前言

电影产业是当下全球发展最快的产业之一，中国电影市场环境持续改善，作品数量、观影人次、电影票房及影院建设连续多年实现快速增长，吸引了社会各类资本踊跃进军电影行业，进一步推动了电影市场的良性快速发展。电影产业的快速发展、网络和社交媒体的广泛普及，产生了大量有价值的行业信息及用户行为数据，包括观影用户、放映院线、制作单位等相关数据，以及来自网站、电视、影厅和社交媒体的数据信息。大数据和人工智能的发展，给电影产业生态圈的各环节提供了改造和重建的机会。用互联网思维做电影，利用互联网模式运作包含制作、发行、放映以及相关衍生品在内的整套流程成为电影行业未来的发展方向。基于媒体融合背景，以互联网思维驱动，研究大数据在电影产业中的作用，对于电影产业各环节的精细化运作，对于完善我国电影工业体系建设，提高我国电影核心竞争力具有重要的作用。

国内电影大数据在技术和应用层面发展迅速，近年来围绕不同环节和维度的电影市场的大数据分析报告层出不穷。但是与北美地区的国家相比，在理论和实践层面普遍存在依赖经验决策、高风险、偏主观等问题。因数据源和分析目的所限，已有的电影数据分析呈现出电影市场宏观多，指导生产实践的细化分析少；数据描述性统计和可视化呈现多，算法驱动和深度挖掘少；产业链条单一环节分析多，全链条多终端分析少；实践应用和技术开发多，理论研究少。

鉴于此，本书在全面梳理中国电影产业国内外环境、现存问题和大数据对电影产业的作用基础上，着重从电影产业各个链条角度进行电影产业的数据挖掘研究。主要对电影的制作、投资、宣传、发行、放映、文化传播等环节进行建模、算法实现和实证分析，通过对电影产业不同环节数据挖掘的理论和方法进行研究，提供大数据助力电影产业的建模思路和应用场景，弥补这一领域系统研究的不足。

全书共分8章，第1、2章着重梳理电影产业构成、现存问题、大数据对电影产业的作用；第3章梳理电影产业相关数据，在此基础上对电影产业数据的基础性进行分析挖掘；第4章主要针对电影宣发环节，从映前、映中和映后环节进行电影营销数据挖掘研究；第5章从电影放映角度，利用机器学习理论和计量模型进行电影票房影响因素分析；第6章从电影受众角度进行用户行为分析和满意度评价研究；第7章主要基于VOD点播频道数据，进行电影个性节目推荐研究；第8章从电影产业宏观层面，对中国电影产业对外输出能力进行定量化评价研究。全书从数学建模和分析角度提供大量应用实例。

本书由中国传媒大学王妍、柴剑平共同编著。在编写过程中参考了参考文献中所列的相关书籍和资料，在此向这些书籍和资料的编写者表示衷心的感谢。在本书的编写过程中，部分章节文献调研、数据处理、建模与算法实现等由中国传媒大学广电大数据研究所李波老师、茹玉年博士、江茜、张咪咪、张海悦、徐雅琳、王绪滕、常小宇、檀雷雷和卿枫等硕士研究生协助完成，王绪滕调研梳理第1章和第3章文献，常小宇梳理第2章内容，张咪咪对第5章内容进行建模分析，江茜撰写第6章部分内容，茹玉年撰写第7章部分内容，张海悦撰写第8章部分内容，檀雷雷和卿枫同学校对本书文稿，对各位同学的辛勤付出表示感谢。本书的编写和出版也得到了清华大学出版社的大力支持，在此一并表示衷心的感谢。

由于时间仓促及学识有限，书中难免有不足之处，请读者不吝指正。

作　者

2019年10月