Conférencier
|
Transcription
|
| Mike Anderson |
Nous enregistrons maintenant officiellement. |
| |
Très bien, vous comprenez que ceci est enregistré pour être utilisé dans la conférence du sommet de découverte de saut et sera disponible publiquement dans la communauté des utilisateurs de saut si vous donnez la permission pour cet enregistrement et cette utilisation. |
| |
Oui. |
| |
Bonjour, je m'appelle Lavada Blanton. Et, je suis un étudiant diplômé du programme de maîtrise en analyse commerciale et science des données de l'Oklahoma State University. Mon projet s'appelle Netflix ou AMC |
| |
Prédire les stratégies de publication à l'ère des options. |
| |
Tout d'abord, une petite introduction sur ce qu'est mon projet. |
| |
Covid-19 oblige les sociétés de production à décider des risques liés aux sorties de films traditionnels en salles. |
| |
Les services de streaming tels que HBO, Netflix et Amazon étaient autrefois mal vus par les critiques, mais sont maintenant devenus un acteur clé respecté dans l'industrie cinématographique. |
| |
Ce projet examine les indicateurs clés et le succès au box-office, tels que le score IMDB, les revenus bruts et les critiques des critiques pour évaluer le meilleur mélange de films à distribuer, que ce soit dans les salles ou sur un service de streaming. |
| |
Et l'objectif de ce projet est de prédire si les films devraient être distribués via des services de streaming ou au box-office. Le succès a été mesuré par un score IMDB de 5,5 ou plus, ce qui est supérieur à la moyenne. |
| |
J'ai échantillonné 1913 titres de films sortis entre 2010 et 2021. |
| |
J'avais divers attributs, tels que le genre, la date de la première, le budget de durée, les revenus du box-office du cinéma et la classification du contenu, qui ont été utilisés pour déterminer le meilleur mélange de films sur les types de sortie respectifs. |
| |
Comme vous pouvez le voir ici, il y avait beaucoup moins de films en streaming que de films en salle. Pour contrer cela, je l'ai réduit à 5,5 ou plus pour les scores IMDB, et cela l'a un peu égalisé. |
| |
Ensuite, je détaillerai ma démarche. Tout d'abord, j'ai fait du prétraitement et de la collecte de données. Cela implique de collecter des données à partir d'IMDB, de Rotten Tomatoes et des chiffres qui en découlent. |
| |
Ensuite, j'ai filtré les films sortis avant 2010 et les ai retirés de l'ensemble de données. Et, j'ai créé un drapeau Covid pour les films sortis entre mars 2019 et mars 2021. |
| |
Et comme vous pouvez le voir ci-dessous, il y a eu des transformations spécifiquement dans la durée, la pré- et post-transformation est montrée ici. |
| |
Ensuite, j'ai fait une prédiction au box-office pour les films en streaming. Cela a été produit avec un réseau de neurones avec un échantillon de films de cinéma dans JMP Pro. |
| |
Enfin, j'ai fait un arbre de décision. Cela a été filtré. L'ensemble de données a été filtré avec des films de 5.5 et plus uniquement. Cela a réduit l'ensemble de données à 1400. Et, avec l'échantillon, j'ai pu utiliser une cible de diffusion en continu ou de cinéma pour un arbre de décision catégorique. |
| |
Les cas d'utilisation de ces données sont un exemple en 2019 |
| |
l'industrie cinématographique mondiale vaut environ 136 milliards de dollars. Cela signifie qu'il y a beaucoup de risques et de récompenses impliqués dans chaque aspect de la réalisation d'un film. |
| |
Et ces mélanges de films pourraient être utilisés par les dirigeants des meilleures sociétés de production, des services de streaming ou même des cinémas pour prendre des décisions éclairées sur les futurs films. |
| |
Vous trouverez ci-dessous une liste des cinq films les plus rentables de tous les temps. Et, comme vous avez pu le voir |
| |
ils sont tous 7.8 ou plus. Donc, cette coupe montre en quelque sorte que ces scores IMDB élevés se traduisent au box-office. |
| |
D'accord, je vais ensuite approfondir les modèles que j'ai utilisés dans JMP Pro. |
| |
Tout d'abord, j'ai fait un réseau de neurones. Ce réseau de neurones a été créé pour prédire les ventes au box-office des films en streaming. Comme vous pouvez le voir, nous avions un R carré de 0,87. |
| |
Et c'est assez bon pour le réseau de neurones. Ensuite, j'ai fait une sélection de variables pas à pas. Cela a été utilisé pour choisir quelles variables seraient les plus appropriées pour les recommandations. |
| |
Enfin, j'ai créé une forêt bootstrap pour créer les recommandations finales, la cible étant le type de distribution. |
| |
Enfin, j'ai mes recommandations. J'ai deux films, basés sur le streaming, et deux catégories, basées sur le cinéma. |
| |
Tout d'abord, j'ai des comédies bon marché bon marché. Celles-ci ont une durée moyenne d'environ 91 minutes. Ils sont égaux dans la comédie et le drame, ainsi que classés R. |
| |
Et puis avoir un budget moyen de 2,1 millions de dollars. Ensuite, j'ai des sensations fortes à gros budget. Nous avons une durée moyenne de 147 minutes. Un genre |
| |
50/50 Aventure/Horreur, et, 50/50 R ou PG-13. Nous avons un budget de 146,5 millions de dollars. Ensuite, pour le théâtre, j'ai des reconstitutions biographiques sur un budget. |
| |
Il s'agit d'une durée moyenne de 97 minutes. Le genre est à 41% biographie et 35% aventure. Nous avons la majorité PG. |
| |
Et aussi, nous avons un budget de 8,6 millions de dollars. Puis, enfin, nous avons les aventures pour tous. Il s'agit d'une durée moyenne d'un énorme 127 six minutes. 73% sont Aventure. |
| |
Et puis nous avons 71% en tant que PG-13 et un budget de 10,3 millions de dollars. Merci beaucoup d'avoir regardé ma présentation. Avez-vous des questions? |
