RSS订阅
又一个WordPress站点
李元玲
menu
首页
全部文章
你现在的位置:
网站首页
/
全部文章
/ 正文内容
舂暖花开万字长文告诉你,究竟什么样的指数,能真实反应电影的营销与购票热度?-文娱价值官
418
全部文章
| 2016年11月24日
万字长文告诉你,究竟什么样的指数,能真实反应电影的营销与购票热度?-文娱价值官
文/武剑
编辑/师烨东
来源/壹娱观察
前不久笔者接到了一个帮朋友的匿名任务,是要给某一部电影做个映前热度数据洞察报告。对方点名要用几个网络指数来说明营销成果。在笔者看来,用指数来代表电影的档期热度可能是目前最直接的一种办法,但乱用指数就如同做用户画像时加入星座这种神级维度一样搞笑。那么,究竟什么样的数据,能判断一部电影的热度?
到底哪些营销对于购票是有用的?
“我知道我的广告费用有一半浪费了,但是我并不知道是哪一半——
约翰华纳梅克。”
这是很多广告营销公司ppt里都会引用的名言。拎出来放到电影领域,相信片方也感同身受,我们先看一个模拟案例:
“我在腾讯视频上无意间观看了最新电影《难追的救赎》视频广告,知道了这个片子和上映时间,然后周末去电影院看《达芬奇的验证码》的时候,又看到了《难追的救赎》大幅展板海报,到了下周五接到了由猫眼app推送的通知,打开一看是该片19.8元的优惠票,然后我看了一下影片简介,又琢磨了一下自己周末的时间,最后买了一张票。”
那么问题来了:以上哪些物料(宣传片、海报、音乐)是有效的?哪些渠道(视频网站、影院大厅、购票app)是有效的?哪些方式(信息推送、低价提醒)是有效的?能不能按照成本和收益情况给这些排个序?
以上的问题综合来说就是如何评判各物料及各渠道的营销效果,解决该问题的方法称为归因分析,相信大家都很想知道自己的钱应该花在哪,尤其是效果达到的前提下能不能多省出一些钱来。
目前电影作为线下消费的娱乐方式,营销链条和时间都较长,且不说线下营销数据几乎无法监测,线上数据也更多地分散在各公司手中,最重要的是观众对短暂虚拟娱乐的心理意向往往难以测量(这是笔者从业以来的真心话),想要完全监测每个用户从知晓这个电影到买票消费的路径几乎不可能,因此电影营销的归因分析就难上加难凌海天气预报,但并非没有探究切入点,笔者将会在后续系列报告中给予详细剖析。
本文报告不会教大家一些精妙有效的电影营销方案,那是属于电影营销公司的专长,笔者只是想为大家讲解一下公开渠道上能看到的各种电影热度量化指标。
主要面向三类读者:
片方、广告主:“花了这么多钱至少得让我听个响吧”
宣传、发行、营销人员:“这世上有没有屡试不爽、一劳永逸的套路模板?”
电影数据的研究爱好者:“好像觉得这些指标有用,但又感觉误差很大”
温馨提示:文中会出现一些否定传统做法的言论,戳到大动脉的痛感比上一期有过之而无不及。若认可,请默默收藏,避免被领导看到要求重做方案。若有异议,可加笔者微信进行深层次的讨论。
要知道数据和结论都是要辩证看待的
请心中默念:“数据可证实,结论可证伪”
之前笔者在多次电影数据沙龙和对外报告中都提过一句话,叫做“数据可证实,结论可证伪”。算是从业的心得体会。
首先,数据可证实,意思是我给你的数据,需要说明这个数是怎么来的。诸如各类热度指数,不论是人脑计算还是机器计算,只要用同样的数据和同样的算法都一定能得出同样的结果。
但如果数据里面存在一些人工拍脑袋的东西,那该数据便不可证实。目前还存在一种“貌似可证实”的数据。比如大家会在很多数据产品上看到这样的说明:“我们采集了广泛的互联网舆情数据,利用自主研发的独家算法,进行多次迭代计算,最终得出令人满意的结果。”不管是商密考虑还是编出来的数据,总之你永远不可能知道数据究竟是咋来的,作为一只待宰的肥羊,你只能选择那些可以信赖的品牌和公司。
其次,结论可证伪,意思是我给你的结论,存在一种方法可以证明其有误。比如,我说影片票房与某平台口碑评分是正相关的,那么只要找到一个口碑高但卖得差的影片,就能直接推翻我这个结论,如果暂时没有找到,那我的结论起码也是科学合理的。但如果我说,只要宣发工作到位,票房就不会太差,像这种“永恒正确”的无赖结论就是不可证伪的:什么叫到位?什么叫不太差?没有数据标准便无法衡量。
相信大家在此前很多ppt里都见过这种来路不明的数据,和无法落地的结论,请自行感受。
回到我们的问题:当一个电影物料被发出后,触达了多少人?效果咋样呢?此时大多数人首先能想到的就是看投放平台的一手数据。
一手数据能否体现热度?
目前线上物料的曝光数据是一个较为公开的数据,大多数时候靠ppt人员手抄就能获取诸如曝光数、点击数、评论数、点赞数、收藏数、转发数等直观参数。这些参数有可能(注意是有可能)体现了各个平台的流量水平(曝光数和点击数),平台用户对物料的喜欢程度(点赞率、转发率),当然这些数据也与投放物料的位置、时间、方式有很大关系。当我们搬出漏斗模型,就可以轻而易举地分析出物料发送后有多少被打开,打开后有多少人看完,看完的人是否有再次分享。
然而一问到这些动辄上亿的曝光量到底有多少转化成购票时,抱歉,瞬间歇菜了。
在大数据时代背景下,很多研究机构也只能应用小数据的方法——抽样问卷调研来推算营销物料转化成最终购票的效率。
在这里保卫破碎群岛,笔者不得不悲观地告诉大家,打通用户线上数据要比想象中难很多。即便是优酷联合了淘票票,腾讯视频联合了猫眼来打通用户数据,也只能证明在单个视频平台上看过宣传片的用户最终在同阵营的购票平台上有没有购票,一旦遇到那种在优酷上看完宣传片后去猫眼买电影票的用户,这个链条就断了。所以在这个账号和平台繁多的年代,我们无奈地只能用臆想的方式认为:越多的曝光会带来越多的转化。
在此,笔者对于ppt人员监测物料投放平台的一些实操建议如下:
3.1 要用本底指数进行对比
根据打开率或是点赞率来判断观众对影片兴趣度和宣传片质量的时候,除了考虑到渠道流量随时间及曝光位置波动外,最好能将相似影片或是竞对影片作为本底数据进行对比。
3.2 不建议同一物料在跨平台的数据进行简单相加:
一般复盘报告里会报一个物料的总点击量韩半岛的恐龙,就是将各渠道点击量直接相加,得出一个惊为天人的数据(比如某电影宣传视频在多个平台的总点击量是5亿)。当然这可以报给片方,钱是要赚的嘛。但当自己是片方的时候就得留个心眼,由于各平台的数据计算方式有所差异,产品引导方向(有些会引导用户进行点赞、关注或分享)也各不同,并且部分平台的自我注水率极高,因此这种简单相加无疑是浑水摸鱼。
3.3 团队应该逐步创立一套数据校验体系:
刚刚看了下春节档几部影片的宣传片播放情况,有一些还是有一定水分的。笔者分享一套自己的数据互相校验体系心法,在此抛砖引玉:
笔者对于视频网站数据的校验经验值:评论数是播放量的万分之一到三,点赞数是播放量的万分之三到五,弹幕数是播放量的千分之一到三,当然允许以上各比例在同量级上的稍微误差。
如果发现远低于上述经验值的,很有可能是仅仅刷了播放量就草草交差的情况,要刷就全刷吧,别露出破腚,容易着凉。
3.4 择优选择渠道,善用平台数据
若是有渠道敢于提供后台真实点击量(去重、去自动播放、去专辑合体、去无效点击),那么多花点钱吧,有利于长期健康合作体股藓。如果还提供公开的数据工具就更好了。目前在视频平台的领域,腾讯视频未有数据平台,优酷指数(index.youku.com/)已停用,只有处于测试版本的爱奇艺指数
(http://index.iqiyi.com/),爱奇艺的播放指数是将播放量和播放时长计算而得(依然没有公布算法),这样可以避免了很多无效点击(误点击或机器刷),另外坊间传闻爱奇艺boss是理工男,较高冷,不耻自刷并推出防刷机制,笔者认为其公开的数据工具及较为合理的算法十分值得赞许,但个人对于准确性和实用性还并不认可,希望其未来能不断更新。
这章送上一套价格表,看起来心很累,大家再次感受一下。
相信看到这里,部分上游人士已经不太相信物料分发平台的数据了,那么咱就再引出了第三方热度指数,目前流行的是四大指数。
二手数据——再认识一遍四大指数
这一章节主要为一些新手讲解各项指数的应用及优劣,为了和谐起见,笔者在以下示例中均选择进口片《奇迹男孩》和《神秘巨星》进行演示。
4.1 百度指数(http://index.baidu.com/)
最老资格的指数,在曾经PC时代几乎是唯一的热度指标。下图是《奇迹男孩》和《神秘巨星》的指数对比图,乍一看特别特别符合目前票房差距,对吧?当然至于怎么看,后面会再介绍。
请大家注意到上图的搜索指数下面还有媒体指数女领导有请。媒体指数简单说就是百度新闻频道收录的相关新闻量(注意是数量而不是经过变换的指数)。上面的《神秘巨星》的媒体指数有两个波峰,而中间的谷底其实说明了周六周日文章数较少,因为很多电影自媒体周末也都休息了,(有兴趣的读者可以自行搜索验证),这种周期性的趋势反而是值得探索且可信的。
引入媒体指数这一变量的初衷,就是想看看热度是不是由于投放物料而引起的。
那么有没有不投放物料也能让搜索量上升的情况呢?当然有,比如每隔一段时间就会有传说王晶导演的《倚天屠龙记》即将拍续集,部分用户听到后就会进行搜索求证。
那么有没有投放了物料后而未能引起搜索的情况呢?超级多!
相信作为电影从业者,大家每天都会被朋友圈中的各种影片物料轮番轰炸,但这些物料大多数是“自high型物料”,看到的人很少且难以二次传播,还有一些正式物料会在名不见经传的小媒体的各种犄角旮旯上出现。不论是出于希望被排片经理青睐,还是品牌公关目的,总之这些物料与大部分观众是无缘的。如果确实触达了大量用户,但也未能引起搜索热潮,可能是影片物料不够吸引人,还有一种可能是没有搜索的动力。
可以想象,目前当人们接受到新信息的时候,真的没有必要非去搜索引擎不可了,可能现有娱乐平台的相关内容已十分完整翔实,足以解惑。
另外,当我们觉得百度指数存疑的时候,还可以用其他搜索指数进行比对,例如360趋势(好搜指数)(https://trends.so.com/)和搜狗指数(http://zhishu.sogou.com/)(墙外的google指数(https://trends.google.com/)目前对国内没有任何意义了,放过它吧),笔者建议,如果有人要买搜索指数,最保险的办法就是三家都买了吧。
4.2 微指数(微博指数)
几年前全民进入了微博时代,这个平台的娱乐化味道更浓一些,微博也成为电影营销的一个重要渠道。此前由于微博热搜功能及大V的存在,会有机会让一个影片的信息瞬间触达很多人,而微指数主要基于平台用户每日微博中对某个词的提及频次,听起来也很靠谱,然而大量水军的存在就会让某些词条热度翻了倍的增长,目前笔者认为微指数最佳优势就在于:没钱雇水军的黑马影片刁雪,其开始口碑传播时,微指数是所有指数中反应最迅速的,微博平台对失控型宣传可谓功不可没。
4.3 微信指数(微信搜索“微信指数”)
较晚登场的微信指数一经推出就引发了大家的热议。不同于微博陌生人社交,微信的熟人社交让很多影片的口碑传播很稳定,比如一个普通观众在朋友圈的一句“看哭了”,其对自身社交圈子的安利效果就抵得上那些KOL大号的10万+文章推理的迷宫。然而微信指数明确说明影响因素只有微信搜索、公众号文章及朋友圈公开转发的文章,计算模型可能包括文章数、阅读数、点赞数、留言数、转发数、收藏数等因子,而微信里的聊天信息和发的个人状态并不会影响这个指数,那么仔细一想,如果同天在很多公众号上都发布某电影的水文,即便用户并不感兴趣,也会使得该影片的微信指数大幅上升。除此之外,目前微信指数比其他指数逊色的一点是:只能查询今天往前推最多90天的微信指数,也就是说,如果有读者想看看2017年国庆档各大影片的微信指数tk故事吧,对不起,再无可能。
4.4 头条指数(https://index.toutiao.com/)
头条指数是四大指数最晚推出的,目前应用范围并不广泛。今日头条的千人千面推荐机制也使得头条指数目前不太容易被刷(笔者目前还没搜索到刷头条指数的网络报价),因为真实用户都有自己的阅读兴趣范围,突然某一篇文章被大量的非兴趣用户阅读,那就可以判断是注水,这也算是头条指数的一项优势。
然后咱们再发一次扎心表,继续自行体会:
笔者对这四大指数来代表电影热度的看法是,局限性过于明显。
热度指数的局限性在哪?
5.1 你心中所想的搜索词可能不是你搜的结果
目前除了电影垂直平台外,其他指数平台都不会对名词进行智能分类,因此当电影名称和固有名词有所混淆时,查找后得到的热度可能是两个叠加,系统不懂得区分,作为使用方的人也无法拆解。
比如
电影《苹果》和iphone苹果以及食物苹果。
电影《长城》和网上北京长城一日游广告。
电影《乘风破浪》和成语乘风破浪。
电影《三生三世十里桃花》和电视剧《三生三世十里桃花》。
电影《欢乐喜剧人》和综艺《欢乐喜剧人》
另外,较长的名字,用户搜索往往只用短名字甚至是别名,比如《猩球崛起3:终极之战》,大多数用户只会搜索“猩球崛起3”,《前任3:再见前任》也只会搜索“前任3”,此时就要把一种电影的几种叫法都查询出来。
因此在很多时候,你搜到的结果可能早已经与你所想的方向背离了。
5.2 热度分好坏,被骂也是热度,但观众不买票
目前的指数是中性的,不带褒贬义的,这就给判断带来了难题。哪怕是《穷秋山居图2》即将上映,从各项指数看一定是风光无限的。然而这些热度的来源都是各大KOL的撰文嘲讽和观众的留言谩骂,等最终上映时,并不一定会有人买票。2017年某部大片就是这样表热实冷的情况,有兴趣的读者可以自行查询。很多时候热度只代表了总体观众对其是否有印象,而买不买票则是观影意愿。
那么在笔者看来,映前热度最好都是正面热度,上映允许有争议口碑出现。因为如果前期物料吹太狠,提前调动了各大KOL的吐槽情绪,带偏了风向,最终上映时不搭用户预期,反对声音会更大。近期《芳华》在这方面的宣传营销就做得十分谨慎和出色,尤其是当某些专家有反对的声音出现时,就会有很多实实在在购票的观众进行反击,进一步引发讨论增强热度。当然,有些片子有几个天然招黑的演员,笔者觉得除了减少曝光外,短期内也没有太好的办法。
业界知名的两个电影调研机构早早考虑到区别热度和情绪:见下图,凡影用的是知晓度和热衷度(凡影公众号及淘票票专业版可查询),艺恩用的是用户关注度和购票指数(艺恩app可查询)。
左图为淘票票专业版app上的凡影指数,右图为艺恩app上的营销指数
除此之外,目前笔者知道市场有三个含情绪因素的指数:清博指数、微舆情和qq指数,(其中qq指数已经下线,十分可惜。)这些指数主要从宏观舆情的角度上来分析,笔者试用了发现其分析结果还不成熟,甚至出现错误,比如一篇文章说明A影片如何不好,B影片电影如何好,根据机器语义分析,该文章中出现的负面词汇较多,用户搜索B影片时,这篇文章有可能被误认为是B电影的负面文章而记录在案了。鉴于此,请读者谨慎判断。
清博指数(http://yuqing.gsdata.cn/site/home)
微舆情(http://wyq.sina.com/view/emotion/goEmotionAnalysis.shtml)
5.3 最好别用指数来预测成绩
“太阳升起,公鸡打鸣,但是公鸡打不打鸣,太阳都要升起”
真实热度高所以虚拟指数高,但指数高并不导致真实热度增长(高指数唯一可能的利益影响就是有些排片经理会参考一下,然后给首日排场一定的倾斜)。因为热度指数始终是滞后的,并且存在各种买数据的情况。
恐怕有些朋友此前会拿着两部影片的百度指数进行比较(笔者也被这么强迫过),最后其实大家都感觉到并没有太大意义,因为一旦影片上映,票房一出就啪啪打脸了。
估计不少人心里犯嘀咕:这些指数好像有点相关但又好像没啥用。那么笔者帮大家在这里盖棺定论,首先别用指数推测总票房、首日票房或是预测黑马,很多方法笔者和此前团队的小伙伴都真切地尝试过了。经历过研究后,发现同档期的主力竞争影片热度数值都会处于同量级,至于对其上映后的票房高低并无关系。(在笔者眼里10万和5万就是同量级)
此时还有有人会说“影片上映两天后口碑爆发了,这些指数也都明显大幅上升呀,为啥不能用来预测黑马。“那笔者再泼一次凉水:都上映两天了,咱直接看票房、上座率和口碑评分判断黑马走势不更直接么?关键是上映之前,靠这些指数你是看不出来滴。
那么为什么会存在民间大神敢于发布预测,且大多数时候很准呢(如业界著名的票房预测大师——南如珉老师),在笔者看来,与其说是纯粹用数据预测,不如说是掺杂了经验预感,比如影院经理、影评人和在国外的电影爱好者能提前看片,又知道一些获奖情况、IMBD评分、烂番茄评分等因素,恰好又十分了解国人口味,最后根据自己多年积累的经验模型算出一定的数值。如果能拿着市场上如此脏的数据,最后却能做出准确的结果,那笔者也是十分佩服。(如果某些读者真有自己成熟的算法,欢迎加微信切磋)
热度指数的观测要领
6.1 看大趋势不看小波动
在营销时间段前后要看大趋势:是上扬?下降?还是周期式变化,心中自动过滤掉那些干扰的小波动,千万不要做过度解读,有关内容将放到到第八章进行分析。
6.2 真的指数上升有因,下降有果
由于电影映前营销是按照营销公司制定好的计划一步步升温进行的,即便是一个极其棒的物料或是超级大牌发布会也不会使指数当天突然从此前的极低值蹦到极高值。而出现这种瞬间爬升的情况往往不是什么好事,比如群体事件、灾难事件、明星桃色事件,或是花钱买上去的假指数,相信很多读者也早早发现了这一异常情况,当然我也知道目前市场上聪明的操作者也会选择慢慢的注水。然而在影片上映后、片方放弃治疗后,或是营销方交完复盘ppt后,这些人员就不再充值了,此时热度指数就会在某天断崖式掉到底,而正常的影片热度衰减曲线则是波动式缓缓衰落。
6.3 热度指数更适合用来复盘和研究
之前提过热度指数不太适合预测票房,但是复盘案例的时候是可以一用的(日本很看重失败学,喜欢对本国各种失败案例进行复盘,以鉴未来)。开个玩笑,国内电影圈存在一个甩锅链:要不到场次骂发行、排了没人看骂宣传,看完了口碑差骂导演麻宁,导演很委屈说自己被资本绑架了……
那热度指数能够窥探到哪些锅呢,下面举个例子:
国产院线电影下映后会进入视频网站进行二次播放碧娜的歌,此时的宣传营销势头都较此前大幅减少,大多仅由视频网站给予首页曝光和推送通知。因此一个影片的热度曲线会出现以下情况:前后两个波峰,一个是刚上院线时期,一个是刚上视频网站时期,一般说来,院线峰应该远高于视频网站峰,对于一部在影院票房得到完全释放的影片更是如此(读者可以帮忙找反例)
然后让我们来看看2017年的一个票房追不上口碑的案例。注意看百度指数上12月8日这个时间点,猫眼9分电影《缝纫机乐队》上线优爱腾三家视频网站后,第二个波峰明显高于第一波峰了,有兴趣的读者现在就可以进到视频下方抽样看看网友评论,诸如“欠大鹏一张票”,“冤枉大鹏了”的留言十分之多。除此之外,搜狗指数和360指数也出现了前波低后波高的反常态情况。
经历过2017年国庆档的业内人应该都知道,这个影片当时排片并不给力,由指数就能真真切切地感受到什么叫好孩子给活活憋死了。
《缝纫机乐队》的百度指数冤死路径
《缝纫机乐队》的360指数冤死路径
《缝纫机乐队》的搜狗指数冤死路径
想看指数独家优势明显
讨论了以上渠道一手数据和公共热度指数后,好像还是没有找到最好的指标,那么近两年各种电影文章提到的想看指数效果怎么样,这个能不能成为我们打开终极问题的钥匙呢?
目前主流的想看指数主要是猫眼想看和淘票票想看,而豆瓣和时光等其他想看指数则并非主流(无意冒犯前辈)。
在此笔者先斗胆定调:想看指数是目前为止最贴近院线电影宣发热度的参数了,且没有之一。如此盛赞该指数的原因,不是因为想看指数已经十分完美,而是拥有其他指数不可能拥有的优势。
7.1 特别精准的目标用户
因为是院线电影的票务垂直平台,在这里,你看不到留言求网盘链接的人,有的只是实实在在花钱看电影的购票用户,并且在线售票率已近85%,没有哪个线上渠道能如在线购票平台一样高度聚拢如此精准的目标用户了千品网,这也就使得平台上的用户行为数据更为靠谱。
7.2 数据直观且可证实
想看指数其实就是点击想看的人数,没有做过任何数据变换,这点要比哪些不公布算法的热度指数更容易理解和证实。一个账号只能提供一个想看数,这点要比物料播放量的水分少了很多,而且购票平台可以根据每个用户的历史购票记录来筛出一些刷量军和黑水军。再扔出一张扎心图,刷想看是不是比刷其他平台要贵很多~爱刷刷去吧!
7.3 操作有门槛且带正面情绪
想看按钮需要用户主动进行一次额外的点击,而这个按钮除了位置不错外,也没有任何引导和奖励。注意笔者在这里强调“主动”,因为很多产品的开屏或是弹窗都会造成意外的点击量,那些操作都不是用户发自内心的操作。
而且目前不存在一个按钮叫“不想看”指数,也就是所谓的“踩“,这就使得观众的负面情绪只能存在于购票观影后的评分阶段,而不会在上映前干扰某个影片的初始形象。
因为以上的机制,让我们相信点击了想看按钮的人是真的对该片影片有兴趣的,不管其有没有购票,且最终在哪购票。
读者们估计一直会有个疑虑,那些点过了想看的人最终有没有去购票呢?笔者曾有幸在国内的前两大购票平台供职过,自己也探究了此类数据,每个影片的“想看实现率“和影片体量及类型有一定关系。鉴于目前该数据属于非公开状态,笔者在此也不确切公布平均值或进行单片举例,但真心希望相关产品经理考虑这一部分数据的对外展示。
想看指数有时为什么失灵?
相信还是有不少朋友摘抄了各家的想看指数,但更相信大家依然找不到和首日票房的对应规律。
先打消大家按想看指数找黑马的念头。之所以是黑马,就是大部分观众不熟悉、不了解、不首选、甚至是不看好的影片,因此这些影片的映前想看指数都是不高的,由几百到几千不等。
那么有人会问正常体量及走势的影片总可以用想看指数预测了吧?对不起,因为即便是这么棒的指数,还是在某些特殊情况下无法体现客观情况。帮大家剖析一下原因。
8.1 上架时间和排列位置是基础
首先,想看按钮需要存在于影片详情页,如果干脆都没有建立这个影片词条,那用户就无处可点,如果这个影片词条比竞争对手建立的早,那它就有足够长的时间有机会被点到。
其次,影片的位置也决定了曝光情况。如图所示
猫眼首页与淘票票首页
我们紧盯上图中国的两个扛把子电影票务软件:猫眼和淘票票的首页,发现正在上映区域的影片,正下方就是购票按钮,如此直截了当的设计,也必然使得上映后想看指数几乎不会再有大幅增长(除非是某些超级口碑大片,或是如《芳华》开始售票后又意外撤档的情况)。
同时再看即将上映区域,目前是按照想看指数排序的,请注意这“黄金三个半”位置,大家看到电影《闺蜜2》海报只有半张脸,而春节档的另一部大片《红海行动》则想看指数排名第五,连首屏展示的机会都没有,只能被主动拖拽出来,那么这就造成了大量首页流量会聚焦到这黄金三个半上,强者愈强,而冷板凳选手只能排队等着。那些上映前几日才宣布定档的进口批片在这种背景下就显得特别吃亏阿柳云。
接着我们点开即将上映区域:
可以看到除了定档影片按想看指数排序外,还能看到本月待定影片的排序:
猫眼即将上映的待定区与淘票票即将上映的待定区
有些很聪明的国产片方利用了这个规则,自己的影片总也不定档,目前说2月末上,等到3月就又说3月末上,就这么一个月一个月的耗着待定,赖在这个待定区的头部位置,那曝光量和被点赞机会肯定都是足足的。
最后,票务平台跟影片的合作关系也影响了想看指数的高低飞库小说网。若是双方利益关系越密切,平台无论是在影片排序上还是物料曝光上都给予倾斜,这就为大家解释了为什么春节档几部影片的想看指数在猫眼和淘票票上有排序上的差异。
8.2 题材类型很关键,男女有别,长幼也有别
在上一讲我们提到过用户画像的分法。想想自己身边,是不是总有些人从来不给别人朋友圈点赞留言,就干看。而总有些人却又热衷于各种平台的留言互动,每个用户参与产品互动的积极性都有所区别,因此点击”想看“这个动作其实也受到用户习惯的影响。
表现在这么几个方面上,某些特别老爷们的电影(如《敢死队》《湄公河行动》《智取威虎山》《红海行动》等),留言吐槽互喷才是糙汉子热衷的互动方式,而让一个三四十岁的汉子点击想看按钮,不仅没这个习惯,他反而觉得得有些婆烦,因此这类影片天然想看数就不高,但是这些反而都不影响动作类型影片产生高票房。
那么同理,较为感性的女性则更倾向于点击想看。还有一种是粉丝向的影片,可能会有群头去贴吧、qq群、微信群里带节奏,跟大家说影片想看指数高了,就是支持自己的明星,并且有益于影院给排片,那么在这种影响下,就会造成上映前想看指数极高,但是首日票房不那么成比例的情况,相信大家都想起了去年暑期档的《三生三世十里桃花》,在此也不深挖。
所以可能有人会想问,这种情况下,是不是要给想看指数打折或是加磅来修正一下,比如粉丝片的想看指数就砍半什么的。在这里鉴于身份,笔者不会给出个人经验算法,相信当猫眼或淘票票的产品经理认为这个指标重要时九降风,会有方案进行修正的,大家耐心等待。
最后唐功红,原本最能体现影片热度的预售数据,但由于行业内的奇技淫巧太多,笔者也希望过个好春节,相关具体内容就不做展开了。
8.3 别强行关联,别过度拟合
承接6.1章提到的“看热度曲线要看大趋势而不看小波动“的议题。目前两个购票平台的想看指数日增曲线上都标注了营销事件,这本身是一个非常好的产品设想,但也会给用户一种暗示:想看指数的变化与线上线下的营销事件带动有关,如下图所示:
《捉妖记2》猫眼专业版想看指数日增曲线与淘票票专业版想看指数日增曲线
可以看到上图,《捉妖记2》同样的物料发布节奏,但两个平台的日增想看曲线走势明显不同,恐怕读者要又有所怀疑了,这是哪些因素导致的?
首先,营销物料形式、发布渠道和时间、线下营销事件的力度、媒体发稿量、发稿的阅读情况是基本的热度因素,这是两个平台共有的基础。但是否营销只用某个购票平台进行物料推送,推送的物料是否吸引用户去该平台影片详情页查看,这些则会影响该影片在该平台的想看人数变化情况。
因此,其实能够大幅增加平台想看人数的营销事件是十分有限的,而目前的这种想看曲线加营销事件的形式多数时候只是个美丽的想象,有点类似数据建模中的过度拟合,笔者在这里不会用数学方式向大家解释这个概念,而是发出一张不少人都见过的图片,舂暖花开那是曾经年少的我们想象中的美好,虽然离事实,
单竞缇
的确很远。
《圣斗士星矢》结尾曲中天马座的“过度拟合”
笔者此时突然感觉这篇否定了太多太多,遂辍笔,感谢大家能够坚持阅读完本报告正文部分。
结语
2017年过去了,中国电影市场也进一步走向成熟,国人吃过见过后,影商大幅提高,甚至很多人光凭影片名和演员阵容就能迅速判断出影片质量,这也使得他们同时被宣传营销物料撩拨的阈值也越来越高,目前恐怕不会存在那种一劳永逸的宣传营销套路。可能有些读者可能觉得本篇文章洋洋洒洒写了一万字,最后也没有给出个超级数据公式,在此笔者用三种方式回应:
万般神通皆小术,唯有空空是大道
最好的药物是食物,最好的衣服是身材,最好的营销是口碑。
电影用心做,后面啥都顺
华策|黄渤|潘粤明|慈文|脱口秀
如果国宝会说话|电竞|完美世界丨音频
刘兵|熊晓鸽|电影特效丨《偶像练习生》
邓超|国宝|黄渤丨迪士尼模式
上一篇:西安美术培训学校万国浪琴欧米茄,谁是3万价位大赢家?-超薄男士手表
下一篇:美国恐怖片大全三七抗癌更防癌,别等有病才吃三七!-云南七丹药业
文章归档
2020年11月 (50)
2020年10月 (310)
2020年9月 (300)
2020年8月 (310)
2020年7月 (310)
2020年6月 (290)
2020年5月 (310)
2020年4月 (300)
2020年3月 (310)
2020年2月 (290)
2020年1月 (310)
2019年12月 (310)
2019年11月 (192)
2019年10月 (240)
2019年9月 (290)
2019年8月 (225)
2019年7月 (99)
2019年6月 (101)
2019年5月 (95)
2019年4月 (1603)
2019年3月 (2210)
2019年2月 (359)
2019年1月 (400)
2018年12月 (220)
2018年11月 (299)
2018年10月 (313)
2018年9月 (300)
2018年8月 (312)
2018年7月 (302)
2018年6月 (309)
2018年5月 (315)
2018年4月 (313)
2018年3月 (294)
2018年2月 (283)
2018年1月 (308)
2017年12月 (306)
2017年11月 (294)
2017年10月 (328)
2017年9月 (311)
2017年8月 (312)
2017年7月 (154)
2017年6月 (87)
2017年5月 (90)
2017年4月 (82)
2017年3月 (98)
2017年2月 (90)
2017年1月 (94)
2016年12月 (90)
2016年11月 (104)
2016年10月 (88)
2016年9月 (84)
2016年8月 (89)
2016年7月 (98)
2016年6月 (89)
2016年5月 (102)
2016年4月 (78)
2016年3月 (103)
2016年2月 (84)
2016年1月 (98)
2015年12月 (96)
2015年11月 (87)
2015年10月 (85)
2015年9月 (86)
2015年8月 (83)
2015年7月 (87)
2015年6月 (93)
2015年5月 (101)
2015年4月 (98)
2015年3月 (96)
2015年2月 (75)
2015年1月 (95)
2014年12月 (98)
2014年11月 (93)
2014年10月 (97)
2014年9月 (103)
2014年8月 (102)
2014年7月 (103)
2014年6月 (81)
2014年5月 (88)
2014年4月 (74)