基于扎根理論的影視大數據應用模型研究

方浩 馬雅 楊流 張銳

摘要：影視產業與大數據應用的結合是大勢所趨，文章基于扎根理論研究方法構建了影視產業大數據應用影響模型，明確了影視生產大數據輔助平臺的內容信息架構應該劃分為影視創作、影視傳播、影視評估三個主要模塊，得出影視大數據對各個概念范疇影響的權重值，為大數據在影視產業中應用的相關研究提供科學的指導方法和研究范式。

關鍵詞：扎根理論 影視大數據 理論建構

大數據廣泛應用于各行各業，具體到影視行業中則稱之為“影視大數據”。影視大數據強調以網絡為信息平臺，指影視作品在創作、傳播、接受等環節產生的海量數據信息以及對這些信息進行存儲、處理及展現等系統的總稱，主要包括用戶大數據、內容大數據、渠道大數據。互聯網時代，大數據的出現為影視產業的發展提供了新的動力，傳統影視產品生產制作的各個環節都迎來了顛覆和重構。2013年被稱為影視行業的“大數據元年”。該年，Google公司發布《利用谷歌搜索量化電影的魔力》白皮書，宣稱據其數據模型可提前一個月對好萊塢電影首周電影票房進行預測，準確率高達94%。①同年，北美流媒體龍頭網站Netflix憑借自制劇《紙牌屋》風靡全球，該劇由Netflix公司在其龐大的數據庫中對3000萬用戶的收視選擇、400萬條評論、300萬次主題搜索、大量的版權以及網站用戶對網站功能的使用數據精準分析而制作產生。②二者的成功使人們意識到科技能夠某種程度上參與影視藝術生產，因而掀起了影視大數據應用的熱潮。此浪潮下，中國影視產業也開始借力大數據的應用探索新的產業構建模式，2015年出版的《中國電影產業研究報告》專門撰文論述以大數據為代表的互聯網技術對業內帶來的巨大影響，揭示大數據的應用如何為影視產業中項目的投資決策、演員組合、劇本修改、營銷策略提供實際幫助。③大數據對于影視產業所能帶來的影響成為了國內研究熱點。但國內關于影視大數據的應用研究目前仍處于探索階段，據現有研究，影視大數據的應用主要集中于影視生產中的創作、傳播、接收三方面，④大多集中在闡述大數據在影視產業中某一環節的應用，以及對某一實例的分析，對大數據在整個影視產業中的應用方式沒有形成系統化的認識，未能形成具有指導意義的理論研究。

因此，本文從影視產業中大數據的應用出發，探索影視大數據對于各生產環節的影響，分析大數據應用于影視產業中的影響維度與影響程度，為大數據應用與影視產業的銜接提供理論依據，輔助影視產業實現資源的有效配置。

研究設計

扎根理論（Grounded Theory，GT）產生并發展于社會科學領域，最早由Barney Glaser和Anselm Strauss兩位學者提出，是一種在經驗資料的基礎上構建理論的定性研究方法，提倡在基于數據的研究中發展理論。經由長期的發展演化，迄今為止，Strauss和Corbin提出的程序化扎根理論在學界使用最為廣泛，國內學者已將其運用至相關研究領域之中且成果頗豐。扎根理論主要宗旨是從經驗資料的基礎上建立理論，采取自下而上的歸納過程，強調從原始資料中整理出概念范疇間的合理聯系以使其形成一個統一的整體，⑤其特點在于著重資料分析與理論建立，⑥適用于現有體系并不完善且難以解釋實踐現象的研究領域。因此，本文選取Strauss與Corbin所提出的程序化扎根理論作為研究方法（以下簡稱扎根理論），與本文研究內容更為契合，使用價值更高。

理論模型構建

隨著大數據時代的來臨，影視產業中的多個環節都受到了大數據應用的影響，圍繞“影視大數據應用”這一核心范疇的故事線為：影視大數據的應用在前期的產品創作階段便輔助制片方進行產品定位，使內容資源結構的配置更為合理;同時對用戶行為、輿情動態及整體效益的監測更為精準，幫助產品把握制、營、發、放的總體方向;以大數據手段實現內容配置后，可使之為后續產品制作及宣發播映的資源配置等環節提供決策支持;鑒于互聯網的傳播特性，影視產品的創作與傳播將不再孤立，在大數據的介入下逐漸發展出制播同步的生產模式，據此可實現產品內容與推廣傳播策略的實時調整，使產品制作流程更為高效，所生產的內容更契合受眾需求;此類環節將為影視作品的后市場分析提供必要的數據供給，輔以市場消費環境特征分析及衍生產品市場分析，實現產業鏈衍生。與此同時，在以上環節運作期間，將產生極為珍貴的歷史數據資源，成為影視大數據供給源之一，為未來決策提供有效的數據支持，實現影視資源的合理配置，幫助產業優化升級。

在大數據的驅動下，影視作品創作、傳播、評估間的壁壘得以破除，傳統的單向運作模式由此打破，影視產業間各環節得以聯結。得益于技術手段的革新，影視作品的創作、傳播、接收中各環節均得到了豐富的數據支撐，以此為決策提供指導性建議，同時，也借由各環節積累更多有效數據，輔助影視產業優化升級。

研究結果與討論

基于扎根理論得到大數據在影視產業中的主要應用維度后，能夠明確面向影視生產的大數據應用的信息架構應該劃分為：影視創作、影視傳播、影視評估三個主要模塊。基于此，以Nvivo11-Plus對影視大數據應用這一核心范疇與各概念范疇節點間按單詞相似性進行相關性分析，可初步得出影視大數據應用于其間的相關性，用皮爾遜系數表示。該系數被廣泛用于兩變量間相關程度衡量，相關系數絕對值大于0.8則為極強相關，0.6至0.8間為強相關，0.4至0.6間為中等相關，0.2至0.4間為弱相關，小于0.2則為極弱相關或不相關，將采用此標準進行相關性判別。

影視創作。本文在扎根理論研究過程中，發現影視大數據應用對于影視創作的影響主要集中于產品定位、內容配置、產品制作三個范疇。應用Nvivo11-Plus對影視創作各概念范疇節點與影視大數據應用這一核心范疇間按單詞相似性進行相關性進行分析，相關分析結果見表1。

據皮爾遜系數相關性分析結果可見，影視大數據應用與影視創作各范疇間相關性較強，尤其是A1產品定位、A3產品制作范疇則稍弱。在與各概念節點的相關性分析中，與a6劇本評估、a7主創評選、a8制作進度指導等強相關，與a9剪輯策略評估為中等相關，其余概念節點與影視大數據應用均為極強相關。

在進行影視創作的大數據應用過程中，在A1產品定位環節，應重點突出a1前期市場劃分與a4收益預估，其次才是a2需求挖掘與a3題材分析;對于A2內容配置，應側重于a5歷史內容分析，a6劇本評估與a7主創評選則應相應弱化;在A3產品制作環節，則應使a8制作進度指導概念突出，a9剪輯策略評估不能喧賓奪主。

影視傳播。大數據的出現使得影視作品的傳播方式由之前的單向傳播轉變為交互傳播，突出了傳播過程中傳播者與受傳者間信息傳播的相互作用、相互影響的雙向性和互動性。應用Nvivo11-Plus對影視傳播各概念范疇節點與影視大數據應用這一核心范疇間按單詞相似性進行相關性進行分析，分析結果見表2。

據皮爾遜系數相關性分析結果可見，影視大數據應用與影視傳播間相關性極強，其中，與A4推廣策劃范疇的相關性十分顯著。在與各概念節點的相關性分析中，除與a12熱度追蹤、a14播出平臺分析、a15檔期評估為強相關外，其余皆為極強相關，且與a13傳播監測的相關度顯著高于其他節點。

在影視傳播的大數據應用過程中，應協同考慮皮爾遜系數相關性分析結果，清晰體現大數據應用于其中的重要程度。在A4推廣策劃過程中，應重點突出a13傳播監測的內容設計，a10推廣圈層定位與a11推廣渠道分析次之，對于a12熱度追蹤應相對弱化;大數據對于A5發行播映的影響整體偏弱，在應用過程中，應更側重于a14播出平臺分析，對于a15檔期評估的關注應較弱一些，不能本末倒置。

影視評估。隨著大數據在影視產業中的運用，評估體系中的樣本涵蓋問題在很大程度上得到了優化，可完成各平臺終端系統所有樣本數據的采集工作，彌補了傳統評估體系關注對象和調查方法存在的缺陷，使傳播效果評估更客觀、全面。⑥本文應用Nvivo11-Plus對影視評估各概念范疇節點與影視大數據應用這一核心范疇間按單詞相似性進行相關性進行分析，結果見表3。

據皮爾遜系數相關性分析結果可見，影視大數據應用與影視接收間相關性極強，其中，與A6反饋洞察相關性更強。在與各概念節點的相關性分析中，除與a17輿情監測、a18效益監測為極強相關外，其余概念節點與影視大數據應用均為強相關。

在進行影視評估的大數據應用過程中，應使其行為構建符合研究結果，使其表達能體現大數據對其影響的強弱關系。在A6反饋洞察時，應著重a17輿情監測這一內容，a18效益監測重要性次之，a16觀看行為捕捉最弱;大數據對于A7后市場分析的影響顯著偏低，在評估過程中應有所體現，同時，大數據對其中a19消費特征分析的影響程度稍強，應使其較a20衍生市場分析更為突出。

結論與展望

本研究提出了一種基于扎根理論的影視大數據應用構建方法，結合當下影視產業發展的特點，收集影視產業中大數據應用的相關原始材料，總結提煉出影視產業中大數據應用環節及影響模式的節點標簽，確立關鍵影響因子并凝練核心范疇，明確大數據對于影視產業的影響環節及其作用路徑，構建了影視產業與影視大數據的相互作用關系模型。隨后通過Nvivo11-Plus分析影視大數據應用這一核心范疇與各概念范疇節點間的相關性，以皮爾遜系數表示其影響程度，得出影視大數據對概念范疇影響的權重值，以此為依據確立影視創作、影視傳播、影視評估過程中的主次與邏輯順序。本文對影視大數據應用機理的構建與應用的邏輯化表達提出了指導與建議，以扎根理論為基礎的研究方法能夠較為科學地建立大數據在影視產業中的影響模型，有助于為今后影視產業中大數據應用的研究與實踐提供策略建議，進而使得為影視作品的策劃、創作、宣發等環節提供有力支持，輔助影視產業實現資源的有效配置。然而本文構建的影視產業與影視大數據的相互作用關系模型仍然存在不足之處，如能將影視作品更多的屬性獨立出來，作為大數據應用的引導標示，將大數據應用的內在作用機理類型化，則可以增加高水準制作項目的成功率，這一點有待后續研究逐步完善。

（作者單位：中國地質大學 北京電影學院）

注釋：①鄭培源：《影視業如何玩轉數字魔方》，《上海證券報》，2013/06/20。

②徐 琦：《“大數據”如何驅動電影產業創新》，《新聞研究導刊》，2013（8）。

③中國電影家協會：《中國電影產業研究報告2015》，世界圖書出版公司北京公司，2015年5月版，第220頁。

④車 玥：《大數據時代影視產品生產規律探尋——《紙牌屋》的啟示》，《知識經濟》，2013（16）。

⑤Strauss， A. and J. Corbin.“Grounded theory methodology — an overview”， in Norman， K. D.and S. LYvonnaeds.，Handbook of Qualitative Research [M]，Sage Publications，1994： 273–285.

⑥胡幼慧：《質性研究：理論、方法及本土女性研究實例》，臺北，巨流出版社，1996年版，第34-36頁。