百度指数和票房的傻瓜模型
                                                文章 & 制图：Snow雪子。微信号jidan201212
                                                                   数据：兰思逸

“傻瓜”不是贬义，是好用的意思，像傻瓜相机一样；也有简单之意，因为这个模型的原理相对简单，数据也很基本，就是每部电影的公开的百度指数以及他们的最终票房。

在工作中，经常问到的问题是，这个片子票房要到XX，那么KPI应该怎么拆解？或者反过来，百度指数已经达到这个数值，代表了什么？说明了什么？这其实需要一个基准，判断标准。

年中我在写一篇“电影小数据的价值”文章中，提到Variety利用四个公开数据源（Facebook, Twitter, YouTube和Google）预测票房的事。比如，一部电影在上映前一个时间点的粉丝数量、提及数量、视频播放数量或者搜索数量，与它类似的片子的数据基准做对比，得出表现是否优劣以及票房表现预测如何的结论。

这篇文章的核心意思是，虽然能够利用技术深入挖掘数据最好，但是光杆司令的情况下，也是可以做出一些东西的。并且基于目前的市场情况，利用公开数据的是绝大多数，包括KPI的制定也是基于公开数据的结果。

回到开头提到的那两个问题，实际上也就是研究公开的百度指数与票房的关系。在KPI拆分上，百度指数是一个集大成的指标，反映了宣传的整体效果。

1.　　　模型概论
我们采用了2013年1月1日至2014年9月18日期间所有上映的最终票房超过5000万的影片。刨去无效的样本，比如《反贪风暴》这种临时调档，《爸爸去哪儿》这种电影和电视剧百度指数混为一体的特殊案例，共有134部影片。

我们按照票房高低做了五个档次：票房超过15亿的影片，10-15亿的，5-10亿的，1-5亿的，5000万-1亿的。

每部影片我们按照四个时间节点做了百度指数的统计：映前一个月、映前一周、映前一天和上映当天。其中，映前一月和一周的指数，并不是某一天的节点数据，因为这样有偏见的嫌疑，比如那一天恰好有大事出现。并且，这两个数据也不应该是平均数。因为数据是要解答“如果票房要达到XX，映前一个月应该达到什么数值”的问题，而平均数算入了整个周期的情况，给出了偏高的不正确的值。

除了按照票房档位分类，我们还在每一个票房档内部按照国产/海外做了分类。香港、台湾电影和他们与内地的合拍片我们算进了“国产”。

2.　　　模型结果


3.　　　模型局限和日后发展
首先，此次研究的样本量有限，特别是5亿以上的影片。样本稀少的情况导致了特殊案例对整体结果的突出影响。比如5-10亿的电影只有10部，其中《致青春》和《后会无期》的指数都因为例如导演就是社交网络大号的关系而非常之高，甚至超过票房更高影片的数值，这就直接拉高了这一票房档位的结果。如果样本量相对较大，那么个别的特殊情况会被更多的普遍情况中和，从而减少偏见性影响。

目前的样本量跟我们只截取了13年开始这个时间段有关系，也看出来5亿以上的影片并不多。我们并没有继续选择13年之前的数据，因为市场变化太大，12年的表现对当下已没有那么大的参考意义。这也意味着此项研究需要继续下去，长期监测，不断调整。

其次，影片档期这个因素并没有考虑进来，而这个因素和票房有着直接的联系。其实，这个傻瓜模型是基础的，但是是迈出了第一步。在利用历史数据做判断的时候，除了票房这个刚性判断标准外，还有影片量级、主创、类型、档期等参考因素。本模型并没有如此细致。建议使用过程中，可以以票房档位-百度指数做起点，再深入挑选几部具体的影片做参考。

如想进一步完善，持续的研究是唯一途径。