|
扬声器
|
脚本
|
| 迈克·安德森 |
我们现在正式开始录音。 |
| |
好的，您明白这是为在跳跃发现峰会上录音而准备的，并且会在跳跃用户社区中公开，您是否允许录音和使用。 |
| |
是的。 |
| |
你好，我叫 Lavada Blanton。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。我的项目叫做 Netflix 或 AMC |
| |
预测期权时代的发布策略。 |
| |
首先简单介绍一下我的项目。 |
| |
Covid-19 促使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一度受到批评，但现在已成为电影行业受人尊敬的关键参与者。 |
| |
该项目关注关键指标和票房成功，例如 IMDB 评分、总收入和评论家评论，以评估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 评分为 5.5 或更高，高于平均水平。 |
| |
我选取了 2010 年至 2021 年间上映的 1913 部电影作为样本。 |
| |
我有各种属性，例如类型、首映日期、持续时间预算、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。 |
| |
正如您在此处看到的，流媒体电影的数量远少于影院电影。为了抵消这一影响，我将 IMDB 评分降低到 5.5 或更高，这样就稍微平衡了一些。 |
| |
接下来，我将介绍我的方法。首先，我进行了数据预处理和数据收集。这包括从 IMDB、烂番茄和随之而来的数字收集数据。 |
| |
接下来，我过滤了 2010 年之前上映的电影，并将其从数据集中删除。此外，我还为 2019 年 3 月至 2021 年 3 月期间上映的电影创建了 Covid 标记。 |
| |
正如您在下面看到的，特别是在持续时间方面有一些转变，这里显示的是转变前和转变后。 |
| |
接下来，我对流媒体电影的票房进行了预测。这是使用 JMP Pro 中的神经网络和影院电影样本生成的。 |
| |
最后，我做了一个决策树。这个被过滤掉了。数据集只过滤掉了 5.5 及以上的电影。这样就将数据集减少到了 1400。而且，有了样本，我能够将流媒体或影院作为分类决策树的目标。 |
| |
该数据的用例是 2019 年的一个例子 |
| |
全球电影业的市值约为 1360 亿美元。这意味着电影制作的每个环节都存在着巨大的风险和回报。 |
| |
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混合来对未来的电影做出明智的决策。 |
| |
以下是有史以来票房最高的五部电影的列表。正如你所看到的 |
| |
评分都在 7.8 分或以上。所以，这一评分确实表明这些高 IMDB 评分确实能转化为票房。 |
| |
好的，接下来我将深入研究我在 JMP Pro 中使用的模型。 |
| |
首先，我创建了一个神经网络。这个神经网络是为了预测流媒体电影的票房收入而创建的。如你所见，我们的 R 平方为 0.87。 |
| |
这对于神经网络来说相当不错。接下来我进行了逐步变量选择。这用于选择哪些变量最适合建议。 |
| |
最后，我做了一个引导森林来创建最终的建议，目标是分布类型。 |
| |
最后，我有一些推荐。我有两部基于流媒体的电影和两个基于影院放映的类别。 |
| |
首先，我有廉价的温馨喜剧。这些喜剧的平均时长约为 91 分钟。它们既是喜剧又是戏剧，而且被评为 R 级。 |
| |
然后平均预算为 210 万美元。接下来是大预算惊悚片。平均片长为 147 分钟。 |
| |
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，我有预算内的传记重演。 |
| |
平均时长为 97 分钟。类型为 41% 传记和 35% 冒险。大部分为 PG 级。 |
| |
此外，我们的预算为 860 万美元。最后，我们还有全民冒险。平均时长高达 127 分钟。73% 是冒险。 |
| |
然后我们有 71% 是 PG-13，预算为 1030 万美元。非常感谢您观看我的演讲。您有什么问题吗？ |
