扬声器
|
成绩单
|
| 迈克·安德森 |
我们现在正式录制。 |
| |
好的，您了解这是为了在跳跃发现峰会上使用而录制的，并且将在跳跃用户社区中公开提供您是否允许此录制和使用。 |
| |
是的。 |
| |
你好，我的名字是拉瓦达布兰顿。 而且，我是俄克拉荷马州立大学商业分析和数据科学硕士项目的研究生。 我的项目名为 Netflix 或 AMC |
| |
预测选项时代的发布策略。 |
| |
首先稍微介绍一下我的项目是关于什么的。 |
| |
Covid-19 导致制作公司决定在影院上映传统电影所涉及的风险。 |
| |
HBO、Netflix 和亚马逊等流媒体服务曾经受到评论家的反对，但现在已成为电影业受人尊敬的关键参与者。 |
| |
该项目着眼于关键指标和票房成功，例如 IMDB 得分、总收入和评论家评论，以评估要在影院或流媒体服务上发行的最佳电影组合。 |
| |
该项目的目标是预测电影是否应该通过流媒体服务或票房发行。 成功的衡量标准是 IMDB 得分为 5.5 或更高，高于平均水平。 |
| |
我抽样了 2010 年至 2021 年间发行的 1913 部电影。 |
| |
我有各种属性，例如类型、首映日期、时长预算、影院票房收入和内容评级，这些属性用于确定相应发行类型的最佳电影组合。 |
| |
正如您在这里所看到的，流媒体电影比戏剧电影少得多。 为了抵消我确实将 IMDB 分数降低到 5.5 或更高，这稍微平衡了一点。 |
| |
接下来，我将介绍我的方法。 首先，我做了数据预处理和数据收集。 这涉及从 IMDB、烂番茄和随之而来的数字收集数据。 |
| |
接下来，我过滤了 2010 年之前发布的电影，并将其从数据集中取出。 而且，我为 2019 年 3 月至 2021 年 3 月之间发行的电影创建了一个 Covid 标志。 |
| |
正如您在下面看到的那样，有一些特别是持续时间的转换，这里显示了转换前和转换后。 |
| |
接下来，我对流媒体电影进行了票房预测。 这是使用神经网络和 JMP Pro 中的戏剧电影样本生成的。 |
| |
最后，我做了一个决策树。 这被过滤掉了。 数据集仅使用 5.5 及更高版本的电影过滤掉。 这将数据集减少到 1400。 而且，通过该示例，我能够将流式或戏剧化目标用于分类决策树。 |
| |
该数据的用例是 2019 年的一个例子 |
| |
全球电影业价值约 1360 亿美元。 这意味着在电影制作的各个方面都涉及很多风险和回报。 |
| |
顶级制作公司、流媒体服务甚至影院的高管可以使用这些电影组合来对未来的电影做出明智的决定。 |
| |
以下是有史以来票房最高的五部电影的列表。 而且，正如你所见 |
| |
他们都是7.8或更高。 所以，这个剪辑确实表明这些高 IMDB 分数确实转化为票房。 |
| |
好的，接下来我将深入研究我在 JMP Pro 中使用的模型。 |
| |
首先，我做了一个神经网络。 创建这个神经网络是为了预测流媒体电影的票房销售额。 如您所见，我们有一个 R 平方 0.87。 |
| |
这对神经网络来说是相当好的。 接下来我做了一个逐步变量选择。 这用于选择哪些变量更适合推荐。 |
| |
最后，我做了一个引导森林来创建最终建议，目标是分布类型。 |
| |
最后，我有我的建议。 我有两部电影，基于流媒体，还有两个类别，基于戏剧。 |
| |
首先，我有廉价的感觉良好的喜剧。 这些的平均持续时间约为 91 分钟。 他们是平等的喜剧和戏剧，以及评级为R。 |
| |
然后平均预算为 210 万美元。 接下来，我有大预算惊险刺激。 我们的平均持续时间为 147 分钟。 一个流派 |
| |
50/50 冒险/恐怖，以及 50/50 R 或 PG-13。 我们的预算为 1.465 亿美元。 接下来，对于戏剧，我有预算的传记重演。 |
| |
这是 97 分钟的平均持续时间。 类型是 41% 的传记和 35% 的冒险。 我们有多数PG。 |
| |
而且，我们的预算为 860 万美元。 然后，最后，我们有了全民冒险。 这是高达 127 六分钟的平均持续时间。 73% 是冒险。 |
| |
然后我们有 71% 的 PG-13 和 1030 万美元的预算。 非常感谢您观看我的演讲。 你有任何问题吗？ |
