Relatore
|
Trascrizione
|
| Mike Anderson |
Ora stiamo ufficialmente registrando. |
| |
Va bene, capisci che questo è stato registrato per l'uso nella conferenza del vertice sulla scoperta del salto e sarà disponibile pubblicamente nella comunità degli utenti del salto, se autorizzi questa registrazione e l'uso. |
| |
Sì. |
| |
Ciao, mi chiamo Lavada Blanton. E sono uno studente laureato al Master in Business Analytics e Data Science dell'Oklahoma State University. Il mio progetto si chiama Netflix o AMC |
| |
Prevedere le strategie di rilascio nell'era delle opzioni. |
| |
Prima di tutto, una piccola introduzione di cosa tratta il mio progetto. |
| |
Il Covid-19 fa sì che le società di produzione decidano i rischi connessi alle tradizionali uscite cinematografiche nelle sale. |
| |
I servizi di streaming come HBO, Netflix e Amazon una volta erano disapprovati dalla critica, ma ora sono diventati un attore chiave rispettato nell'industria cinematografica. |
| |
Questo progetto esamina gli indicatori chiave e il successo al botteghino, come il punteggio IMDB, i ricavi lordi e le recensioni della critica per valutare il miglior mix di film da distribuire, nelle sale o su un servizio di streaming. |
| |
E l'obiettivo di questo progetto è prevedere se i film debbano essere distribuiti tramite servizi di streaming o botteghino. Il successo è stato misurato da un punteggio IMDB di 5,5 o superiore, che è al di sopra della media. |
| |
Ho provato 1913 titoli di film usciti tra il 2010 e il 2021. |
| |
Avevo vari attributi, come genere, data della prima, budget di durata, entrate al botteghino del cinema e valutazione dei contenuti, che sono stati utilizzati per determinare il miglior mix di film sui rispettivi tipi di uscita. |
| |
Come puoi vedere qui, c'erano molti meno film in streaming rispetto ai film teatrali. Per contrastare il fatto che l'ho ridotto a 5,5 o superiore per i punteggi IMDB, e questo lo ha livellato un po'. |
| |
Successivamente, esaminerò il mio approccio. In primo luogo, ho eseguito la preelaborazione e la raccolta dei dati. Ciò comporta la raccolta di dati da IMDB, Rotten Tomatoes e i numeri che arrivano. |
| |
Successivamente ho filtrato i film usciti prima del 2010 e li ho eliminati dal set di dati. E ho creato una bandiera Covid per i film usciti tra marzo 2019 e marzo 2021. |
| |
E come puoi vedere qui sotto, ci sono state alcune trasformazioni specifiche nella durata, la pre- e post-trasformazione è mostrata qui. |
| |
Successivamente, ho fatto una previsione al botteghino per i film in streaming. Questo è stato prodotto con una rete neurale con un campione di film teatrali in JMP Pro. |
| |
Infine, ho creato un albero decisionale. Questo è stato filtrato. Il set di dati è stato filtrato solo con film dalla 5.5 in su. Ciò ha ridotto il set di dati a 1400. E, con il campione sono stato in grado di utilizzare un obiettivo di streaming o teatrale per un albero decisionale categorico. |
| |
I casi d'uso di questi dati sono un esempio nel 2019 |
| |
l'industria cinematografica globale vale circa 136 miliardi di dollari. Ciò significa che questo comporta molti rischi e ricompense in ogni aspetto di come viene realizzato un film. |
| |
E questi mix di film potrebbero essere utilizzati dai dirigenti delle migliori società di produzione, servizi di streaming o persino cinema per prendere decisioni informate sui film futuri. |
| |
Di seguito è riportato un elenco dei primi cinque film con il maggior incasso di tutti i tempi. E, come puoi vedere |
| |
sono tutti 7.8 o superiori. Quindi, questo taglio mostra in qualche modo che questi punteggi IMDB elevati si traducono in botteghino. |
| |
Va bene, poi andrò a scavare più a fondo nei modelli che ho usato in JMP Pro. |
| |
Per prima cosa, ho creato una rete neurale. Questa rete neurale è stata creata per prevedere le vendite al botteghino nei film in streaming. Come puoi vedere, avevamo un R quadrato .87. |
| |
E questo è abbastanza buono per la rete neurale. Successivamente ho eseguito una selezione graduale delle variabili. Questo è stato utilizzato per scegliere quali variabili sarebbero più adatte per le raccomandazioni. |
| |
Infine, ho creato una foresta di bootstrap per creare i consigli finali con l'obiettivo di essere il tipo di distribuzione. |
| |
Infine, ho i miei consigli. Ho due film, basati sullo streaming, e due categorie, basati sul teatro. |
| |
In primo luogo, ho commedie piacevoli a buon mercato. Questi hanno una durata media di circa 91 minuti. Sono allo stesso modo commedia e dramma, oltre a essere classificati R. |
| |
E poi avere un budget medio di $ 2,1 milioni. Successivamente, ho Big Budget Thrills. Abbiamo una durata media di 147 minuti. Un genere |
| |
50/50 Avventura/Horror e 50/50 R o PG-13. Abbiamo un budget di 146,5 milioni di dollari. Successivamente, per il teatro ho Rievocazioni biografiche con un budget limitato. |
| |
Questa è una durata media di 97 minuti. Il genere è per il 41% biografico e per il 35% avventura. Abbiamo la maggioranza PG. |
| |
Inoltre, abbiamo un budget di 8,6 milioni di dollari. Poi, finalmente, abbiamo le avventure per tutti. Questa è una durata media di ben 127 sei minuti. Il 73% sono Avventura. |
| |
E poi abbiamo il 71% come PG-13 e un budget di 10,3 milioni di dollari. Grazie mille per aver guardato la mia presentazione. Avete domande? |
