電影公司是如何預測票房

① 如何專業地預估票房

這個項目我還真的做過，大概是在2011年中國電影票房開始爆發的時候。試來試去，最靠譜的演算法仍然是多元線性回歸，預測目標是官方公布的某部電影的最終票房值，當時的R2達到70%多。如果將進口電影排除，R2能夠提高到80%以上。主要是進口電影非常容易出現黑天鵝，比如一個《阿凡達》就足以將模型刷爆。多元線性回歸看起來很low是不是，但後來看到一篇Google關於預測電影票房的論文，也是說最好的票房預測模型仍然是多元線性回歸。不過後來這個模型的價值就不大了，因為後來中國電影市場以超越想像的速度蓬勃發展，不斷出現票房黑天鵝，而且還有各種嚴肅的刷票房行為，所以對於模型來說，實在是臣妾做不到。題主所說的在電影拍攝前就預測票房也超越了模型的能力，當初的設計是在電影首映前一個月開始預測，定期修正預測值。多元線性回歸使用的各因素總結如下。用戶的期待度。通過手機網路指數以及微博等媒體的提及次數來表示，搜索或者提及次數越多，證明用戶越期待，越容易轉化為票房。核心元素的影響力。核心元素包括導演、主演以及是否有前序劇情，比如：007系列或者馮小剛都是對票房的保證，而另一方面，有些演員又是票房毒葯。主要是收集豆瓣上這些核心因素與電影評分和歷史票房的關系，最後可以歸結成對新影片票房的影響因子。競爭態勢。主要通過同期上映的影片數量來評價，同期上映的影片越多，證明競爭越激烈，越難取得較高的票房。進一步的規劃，是將同期上映影片的預測票房加入進來作為權重，以衡量競爭對手的實力，更准確地評價競爭態勢。簡單說，和《阿凡達》同期上映，比和《無極》同期上映，要悲壯很多。基本面。主要是就是當期電影市場的總體情況，可以使用該電影上映前T12M（Trailing 12 months）的總票房作為基本面。

② 電影公司如何向世界各地影院收取票房

...數學是有一門學科叫統計學,比如沃爾瑪如何知道它的每家分店的銷售情況,沃爾瑪比較龐大,有衛星,但也是要上報數據的!

影院購買播放權當然也有數據上報

③ 電影票房預測系統的電影票房如何預測

早在80年代，美國票房收入預測的先驅BarryLitman對美國80年代近700部電影進行分析推出票房收入預測模型。該系統對之後美國電影投資界產生了顛覆性的影響。電影票房預測系統能分析預測不同種類電影的票房價值，已經成為國際電影產業投融資的重要參考工具，對電影產品定價及衍生產品開發都具有較強的指導作用。

④ 怎樣預測票房

票房預測：需求與現實

從1896年西洋影戲傳入上海徐園，到1905年中國拍攝首部國產電影《定軍山》，再到2013年全國電影票房突破200億
大關，（4）有著百餘年歷史的中國電影產業，在近幾年呈現出飛躍式發展的態勢，無論是影片質量、院線建設還是投資規模都有了長足的發展。與此同時，隨著
「大數據」時代的到來，電影觀影群體、觀影偏好與心理、電影信息傳播和獲取方式也都在發生著深刻的變化。

毋庸置疑，多樣化資本的加入是中國電影不可或缺的發展引擎，然而，電影行業以投資回報率難以預測著稱，大投入未必有大產出，票房預測工具的缺失使得投資者
無法有效對沖投資風險，華人著名導演吳宇森的《風語者》就拖累了米高梅公司最終走向破產。因此製作與發行公司不得不考慮所有對票房有影響的因素：辣媽李小
璐對《私人訂制》票房貢獻幾何；《風暴》票房為何遠低於其金牌製片人江志強預期；被吐槽「爛片」的《富山春居圖》和《小時代》緣何票房卻一路走紅；成龍大
叔的《警察故事2013》有無必要拍成3D；《泰囧》的「報復性」觀影效應能否復現……這一切的一切其實都可以從「大數據」中找到答案。因為網路上的每一
次瀏覽、查詢乃至點擊所匯聚成的群體智慧都「蝴蝶效應」般地影響著電影的最終票房。

2013年Google在一份名為《Quantifying Movie Magic with Google Search》（5）
的白皮書中公布了其電影票房預測模型，該模型主要利用搜索、廣告點擊數據以及院線排片來預測票房，Google宣布其模型預測票房與真實票房的吻合程度達
到了94%，但並未見其公開對未上映電影的預測結果。

搜狗公司藉助「深思」系統，建立了更為復雜的模型，用於預測國內電影票房，並在新浪微博上提前發布了2013年12月國內上映電影的首周票房預測結果。很高興到目前為止預測結果與真實數據非常接近，同時，我們的模型還可以用於對影響票房的因素進行定量分析。

搜索查詢量的奧秘

搜狗搜索每天都響應上億次的搜索請求，查詢詞的分布和變化趨勢能夠很好的反映出中國網民的興趣點和關注指向。與Google的研究類似，我們也發現，電影
上映前相關查詢詞的搜索次數與票房收入有著很強的關聯性。這一點很好理解，用戶的主動搜索行為體現了用戶對這部電影的潛在興趣。

我們選取了2013年1-11月國內上映的180部電影的票房和上映前的搜索量數據作為訓練集，用於訓練一個基礎的線性回歸模型。實驗發現，單純利用搜索
量訓練得到的模型，預測得到的首周票房與真實票房的相關度R方值僅為68%，這與Google僅用搜索數據得到的結果70%很接近。（註：R方值取值為0
至1，值越大表示模型預測效果越好），這個結果也說明無論在中國還是美國，用戶的搜索行為是很相似的。

用搜索量來進行預測票房是一個好的開始，但是准確度還遠遠不夠。同時很多搜索詞還存在歧義的情況，比如《生化危機》，既是電影也是游戲，混在一起會造成票
房預測值偏高。進一步研究發現，游戲意圖的查詢請求量較為平穩，但電影意圖的查詢請求在上映前則有一個高峰，也可以通過用戶點擊的URL來進一步確認用戶
的搜索意圖。因此模型需要再引入查詢量的變化趨勢和用戶點擊的分布情況。修正後的模型可以達到74%的准確度，這時模型已經可以對電影票房進行一個粗略的
估計。

社交媒體：用戶的情感分析

社交媒體數據對票房預測也會有一定幫助。假設你是某個明星的粉絲，打算去看他主演的電影，那麼你很可能會提前轉發該電影的相關微博給你的朋友。國外已經有
很多預測項目都是在針對Twitter數據做研究，這里我們主要採用國內部分微博網站的數據來進行預測。通過自然語言理解技術，分析出用戶對未上映影片的
情感傾向，從而轉換為用戶的觀影需求。進一步可以考慮的因素包括微博轉發深度、評論活躍程度，以及相關微博數量隨電影上映日期臨近的變化趨勢，這些數據都
可以被有效的提煉為特徵並加入到模型中。

微博數據的加入使得准確率超過了80%。

結語

預測專家納特·西爾弗在《信號與雜訊：大數據時代預測的科學與藝術》一書中提到，大數據時代的預測更容易失敗，大部分失敗的預測都源於一種盲目的自信，用精確的預測來冒充准確的預測。

對此我們有著清醒的認識，目前的票房預測模型還有若干需要改進的方向。首先，目前模型的主要思想是通過電影上映前的用戶關注度來推算首周票房，這實際上沒
有考慮電影上映後的口碑對票房的影響；其次，模型較為依賴歷史數據，可能難以識別一些上映後脫穎而出的小成本「黑馬」電影；再次，目前的技術只能提前10
天預報出首周票房，還可以更加超前。

總體而言，「深思」系統代表了搜狗公司在社會化預測方面一些新的嘗試。我們試著從繁雜的海量數據中篩選出真正的信號，努力穿越不確定性的迷霧，區分出未來
圖景的哪些部分可以預測，哪些不可預測。通向這個未來的道路還在探索之中，但目前工作已經取得了一些不錯的進展，並給予了我們更大的信心。

⑤ 電影票房是怎麼計算出來的

是按實際的售票價統計。

在好萊塢，有三種分賬模式可以選擇。第一種是和中國一樣的固定比例分賬。第二種是影院會支付一筆費用給製片方買斷影片，然後這部影片的全部票房都歸影院所有。第三種，是好萊塢最流行的分賬模式，也就是階梯式分賬：在好萊塢製片商的一些大片上映的第一周，製片商可以拿走80%的票房而影院只能拿走20%，這樣製片方就能盡快趁著影片的熱度收回成本。但隨著影片上映時間變長，製片商分到的票房會越來越少，第二周、第三周在60%左右，到了第四周可能就只有20%。

國內電影公司採取階梯式分賬模式的出發點和好萊塢並不一樣，其實是為了「以收入換市場」，通過給影院更高比例的分成來換取排片，爭取更高的票房。

國家新聞出版廣電總局電影局2016年1月1日通報，2015年全國電影總票房440億元，比上年增長近一半，社會效益、經濟效益雙豐收。國產電影保持主導地位。

票房（網路）