
大数据分析揭开明星片酬对电影票房影响的真相
最近美国一个叫迪克*柯佩肯的男人有点招人烦。 柯佩肯毕业于哈佛法学院,出来后就进入律师行。所有人都觉得他做得好好的时候,他竟然对大数据产生了兴趣,于是他利用神经元网络,根据剧本特征来预测电影收入。最近美国一个叫迪克*柯佩肯的男人有点招人烦。
柯佩肯毕业于哈佛法学院,出来后就进入律师行。所有人都觉得他做得好好的时候,他竟然对大数据产生了兴趣,于是他利用神经元网络,根据剧本特征来预测电影收入。
不久,好莱坞的老板们就注意到柯佩肯了,因为他的算法可以帮助电影公司提高期望总收入,该算法不仅可以告诉你需要改变什么,还会告诉你这一改变可能会增加多少收入。
本来大家相安无事,可是有一天,柯佩肯给出了一个惊人的结论,从此和所有的明星结下了梁子。该结论是:为了追求利润最大化,电影公司必须适当减少明星的片酬。对于大多数电影来说,用还不太出名的演员也能赚到同样多的钱。演员和导演的名头对于票房收入的影响并不明显。柯佩肯还继续补充说:那些赢得空前票房收入的电影,你会很吃惊地发现,几乎没有采用当时已经是明星的演员。
这下大牌明星们有麻烦了?
柯佩肯的结论可能会得到经济学家的赞同。美国一位大学经济学教授拉维德早在1999年进行了一项调查研究,他对200部电影的经济收益进行分析后发现,明星虽然能为影片带来更好的票房,但是电影的利润率却更低,因为大部分的收入进入了明星的口袋。
拉维徳的研究还给那些爱砸钱的土豪泼了一盆冷水。他说,低成本的影片一般会比高预算的大片取得更高的利润率,同理,无名小卒充当顶梁柱的影片要比大明星主演的影片具有更高的回报率,而那些不含暴力和色情的家庭片更容易赚钱。
曾任迪斯尼电影公司首席执行官的杰弗里*卡曾伯格说:“在以前,我们只需为演员卓越的演技支付报酬,而现在我们必须为他的显赫名望支付报酬,雇用一线明星时,必须加价,我们可以将其称之为【名人的额外索价】。”迪斯尼一直是所有电影厂中最注意控制成本的,主要靠的就是避免选用当下的一线明星,另一个方面就是投资动画电影。谢天谢地,插画师、技术专家和动画小人至今还没有向老板索要超级明星的溢价。
好莱坞的大佬们也开始认识到明星天价片酬的危害,他们有的通过电视选秀节目让平民百姓成为明星,有的则干脆不用大腕,如《少年派的奇幻漂流》、《纳尼亚传奇》系列,以避免支付明星的溢价。
在电影《敢死队》系列中,导演史泰龙把柯佩肯的神经元网络一脚踢开,他还准备用子弹扫死经济学家。该影片云集了包括施瓦辛格、杰森*斯坦森、布鲁斯*威利斯、李连杰等大牌明星,他们也许想成为利润的敢死队,但据说这些老家伙已经为了片酬的问题先打起来了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29