|
Vocero
|
Transcripción
|
| Mike Anderson |
Ahora estamos grabando oficialmente. |
| |
Muy bien, entiendes que esto se está grabando para su uso en la conferencia de la cumbre de descubrimiento de salto y estará disponible públicamente en la comunidad de usuarios de salto. ¿Me das permiso para esta grabación y uso? |
| |
Sí. |
| |
Hola, me llamo Lavada Blanton y soy estudiante de posgrado en el programa de maestría en análisis de negocios y ciencia de datos de la Universidad Estatal de Oklahoma. Mi proyecto se llama Netflix o AMC. |
| |
Predecir estrategias de lanzamiento en la era de las opciones. |
| |
Primero voy a hacer una pequeña introducción sobre lo que trata mi proyecto. |
| |
El Covid-19 provocó que las empresas productoras decidieran los riesgos que implican los estrenos tradicionales de películas en las salas. |
| |
Los servicios de streaming como HBO, Netflix y Amazon alguna vez fueron mal vistos por los críticos, pero ahora se han convertido en un actor clave respetado en la industria cinematográfica. |
| |
Este proyecto analiza indicadores clave y el éxito de taquilla, como la puntuación IMDB, los ingresos brutos y las reseñas de los críticos para evaluar la mejor combinación de películas para distribuir, ya sea en cines o en un servicio de transmisión. |
| |
El objetivo de este proyecto es predecir si las películas deberían distribuirse a través de servicios de streaming o en taquilla. El éxito se midió con una puntuación IMDB de 5,5 o superior, que está por encima de la media. |
| |
Muestreé 1913 títulos de películas estrenadas entre el año 2010 y 2021. |
| |
Tenía varios atributos, como género, fecha de estreno, duración, presupuesto, ingresos de taquilla y calificación de contenido, que se utilizaron para determinar la mejor combinación de películas en los respectivos tipos de lanzamiento. |
| |
Como puedes ver aquí, había muchas menos películas en streaming que en salas de cine. Para contrarrestarlo, reduje la puntuación de IMDB a 5,5 o más, y eso lo equilibró un poco. |
| |
A continuación, repasaré mi enfoque. Primero, realicé un preprocesamiento y una recopilación de datos. Esto implica recopilar datos de IMDB, Rotten Tomatoes y los números que aparecen. |
| |
A continuación, filtré las películas estrenadas antes de 2010 y las saqué del conjunto de datos. Además, creé una bandera de Covid para las películas estrenadas entre marzo de 2019 y marzo de 2021. |
| |
Y como pueden ver aquí debajo, hubo algunas transformaciones específicamente en la duración, la pre y post transformación se muestra aquí. |
| |
A continuación, realicé una predicción de taquilla para películas en streaming. Esta se elaboró con una red neuronal con una muestra de películas en salas de cine en JMP Pro. |
| |
Por último, hice un árbol de decisiones. Esto se filtró. El conjunto de datos se filtró solo con películas de la versión 5.5 y posteriores. Esto redujo el conjunto de datos a 1400. Y, con la muestra, pude usar un objetivo de transmisión en línea o exhibición en cines para un árbol de decisiones categórico. |
| |
Los casos de uso de estos datos son un ejemplo en 2019 |
| |
La industria cinematográfica mundial vale alrededor de 136 mil millones de dólares, lo que significa que hay muchos riesgos y recompensas involucradas en cada aspecto de cómo se hace una película. |
| |
Y estas mezclas de películas podrían ser utilizadas por ejecutivos de importantes compañías de producción, servicios de streaming o incluso cines para tomar decisiones informadas sobre futuras películas. |
| |
A continuación se muestra una lista de las cinco películas más taquilleras de todos los tiempos. Y, como puede ver, |
| |
Todas tienen una puntuación de 7,8 o superior. Por lo tanto, este corte demuestra que estas altas puntuaciones en IMDB se traducen en taquilla. |
| |
Bien, a continuación voy a profundizar en los modelos que utilicé en JMP Pro. |
| |
Primero, hice una red neuronal. Esta red neuronal fue creada para predecir las ventas de taquilla en las películas en streaming. Como puedes ver, teníamos un R cuadrado de 0,87. |
| |
Y esto es bastante bueno para la red neuronal. A continuación, realicé una selección de variables por pasos. Esto se utilizó para elegir qué variables serían las más adecuadas para las recomendaciones. |
| |
Finalmente, hice un bosque de arranque para crear las recomendaciones finales con el objetivo de ser el tipo de distribución. |
| |
Por último, tengo mis recomendaciones. Tengo dos películas, según el streaming, y dos categorías, según la sala. |
| |
En primer lugar, tengo comedias económicas que te hacen sentir bien. Tienen una duración promedio de unos 91 minutos. Son comedias y dramas a partes iguales, y además están clasificadas como R. |
| |
Y luego tenemos un presupuesto promedio de 2,1 millones de dólares. A continuación, tengo las películas de suspenso de gran presupuesto. Tenemos una duración promedio de 147 minutos. Un género |
| |
50/50 de aventuras y terror, y 50/50 de clasificación R o PG-13. Tenemos un presupuesto de 146,5 millones de dólares. A continuación, para el cine, tengo Recreaciones biográficas con un presupuesto limitado. |
| |
Tiene una duración media de 97 minutos. El género es 41% biografía y 35% aventura. Tenemos mayoría PG. |
| |
Además, contamos con un presupuesto de 8,6 millones de dólares. Y, por último, tenemos las aventuras para todos, que tienen una duración media de nada menos que 127 minutos y medio. El 73 % son aventuras. |
| |
Y luego tenemos un 71% de calificación PG-13 y un presupuesto de 10,3 millones de dólares. Muchas gracias por ver mi presentación. ¿Tienes alguna pregunta? |
