(shù)時(shí)，仍然適用。
小樣本情況下，模型泛化性強(qiáng)。
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(shí)間點(diǎn)和進(jìn)行方法創(chuàng)新。細(xì)則有如下幾點(diǎn)：

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(jí)票房的預(yù)測。
天級(jí)票房再提前 1~2 天的小目標(biāo)。
總票房預(yù)測提前 1 個(gè)月的大目標(biāo)。

在應(yīng)用拓展方面，細(xì)則也有如下幾點(diǎn)：

影片排片：排片助手=>智能排片。
發(fā)行營銷：參與營銷計(jì)劃，進(jìn)行票補(bǔ)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(huì)——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(jì)算機(jī)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(jì)算廣告、機(jī)器學(xué)習(xí)、人工智能等。