
当影视遇上大数据
近年来,大数据强势来袭,各行各业各个领域都被它影响着、改变着。
2013年美国Netflix网站播出了一部靠网友提供的数据来左右剧情发展的网剧《纸牌屋》,这部号称“靠大数据‘算’出来”的网剧瞬间蹿红,由此,影视行业迈入“大数据时代”。
大数据为影视“算”什么?大数据真的那么灵吗?除了大数据,我们的影视还需要什么?
今天,我们邀请到我省几位活跃在影视行业的年轻编剧,来和大家一起把脉大数据下的影视创作——
主 持: 李滇敏
嘉 宾:
何 闯:笔名草玄,著有长篇玄幻小说《神魔蚩尤》、新历史小说《狂狷上不了天堂》等。编剧作品有电视连续剧《武动乾坤》、动画大电影《十二生肖之城市英雄》,十二生肖系列动画片(央视少儿频道播出),还参与了《大清盐商》等多部连续剧编剧。
安以陌:编剧,作品有《美人香》《决战女神》《美人图》《新白娘子传奇(华恒美视版)》等。
贺 璞:作家,有多部小说在网络连载并出版,其中《宫砂泪》《双栖蝶》售出影视版权。曾转型当编剧。
戴 姗:笔名慕容姗姗,独立编剧。著有《丝心》《海昏侯》《橙色》《游龙传》等剧本,微电影《老父如子》(腾讯视频播放30万次)、电影《中关村传奇之创先生》将于今年6月开拍。
数据之功
主持人:《纸牌屋》之后,通过大量的数据,发掘观众的兴趣,用来指导影视创作和营销,成为一种通行的手段。那么,大数据在影视行业能“算”什么?
安以陌:影视剧投资其实也有“采购”和“营销”两个部分。哪一类型的影视作品更适合哪一家平台?每个平台的受众群体喜好有什么区别?在营销时,大数据可以为投资人提供科学有效的分析,规避风险。而采购时,确定题材、聘请编剧、购买剧本、选择演员,一些数据也非常关键。
现在,每一部影视作品,从项目筹备起,就用大数据进行风险评估。制作阶段,根据数据组建团队;发行阶段,参考数据来选择播出平台;播出阶段,进行收视追踪……大数据的“算”贯穿了一部剧的全过程。
主持人:据说,《小时代》早在投资之前,出品方对原著在文学网站上的一些关键数据进行研究之后,精准地分析出了影片的核心观众以及第二圈、第三圈观众。而某数据公司称,可以利用大数据把票房误差控制在10%左右。但是,也有业内人士提出:“大数据分析的背后隐藏的是两个关键字——洞察。如果没有洞察之心或洞察之力,则有可能被数据吞噬。”
安以陌:数据的作用,其实只是供投资方分析观众的喜好。所谓“洞察”,一是要判断数据的真实性。买榜、刷话题,以及用金钱制造出的虚假数据,都会影响投资方的判断;其次,要正确解读数据。比如,某类作品获得了成功,有的投资方会跟风创作,而有的投资方会从这些数据中看到市场饱和的风险。不同的解读,会有不同的投资行为;第三,数据的解读要全面。比如购买IP,如果只看作品人气,而忽略其他,作品质量很难保证。
主持人:具体到编剧环节,你们怎么看大数据的作用?投资方是否会以大数据作为依据来要求你们的创作?你们怎么看这种要求?
安以陌:写剧本没有写小说自由,这应该是很多同时兼备了小说作者和影视编剧身份的创作者的共识。首先在选题上,编剧很多是进行委托创作,主题和方向,是资方确定的。这就是说,剧本创作之前,数据分析就已经介入了。
在创作过程中,资方也会根据大数据提出各种要求,比如要求男女主角必须在前几集内出现,人物关系必须有翻转,情节点的设置必须每一集都有高潮……这可能会干扰编剧的思维,限制编剧的发挥,但是从另一面来看,这就是编剧和作家的不同:对于作家来说,好的文笔,有创意的“脑洞”,人物塑造鲜明,情感细腻,笔下文字有深度有情怀,就应该是一个好作家了。而编剧更像是一个技术工种,它需要的是为后续的制作阶段提供一个可操作的“设计图纸”,二者的区别就像是设计师和画家的区别。
所以我觉得,一个好编剧,就是能够在不违背大数据规律的情况下,进行创新和创造。
何闯:我创作时会参考大数据,但是作为长期在“前线拼杀”的编剧,我更多的是根据自己的实战经验来综合判断,特别是时下由于各种原因,数据很多时候都不太真实。幸运的是,我参与的项目没有被大数据困扰过,因为投资方都是长期在市场历练的内行,对项目有非常专业的判断。比如我之前参与的几部连续剧,由于市场同类型题材非常多,我们如果完全参照以往成功的数据,就会雷同,所以投资方考虑得更多的是如何独树一帜地突围。事实证明我们是对的,最终口碑和收视率双丰收。
贺璞:我写的都是原创剧本,创作上没有遇到大数据的困扰,投资方也没有此类要求。但结果是剧本完成以后不能立即投拍,因为市场依赖大数据,而原创剧本的数据是零。
数据之失
主持人:大数据给影视行业带来了一个更繁荣的市场,但我们也注意到一个明显的变化:原创少了,IP多了;创新少了,翻拍多了;个性少了,“类型”多了。“千剧一面”的荧屏让人有些失望。
安以陌:选择高人气作品,可以规避掉一些风险,也能够吸引到更多的资金,而一些好的制作班底也愿意和这些大投入、大项目合作,可以说是一种良性循环吧。
贺璞:尽管有大数据“保驾护航”,一些IP在转换过程中仍然出现了不少问题,这应该是过于重视数据而忽视了内容导致的。
何闯:我觉得“千剧一面”的现象,暴露出了影视行业的浮躁和投机心理。而之所以鲜少原创,最主要的原因是一个普通的剧本是很难吸引资方,而一个自带各种大数据的IP更能吸引眼球。
戴姗:如今,影视行业高速发展,剧本这一环节却成为瓶颈。许多编剧公司应运而生,他们走的是“大数据+集体创作”的路线,根据数据确定题材方向和创作风格,流水线作业,工厂化生产。我对这种模式非常担忧。整合市场资源当然是好事,但也可能使得作品的“迎合”大于“创造”,激活了市场,却损伤了行业生命力。
主持人:你们更愿意进行IP改编,还是愿意创作原创的故事?
安以陌:编剧是一个专业性很强的行业和工种。无论是IP改编,还是原创剧本,其实都是要根据剧作的要求去创作。IP给编剧提供的仅仅是一个主线情节和人物设定,如何去搭建这个结构,如何去讲好这个故事,其实就是在重新创作。其实,无论是原创一个故事,还是改编一个故事,都各有难点也各有乐趣。只要是好作品,我都有兴趣参与。
何闯:作为一个创作者肯定是更愿意做原创的。不过目前市场的大投资全是IP改编剧,为了避免制片方的误会,我还是说我更愿意进行IP改编吧。
贺璞:我认为,迎合观众和引领观众之间的差别就在于你是想利用它还是真的热爱它。我们看到不少优秀的小说改编成了优秀的影视作品,也看到了一些优秀的小说改编成了糟糕的影视作品,这其中的原因太复杂,也不能只怪大数据,毕竟它只是一个技术手段,选择和执行都在于人。就我个人而言,当然愿意写原创作品,就算没人拍我也自得其乐。
戴姗:我更愿意自己创作IP,因为我喜欢原创剧本。
数据之限
主持人:大数据在影视行业激荡风云,一些清醒的业内人士却提出“大数据只是一种工具和解决思路,不能包治百病”。技术代替不了艺术,内容才是王道。
戴姗:数据不是万能的,编剧、制作者的智慧与创新能力是无法替代的。对编剧来说,大数据时代也许既是最好的时代,也是最坏的时代。说它好,是因为门槛低了,互联网的发展和网络剧的诞生,给年轻的编剧提供了更多的出路。而一个好的编剧也可以在这个时代拿到不菲的稿酬;说它坏,则在于,在人人都在谈论IP的时代,编剧的价值大打折扣。大数据可以告诉编剧们观众男女比例各占多少、他们的平均学历如何、他们居住在哪些城市、他们喜欢什么样的故事、喜欢什么样的人物设定……这样一来,编剧似乎可以更容易地写出迎合观众的故事。然而,迎合毕竟不是创作之道。
主持人:优酷土豆集团副总裁陈丹青说过一句话:如果单纯靠数据做出一个框架,“这只能保证不赔钱,它生产的或许只是一个‘不坏’的作品,它永远不会是一个‘不朽’的作品”。各位怎么看?
安以陌:数据是规律的总结,但真正的精品却绝不是单靠数据就能生产出来的。
何闯:从某种角度看,网络时代的大数据其实都是马后炮,因为市场虽然有一定之规,但是也并非一成不变。迷信数据非但不能让作品不朽,是否赔钱也不能保证。比如郭敬明就善于运用大数据,《小时代》是一个票房成功的案例(虽然口碑不好),但同样是拥有多方大数据的支持,他去年上映的《爵迹》就亏本了。
贺璞:关于大数据带给影视行业的影响,我想引用《大数据时代》里的一句话:“那些尝到大数据益处的人,可能会把大数据运用到它不适用的领域,而且可能会过分膨胀对大数据分析结果的信赖。随着大数据预测的改进,我们会越来越想从大数据中掘金,最终导致一种盲目崇拜,毕竟它是如此的无所不能。”
数据之外
主持人:把脉“大数据”下的影视剧创作之后,各位作为行业中人,是否可以开出一剂处方?
贺璞:我本身是学软件工程的,因此对数据有点感情,但是对于这个问题——如何让数据为我们所用,而不让我们成为数据的奴隶,我也没有答案。
安以陌:有了一个高数据的IP,就可以高枕无忧;请了一批“流量明星”,就可以粗制滥造,这绝对是违背艺术创作规律的,即便一时火爆了,后来的模仿者终将尝到苦果。
所有的大数据都告诉我们一个道理:好故事、好演员、好制作、好平台,加在一起,才能成就好作品。数据要为我所用,但不被数据所束缚,这需要所有环节的努力:影视投资方需要更精准的眼光,编剧需要有更大的创造力,而平台在购片的时候需要有更广阔的胸怀、更好的眼光,去发现、去包容那些敢于挑战和创新的好作品。
戴姗:一味重视流量、颜值的制作理念已经与观众的审美需求背道而驰。我认为,在利用大数据开发影视作品时,需要回归作品本身——选择好的题材,努力用一种好的样式呈现出来,用专业的,有深度、有温度的剧情留住目标观众。否则,热乎乎的数据捂出来的难保不是一个冷冰冰的票房。毕竟,受众在网络上发表的意见、留下的浏览痕迹以及展示的喜好都只是表象。在这些表象之下,只有看到有价值的东西,才能实现对大数据技术成熟、完美的应用。
何闯:我在编剧过程中经常发现,作品中那些令各方都击节叫好的部分,从剧本理论分析,往往和莎士比亚戏剧、元杂剧是相通的。可见无论古今中外,一些基本的编剧技巧千百年来并未改变。当然对比莎士比亚戏剧和元杂剧,你会发现一些不同之处,那是中西方文化和观众的心理差异导致的。
我相信那些流传千百年的剧本不是作者一次性完成的,是他们躲在剧场的某个角落,观察观众对每场戏的反应,经过一场又一场演出,一场一场观察,反复修改而成。这些观众的反应,其实就是我们今天所说的大数据。身处网络时代的我们在收集大数据方面比莎士比亚、关汉卿更便捷,但是我们收集的大数据冷冰冰、硬梆梆,而莎士比亚、关汉卿等先辈收集的数据带着观众的温度。
如果非要大言不惭地开一剂处方的话,我觉得我们需要在熟练把握编剧技巧的同时,多去体验大数据背后的温度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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