張敏 騰訊影業影視數據中心

《魔獸》的上映，對于十年魔獸玩家來說，是一個隆重而盛大的線下派對揭幕儀式；對于騰訊影業來說，這是一個檢驗一年半以來秣馬厲兵成績的重要節點；而對于身在影業數據團隊來說，則更像是一個揭開謎底的時刻。

從騰訊影業接手《魔獸》這個項目以來，影業數據團隊就跟制作方傳奇影業30人的數據團隊建立了深入的合作關系。傳奇影業制作發行過《宿醉》、《蝙蝠俠》系列以及《盜夢空間》等大家喜聞樂見的電影，在數據輔助電影制作發行方面都相當專業。

這跟我們希望通過互聯網技術和大數據提升傳統影業產業效率的想法相一致。在這次的合作當中，我們將數據營銷很好地融合到好萊塢的解決思路中，對《魔獸》宣發全過程中提供了細致的數據服務支持。

如今《魔獸》已經下映，國內票房達14.7億，是國內首部上映兩日票房過6億影片，也是首部最快破9億紀錄的進口片，國內票房占全球票房53%。即使你沒有去看，肯定也被超強的刷屏風潮所影響。當票房已塵埃落定，我們希望通過電影推廣過程的中一些思考，復盤數據營銷如何融入和改變傳統的影業宣發。

數據挖掘從早期即開始深度介入，重點解決以下問題：

一、用戶是誰？

二、如何對用戶做精準營銷？

三、如何監測并優化營銷效果？

四、票房目標是多少？

下文將針對不同的模塊進行介紹。

　　數據支持流程示意圖

一、用戶畫像——建立用戶初步理解

對目標用戶的認知和理解是營銷的起點。我們通過標簽體系定向挖掘到了第一批種子用戶，通過和影視用戶以及大盤用戶的對比分析，我們發現：

核心用戶男性占比明顯高于電影興趣用戶以及大盤用戶，說明影片對影視核心用戶的女性來說，會有吸引力不足的風險。

核心用戶相比電影興趣用戶，年齡更加成熟，23-26歲用戶占比更多。說明對于年輕的消費者來說，會有影響力不足的風險。

用戶和游戲的重合度較高，后續可以和游戲平臺合作。

我們在早期就初步勾勒出核心目標用戶畫像，并提示了影片有可能過于核心向、女性用戶、路人轉化難度大等風險，推動后續營銷點更聚焦與邊緣用戶上。

二、精準營銷——用戶引爆點

本階段的核心目標是：通過核心人群特征找到相類似的用戶，在多次營銷測試當中優化篩選模型，測試用戶興趣點，匹配用戶和最合適的素材。

在早期的挖掘當中我們定位了部分魔獸核心用戶，但是這個規模遠遠不能滿足營銷的要求，影片的特點要求我們不能只轉化和投放核心用戶，必須有更廣泛的覆蓋。

因此我們使用了Lookalike 模型，可以形象地理解其為“粉絲爆炸器”，幫助我們從核心用戶快速復制出大批量的相似用戶。通過這個方式，將魔獸核心用戶規模擴展了40多倍，同時還保證了一定的ROI。

同理，我們通過大數據定位篩選出了西方魔幻類影片粉以及吳彥祖粉。通過這個環節，即使你不是魔獸玩家，沒有聽說過魔獸，也有很大的機率收到魔獸的相關推廣。

　　用戶擴散模型原理示意圖

找到了這部分用戶，我們還需要知道他們分別對哪些營銷內容感興趣。基于對幾類用戶的營銷認識，我們提出了幾個賣點，分別對用戶進行了投放測試，最終挑選出更受歡迎的素材。

通過用戶挖掘、用戶擴散、營銷測試優化、素材測試這一系列的工作，我們確定了目標用戶以及匹配的素材。在正式投放中，文案分為魔獸、游戲、觀影和普通用戶4類，對應不同的用戶進行投放。最終目標用戶較普通用戶的點擊率提升78%。

通過確立目標用戶，并進行針對性營銷推廣，通過營銷效果反饋進一步優化模型，定位用戶，邏輯大致如下：

　　在這階段根據對業務的理解，以及現有資源去建立我們的種子用戶庫：

a)通過數據挖掘及預告片觀看采集了魔獸文化相關用戶；

b)魔幻類型電影的觀看用戶；

c)吳彥祖粉絲群。

我們通過訓練分類器模型和用戶特征聚類進行用戶擴散，以達到拓展用戶規模的目的。

三、營銷熱度面面觀——實時反饋營銷效果

廣告和各種話題拋出去之后，在用戶中的接受度，傳播度如何？這時就需要去搜集用戶反饋。宣傳效果反饋貫穿整個宣發期以及上映期，對宣發過程中用戶的評論進行及時反饋，優化營銷話題；并通過和競品的實時比較，更快了解營銷過程當中的優勢和不足。以下以首支預告片發布以及上映前后一個月的熱度數據為例說明。

首支預告片發布之后的數據跟蹤：

在15年10月首次發布視頻片段之后，通過大數據跟蹤表明：用戶正面評價占比遠超過負面評論，核心粉絲表示對電影極大的期待，同時，聯盟和部落的對抗、吳彥祖都具有較高的提及率，這兩點也是后續重要的營銷話題帶動點。

在負面評論當中，故事性欠缺、魔獸爭霸的劇情、種族過少等將會是口碑的風險點，警示需要對魔獸的故事進行更多的前期宣導。

　　宣發爆發期大數據跟蹤：

上映日之前傳播熱度有三個峰值，分別是一個月前定檔信息的發布，26日全球上映之后，《魔獸世界》觀影守則以及首批影評的傳播，以及上映前4-5天各類票務福利的傳播。

《魔獸》整體熱度遠高于同期競品。從上映后的傳播量來看，上映日當天，騰訊社交上的分享量是競品同期的36倍。但是熱度在第二個周末下滑較為明顯。

四、票房預測——打開票房黑盒子

首先要說明的是，票房預測影響因素非常的多，每個因素最終對票房影響權重，也是因影片而異，預測的難度非常大。因此項目中的票房預測，更多的是探索對業務的應用場景。

票房預測對于業務的幫助：

1、通過業務KPI，反推每日需要達到的排片以及票房值。

2、通過熱度數據預測票房值以及競品票房預測值，警示業務風險。

針對營銷過程中提出的票房目標，我們通過對以往的好萊塢商業片建模，反推了每日需要達到的票房值以及排片，給發行團隊做參考。通過后續和實際票房的結果對比發現在端午節三天長假當中，實際票房超出預期，但是在次周的票房續航能力較弱。

上映前三周，在熱度數據方面，《魔獸》除了在騰訊社交平臺的熱度較高之外，在售票平臺想看指數、百度指數、微博熱度上都低于同期最大競品《X戰警》，因此針對當時的熱度水平進行了票房預測，對多大眾熱度傳播度不夠做出預警。

　　五、小結

在這個項目中，我們通過之前在游戲當中的積累以及和傳奇的合作，總結了用戶擴散、營銷測試一系列的精準營銷流程，沉淀了票房預測的方法，并在監測中通過數據反饋影片傳播效果，從而逐一地解答了營銷過程中提出的種種難題。隨著影視行業互聯網化的逐步推進，數據會更好的在各個環節流動起來，并貢獻核心的生產力。