電影行業需要收集哪些數據

① 電影票房是如何統計的

行業常用的票房收入計算公式為「票房=總座位數×場次×上座率×平均票價×天數」。比如某影院一天放映了6場《李茶的姑媽》，有學生票：40元，共10人，標准票：80元，共10人，團體票：30元，共10人，會員票價：20元，一共10人，那麼，這一天該影院的總票房就是：4000+8000+3000+2000 。

現在各大電影院都實行電腦售票，這些售票系統是和國家電影局電影專項基金管理中心聯網的，每天都會在固定的時間自動向專基中心發送票房數據。因此，相對來說，電影票房對判斷某部電影的觀影人數，影片受歡迎程度還是有很大參考意義的。

電影票房的影響因素

1、影片題材及劇本。題材和劇本是一部影片的核心，科幻、魔幻題材如《變3》、《哈7》及此前的《阿凡達》等影片，一向是票房大熱，除題材具有想像空間而吸引觀眾外，這類影片本身就需要大成本支撐，因此獲得票房佳績也不足為奇。另外，貼近生活、打動人心的情感題材影片，如《非誠勿擾》、《失戀33天》等，也成為「應景」主題，為影迷所期待。

2、主創團對主創團隊，隊如導演、主演、製片人、製作團隊等，無一不是吸引觀眾的重量級籌碼。例如國民大導張藝謀、馮小剛的力量甚至大過於影片題材，成為觀眾期待的焦點；演員的力量同樣如此——有些人光名字就是號召力，如楊冪的《孤島驚魂》一舉開創「粉絲電影」的先河，演員對票房的貢獻不容小視。製片人、製作團隊的名氣，同樣能為一部影片帶來「萬眾期待」的效果。

3、影片定位，影片定位是指片方對自己影片的市場預估。首先應該是目標人群定位，從影片的劇本設置、演員選擇、拍攝手法到後期製作風格、傳播途徑、傳播手段等等，都要迎合大部分的目標人群喜好，奠定穩定的票房基礎。其次要正確預估票房，有時片方過於自信，會影響影片上映後的側重點。尤其在做傳播工作之前，應該根據檔期、題材、排片等因素做好影片的定位和票房預估的溝通。

以上內容參考網路_票房

② 如何度量大數據對於電影產業的影響

文化產業引入大數據技術有著先天優勢。首先，文化產業所擁有的數據具備較高的消費價值。由於文化產業所涉及的行業和產品大多和消費者直接相關，能夠直接為用戶所消費，有著明確的直接消費價值。其次，文化產業本身就是數據和內容創造的行業，能夠不斷地產生或獲得新的數據資源。根據美國的統計資料，文化傳媒行業數據是僅次於政府信息數據的第二大數據來源。第三，文化產業本身就擁有極其雄厚的用戶資源，由於文化產業直接面向消費者，由此擁有廣闊的用戶基數和規模，而基於龐大的用戶資源進行數據分析，則將成為文化產業未來基於大數據業務轉型的關鍵性條件。

③ 想進行電影投資，懂那些規則才會有盈利

其實我覺得說起規則，對於這個電影行業來說，更多的應該是注意哪些問題才能夠避免虧損吧，因為雖然很多人都覺得電影市場是具有高回報的，高效率的，同時也能夠獲得很高的利潤的，但其實這也往往伴隨著很多的風險，很多的錯誤發生，所以在投資電影行業或者說要製作一部影片的時候，就需要考慮到很多因素。

而很多觀眾在觀看的時候，發現很多廣告的植入會非常反感，同時也會破壞了整體的風格和影片所要表達的主題。而一些小成本製作的電影，他們並沒有知名的演員出演，也沒有很好的導演進行製作，所以，他一旦投放市場並不會激起很大的反響，也不會有更多的回報，所以對於製作的電影這個工作來說，還是需要很大方面資金的支持的。

④ 11月電影市場數據分析哪裡有

中商情報網訊：10月全國票房最終收官於36.44億，同比下降29.3%，創下2016年9月之後，整整兩年來的單月跌幅之最。在經過7月和8月暑期檔單月大盤連續兩個月逼近70億大關後，後期電影票房明顯下沉。目前已進入到2018年第四季度，但電影市場還是保持著一貫的冷漠。不過在國慶假期的加持下，10月票房相比9月30.99億元來說，環比增長17.6%；單月觀影人次為10531萬人，環比增長19.82%；10月電影上映場次983.15萬場，比9月上映場次增加了85.17萬場。2018年1-10月全國市場共產出綜合票房約525億元。
2018年1-10月票房收入突破525億
中國電影產業在國民經濟新的發展形勢下實現了穩健增長。以電影票房收入衡量，我國電影市場已經成為僅次於美國的全球第二大電影市場。統計數據顯示，我國電影票房市場近年來保持高速增長的態勢，觀影人次從2007年的0.71億，增長2016年的13.72億，年均復合增長率達到34.47%。國內電影票房從2012年的170.7億元增長到2017年559.1億元，年均復合增長率達到26.78%。2018年1-10月全國電影票房累計達525.3億元。按照今年電影票房趨勢來看，2018年全國電影票房超越2017年的559.1億元基本是毫無壓力。
數據來源：中商產業研究院整理
10月電影市場凄慘收官 同比大降29.3%
根據貓眼專業版數據，2018年10月電影票房共計36.44億元，較去年同期51.53億元票房，同比下降29.3%。10月上映影片中，國慶檔影片《無雙》《影》等影片票房居前。
除4月票房有所下滑外，2018年單月票房都取得較好的成績，其中2月101億票房位居榜首，這無疑給2018年電影市場帶來了一個良好的開端！2018年上半年電影市場大漲18%，進入到暑期檔7月-8月，票房再次實現大漲，其中7月同比增長37.9%至69.5億元，僅次於春節檔2月票房，到8月票房同比略有下滑。9月票房下沉明顯，環比大降54.6%。10月在國慶假期加持下票房環比增長17.6%。但卻是2016年9月之後，整整兩年來的單月同比跌幅之最。
數據來源：貓眼、藝恩、中商產業研究院整理
《無雙》單月票房第一《影》排名第二
在2018年10月電影票房排行榜上，榜單前十部影片中有7部電影票房都在1億元之上，3部影片超3億大關。其中庄文強執導的犯罪題材港片《無雙》以票房11.69億霸佔月度冠軍之位。該片9月底上映累計票房順利破10億，累計分賬票房成功超越《澳門風雲3》（11.16億），打破發哥演員生涯的內地票房紀錄。截至11月1日14:30，該片連續24日獲得單日票房冠軍，累計綜合票房達到12.26億元，分賬票房11.3億元，貓眼評分高達8.9分，口碑與票房雙豐收。
影片《影》單月票房第二，10月票房為5.59億元，貓眼評分8.2分。作為張藝謀申奧影片，《影》自籌拍時期就成為相關媒體的聚焦點。盡管《影》在視覺上追求的以水墨風格形成的形式化美感再次以極致表現給觀眾留下深刻印象，但這部作品並未給觀眾帶來更多的驚喜和震撼。月度排名第三的是開心麻花團隊的喜劇片《李茶的姑媽》，10月累計票房4.95億元，貓眼評分7.9分。《找到你》票房第四，10月累計票房2.67億元。《胖子行動隊》以2.28億元票房排名第五，《鐵血戰士》10月票房拿下1.72億元，排名第六。
數據來源：貓眼、中商產業研究院整理
前三電影票房佔比超六成
10月全國電影票房分布集中在國慶檔影片，排名前五部都是國慶檔電影。其中《無雙》單月占據總票房32.1%，《影》佔比15.3%，《李茶的姑媽》佔13.6%。排名前三位的電影票房佔比合計占當月總票房的61.3%。
數據來源：貓眼、中商產業研究院整理
11月上映電影前瞻
從陣容來看，11月進口片是迪士尼與華納兄弟在國內電影市場的一次交鋒。迪士尼在月初與月末先後上映真人童話電影《胡桃夾子與四個國王》與經典動畫續集電影《無敵破壞王2:大鬧互聯網》。華納兄弟則發力下半場，在月中與月末先後上映《神奇動物：格林德沃之罪》與亞裔陣容的喜劇愛情電影《摘金奇緣》。另外《毒液》作為「蜘蛛俠宇宙」中的非典型英雄，該片北美市場目前累計票房達到1.87億美元。值得一提的是，目前《毒液》聯合火箭少女101推出的推廣歌曲《毒液前來》成功引起公眾注意，貓眼想看人數超過30萬，11月進口片中人數最高。11月上映影片信息一起來看一下吧！
資料來源：貓眼、中商產業研究院整理
更多資料請參考中商產業研究院發布的《2018-2023年中國電影行業發展前景及投資機會分析報告》。

⑤ 中國電影行業現狀調研及發展趨勢分析報告目錄

隨著電影行業競爭的不斷加劇，大型電影企業資本運作日趨頻繁，渠道擴張日益加速，國內優秀的電影企業愈來愈重視對行業市場的研究，特別是對企業發展環境和客戶需求趨勢變化的深入研究。正因為如此，一大批國內優秀的電影品牌迅速崛起，逐漸成為電影產業中的翹楚!

本報告利用前瞻資訊長期對電影產業市場跟蹤搜集的一手市場數據，全面而准確的為您從行業的整體高度來架構分析體系。報告主要分析了電影產業背景及發展環境;國內外電影產業發展現狀與趨勢;電影製片業、發行業和放映業的發展分析;不同類型電影市場分析;電影產業消費者行為分析;新媒體對電影產業的影響分析;電影海外推廣及國際合作分析;電影產業主要企業經營情況以及電影產業投融資現狀和投資建議;同時，佐之以全行業近年來全面詳實的一手連續性市場數據，讓您全面、准確地把握整個電影產業的市場走向和發展趨勢。

第1章：中國電影產業發展環境分析

1.1 電影產業綜述

1.1.1 電影產業定義

1.1.2 電影產業產業鏈分析

1.1.3 電影產業研究對象分析

1.2 電影行業相關政策環境分析

1.2.1 電影行業政策點評

1.2.2 電影行業政策趨勢分析

(1)國家對中國電影產業的扶持力度還將加大

(2)行業將逐漸趨於規范，國家對內容製作和影視從業人員的監督趨嚴

(3)推動兩岸影視交流合作，電影國際化是趨勢

第2章：國際電影產業發展分析

2.1 全球電影產業發展分析

2.1.1 全球電影產業發展概況

2.1.2 全球電影票房收入規模

(1)全球電影票房收入規模

(2)全球電影票房地區分布

2.1.3 全球主要國家票房排行

2.1.4 全球主要市場平均觀影次數

2.2 美國電影產業發展分析

2.2.1 美國電影產業政策環境

(1)政府監管

(2)分級制度

2.2.2 北美電影票房收入

(1)北美電影票房總收入

(2)北美3D電影票房收入

2.2.3 北美電影觀影人次及平均票價

(1)北美觀影人次

(2)北美平均票價

2.2.4 美國電影產業發展模式

(1)電影融資模式

(2)電影製作模式

(3)電影發行模式

(4)電影放映模式

第3章：中國電影產業發展現狀分析

3.1 中國電影產業發展現狀分析

3.1.1 電影產業發展歷程

(1)第一輪產業發展時期(1922年-1945年)

(2)第二輪產業發展時期(1945年-1976年)

(3)第三輪產業發展時期(改革開放至今)

3.1.2 電影產業特徵分析

3.1.3 2018年中國電影產業十大事件

3.1.4 中國電影產業存在問題

(1)我國電影拍攝成本投入存在演員片酬過高的問題

(2)我國電影行業產業鏈處於垂直壟斷狀態

(3)電影市場不成熟

3.2 中國電影產業經營情況分析

3.2.1 影片產量規模分析

3.2.2 放映設施規模分析

(1)電影院線規模

(2)電影銀幕規模

3.2.3 電影票房總額分析

3.2.4 電影產業營收來源分析

(1)國內票房營收來源

(2)海外銷售及票房來源

(3)國內非票房收入

3.2.5 電影平均票價

3.2.6 電影觀影人次

3.2.7 觀影效率分析

3.2.8 電影票房排行榜

(1)票房總體排名

(2)票房過億影片

3.3 中國農村電影市場發展分析

3.3.1 農村電影市場發展現狀

——更詳細目錄請參考於前瞻產業研究院《中國電影產業市場前瞻與投資戰略規劃分析報告》。

⑥ 如何查找電影產業相關數據，包括近5年的電影院線排名、目前全國電影銀幕數量及分布情況

去城市院線協會購買《中國電影產業報告》2007-2012版本

⑦ 如何得到中國每年出品的電影票房數據，主演和導演，製片人等數據

中國電影出版社編撰的《2009年中國電影產業發展報告》是最權威最詳實的電影產業資料庫，你想要的各種電影數據都可以在書中找到。每年一冊，各地圖書應該都可以借到

這個書籍一般每年在六月份才出

你可以參考 中國電影報

⑧ 大數據於國內影視行業的意義

大數據於國內影視行業的意義
大數據為何近幾年大熱？
人類進入大數據時代，類似於生物學迎來了顯微鏡，天文學發現瞭望遠鏡，因為網路傳輸和計算機存儲運算能力的提高，交給了我們一把信息放大鏡，從此我們對現象的觀察進入一個新的領域。
其實自古就有多維度數據的挖掘行為，歷法的制定過程或許可以作為一個很好的例證，江湖上現在偶爾也會有關於林元帥諸葛軍師的傳說，自從計算機技術誕生之後，對數據的利用和處理一直在同步發展中，無論是分布處理還是並行處理，並不是一天就蹦躂到今日的技術高度，我們很多科學發現都是在近三十年之間才完成，正是得益於此。
但為何在這幾年「大數據」忽然大熱？原因其實很簡單，全球智能手機的普及。
隨著移動終端信息處理能力的提升，與用戶的交互界面不僅更加具備黏性，並且實現了全方位全時段互動，此時每個人的移動終端實際上就變成了一個數據記錄儀。它比PC所能獲取到的信息更加個人化，不僅暴露這個人的生活細節，位置動向，同時也記錄著他的消費習慣，人類第一次擁有了這么多數據的生產者。每一個元數據都可以直接掛鉤一份具體的支出額度，每一個數字都可以被貨幣量化，大數據的商業價值與各個企業的營收幾乎都可以直接掛鉤。所以，圍繞「大數據」來說故事迅速成為當下的主流。
但是揭開媒體的那些噱頭背後，你會發現，國內對復雜系統的研究，仍然是處於概念大於應用的階段，大部分行業對線性、封閉系統內的數據關系都沒辦法掌握，更不用說將大數據轉化成有價值的信息。而在影視行業，工業化體系處於剛剛起步的階段，很多從業人士連財務報表這種基礎數據都看不明白，去理解大數據的價值更是有些不可想像了。
大數據於國內影視行業的意義
大數據技術作為一種工具，其應用方向，無非三個方面，一是對過於和曾經的理解，二是對以後和將來的認知，三是對當下進行判斷並進行實時處理，影視行業大數據技術的應用如果想要有長足的發展，那麼在這三個方面都會面臨著一些需要解決的問題。
對過去和曾經的理解
既然是對已發生的進行判斷，就會涉及到數據採集，這個部分往往會引發爭論，中心議題是：到底多大才叫大，GB還是TB，PB還是EB？
如果我想要知道《致我們終將逝去的青春》這部差一點就可以歸類到文藝片的電影，為什麼在2013年上半年票房僅次於《西遊·降魔篇》，我是應該僅以社交媒體的傳播效率來進行數據的挖掘，還是要追溯到原著小說里的青春以及被電影宣傳所喚起的記憶？
將數據挖掘的范圍放在社交媒體的范疇，那麼通過對一部電影推廣過程的梳理，我們很容易通過數據制定出一張細化到分鍾的參考，以及觀眾會被什麼樣的宣傳內容所吸引，但是它仍然只是在描述表象。
如果觀察只停留在眼前，將無法找到最終的因果。我們必須對推動現象發生的機制進行論證，那麼我們該用什麼樣的體量來儲存和分析觀眾們的記憶，從而找到個人經歷和集體共鳴之間的關系？
在這個方面，如果只用社交媒體的數據進行相關性的分析，其實和我們日常所做的感性推導沒有太大區別，甚至還不如感性推導靈活，很容易因為數據的不夠全面犯下「黑天鵝」式的錯誤（在發現澳大利亞之前，西方認為只有白天鵝）。必須要追溯到成因階段更龐大的外部數據，比如主要觀眾群十年間的消費偏好及社會經歷，以及對他們觀影之前的心理活動進行統計分析。會不會太復雜？但是從數據挖掘的角度來說，只有在這個方向上進行努力才可能會提供實質性的價值。
或者說，我們也可以簡單粗獷一些，如麥特的負責人陳礪志所言，《致青春》的成功最主要的因素是因為趙薇的敬業與投入，以及她個人在行業的積累。
大家可以想一想，以上三個角度，哪個會更容易接近整個事件的核心。
對以後和將來的認知
大數據技術雖然可以讓人類對現象的理解進行更深入的探究，但是當對國產的影視項目前景進行預測，首先需要面對的問題是，我們仍然處於一個觀眾群體持續波動的時期。
在北美市場，貢獻50%票房的觀眾約占人口的10%，也就是3000萬左右，這部分群體基本上結構相當穩定。上世紀70年代末，當北美電影的平均製作預算開始攀升到1000萬美元以上，宣發費用達到500萬以上時，對觀眾的監測從階段性的調研逐漸轉變成常態性的監控。在計算機還只是個神話的時期，「好萊塢」是用人工+信件的形式，建立了最早的大范圍觀眾研究模型，這些歷史數據通過幾十年的積累，已經讓一部電影與觀眾之間的聯系變得非常透明。但即使是如此嚴謹的市場監控，近幾年也因為受到移動互聯的影響，觀眾去影院觀影的行為隨機性逐漸提高，導致傳統的觀眾研究模型頻頻出現一些問題。
反觀國內電影市場，差不多有三分之二的銀幕是在近三年之內才出現的，2010年時，我們所擁有的現代化銀幕不過才6223塊，而如今，這個數字差不多是17000。可想而知，影院目前所迎來的觀眾，基本上是近三年才開始逐漸培養去影院觀影的興趣，這種行為暫時還不能稱之為習慣。
所以說，中國電影市場目前的波動很難通過現有的技術手段完成監測，會因為存在有其他我們不可知的變數，而導致結果南轅北轍，這在統計學的回歸分析上被稱之為「變數遺漏偏差」，大數據技術目前所能覆蓋到的范圍並不能幫我們解決這個問題。我們還需要時間來不斷修正對市場數據的理解，觀眾也需要時間來不斷培養在影院觀影的習慣。
2013年上半年，幾乎所有從業者都對有動作元素的電影過於樂觀，而下半年，所有從業者包括我個人又會對以愛情元素為主的電影過分看好。從一些公司的大數據監測上來看，這種觀眾消費行為的變化已經反饋在可以被抓取的數據中，但是我們並不知道它所形成影響究竟該如何定量。也就是說我們可以看到趨勢，但是很難確定結果。
那麼，在如今的中國電影市場中，我們不如將大數據技術的應用方向，從對未來的預知上轉移到可以讓我們規避哪些操作上的錯誤，或許更具有現實意義。
對當下進行判斷並進行實時處理
現在對大數據的理解，往往會糾纏於第一個字「大」，而忽視了它的另外一個重要特徵「細」，其實後者才是最重要的，因為它會創造大數據真正的實用價值。
基於社交媒體的數據挖掘，其實已經可以做到讓我們將觀眾的分類從簡單的年齡、性別、職業等維度，落實到區域、活動空間以及性格特徵等等更為豐富的細節，在這樣的基礎上，我們要做的就是怎樣給觀眾提供個性化的影響，而不再是以電影為本位的共性宣傳。
舉例來說，當一名男性觀眾在某個媒介上看到的電影海報，可能是大長腿和小翹臀，但一個女性觀眾同時接觸這個媒介時，所看到的可能是一個賣萌的大叔。當陣地宣傳中的預告片貼片到一部好萊塢大片之前時，它可能主要是用來渲染情感或者突出搞笑，但同樣的一分多鍾，在視頻網站所上線的預告片，則被分成數個版本，用來對應每一個點擊背後用戶的個人資料。這樣，觀眾便會加入到生產的過程中，通過對觀眾偏好的快速處理，最終創造更適合於傳播的信息。
目前，數據調研公司參與電影推廣的過程，所做的仍然只是一個統計的工作，決策是在片方或者是公關公司，其實可以將決策機制與數據同樣進行細化，成為實時的互動，減少時間的損耗，提高電影推廣的效率。我們以前在電影的推廣中，常常會為如何照顧到大部分觀眾的興趣而頭疼，那麼換一種思路，用現有的觀眾數據進行群體的細分，給不同的觀眾群提供不一樣的信息，海納百川比光芒四射或許更符合當下社會化營銷的要義。
不過，這一切其實都只是理想化的願景，現實的情況是，中國的電影產業目前仍然是處於一個極其原始的狀態。
僅從電影投資成本的角度來說，目前所公映的電影，平均投資約在3000萬人民幣以內，不足500萬美元，這樣的投資規模在不考慮通脹以及觀眾收入的情況下，只相當於北美70年代初期的水平。面對這樣的市場環境，很多議題其實都顯得比較空洞，因為拍腦袋做決策雖然有著莫大的風險，但畢竟成本很低。

⑨ 哪些行業需要數據分析

1、醫療行業

我們都知道，日常多做保健，可以幫助人們舒筋活血，有延年益壽的好處。但其實，醫療行業的發展，還是要歸功於大數據在背後默默做出的支持。

隨著大數據收集和處理能力的增強，我們已經能夠通過健康追蹤健康類器材所記錄的數據，來追蹤人們的健康情況。

2、物流行業

自從有了大數據分析，物流行業的發展，也步入了高歌猛進階段。舉個例子，你就能感受到了。

前幾年雙十一、雙十二某寶、某東電商大促時，總是會出現物流爆倉的情況。不論是國內物流，還是跨境物流，都會因為貨量暴增，導致物流周期非常就。平時3天就能解決的問題，到大促時，就會積壓，有時候半個月、甚至1個月才能送到。而2020年雙十一、雙十二，快遞量比往年更多，卻因為菜鳥有了智能分揀系統很少聽到有人抱怨快遞慢了。

3、人臉識別行業

面部識別演算法早在10年前，就已經開始初具規模了。但是，由於存在多種干擾性因素，例如動物、塗鴉、照片等，都影響著人臉識別技術的進一步發展。就連如今，我們也只能說這個行業趨於完善。

4、無人駕駛技術

早在很多年前，我們就將無人駕駛技術視作夢想，但自從有了海量的駕駛數據，近幾年，無人駕駛汽車逐漸出現在了我們的視野中。

除了實時收集和處理數據的感測器(雷達，攝像機，GPS，超聲感測器等)外，自動駕駛汽車還使用其他汽車的數據。它可以幫助他們建立最新的路線圖，並通過所有這些數據源進行導航。據估計，一輛無人駕駛汽車每秒可產生近1 GB的數據，這相當於一年的PB數據，也相當於一輛汽車產生的數據。