數據運用於電影的實務與挑戰：專訪資深電影人－黃郁茹

近年影視文化圈興起一股大數據熱潮，但如何落實應用於臺灣電影產業，各界仍持續摸索當中。在北京工作的資深電影人黃郁茹（以下稱Yvonne）出身電影行銷，專長在於數據跟產業之間的關係，包括前端的問題是什麼，以及數據整理出來要怎麼分析。因此，本期與工研院「大數據研析及轉譯輔導」研究團隊一同邀請Yvonne來分享電影實務上的數據應用，以及探討數據應用之現況及挑戰。

兩岸的電影業皆是由創作端主導，市場端的意見在全流程中容易被輕忽，如果有客觀的工具可以輔助，能幫助創作者清晰地瞭解觀眾的需求和聲音。數據在影視產業的發展相當晚，2014年Yvonne花了一段時間跟各家數據公司、數據工作者交流，摸索數據在影視產業的角色，2016年在樂視工作的期間則梳理出比較成熟的體系。

數據運用在市場端比較成熟，但其實全流程（研發→創作→投資→製作→宣傳→發行→放映）都可以用。Yvonne解釋，數據是有刺激才有反應，「宣傳、發行、放映」階段已有素材投放至市場，所以可利用媒體大數據觀測反應。但若還在「研發、創作、製作」階段，觀眾在公開媒介看不到刺激物，自然不會有反應，更不會有「大」數據，當然沒辦法協助創作。

大數據在「研發」階段可以找出類型的趨勢變化，判斷什麼題材在明後年有機會。不過，如何預測仍取決於人，今年熱的議題明年是否還會繼續？或是不熱的明年才會熱？這是個別判斷的差異。在「研發」跟「創作」階段，Yvonne建議用小數據進行研究，藉由傳統調研瞭解用戶是誰、對什麼感／不感興趣，藉此推算規模有多大、可以投入多高成本等。而大數據工具雖無法進行市場端的概念測試，但可以協助編劇更有效率地進行創作端的田野調查。

影視工作者要釐清數據的邊界，數據分析能提供的是「誰對這個題材感興趣」、「這群人的餅有多大」、「感興趣的關鍵點為何」，如何運用劇作技巧納入這些元素、打動客群，則是編劇的功力。大數據難以在創作上提供直接的幫助，因為創作要回歸自身的故事演繹，但創作者也不該看輕數據能力與訊息。

Yvonne清楚說明，數據就是數據，小量的就是小數據，大量的就是大數據，即便是用電腦處理，量很少就還是小數據。大數據運用在影視創作階段非常困難，小數據簡單多了，就是傳統調研。

Yvonne表示自己比較相信小數據，畢竟創作階段沒有素材投放到市場上，自然無法取得「大量」數據。罐裝咖啡在商品上架後，市場反應不好可以微調口味、換包裝或調整行銷策略。但電影不可能把劇本上架到影城，上映後觀眾不喜歡女主角也無法再換角。這套方法論其實不新奇，消費品產業早已成熟使用，只是大部分影視工作者觀念仍將電影視為「作品」而非「產品」。而電影除了商業性還有藝術性，數據可以解決商業性的問題，藝術性還是得靠創作者。因此不要過度神話數據或是看輕數據，應該要認清數據扮演的角色，以及該怎麼使用它。

Yvonne認為院線電影都值得做全流程的運營，然而，電影從概念到劇本、現場製作再到後期，是一層層累加的結果，過程的每一層都會變化，因此大部份的人不相信在前面階段所測的結果，預算有限自然不願意花錢。這在臺灣或中國大陸都一樣，金額和幣值也許不同，但在整體預算的結構占比一樣小。即便知道前端階段到最終成品不同，Yvonne也願意花錢測試市場，因為觀念上只是把後面要花的錢拿到前面花。

Yvonne進一步分享實務經驗。操作體系的第一步是規模布局，假設一間大公司明年有十部片，配額應該怎麼分配？這可以用過往十年的類型跟票房來整理。現在可運用大數據的公司都是用來布局，大型投資公司判斷獲利風險，視頻網站用於採購、選片，多廳影院也許可用在排片。重點是：不斷掌握用戶消費的行為軌跡。

聚焦到內容，可以先做概念測試，把所有的概念濃縮在海報視覺圖像和故事梗概來進行。下一階段應該拿故事板測試，但考量預算跟效果，目前沒有找到最好的方式。如果是IP電影，已有足夠的市場數據可在前期分析；若非IP電影，可以用介質（即以同類型電影作為「替代我」）去了解市場。再來便是半成品，試映會取得的小數據可供創作方修改，亦有助於廣告投放，在中國大陸也會做口碑操作和預測。

下一步是行銷宣傳階段，即運用最廣泛的階段，會混合使用大、小數據。此階段有個消費漏斗：「認知、興趣、首選」。首先界定，如果要做票房破億的影片，認知、興趣、首選分別要達到電影消費人群的多少占比，才有可能達到目標。再來是認知、興趣、首選的預算分配，比方認知度已經達到期望，就不要再往這裡花錢，興趣度不會因此提升。當整體數字上不來，則去細看群眾差異，如果是大片，可以強化對特定族群的宣傳。

中國大陸有百度指數、微博指數、微信指數，Yvonne也有配合的供應商會持續調查，看映前四週消費者在「認知」、「興趣」、「首選」之間的關係，並對照票房來調整每週策略。這跟選舉民調非常相似，選前不斷進行民意調查，瞭解民眾關心的議題，性別、年齡、城市的支持度，選戰的資源分配、議題怎麼打、基本盤為何…等。而阿里、貓眼這些掌握大量電影用戶的票務網站，可以快速掌握消費樣貌並進行檢討，他們在試映會環節的做法是以大數據作為樣本庫，手段仍是傳統調研。

Yvonne會從傳統電影跨足數據工作，主要原因是看到產業化的可能。舉例，以前是在最好的咖啡店工作，裡面有了不起的師傅，所煮的每一杯咖啡都很有溫度，但都一定要這位師傅煮。如果想開星巴克呢？市面上沒有十位一樣的師傅，因此唯有把經驗變成一套體系，才可能把一間街角生意非常好的咖啡店開遍世界。星巴克和街角咖啡店各自扮演不同的角色，但如果星巴克的創辦人離世，店仍能繼續存在，而街角咖啡店的師傅辭世，店就失傳了。

無論臺灣或是中國大陸，電影都還不算是產業。一旦像好萊塢一樣成為產業，多元化便會發生，有商業大片負責賺錢，自然可以容許藝術片賠錢。唯有成為產業，環境才會健康，要成為產業就必須規模化，要規模化就需要有一些工具輔助。的確，電影可能會相對平庸，但有平庸才能看到獨特。

Yvonne強調，數據只能保障安全，不能追求卓越。但是，數據可以幫助你不出錯，當我們不會疲於奔命在解決錯誤時，就能好好坐下來思考如何追求卓越。簡言之，數據有助於「保障安全」、「控制風險」、「解放創作者經歷」，在這些條件下「推動規模化、產業化」。

IP電影在前端即可運用大數據，臺灣近年亦重視IP發展，因此Yvonne也提供相關看法。首先，IP是「智慧的結晶在法律上被賦予一個價格」，當大家都看過並且感興趣，IP便開始有價值，在互聯網時代可以清晰地看到IP的生命軌跡。據Yvonne描述，寫出IP是「孵化」，文學是孵化IP最輕的文本；用輕文本進入市場，稱之為「運營」；將已經累積用戶的文本賣版權給影視公司，是「變現」。影視公司買IP則是「被變現端」。

簡單說，「用輕文本運營，重文本變現」。一般IP變現就是賣版權，若要不斷變現，在文本上有更多話語權則能運作品牌，不過現在缺乏成熟完整的IP運營公司（像是美國迪士尼或日本的全媒體模式）。IP迷人的地方是變現成本幾近於零，文學、短視頻都比較便宜，只要孕育起來就可以變現，臺灣可以優先考慮。

最後，Yvonne認為臺灣的問題不在於數據應用，而在於「如何讓影視文化產業化、健康化」。中國大陸研究數據是因為規模大，需要工具來輔助經驗不足的人，加上產值動輒好幾億人民幣，當然要有一些保障。臺灣的技術不輸其他地方，所以根本問題是產值不支持。要先有產業才有數據，也許先研究IP、內容影響力以及產業化，等產業環境健康了，數據就可以被運用。

更多內容請見：國內外文化產業訊息及趨勢分析雙月報 2018年第2期（4月號）

更多內容請點入「國內外文化產業訊息及趨勢分析雙月報」