在中国， 电影票房预测起步较晚， 所得出的预测模型和方法有较大差异，既有基于早期历史数据进行分析预测的， 也有利用神经网络和贝叶斯算法进行预测建模的。伴随着数据挖掘技术的成熟， 还有很多学者和业界人士使用网络搜索、爬虫工具等技术， 对影响票房的网络信息特征和评论关键词进行抓取和分析， 来不断提高票房预测的准确性和适用性， 但现阶段不论哪种票房预测技术和实践模型都存在一些相同的难点与挑战。
（一）市场的不确定性作为一种文化产品， 电影的消费具有一次性特征。因此， 影视制作发行企业始终处于新产品的生产和销售之中， 加之电影产品的市场需求始终是动态的、难以测量的， 只能基于既有经验， 凭借对消费者需求的前瞻性判断来把握剧本创作、配备导演和演员等。而未来该电影项目是否能够获得较高票房， 是否能够获得市场和广大观众的需要和喜爱， 是否能够获得丰厚的投资回报仍存在一定的不确定性。
近几年， 虽然充足的影片供应拉动了电影市场的票房， 但随着市场竞争的加剧， 受档期、制作质量、剧本、导演、演员等多种因素的影响， 单部影片的票房面临的不确定性日益提高。比如， 如果许多影片竞争相同的档期， 将不可避免地出现上映日期难以协调、观影人群分流的竞争新局面。特别是随着进口大片的冲击以及国内大制作商业影片的不断涌现， 中国的电影市场能否继续容纳更多的电影产量仍然有待考证， 电影的投资风险有进一步增加的趋势。这也给电影票房的预测带来更多挑战。此外， 尽管目前很多大型民营电影公司的业务已经趋于稳定， 并且具备了专业化电影生产、制作、发行能力， 但由于大量中小型民营节目制作和发行公司进入市场， 原有的国有电影公司也在加大市场开拓的力度， 可能引起目前电影市场各环节的竞争进一步加剧， 对同业竞争的市场判断难度日益增加。（二）经济周期的影响
宏观经济的周期性波动将对观众的电影消费能力、电影投资和广告投放等因素造成影响， 进而影响电影票房市场。在经济增长时， 电影公司的映前贴片广告、植入广告以及大型首映活动的营销需求增加； 在经济衰退时， 这部分广告、营销费用将会相应缩减。虽然中国经济近年来持续快速增长， 但经济的周期性波动势必会在一定程度上影响电影票房的持续发展， 更会增加电影票房预测的难度。（三）侵权盗版的风险
侵权盗版现象在世界范围内屡禁不止， 特别是随着网络传播技术的发展，更有愈演愈烈的趋势。往往影片上映不久， 就有盗版产品在市面上出现， 比如2015 年《港囧》上映时， 导演徐峥曾发微博对该片遭受严重盗版表示谴责，并发朋友圈求助， 引起社会的广泛关注。对于电影作品， 盗版的产生将使影片观众流失， 进而分流电影的票房、音像版权收入， 将给电影制作、发行公司带来极大的经济损失。尽管国家已经加大力度保护知识产权， 并取得一定成效，但电影票房在短期之内仍面临被盗版侵害的风险。因此， 可能发生的侵权盗版风险也成为电影票房预测的一大障碍。
（四）受众心理测评的难度预测模型开发的目的是捕捉所有观影群体的观影概率， 并在一定的置信区间对票房进行预估， 但受到观众偏好、态度、行为决策过程等多种因素的影响。观众对院线上映影片的选择上， 感性成分居多。在庞大的观影群体中，”粉丝” 的重要特征就包含了非理性选择。因而对观众结构、观影习惯的动态变化难以完全把握， 造成了现有电影票房预测的准确性仍存在一定误差。
参考观研天下发布《2017-2022年中国电影市场运营态势及发展定位分析报告》此外， 由于中国每年在院线上映且取得票房收入的影片数量一般维持在350 部左右， 部分票房数据还存在失真情况， 因此无法获取充足的研究数据，也没有足够多的历史数据以供建模。从影响影片票房的因素角度来说， 影片叙事和导演、演员的表现都属于艺术表现范畴， 精确量化也有一定难度。所以本文根据现阶段中国电影产业市场的情况和影响因素， 提出电影票房预测指标体系， 以期为电影票房预测模型的深度开发提供实时的动态信息和理论依据。
五、大数据对电影票房预测的影响和应用
互联网和大数据技术为电影票房预测提供了更加广阔的发展空间。预测模型开发人员可以在互联网中搜集充足、实时的样本数据， 以供建模使用。近年来， 利用网络大数据技术对票房进行预测的案例越来越多。最著名的就是谷歌公司在电影上映前或上映之初， 根据网络对该电影的搜索量和相关词汇的舆情分析来预测电影票房， 而不考虑导演、演员、档期等任何传统的决定影片票房的核心因素。虽然预测结果较为准确， 但其时效性远不能达到投资决策的要求。近两年， 大数据预测失败的案例也屡见不鲜。2014年12 月， 姜文导演的电影《一步之遥》上映。该片不但有大投资、大导演， 而且有葛优、舒淇、周韵、那英等大牌明星参演， 影片宣发到位， 上映初排片率高， 电影和明星的关注度、搜索量在电影上映前夕不断攀升。因此， 根据票房预测搜索指数， 大数据预测《一步之遥》的票房将可能超过12 亿元， 业内预估将可能达到20 亿元， 可事实上， 《一步之遥》仅获得5 2 亿元的票房。同样的， 百度曾用大数据预测由许鞍华执导， 汤唯、冯绍峰主演的电影《黄金时代》票房将超过3亿元， 但最终《黄金时代》在上映期间仅获得5070 万元的票房。所以说， 现阶段大数据预测技术模型仅对网络搜索量和搜索特征信息加以分析， 模型的构建较为简单初级， 加上网络中冗余无效和虚假信息的泛滥， 利用大数据技术来建立电影票房预测模型还有很长的一段路要走。事实上， 对于任何一位电影投资者来说， 由于信息具有不对称的特点， 是无法做到完全理性决策的， 因此对电影票房预测的准确率并不需要达到100%。电影票房是导演、演员、粉丝效应、宣发， 以及观众口碑传播共同作用的结果， 因此， 大数据的预测结果必须结合已有的电影票房预测指标体系，对影响票房的因素进行综合分析和经验积累。只有这样， 才有可能将预测的时限提前至影片开拍之前， 也就是将预测时间节点推移至电影上映前的18 个月左右。电影票房预测指标体系与大数据技术的结合应用， 可以让我们预知电影的票房区间， 并可以根据票房预测结果，反过来对电影制作过程、预算成本实施更加合理的风险控制， 通过调整电影拍摄进度、上映档期的安排、宣发营销策略等， 协同整合资源， 促进电影获得更高的票房。比如，预测模型如果发现同样导演团队、演员组合的电影在暑期档上映将要获得高于春节档上映的票房收入， 那么就不妨对影片内容加以适当调整， 增加吸引青少年观众的元素， 促进其在暑期档获得高票房。相反的， 如果发现该电影在春节档的票房收入可能高于暑期档， 那么不论是影片内容， 还是宣发营销策略， 更应以家庭观影群体为主， 电影策划则应进一步向合家欢类型的影片贴近。因此， 电影票房预测指标体系将有助于电影投资者、制片方对电影制作、发行、营销等各个环节进行合理有效的决策， 通过完善、动态的风险管理和控制工作， 不断修正和防范电影运作过程中的各种危险因素和不利影响， 从而尽可能地提高电影的投资回报率。
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
