算法驅(qū)動(dòng)下的電影營(yíng)銷機(jī)制探析

鄭笑眉 王凌峰(重慶工商大學(xué)，重慶 400067)

隨著我國(guó)電影產(chǎn)業(yè)的飛速發(fā)展，眾多電影提高了營(yíng)銷資金投入。《唐人街探案2》宣發(fā)費(fèi)用達(dá)1.5億元，《捉妖記2》宣發(fā)費(fèi)用達(dá)3億元，個(gè)別影片的營(yíng)銷費(fèi)用甚至超過(guò)其制作費(fèi)用。電影營(yíng)銷投入占比趨高，既彰顯了電影營(yíng)銷在電影產(chǎn)業(yè)中的地位和作用，也為營(yíng)銷的創(chuàng)新提供了雄厚的資金支持。另一方面，《流浪地球》《夏洛特?zé)馈返入娪氨M管營(yíng)銷費(fèi)用相對(duì)不高，但通過(guò)新媒體平臺(tái)的算法推薦營(yíng)銷仍然獲得了好口碑與高票房。目前，中國(guó)至少有超過(guò)6億的人借助于算法來(lái)獲取每天所消費(fèi)的內(nèi)容產(chǎn)品——包括公眾號(hào)、知乎問(wèn)答等的圖文內(nèi)容，得到、喜馬拉雅這樣的音頻內(nèi)容，以及短視頻、影視劇這樣的影像內(nèi)容。[1]這些新媒體平臺(tái)利用算法推薦的精準(zhǔn)性、集約性積極地投身于電影營(yíng)銷，成為當(dāng)前電影營(yíng)銷的新方向。

一、當(dāng)前電影營(yíng)銷的算法推薦轉(zhuǎn)向

電影營(yíng)銷中有兩個(gè)關(guān)鍵點(diǎn)：一是信息的傳達(dá)，即通過(guò)各種渠道讓觀眾知道這部影片的相關(guān)資訊；第二是效果的呈現(xiàn)，即要通過(guò)內(nèi)容創(chuàng)新打動(dòng)并吸引受眾進(jìn)入影院觀影。在當(dāng)前的新媒體環(huán)境下，電影營(yíng)銷發(fā)生了怎樣的轉(zhuǎn)變？

(一)傳統(tǒng)渠道仍是“規(guī)定操作”

目前，傳統(tǒng)的營(yíng)銷渠道和手段仍然是多數(shù)電影的“規(guī)定操作”。原合一影業(yè)電影營(yíng)銷專家喬大旺說(shuō)道：“為保險(xiǎn)起見(jiàn)，電影營(yíng)銷基本上都會(huì)把全渠道鋪一遍。電影營(yíng)銷會(huì)在報(bào)紙、廣播和電視等傳統(tǒng)傳播渠道投放相關(guān)的廣告信息。”華誼電影公司副總經(jīng)理柳慶慶認(rèn)為：“在各種粗放式的媒體渠道上進(jìn)行信息投放的方法，除非內(nèi)容本身有極強(qiáng)的傳播調(diào)性，可以打通所有渠道的壁壘，否則相對(duì)弱一點(diǎn)的調(diào)性的信息都是傳不出去的。”[2]粗放式的傳統(tǒng)渠道，及植入性廣告、病毒性散播等野蠻的營(yíng)銷手段雖然承擔(dān)著重要的電影營(yíng)銷任務(wù)，但隨著移動(dòng)互聯(lián)網(wǎng)的興起，電影營(yíng)銷開(kāi)始向新媒體、移動(dòng)化方向轉(zhuǎn)移，新的營(yíng)銷模式也開(kāi)始不斷涌現(xiàn)，助力電影營(yíng)銷不斷創(chuàng)新發(fā)展。

(二)電影營(yíng)銷的算法推薦轉(zhuǎn)向

中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心第43次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2018年12月底我國(guó)網(wǎng)民數(shù)量為8.29億，全年新增5653萬(wàn)，其中手機(jī)用戶規(guī)模達(dá)8.17億，全年新增6433萬(wàn)。網(wǎng)絡(luò)用戶的飛速增長(zhǎng)，讓電影營(yíng)銷的第一個(gè)關(guān)鍵點(diǎn)，即信息傳遞不得不轉(zhuǎn)向越來(lái)越多的互聯(lián)網(wǎng)及移動(dòng)互聯(lián)網(wǎng)用戶。

新的媒體業(yè)態(tài)不斷出現(xiàn)，也促進(jìn)了電影宣發(fā)的形式不斷創(chuàng)新。雖然還是以文字、圖片和視頻等為主的內(nèi)容，但是渠道早已從傳統(tǒng)媒體到“微博+社群”“微博+朋友圈”以及優(yōu)酷、騰訊等視頻網(wǎng)站。今天，以算法推薦為主的聚合類app包括今日頭條、一點(diǎn)資訊、抖音等新媒體平臺(tái)悉數(shù)登場(chǎng)。由于視頻、直播、短視頻等互動(dòng)平臺(tái)可以讓用戶更加主動(dòng)參與，實(shí)現(xiàn)精準(zhǔn)的推薦傳播，電影營(yíng)銷將徹底走出傳統(tǒng)媒體的桎梏，進(jìn)入以算法推薦為主的全新的營(yíng)銷階段。

二、表征與價(jià)值：算法推薦對(duì)電影營(yíng)銷流程的再造

電影營(yíng)銷的產(chǎn)業(yè)鏈中有三個(gè)關(guān)鍵的要素，即內(nèi)容、渠道及用戶。在數(shù)字媒體的大背景下，內(nèi)容的易復(fù)制性使得內(nèi)容冗余隨處可見(jiàn)，用戶的閱讀選擇更加困難；如何破解內(nèi)容冗余，并將相關(guān)內(nèi)容精準(zhǔn)推送至個(gè)體已成為當(dāng)前電影營(yíng)銷的主要難題。而基于用戶消費(fèi)時(shí)間、空間及結(jié)構(gòu)偏好的各種算法推薦，在尋找對(duì)的渠道，推薦對(duì)的內(nèi)容，滿足用戶的觀影需求方面正發(fā)揮著流程再造的功能。

(一)電影營(yíng)銷算法推薦源自用戶觀影的精準(zhǔn)需求

據(jù)國(guó)家電影局的數(shù)據(jù)，2018全年我國(guó)共生產(chǎn)電影故事片902部，動(dòng)畫(huà)電影51部，科教電影61部，紀(jì)錄電影57部，特種電影11部，總計(jì)1082部，再加上國(guó)外引進(jìn)的64部電影共計(jì)1146部，題材類型多樣是當(dāng)前電影供給的特點(diǎn)。而隨著用戶自我意識(shí)的覺(jué)醒，個(gè)人生產(chǎn)內(nèi)容的積極性大大提升，在電影營(yíng)銷的有意推動(dòng)下，電影信息、評(píng)論、互動(dòng)日益豐富，內(nèi)容冗余已成為常態(tài)。如何在龐雜的信息中給用戶推薦其真正感興趣的內(nèi)容，滿足個(gè)性化的需求，是電影營(yíng)銷面臨的現(xiàn)實(shí)問(wèn)題。而算法推薦的技術(shù)賦能恰好解決了業(yè)界這一痛點(diǎn)。

利用算法技術(shù)，電影營(yíng)銷可根據(jù)觀影者的個(gè)性化消費(fèi)需求，依托用戶消費(fèi)的內(nèi)容偏好、不同場(chǎng)景下的消費(fèi)模式等計(jì)算維度，實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推薦。算法的巨大優(yōu)勢(shì)已徹底改變了用戶獲取內(nèi)容、消費(fèi)內(nèi)容和分享內(nèi)容的習(xí)慣，并從根本上改變內(nèi)容產(chǎn)品的研發(fā)、生產(chǎn)、分發(fā)和反饋等各個(gè)環(huán)節(jié)。[3]

(二)電影營(yíng)銷算法推薦的表征

算法推薦首要表征是為用戶精準(zhǔn)畫(huà)像。用戶畫(huà)像是從真實(shí)的用戶行為中提煉出來(lái)的一些特征屬性并形成用戶模型，它們代表了不同的用戶類型及其所具有的相似態(tài)度或行為，這些畫(huà)像是虛擬的用戶形象。[4]個(gè)人在網(wǎng)絡(luò)上的瀏覽、觀看、評(píng)價(jià)等行為都能通過(guò)后臺(tái)進(jìn)行收集，而后臺(tái)還可以通過(guò)技術(shù)手段如cookie的植入來(lái)采集到用戶的更加詳細(xì)的行為。與傳統(tǒng)的消費(fèi)者畫(huà)像相比，算法推薦的消費(fèi)者畫(huà)像特點(diǎn)首先是量的區(qū)別。前者是通過(guò)抽樣來(lái)獲取部分消費(fèi)者信息；后者則使用全體樣本，通過(guò)大數(shù)據(jù)的挖掘和采集，對(duì)每一個(gè)用戶數(shù)據(jù)都進(jìn)行采集。二是質(zhì)的不同。傳統(tǒng)消費(fèi)者調(diào)查收集的消費(fèi)者信息是靜態(tài)的、片面的，而算法精準(zhǔn)畫(huà)像收集的消費(fèi)者信息是動(dòng)態(tài)的、全面的，它是消費(fèi)者真實(shí)網(wǎng)絡(luò)行為及過(guò)程的數(shù)據(jù)統(tǒng)計(jì)。

算法推薦第二個(gè)主要表征是對(duì)用戶場(chǎng)景使用計(jì)算并提供個(gè)性化推薦。算法推薦不僅僅知道用戶是怎樣的，還要知道用戶會(huì)在什么情況下消費(fèi)怎樣的信息。當(dāng)用戶外出時(shí)、工作期間休息時(shí)，或在周末享受整段閑暇時(shí)光時(shí)，這些不同的生活、學(xué)習(xí)、工作等普通的場(chǎng)景，都蘊(yùn)含著其不同的內(nèi)容消費(fèi)形態(tài)。只有利用合適的算法，將用戶的使用場(chǎng)景作為計(jì)算的維度，才能真正了解用戶的場(chǎng)景需求，向用戶進(jìn)行個(gè)性化的電影內(nèi)容推薦。

(三)算法推薦的價(jià)值

首先，算法推薦的基礎(chǔ)價(jià)值是為電影的市場(chǎng)營(yíng)銷提供了明確的目標(biāo)。算法的基礎(chǔ)就是通過(guò)大數(shù)據(jù)發(fā)現(xiàn)不同的用戶群體，并為其打上不同的標(biāo)簽進(jìn)行精準(zhǔn)畫(huà)像。這樣做的好處就是為電影營(yíng)銷提供更加明確的目標(biāo)，某一個(gè)具體的用戶是不是某個(gè)電影的潛在用戶，通過(guò)算法的精準(zhǔn)畫(huà)像一目了然。明確的目標(biāo)可以讓電影營(yíng)銷公司集中自身的資源，完成營(yíng)銷的任務(wù)。

其次，算法推薦的關(guān)鍵價(jià)值是提供了精準(zhǔn)推送服務(wù)，為消費(fèi)者節(jié)省了時(shí)間和精力，提高了其閱讀效率。算法推薦可以實(shí)現(xiàn)對(duì)用戶年齡、職業(yè)、興趣等人口統(tǒng)計(jì)學(xué)特征，時(shí)間、地理位置、天氣情況等環(huán)境特征，以及類別、關(guān)鍵詞、熱度等文章特征的對(duì)接和匹配，將篩選過(guò)的信息精準(zhǔn)推送至用戶。精準(zhǔn)推送不僅節(jié)省了用戶搜索的時(shí)間和精力，還在不同場(chǎng)景的匹配中提高了其閱讀效率。

最后，算法推薦的終極價(jià)值再造了整個(gè)營(yíng)銷流程。傳統(tǒng)的營(yíng)銷思路是有什么樣的電影資訊或內(nèi)容，然后傳播給大眾相同的信息。雖然也提出了以用戶為中心，但受制于技術(shù)條件，并沒(méi)有真正從用戶的需求出發(fā)。而算法推薦的出現(xiàn)，用戶的畫(huà)像更加清晰，用戶的場(chǎng)景需求更加實(shí)在，我們可以實(shí)時(shí)地、精準(zhǔn)地給用戶推送其喜歡的電影內(nèi)容。算法推薦的出現(xiàn)可以說(shuō)改變了整個(gè)營(yíng)銷環(huán)節(jié)，實(shí)現(xiàn)了真正以用戶為中心的運(yùn)營(yíng)模式。

三、電影營(yíng)銷中的算法推薦機(jī)制

在當(dāng)前的新媒體環(huán)境下，電影資訊愛(ài)好者接受信息的模式無(wú)外乎主動(dòng)地搜尋和被動(dòng)地接受。當(dāng)用戶主動(dòng)通過(guò)搜索引擎來(lái)尋找自己喜愛(ài)的電影信息時(shí)，搜索引擎會(huì)根據(jù)算法來(lái)進(jìn)行數(shù)據(jù)的抓取、計(jì)算和排序，然后將內(nèi)容呈現(xiàn)給用戶；而在用戶打開(kāi)新聞資訊類或者是購(gòu)票app時(shí)，通過(guò)算法推薦機(jī)制，擬合用戶對(duì)內(nèi)容滿意度的函數(shù)，即用算法公式來(lái)模擬用戶的滿意度，從而實(shí)現(xiàn)精準(zhǔn)地推薦電影資訊或推廣內(nèi)容。

(一)搜索引擎算法推薦模式

在海量的電影信息面前，大多數(shù)用戶會(huì)主動(dòng)地使用搜索引擎來(lái)獲得自己喜歡的電影信息。《流浪地球》即將上映時(shí)，用戶會(huì)通過(guò)搜索引擎搜索電影上映時(shí)間、票價(jià)，故事梗概以及主要演員等。由于搜索呈現(xiàn)頁(yè)面內(nèi)容有限，如何將用戶感興趣的內(nèi)容排列在首頁(yè)是搜索引擎算法推薦最根本的任務(wù)，電影營(yíng)銷算法推薦的工作機(jī)制主要包括數(shù)據(jù)抓取、意圖識(shí)別(數(shù)據(jù)處理分析)、搜索排序。

首先是數(shù)據(jù)抓取。在電影營(yíng)銷中，算法機(jī)制通過(guò)各種爬蟲(chóng)技術(shù)，將與搜索主題相關(guān)的海量數(shù)據(jù)都抓取過(guò)來(lái)。如用戶搜索“流浪地球”關(guān)鍵詞，爬蟲(chóng)就將涉及的文章都抓取過(guò)來(lái)，這里使用的算法技術(shù)就包括查詢?cè)~分析以及查詢?cè)~與文章相關(guān)性、個(gè)性化、時(shí)效性的關(guān)聯(lián)分析等。

其次是意圖識(shí)別。較為通俗的說(shuō)法是用戶查詢的這個(gè)關(guān)鍵詞到底是什么意義，我們基于什么樣的規(guī)則來(lái)進(jìn)行解讀。比如“流浪地球”，后臺(tái)在接受到這個(gè)查詢?cè)~之后做切分，劃分為不同的前后綴，然后加上實(shí)體詞本身，切分的前后綴可以計(jì)算詞頻信息、左右熵、可信度等。經(jīng)過(guò)這樣的操作后，用戶再搜索相關(guān)的詞時(shí)，如導(dǎo)演、演員表、影評(píng)這些熱門詞就可以關(guān)聯(lián)到《流浪地球》影片信息。

最后是搜索排序。簡(jiǎn)單地說(shuō)就是將得到的底層數(shù)據(jù)進(jìn)行處理和挖掘、提取、計(jì)算各種標(biāo)簽特征，然后用各種模擬擬合，打分，得到最終的分?jǐn)?shù)后進(jìn)行排序。而最終呈現(xiàn)給用戶的就是按照相應(yīng)算法而排序的各種電影相關(guān)資訊。

(二)精準(zhǔn)推送的算法推薦機(jī)制

除了主動(dòng)信息搜索之外，大多數(shù)用戶對(duì)電影資訊的獲取大都是通過(guò)瀏覽新聞app和網(wǎng)頁(yè)，閱讀社交媒體以及購(gòu)票app推薦等方式。如何實(shí)現(xiàn)對(duì)用戶的精準(zhǔn)推薦，《超時(shí)空同居》走出了一條自己的模式。該片發(fā)行方光線傳媒找到以算法見(jiàn)長(zhǎng)的今日頭條，希望通過(guò)今日頭條旗下的產(chǎn)品矩陣大面積覆蓋年輕群體，并使用其算法推薦精準(zhǔn)找到潛在用戶。頭條算法推薦系統(tǒng)的三個(gè)維度是內(nèi)容維度、用戶維度及環(huán)境維度。內(nèi)容維度包括圖文、視頻、UGC小視頻、問(wèn)答、微頭條的不同特征。用戶維度是用戶的職業(yè)、年齡、性別等興趣標(biāo)簽。第三個(gè)維度是環(huán)境維度。結(jié)合三方面的維度，算法模型會(huì)給出一個(gè)預(yù)估，即推測(cè)推薦內(nèi)容在這一場(chǎng)景下對(duì)這一用戶是否合適。[5]《超時(shí)空同居》主演雷佳音在微頭條頻繁發(fā)聲，2個(gè)月發(fā)布14條電影宣傳圖文，曝光量破千萬(wàn)。這些信息被精準(zhǔn)推送給喜歡雷佳音的粉絲，為影片聚攏大量潛在用戶，使得影片以1500萬(wàn)的宣發(fā)，換來(lái)7億的票房。

在購(gòu)票環(huán)節(jié)，算法亦發(fā)揮重要的作用。淘票票app依靠低于同類平臺(tái)的票價(jià)后來(lái)居上，成為在線票務(wù)市場(chǎng)中的佼佼者，所依靠的就是比價(jià)算法，其依托阿里云及其自身大數(shù)據(jù)，通過(guò)自行研發(fā)的爬蟲(chóng)技術(shù)對(duì)其他售票平臺(tái)同一影片同一場(chǎng)次售價(jià)進(jìn)行數(shù)據(jù)抓取，橫向比價(jià)后計(jì)算出低于所有平臺(tái)的票價(jià)(活動(dòng)除外)，然后利用此低價(jià)向用戶進(jìn)行票價(jià)推薦，受到對(duì)價(jià)格敏感的普通用戶喜愛(ài)，吸引了大批用戶，成就了其票務(wù)市場(chǎng)的地位。

四、結(jié) 語(yǔ)

中國(guó)的電影市場(chǎng)快速發(fā)展，消費(fèi)者正趨向成熟，電影營(yíng)銷理念和模式亦要把握好自己的度。在算法大獲成功的今天，我們既要充分享受技術(shù)發(fā)展所帶來(lái)的便利和價(jià)值，在競(jìng)爭(zhēng)激烈的電影營(yíng)銷市場(chǎng)中取得成功，也要考慮過(guò)度使用算法推薦可能造成用戶獲取信息的阻礙。充分考量算法推薦的市場(chǎng)性和公共性，巧妙掌握好其中的度，才能促進(jìn)我國(guó)電影產(chǎn)業(yè)的健康長(zhǎng)遠(yuǎn)發(fā)展。