Datautvinning avslöjar de överraskande faktorerna bakom framgångsrika filmer

Komedin från 2007 Evan Allsmäktige med Steve Carell och Morgan Freeman, två stora box office-stjärnor. Så på något sätt är det inte förvånande att filmen fick in över 100 miljoner dollar i intäkter. Som jämförelse, komedin från 2001 Super Troopers spelade några relativa okända och tog in ynka 18,5 miljoner dollar.

Och ändå skulle en klok investerare nästan helt säkert välja den andra istället för den första att investera i. Det beror på Super Troopers kostar bara 3 miljoner dollar att göra, jämfört med Evan Almighty 175 miljoner dollar och gav en avkastning på investeringen på mer än 5, jämfört med -0,4 för den större filmen.

Men hur bestämmer man i förväg vad man ska satsa på? Idag får vi ett slags svar tack vare Michael Lashs och Kang Zhaos arbete från University of Iowa. Dessa killar har skapat en databas med över 100 kategorier av filmrelaterad information, såsom budget och intäkter, stjärnorna inblandade, vad filmen handlade om och när den släpptes, och sedan använt en maskininlärningsalgoritm för att upptäcka mönster som förutspår lönsamhet. Och resultaten är överraskande.

Teamet började med att kombinera data från två onlinekällor: Internet Movie Database och BoxOfficeMojo. På så sätt samlade de ihop data om över 14 000 filmer och 4 000 skådespelare, regissörer och så vidare, med särskilt fokus på filmer som släpptes mellan 2000 och 2010.

Lash och Zhao använde sedan dessa uppgifter för att ta reda på hur erfarna enskilda skådespelare var, hur mycket intäkter och vinst var och en av deras filmer hade gjort och om de hade medverkat i filmer med andra skådespelare. De gjorde en liknande beräkning för direktörer också.

De använde också handlingssammanfattningarna på IMDb för att jämföra innehållet i filmerna. Och de räknade ut en avkastning på investeringen för varje film för att få en känsla av dess lönsamhet.

Uppgiften för maskininlärningsalgoritmen var att leta igenom denna data och leta efter mönster som korrelerar med lönsamhet.

Det visar sig att den faktor som är starkast korrelerad med en films lönsamhet är den genomsnittliga bruttointäkten från regissörens tidigare filmer. Med andra ord, styrelseledamöter som har genererat mer intäkter tidigare är korrelerade med högre lönsamhet i framtiden.

På många sätt är det föga förvånande. Bra regissörer, som Christopher Nolan, är ofta välkända av den biografpubliken och kan vara ett stort dragplåster.

Resultaten skapar dock en betydande överraskning. De visar att populära stjärnor är korrelerade med ökade intäkter men inte med lönsamhet. Med andra ord, stora stjärnor drar publik men de garanterar inte en vinst, förmodligen för att de kostar mycket att anställa i första hand.

Andra faktorer som visar sig vara viktiga är om filmen har ett R-betyg eller betecknas som utländsk, vilket antagligen korrelerar med lägre vinster (även om Lash och Zhao inte klargör detta).

Våra experiment baserade på 11 år av filmer visar att [vår algoritm] kan göra ett anständigt jobb med att förutsäga filmers framgång, säger de.

Det är en nyfiken studie som saknar övertygelse. Det finns olika sätt att förutspå kassaframgång i förväg, även om få har riktat sig till investerare, som självklart måste involveras tidigt i processen.

Om man ska tro den här metoden visar den det verkliga värdet av en regissör med rätt sorts meritlista och visar också att stjärnkraft inte är garantin för framgång som många kan föreställa sig. Det är något investerarna i Evan Allsmäktige kan ha funnits användbart att veta i början av filmens produktionsprocess.

Det verkliga testet är naturligtvis inte att förutsäga det förflutna utan att förutsäga framtiden. Om denna algoritm kan plocka ut potentiellt lönsamma filmer innan de ens är gjorda, så kommer Lash och Zhao att bli rika individer. Vi ser fram emot att se hur de klarar sig.

Ref: arxiv.org/abs/1506.05382 : Tidiga förutsägelser om filmframgång: lönsamhetens vem, vad och när

Dölj