Поиск
Точное совпадение
Поиск (только) в заголовке
Поиск в контенте
Search in comments
Search in excerpt
Поиск в контенте
Search in pages
Search in groups
Search in users
Search in forums
Filter by Custom Post Type
Искать в категориях
{ "homeurl": "http://cinemaplex.ru/", "resultstype": "vertical", "resultsposition": "hover", "itemscount": 4, "imagewidth": 70, "imageheight": 70, "resultitemheight": "auto", "showauthor": 0, "showdate": 0, "showdescription": 1, "charcount": 3, "noresultstext": "Нет ничего!", "didyoumeantext": "Возможно:", "defaultImage": "http://cinemaplex.ru/wp-content/plugins/ajax-search-pro/img/default.jpg", "highlight": 1, "highlightwholewords": 1, "openToBlank": 1, "scrollToResults": 0, "resultareaclickable": 1, "autocomplete": { "enabled": 1, "googleOnly": 0, "lang": "ru" }, "triggerontype": 1, "triggeronclick": 0, "triggeronreturn": 0, "triggerOnFacetChange": 0, "overridewpdefault": 1, "redirectonclick": 0, "redirectClickTo": "results_page", "redirect_on_enter": 0, "redirectEnterTo": "results_page", "redirect_url": "?s={phrase}", "more_redirect_url": "?s={phrase}", "settingsimagepos": "left", "settingsVisible": 0, "hresulthidedesc": "0", "prescontainerheight": "400px", "pshowsubtitle": "0", "pshowdesc": "1", "closeOnDocClick": 1, "iifNoImage": "description", "iiRows": 2, "iiGutter": 5, "iitemsWidth": 200, "iitemsHeight": 200, "iishowOverlay": 1, "iiblurOverlay": 1, "iihideContent": 1, "loaderLocation": "auto", "analytics": 0, "analyticsString": "", "aapl": { "on_click": 0, "on_magnifier": 0, "on_enter": 0, "on_typing": 0 }, "compact": { "enabled": 0, "width": "50%", "closeOnMagnifier": 1, "closeOnDocument": 0, "position": "static", "overlay": 0 }, "animations": { "pc": { "settings": { "anim" : "fadedrop", "dur" : 300 }, "results" : { "anim" : "fadedrop", "dur" : 300 }, "items" : "fadeInDown" }, "mob": { "settings": { "anim" : "fadedrop", "dur" : 300 }, "results" : { "anim" : "fadedrop", "dur" : 300 }, "items" : "voidanim" } }, "autop": { "state": "disabled", "phrase": "", "count": 10 } }
CINEMAPLEX ВИРТУАЛЬНЫЙ КИНОРЫНОК
X

Трейлер

АНДРЕЙ ТАТАРНИКОВ. Тема исследования — «ИНСТРУМЕНТАРИЙ ПРОГНОЗИРОВАНИЯ КАССОВЫХ СБОРОВ»


cinemaplex 24.07.2016 / 15:59 9

Продолжение цикла публикаций дипломных работ выпускников факультета “Современное кино и дистрибуция” Московской Школы КиноРабота Андрея Татарникова посвящена разработке инструментария для прогнозирования кассовых сборов в кинопрокате на основе математического моделирования спроса на фильм и анализа зрительских эмоций при просмотре трейлеров.

Андрей-Татарников

Автор остановился на анализе зрительских эмоций, так как эмоции — это и есть та самая ценность, которая, по мнению автора, для кинофильма является  главным  маркетинговым свойством. Подробно эта взаимосвязь  раскрывается в полной версии дипломного исследования.

Актуальность исследования определяется объективной потребностью уменьшить неопределенность кассовых сборов в кинопрокате, что позволило бы более точно планировать количество экранов для показа каждого фильма и снизить инвестиционные риски в киноиндустрии. Соответственно, возникает потребность в научном исследовании спроса на фильмы и в разработке эффективных инструментов его прогнозирования с опорой на объективные данные.
Обращение к анализу зрительских эмоций при просмотре трейлеров к фильмам — одно из наиболее перспективных направлений таких исследований. А применение математических методов и сетевых технологий для сбора данных существенно снижает влияние субъективных факторов.

В редакционной публикации на CINEMAPLEX мы выделили два раздела -  «Основные положения и результаты исследования»  и  «Выводы и рекомендации».

Основные положения и результаты исследования

1. Выявлена принципиальная возможность коммерчески эффективного прогнозирования спроса на кинофильмы в российских условиях путем извлечения значимой информации из опросов в интернет и ее использования (после обработки) в качестве объясняющих переменных в математических моделях.

Результаты работы (80%-ная точность прогноза, демонстрируемая моделями) показывают, что существует принципиальная возможность извлечения значимой информации, обладающей определенной объясняющей силой, и ее дальнейшей обработки с целью последующего использования в качестве объясняющих переменных в математических моделях прогнозирования спроса на кинофильмы и их коммерческой эффективности (в рамках данной работы — кассовых сборов). Полученные результаты демонстрируют возможность использования эмоциональных факторов спроса на кинофильмы в качестве предикторов величины кассовых сборов полнометражных фильмов широкого и ограниченного проката, транслируемых в кинотеатрах.

2.      Предложен инструментарий, который позволяет получить набор достаточных для прогноза исходных данных, с минимальными затратами, что выгодно отличает его от ранее известных аналогов, в том числе, от аналогов, использующих данные об эмоциональном восприятии трейлеров наряду с данными о бюджете фильма, исполнителях главных ролей и т.д.

Сайт www.ratetrailers.ru был создан с использованием онлайн-конструктора.

1

Рисунок 1. Главная страница сайта www.ratetrailers.ru

Для каждого фильма формировалась своя страница, содержащая трейлер картины и предлагаемую к заполнению анкету.

2

 Рисунок 2. Страница фильма на сайте www.ratetrailers.ru.

Использовался  сервис «Документы Google». Анкета, в свою очередь, содержала: инструкцию по заполнению;

  • форму для заполнения оценок 21 эмоции;
  • поле для ответа на вопрос: «Возникло ли у Вас желание посмотреть этот фильм?»;
  • поле для ответа вопрос: «Какую сумму Вы готовы потратить на билет (руб.)?», актуальном только при ответе «да» на предыдущий вопрос;
  • поля для указания пола и возраста респондента.

Анкета для онлайн-исследования полностью помещалась на одной веб-странице, прокручивая которую пользователи могли переходить от одного вопроса к другому. Вверху страницы помещался мультимедийный ролик — трейлер фильма, за ним размещались блок с инструкцией заполнения опросного листа и собственно вопросы, которые позволяли установить отношение к трейлеру и демографические характеристики респондента. После заполнения  анкеты пользователю демонстрировалось распределение ответов, полученных к моменту заполнения анкеты.

3.      Построена оригинальная математическая модель прогнозирования кассовых сборов при прокате фильмов на отечественном кинорынке, в качестве ее переменных использованы обобщенные эмоциональные оценки зрителей при просмотре трейлера к фильму. В частности:

I.       На основе серии экспериментов выбран сбалансированный подход к формализации эмоциональных оценок, где оценка идет по четырехбалльной шкале при относительно небольшом числе оцениваемых базовых эмоций (их всего семь);

После  обработки анкет осуществлялся перевод оценок 21 слов-эмоций к семи категориям: любовь, радость, удивление, безразличие, гнев, печаль, страх. Перевод для каждой из них осуществлялся путем выбора максимальной оценки всех эмоций из соответствующей группы базовой эмоции. Данные расчеты проводились в MS Excell.

Любовьmax (удовольствие, влюбленность, восхищение, наслаждение, нежность);
Радостьmax (интерес, воодушевление, радость, предвкушение);
Удивление — удивление;
Безразличие — безразличие;
Гневmax (злость, недовольство, раздражение, волнение, досада);
Печальmax (разочарование, грусть);
Страхmax (страх, тревога).

 

Далее полученная таблица со значениями для каждого фильма была разделена на две, содержащих значения для тех, кто захотел сходить на фильм и тех, кто не захотел. Коэффициент соответствующей базовой эмоции равен сумме значений ее оценок, разделенной на количество человек в отчетной группе (тех, кто хочет и кто не хочет идти на фильм). В конечном результате были получены 14 значений коэффициентов для семи базовых эмоций (любовь, радость, печаль, равнодушие, удивление, гнев и страх). Каждой эмоции присваивалось два различных значения — для тех, кто хочет пойти на конкретный фильм и, соответственно, для тех, кто не хочет пойти на фильм. Далее вычислялись средние арифметические для каждого из 14 коэффициентов к отдельному фильму.

II.      Выделен набор факторов, обобщающих эмоциональные оценки трейлера к кинофильму со стороны зрителей.

Одной из главных предпосылок использования факторного анализа в нашем исследовании являлись корреляции между семью первичными эмоциями (любовь, радость, удивление, безразличие, гнев, печаль, страх). Факторный анализ выполнен для следующей совокупности переменных — семь эмоций тех зрителей, у кого возникло желание смотреть фильм после просмотра трейлера, и семь эмоций тех, у кого такого желания не возникло. Из совокупности четырнадцати переменных для каждого набора фильмов выделено от четырех до шести эмоциональных факторов, причем, непосредственно в регрессионных моделях использованы лишь некоторые из них. Факторный анализ методом главных компонент проводился в программном пакете Stata. После того как была получена матрица факторных нагрузок, средствами MS Excel вычислены значения факторов для каждого фильма.

III.    Построен набор регрессионных моделей для выявления наиболее существенных (объясняющих) факторов применительно к различным категориям фильмов. Количество объясняющих факторов для разных категорий фильмов различно.

В ходе исследования была собраны и обработаны зрительские оценки 100 трейлеров к отечественным и зарубежным фильмам, выходившим в российский прокат с марта 2012 по март 2016 года. Модель в общем виде выглядит следующим образом:

формулы11

Где: s — среднее значение сборов на 1 экран (наработка на копию);

S — кассовые сборы фильма;

P1, Р2, Р3 — эмоциональные факторы;

k — коэффициент желания/нежелания смотреть фильм после просмотра трейлера;

autumn, winter, spring — факторы сезонности;

screen — число экранов;

формулы-2

Регрессионные модели были построены как для всей выборки, так и для подвыборок, сгруппированных по жанрам и по стране-производителю картины. Количество эмоциональных факторов, используемых в моделях, менялось в зависимости от рассматриваемых наборов фильмов.

4.      Проведены расчеты, демонстрирующие высокую (80-85%) точность получаемых прогнозов на реальных данных. Показана устойчивость результатов относительно состава выборки.

Наилучшие результаты показали модели для выборок фильмов отечественного производства (формулы (3),(4)), а также для фильмов, в описании жанра которых содержалась «комедия» (формулы (5),(6)):

формулы31

Результаты моделей приведены на рисунках 1 и 2 соответственно. Стоит отметить, что прогнозировалось значение показателя «наработка на копию» за первый уик-энд — среднее арифметическое значение сборов, приходящихся на одну прокатную копию.

3

Рисунок 3. Результаты модели для отечественных фильмов

4

Рисунок 4. Результаты модели для жанра «комедия»

Сравнительные характеристики моделей приведены в таблице 1.

Таблица1

Таблица 1.  Сравнительные характеристики моделей

Некоторые результаты данного исследования размещены на бета-версии сайта, на базе которого в дальнейшем планируется создание автоматизированного сервиса для построения прогнозов кассовых сборов фильмов. На рисунках 5-9 приведены примеры страниц фильмов на данном сайте.

5

Рисунок 5. Фильм «Горько!»

6

Рисунок 6. Фильм «Остров везения»

7

Рисунок 7. Фильм «Приличные люди»

8

Рисунок 8. Фильм «Вий»

9

Рисунок 9. Фильм «Пиковая дама. Черный обряд»

Собранные данные позволяют также исследовать вопрос устойчивости результатов к размеру выборки. Самое большое количество анкет пришлось на фильм «Чемпионы» (рисунок 10).

10

Рисунок 10. Характеристики опроса по фильму «Чемпионы»

Устойчивость результатов к размеру выборки проверялась экспериментально на данных по фильму «Чемпионы», который оценили 409 респондентов. Так, случайным образом были сформированы четыре набора анкет: по 13, 21, 31 и 50 штук, соответственно. На графике отображено процентное соотношение семи базовых эмоций. Сумма всех эмоций — 100%, график, приведенный на рисунке 11, показывает долю каждой из базовых эмоций.

11

Рисунок 11. Процентное соотношение семи базовых эмоций

Гордон Грей в своей книге «Кино: Визуальная антропология», приводит некоторые распространенные модели и методы исследования рецепции и аудитории при потреблении культурных благ, в частности, кино. Теоретиками кино были использованы различные методы исследования аудитории. Автор говорит о том, что первые попытки «пробиться к реальной аудитории» предпринимались при проведении исследований коммуникаций и медиа. Далее приводится контентный анализ исследования Луизы Спенс о зрительницах дневных мыльных опер. Гордон Грей отмечает, что для таких исследований характерно отведение зрителю центральной роли в исследовании, в отличие от подходов, рассматривающих своих респондентов как «безмолвную массу», что характерно для количественных исследований.

Таким образом, при проведении качественных исследований восприятия видео-контента, большее внимание следует уделять не увеличению выборки как таковой (числа респондентов), но более углубленному изучению уже имеющейся 1. Глубина понимания зависит от длительности проведения исследования одной и той же аудитории, в нашем случае предпринимались некоторые попытки увеличить глубину получаемой информации проведением опросника Айзенка при проведении первых опросов. В.Ф. Петренко исследовал взаимосвязь понимания кинопроизведения и отношения к нему на материале восприятия фильма А. Тарковского «Сталкер» группой студентов, состоящей из 16 человек.2

Как показали обозначенные выше исследования восприятия видео-контента ряда отечественных и зарубежных ученых, небольшое количество респондентов при использовании качественных методов не является препятствием для формирования выводов об адекватности используемых моделей.

5.      Разработана методика выявления зрительских предпочтений на основе анализа полученных в результате исследования эмоциональных факторов спроса, а также концептуальная схема ее встраивания в реальный рынок. В данном случае фильмы позиционируются по эмоциональному содержанию (нагрузке) фильма, а не по социальным характеристикам, жанрам и т.п., что отличает принятый подход от большинства распространенных в настоящее время подходов.

Предлагаемые в работе решения позволяют осуществлять сбор и анализ данных об эмоциональной нагрузке фильма и позиционировать фильм, акцентируя внимание на тех или иных эмоциональных состояниях. Такое позиционирование отличается от общепринятого сейчас позиционирования по социальным характеристикам, жанрам и т.п., для него разработана методика с использованием информационных технологий. Результаты проведенных исследований позволяют выделить закономерности, согласно которыми зрители принимают решения о просмотре конкретного фильма. Один из наших выводов состоит в том, что есть несколько факторов, по которым массовый зритель оценивает фильм. В этой связи вполне логичным выглядит присвоение фильму рейтинга, характеризующего фильм с точки зрения тех эмоций, которые испытали зрители во время просмотра его трейлера.

В данном случае речь может идти о своеобразном «рейтинге ожиданий», в дальнейшем оценку можно распространить на сам фильм. Причём речь идёт не о приравнивании оценки рекламного ролика к оценке самого фильма, а об оценке последнего по той же методике. То есть пользователь оценивает как трейлер, так и сам фильм по тем же эмоциональным категориям, что даёт базу для сопоставления ожиданий аудитории с действительностью.

В ходе исследования возникло понимание того, что эмоциональные факторы, используемые в моделях, постоянно меняют свои нагрузки, в зависимости от рассматриваемых наборов фильмов. Интерпретация факторов не так важна для прогнозирования, как для построения рекомендаций, или присвоения фильмам «эмоционального рейтинга».

Наполнение используемой в работе базы данных оценками для новых фильмов позволило провести масштабный факторный анализ. Выборка состояла из 571 анкеты для 38 фильмов, выпущенных в российский прокат в 2013—2014 годах. Данные были сгруппированы отдельно для каждого респондента, был произведен подсчет медиан оценок по всем фильмам, которые оценил респондент. Эти медианы составили матрицу для подсчета корреляций и проведения факторного анализа. Таким образом, была получена матрица оценок 571 респондента по 21 эмоции. Для сокращения количества эмоциональных категорий в методике оценки трейлеров был проведен корреляционный анализ, который показал, что некоторые категории образуют между собой достаточно высокие статистически значимые связи. С учетом полученных паттернов связей (r > 0.6), из набора эмоциональных категорий методики были исключены следующие: восхищение, наслаждение, предвкушение, нежность, разочарование, раздражение. В результате данных преобразований, факторный анализ выполнялся на наборе из оценок 571 респондента по 15 эмоциям.

По результатам расчетов можно выделить три фактора, объясняющих 63% дисперсии. Первый фактор включает в себя удовольствие, интерес, влюбленность, воодушевление, радость, удивление. Данный фактор можно назвать «Положительные эмоции от просмотра трейлера». Второй фактор представлен эмоциями злости, недовольства, досады и безразличия. Фактор можно назвать «Отрицательные эмоции гневного спектра при просмотре трейлера». Интересно, что в этот фактор попало безразличие, то есть нейтральная, по сути, эмоциональная категория воспринимается респондентами как негативно окрашенная (наряду, например, со злостью). И, наконец, третий фактор состоит из оценок эмоций: страх, тревога, грусть, волнение. Этот фактор можно назвать «Отрицательные эмоции тревожного спектра при просмотре трейлера». Интересно, что в фактор входит эмоция грусти. То есть согласно оценкам участников, категория грусти воспринимается ими как близкая к эмоциям тревоги, страха и волнения.

Таким образом, при просмотре трейлеров респонденты, в первую очередь, оценивают их с точки зрения отражения ряда положительных эмоций, а также двух групп отрицательных эмоций — связанных с тревогой и гневом. «Эмоциональный рейтинг» фильма может строиться, исходя из величины значения каждого из трех эмоциональных факторов, либо может использоваться «эмоциональный профиль» фильма, изображенный на рисунках 5-9.

Выводы и рекомендации

Поставленные задачи полностью выполнены. В результате предложен принципиально новый подход к снижению риска провала фильмов в прокате, показавший свою результативность и нашедший практическое применение в деятельности продюсерских компаний.

1. Разработана процедура сбора данных для выявления зрительских эмоций. В отличие от подходов с использованием специализированного программного обеспечения для выявления тональности текстовой информации, метод фокус-групп, лежащий в основе настоящего исследования, предоставляет возможности собрать дополнительную информацию при просмотре рекламных роликов (трейлеров). Использование в ходе предварительного исследования следующего инструментария: анализа частотности эмоций, корреляционного анализа и экспертных оценок — позволило выделить эмоциональные категории, наиболее адекватные поставленным задачам, положенные в основу оригинальной процедуры сбора данных для последующего исследования.

2. Предложен подход к сбору данных об эмоциональной нагрузке фильма, с использованием информационных технологий — онлайн-конструктора и облачных технологий, для последующего математического моделирования.  Для реализации задачи создан сайт www.ratetrailers.ru, при помощи которого, на основе предлагаемых респондентам для оценки выделенных ранее эмоциональных  категорий, осуществлено анкетирование зрителей. В ходе анкетирования для просмотра и последующей оценки предложены  трейлеры к отечественным и зарубежным фильмам, выходившим в российский кинотеатральный прокат за период с марта 2012 по март 2016 года.

3. Разработана методика определения количественных переменных, основанных на оценках эмоций, с помощью которой оценки 21 эмоции по четырехбалльной шкале приводятся к оценкам семи базовых. Далее вычисляются их средние арифметические, и проводится разделение оценок респондентов в соответствии с желанием/не желанием смотреть фильм после просмотра трейлера (да/нет). При помощи факторного анализа выделены эмоциональные факторы спроса, использованные при построении моделей прогнозирования кассовых сборов.

4. Выявлены эмоции, оказывающие наиболее сильное влияние на спрос, а также их комбинации, представленные в форме предлагаемых эмоциональных факторов. Эмоции «удивление» и «интерес» способствуют привлечению целевой аудитории в кинотеатры, тогда как включение «безразличия» увеличивает риск отказа зрителя от просмотра фильма (уменьшает спрос), поскольку является знаком испытанных отрицательных эмоций. Экспериментально подтверждено, что наиболее кассовые фильмы характеризует наличие полного спектра эмоций и более высокие средние оценки по четырехбалльной шкале.

5. Построен набор регрессионных моделей для выявления наиболее существенных (объясняющих) факторов применительно к различным категориям фильмов (в зависимости от жанра и страны-производителя). Построены модели прогнозирования кассовых сборов на отечественном кинорынке, проведена их калибровка. Созданные модели продемонстрировали высокую точность прогноза — 80-85%.

Предлагаемый в исследовании подход позволяет:

– оценивать прокатный потенциал кинопроекта путем анализа одного из ключевых элементов его рекламной кампании, что подразумевает возможность активного управления процессом формирования и рационального использования рекламного бюджета;

– осуществлять выбор трейлера, который принесёт наибольший экономический эффект — приведет большее количество зрителей в кинотеатры на первом уик-энде;

– обосновывать экономически целесообразную роспись фильма: меняя в модели предполагаемое количество экранов в первый уик-энд, можно получить представление о наиболее подходящем числе прокатных копий, которые целесообразно выпустить для конкретного фильма.

Ссылки и источники

 

  1. Митта А. Как вернуть в кино зрителя // Российская газета (Федеральный выпуск) — 2013 — № 6103 (127)  — 14 июня.
  2. Грей Г. Кино: Визуальная антропология / Гордон Грей; пер. с англ. М.С. Неклюдовой. — М.: Новое литературное обозрение, 2014. — 208 с.
  3. Ингмар Бергман. Как делается фильм. Режим доступа — http://www.kinovoid.com/2016/02/kak-delaetsya-film-ingmar-bergman.html
  4. Калмыкова И.Ю., Юдкевич М.М. Экономика и эмоции / И.Ю. Калмыкова, М.М. Юдкевич // Психология. Журнал Высшей школы экономики. — 2006. Т.3, №3. — С. 61-87.
  5. Кино: реалии и вызовы глобализации / Ред. М.И. Жабский. — М. : Научно-исследовательский институт киноискусства, 2002. — 309 с.
  6. Линдсторм М. Buyology. Увлекательное путешествие в мозг современного потребителя / Мартин Линдсторм: (пер. с англ. Е. Фалюк). — М.: Эскмо, 2010. — 240 с.
  7. Петренко В.Ф. Психосемантика искусства / В.Ф. Петренко; Ред. М.И. Черкасская. — М.: МАКС Пресс, 2014. — 320 с.
  8. Снайдер Б. Спасите котика! И другие секреты сценарного мастерства / Б. Снайдер; пер. с англ. Ю. Константиновой. — М.: Манн, Иванов и Фербер, 2014.  – 264 с.
  9. Ульянова М.А. Особенности маркетинга кинорынка и специфика кинопродукции как объекта маркетинга / М.А.Ульянова // Маркетинг в России и за рубежом — 2000 г. — № 2 Режим доступа: http://www.cfin.ru/press/marketing/2000-2/08.shtml
  10. Фромм Эрих. Искусство любить / Эрих Фромм: Пер. с англ. — М.: АСТ, 2009. — 224 с.
  11. Lona Fowdur, Vrinda Kadiyali & Vishal Narayan. (2009). The Impact of Emotional Product Attributes on Consumer Demand: An Application to the U.S. Motion Picture Industry. / Cornell University.  — May 2009.

 

Работу Андрея Татарникова "Инструментарий прогнозирования кассовых сборов" можно скачать в формате PDF по ссылке

Наиболее полно тема прогнозирования раскрыта в диссертации Андрея Татарникова «Прогнозирование кассовых сборов в кинопрокате на основе математического моделирования и анализа зрительских эмоций», где подробно описаны методы исследования — факторный анализ и регрессии. Скачать по ссылке. Запись видео с защиты — здесь.


Москва-2016
Консультант: Николай Ларионов
Работа выполнена на курсе Московской школы кино
«Современное кино и дистрибуция»
Куратор курса: Всеволод  Коршунов
Автор: Андрей Татарников  (e-mail: andreyhauz@list.ru )

В ТЕМУ:

ЕКАТЕРИНА ЧЕРКЕС-ЗАДЕ (МОСКОВСКАЯ ШКОЛА КИНО, SCREAM SCHOOL): «МОЖНО НЕ ТОЛЬКО ПОДСТРАИВАТЬСЯ ПОД ИНДУСТРИЮ, НО И АККУРАТНО ИЗМЕНЯТЬ ЕЁ»

ВСЕВОЛОД КОРШУНОВ: «ВАЖНО ВИДЕТЬ И ИССЛЕДОВАТЬ ПОТРЕБНОСТИ АУДИТОРИИ»

ОЛЬГА КОНЯЕВА. Тема исследования — «СЕЙЛЗ-АГЕНТЫ»

9 комментариев »

  1. Михаил Бублевский 24 июля 2016 в 20:18 - Ответить

    Если рассматривать данную работу как дипломную, то она бесспорно интересная, сильная и многообещающая. Если же, как диссертационную, то опять же на мой далеко не просвещённый, не профессиональный взгляд, очень слабая, удивительно, как Андрею удалось её защитить.

    В основе лежит странная идея, что кассовые сборы фильма практически полностью определяются эмоциональным воздействием от просмотра его трейлера и ничем более. Если бы всё было так просто… Яркий пример того, как теория оторвана от практики, ощущение, что экономисты теоретики живут в какой- то другой, параллельной вселенной. Можно же было расспросить реальных букеров реальных кинотеатров, на основе каких факторов они определяют кассовый потенциал фильма. Уверен, что эмоции от просмотра трейлера находятся на одном из последних мест.

    Диссертационная работа написана довольно неряшливо, при чтении возникает ощущение, что значительное количество страниц текста диссертации написан только ради того, чтобы набрать требуемый объём работы. В частности, это касается главы 1, явно лишней, раздутой и не имеющей никакого отношения в рассматриваемому в диссертации вопросу математического моделирования. Не случайно, автор даже не удосужился разобраться в сути описываемых им в данной главе вопросов. Так, Андрей Сергеевич в очередной раз тиражирует миф о высочайшей прибыльности советского кинематографа. Мало того, что это не правда, так он подставляет и всеми нами уважаемого и любимого господина Пичугина, сославшись на его монографию. Если бы диссертант не только бы ссылался на литературные источники (а литературный обзор в диссертационной работе носит полноценный характер), но и читал их, то он убедился, что и Эдуард Анатольевич не проводил никакого самостоятельного анализа экономики советского рынка, он просто сослался на всем известные слова бывшего зампреда Госкино СССР Бориса Владимировича Павленка. Получается что-то в стиле одна бабка сказала. Хочется пожелать Андрею Сергеевичу всё-таки читать первоисточники, в данном случае интервью господина Павленка журналу «Variety». Возможно тогда бы он убедился, в ошибочности этих утверждений. Ну, или хотя бы читать мои работы на эту тему, например, cinemaplex.ru/2013/03/26/...toki-mifa-2.html

    Конечно, не это главное. Гораздо важнее, что математическая модель составлена неправильно, с грубейшей принципиальной ошибкой. Автор совершил детскую и совершенно не простительную для кандидата наук ошибку. В школе, на уроках физики, а потом и химии, нам объясняли простейшее требование к уравнениям- размерность левой и правых частей уравнения должны совпадать. Мы использовали этот принцип сплошь и рядом, как вводя размерности новых физических величин, например, скорость, как отношение расстояния на время, получив размерность м/с, так и определяя размерность неизвестных нам величин, например, так была определена размерность гравитационной постоянной, исходя из требования, что сила измеряется в ньютонах. Вспомнили? В связи с этим, хотелось бы узнать у автора, а какая собственно размерность величины в его уравнении слева, там, где натуральный логарифм от наработки на копию? Лично я затрудняюсь. И не случайно. Ещё основателями теории анализа размерности (Морозов,Бакингэм и другими), а рассматриваемые нами школьные примеры, это частные, упрощенные выводы из этой теории, сформулировали нижеследующее требование: под знаком экспоненты, логарифма или тригонометрических функций должны стоять безразмерные величины, к которым показатель наработка на копию (руб/копию), явно не относится. При написании будущей докторской работы, хотел бы порекомендовать Андрею Сергеевичу прочитать книгу Бриджмена “Анализ размерностей’, там этот вопрос рассмотрен достаточно популярно.

    Простейшая, практически однофакторная (всё определяется эмоциональным воздействием от просмотра трейлера), к тому же составленная с грубыми ошибками линейная математическая модель, не удивительно, что её результаты не потрясают воображения. Автор приводит сравнение с прогнозами аналитиков БК по ряду фильмов, они очень близки. Зачем тогда нам проводить эти сложные исследования, задействовав тысячи респондентов, когда нам достаточно спросить того же Николая Ларионова о потенциальных сборах интересующего нас фильма. И он или бы угадал со сборами или нет. Одно из двух. Автор, как честный человек, приводит данные по сборам фильма Остров везения, которые он угадал с практически 100% точностью, и Темный мир . Равновесие, где он ошибся в прогнозе более чем на 50%. И так везде, то угадает, то нет.

    Конечно, радует оптимизм и уверенность в своих силах диссертанта, но модель не работает, да и не может работать. В противном случае, господин Татарников был бы уже не с нами, а в лучшем из миров (я имею в виду, конечно же, Голливуд). Тёмные мейджеры, не читавшие ни диссертационную, ни дипломную работы Андрея Сергеевича даже не догадываются, как легко они могли бы избавиться от своих регулярно случающихся грандиозных финансовых потерь, типа провала Джона Картера и т.п. Достаточно пригласить на работу господина Татарникова с окладом в миллионы долларов в год, всё равно это будет сверх выгодно, ведь зачастую их потери от провала дорогостоящего фильма измеряются сотнями миллионов.

    Завершая, хочу отметить тот факт, что господин Татарников научился прогнозировать только сборы уик-энда. Видимо, задача определения множителя будет им рассмотрена уже в ближайшее время в докторской диссертации. По тому, как Андрею Сергеевичу легко, просто и даже непринуждённо удаётся решить, в принципе не разрешимую проблему прогнозирования кассовых сборов фильмов, верю, что и докторская не за горами!

  2. Юрий Кириллов 25 июля 2016 в 0:16 - Ответить

    Миша, ты русским языком владеешь? Или читаешь с переводчиком? В первой строке написано: «Продолжение цикла публикаций дипломных работ». Дипломных, Карл! Не диссертационных!

    И кстати ты обвинил молодого человека во всех грехах, за которые я тебя как раз многократно критиковал. Твоя фраза «работа написана довольно неряшливо, при чтении возникает ощущение, что значительное количество страниц текста диссертации написан только ради того, чтобы набрать требуемый объём работы» — это именно то, чем ты занимаешься.

  3. Елена Х. 25 июля 2016 в 15:56 - Ответить

    Юрий, Михаил и прав и не прав:) У Андрея диссертация действительно защищена на тему «Прогнозирование кассовых сборов в кинопрокате на основе математического моделирования и анализа зрительских эмоций» (читала автореферат). Соглашусь также, что прогнозирование кассовых сборов процесс сложный, зачастую субъективный (если это касается букетов) и ролики тут играют не самую важную роль, НО не прав Михаил в том, что это лишь один из методов, который сложно применить на практике, об этом мы как раз и говорили на его защите. В рамках своей специальности «Математические и инструментальные методы экономики» работа хорошо сделана.

  4. Оппонент 25 июля 2016 в 16:14 - Ответить

    С интересом ознакомился и с данным дипломом, и с диссертацией, все-таки не так часто встречаются подобные психолого-математические исследования, такое нельзя упускать.

    Конечно, с Михаилом Бублевским невозможно согласиться в плане претензий к тексту (уж кто бы говорил, да), и по поводу логарифмов — логарифмические преобразования в регрессионных моделях весьма распространены и довольно удобны на практике.

    Однако и меня полученные результаты регрессии удивляют и несколько смущают. Коэффициент детерминации, настолько близкий к единице, подразумевает, что кассовые сборы практически полностью зависят именно от эмоций от просмотра трейлера. Остальным факторы, включая цену на билет, получается, просто нет места, и это очень сомнительно. Кроме того, я вообще привык относится к слишком высоким значениям коэффициента детерминации с подозрением — они могут указывать на ложную корреляцию, переобучение, нестационарность рядов в случае с временными данными и т.д. В диссертации у Вас несколько другая модель и другие данные, но там проведены основные тесты, что, в совокупности со степенью кандидата наук, вселяет веру, что с чисто математической частью у Вас все в порядке. Но все равно, очень подозрительные результаты регрессионных моделей внушают сомнения.

    Также хотелось бы уточнить по методике сбора данных два момента:

    1) Насколько я понял, анкетирование по впечатлениям от просмотра трейлеров проводилось на неслучайной выборке из добровольцев. Фильтровались ли они по критерию опыта просмотра каких-либо фильмов из списка? Что я имею в виду: можно предположить, что если человек смотрел фильм, то пересмотр трейлера вызовет в нем больше эмоций, чем просмотр трейлера еще несмотренного им фильма, за счет эффекта узнавания, например. Даже если ситуация обратная, это также влияет на эмоции. Получается, для чистоты эксперимента, данные нужно собирать с выборки людей, не смотревших ни разу ни трейлеры, ни сами фильмы. Соответствовали ли анкетируемые этим критериям?

    2) Были ли предварительно исключены фильмы, по которым Вы делали контрольные прогнозы, из выборки, по которой Вы строили регрессию? Проводилась ли оценка скользящего контроля? Все-таки не могу избавиться от подозрения на переобучение.

    Очень хотелось бы услышать ответы автора исследования, тема крайне интересная, как и само исследование.

  5. Аноним 26 июля 2016 в 2:27 - Ответить

    Видимо я не совсем понял методику исследования и получения регрессии, можно уточнить по каким фильмам строилась регрессия а по какими проверялась? И можно как-то ознакомиться с порядком значений коэффициентов ?

  6. Сергей С 26 июля 2016 в 8:27 - Ответить

    Может быть я заблуждаюсь, но по моему, эта программа дает подтверждение о качестве только самого ролика.) Михаил правильно отметил о том, что автор работы не учитывает дальнейший множитель, а берет только первый выходной. Мы достаточно часто наблюдаем, когда отличный ролик — это и есть весь фильм. Первые дни работы — народ есть, но фильм валится потом на 70%, потому что оказался пустышкой. А как известно, за один выходной бюджет не отобьешь.Поэтому может быть было правильнее использовать данную работу на фокус — группах при тестовых просмотрах фильма, хотя бы на стадии «колбасы»? Тогда можно было бы говорить о более полном исследовани и более точном прогнозировании.

  7. Андрей Татарников 26 июля 2016 в 16:30 - Ответить

    Всем спасибо за мнения!

    Работа является междисциплинарной (на стыке экономики, психологии и математики), в ней предложен инструментарий, позволяющий осуществлять сбор и обработку данных для расчета эмоциональных факторов для каждого фильма и их дальнейшего использования в математических моделях. Предложенные факторы также могут быть использованы при построении рекомендательных сервисов (например, Имхонет). Ценность работы заключается еще и в том, что точные экономико-математические методы применяются к анализу зависимости кассовых сборов в денежном выражении от качественных признаков, соответствующих эмоциям зрителей.

    Любая модель опирается на некое теоретическое предположение, в данном случае цепочка рассуждений выглядит следующим образом: эмоции являются одними из ключевых атрибутов фильма — фильм является гедонистическим продуктом, судить о качестве которого можно только в процессе, или по окончанию потребления — трейлер предоставляет возможность «попробовать» фильм — трейлеры к разным фильмам можно оценить одинаковым образом.

    Далее была придумана процедура сбора данных, в ходе пилотных исследований отобраны наиболее подходящие эмоции, затем придумана процедура расчета коэффициентов и построения прогноза.

    Прогноз строится за первый уикенд, исходя из предположения о том, что именно первый уикенд является определяющим и что на сборы в этот период работает в первую очередь рекламная кампания, ключевым элементом которой является трейлер.

    Ссылка на сайт ratetrailers.ru размещалась в социальных сетях, в опросах участвовали как мои друзья, так и случайные пользователи. В этой связи представляется невозможным отследить, кто из респондентов видел предлагаемый к оценке трейлер ранее. Однако никто из респондентов не мог видеть фильм перед заполнением анкеты (за редким исключением — если попадались люди из индустрии, имеющие возможность посмотреть фильм заранее), так как данные собирались по фильмам, только готовящимся выйти в прокат, примерно за две недели до релиза. Прогнозы строились до выхода фильма в прокат, точность проверялась экспериментально после того, как данные по сборам становились доступны.

    Сбор данных в представленной работе — одно из самых трудоемких — по сути, с нуля создавалась собственная уникальная база данных. На начальном этапе осуществлялся сбор данных об эмоциональной нагрузке, затем формировались выборки фильмов, сгруппированных по жанрам, стране производителю. На рисунках 3 и 4 приведены примеры группировок. Прогноз для каждого фильма — экстраполяция, обучающей выборкой являлись все остальные фильмы из рассматриваемого набора.

    Данные модели не содержат константу, поэтому надо смотреть на нецентрированный коэффициент детерминации. Я отдаю себе отчет о том, что выборки малы, однако работали с теми данными, которые были в распоряжении. Тем не менее, удалось сделать первый шаг в данном направлении, которое представляется перспективным.

    Я занялся прогнозированием кассовых сборов, так как это чрезвычайно сложная и интересная задача, а кроме того еще и полезная для бизнеса. Исследование продолжается, постепенно увеличивается база данных, понимание в какую сторону двигаться. Математика еще никому не вредила, а скорее наоборот. Поэтому я считаю, что моя работа (как предложенная так и дальнейшая) может принести пользу индустрии. Я открыт обсуждению и сотрудничеству со всеми заинтересованными коллегами — в конце статьи есть адрес моей электронной почты.

  8. Аноним 27 июля 2016 в 21:11 - Ответить

    И все таки... как раз для оценки перспективности сотрудничества, можно указать примерное (или точное соотношение) между подобранными коэффициентами модели. Действительно представляется, что в данных что-то есть, но не проходит чувство, открытия уже открытого

    • Андрей Татарников 28 июля 2016 в 11:31 - Ответить

      Если я правильно Вас понял — примеры значений коэффициентов приведены в тексте диссертации, в частности в приложении №4 — vk.com/doc1173813_437728257

      еще пример — vk.com/doc1173813_437728285

КОММЕНТАРИИ »


− два = 5