京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从大数据看2014年中美两地电影票房体量之差距截止9月6日,今年内地市场一共已上映美国进口片29部(其中分账片19部,批片10部)。
截止9月6日,今年内地市场一共已上映进口分账片23部(其中美国分账片19部,非美国分账片4部),还有5部分账片(其中4部美国,1部法国)已引进但未上映,以及另外6个分账片名额未使用。
预计2014年全年将上映美国进口片40部(其中分账片27部,批片13部),非美分账片7部。(注意:由于《超体》从类型上酷似美国片,虽然总局官方按法国分账片标记,但研究票房的时候不妨按美国分账片处理)
现在我们主要研究这已上映的29部美国进口片,以及他们在中美两地的票房比例。
首先,对正在上映中的敢死队、猩球和驯龙2的内地总票房进行预估,敢死队按4.2亿出头,猩球按5.9亿-,没牙仔按4亿,然后换成美元。为方便起见,以下分析均以美元票房为基础。
目前已上映29部美国片中,天朝票房最高为变4,约3.17亿刀,最低为美国骗局,为316万美元,29部影片的平均天朝票房为5411万美元。
而这29部美国片(俗称好莱坞片)中,北美电影票房最高为冰雪奇缘,票房4亿刀,最低为大力神,为1814万美元,29部影片的平均北美票房为1亿3945万美元。
平均而言,这些影片天朝票房相对其北美票房的比率为40.1%。如果一部影片,该比率低于40%,可以被认为是水土不服。以该比率为参照,29部影片的天朝票房达标率刚好超过50%,即15部影片的天朝票房达到或超过了其北美票房的40.1%。
29部影片之中,在天朝相对表现最好的是敢死队3,其天朝最终票房预计是北美最终票房的160%,最差为美国骗局,天朝票房仅为北美票房的2.1%,在天朝严重水土不服。
除敢死队3外,变4、极品飞车、暴力街区3片的天朝票房同样超过了北美,天朝/北美比率在40.1%到100%之间的,则有10部。
29部影片之中:
灾难片1部,其平均天朝/北美票房比为66.9%,该片为庞贝末日(66.9%);达标率100%,。
动作片6部,其平均天朝/北美票房比为92%,达标率66.7%,只有家园防线和别惹我(按国美国片处理)未过线。
科幻片10部(含超级英雄但不含YA),其平均天朝/北美票房比为56.1%,最高变4(130%)最低安德游戏(36%);达标率80%,只有哥斯拉和安德未过线。
奇幻片3部(含大力神),其平均天朝/北美票房比为23.3%,最高霍比特人2(28.8%)最低马琳非森(19.8%);达标率0%。
动画片6部,其平均天朝/北美票房比为20.7%,最高驯龙2(37.2%)最低冰雪奇缘(12.0%);达标率0%。
YA片1部,其平均天朝/北美票房比为14.7%,该片为骸骨之城(14.7%);达标率0%,。
剧情2部,其平均天朝/北美票房比为5.9%,盟军夺宝队(9.8%),美国骗局(2.1%);达标率0%。
所以,好莱坞电影天朝相对受欢迎度排名:
灾难片》传统动作片》科幻片》奇幻片》动画片》YA》剧情片
战争片表现预计会在奇幻之上,今年将上映狂怒和赫拉克勒斯;喜剧片和西部片今年没有上映,向来其天朝表现较剧情片也好不到哪去。
今年未上映的10余部好莱坞电影里面,科幻片3部,YA2部,动作片1部,战争片2部,动画片1部,灾难片1部。除了超体,银卫和神龟,剩下的片子战斗力基本没有超过2亿的。
29部影片之中:
以3D格式上映(包括但不限于3D单发)20部,其平均天朝/北美票房比为49%(被动画片拉低),最高极品飞车(152.1%)最低冰雪奇缘(12%);达标率50%(10/20)。
以2D格式上映9部,其平均天朝/北美票房比为51.4%(被敢死队和暴力街区拉高,而且2D片以动作片为主),最高敢死队3(160%)最低美骗(2.11%);达标率33%(3/9)。
今年未上映的10余部好莱坞电影里面,预计2D7部,3D4部吧。
2014年1至8月份:
天朝市场总票房197.6亿人民币,约31.974亿美元,同期北美市场票房72.08亿美元,天朝/北美为44.4%。
预计2014年全年:
天朝市场总票房300亿人民币,约48.54亿美元,北美市场票房101亿美元,天朝/北美为48.1%。
文章来自:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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