《魔兽》的上映，对于十年魔兽玩家来说，是一个隆重而盛大的线下派对揭幕仪式;对于腾讯影业来说，这是一个检验一年半以来秣马厉兵成绩的重要节点;而对于身在影业数据团队来说，则更像是一个揭开谜底的时刻。

张敏 腾讯影业影视数据中心

从腾讯影业接手《魔兽》这个项目以来，影业数据团队就跟制作方传奇影业30人的数据团队建立了深入的合作关系。传奇影业制作发行过《宿醉》、《蝙蝠侠》系列以及《盗梦空间》等大家喜闻乐见的电影，在数据辅助电影制作发行方面都相当专业。

这跟我们希望通过互联网技术和大数据提升传统影业产业效率的想法相一致。在这次的合作当中，我们将数据营销很好地融合到好莱坞的解决思路中，对《魔兽》宣发全过程中提供了细致的数据服务支持。

如今《魔兽》已经下映，国内票房达14.7亿，是国内首部上映两日票房过6亿影片，也是首部最快破9亿纪录的进口片，国内票房占全球票房53%。即使你没有去看，肯定也被超强的刷屏风潮所影响。当票房已尘埃落定，我们希望通过电影推广过程的中一些思考，复盘数据营销如何融入和改变传统的影业宣发。

数据挖掘从早期即开始深度介入，重点解决以下问题：

一、用户是谁?

二、如何对用户做精准营销?

三、如何监测并优化营销效果?

四、票房目标是多少?

下文将针对不同的模块进行介绍。

数据支持流程示意图

一、用户画像——建立用户初步理解

对目标用户的认知和理解是营销的起点。我们通过标签体系定向挖掘到了第一批种子用户，通过和影视用户以及大盘用户的对比分析，我们发现：

核心用户男性占比明显高于电影兴趣用户以及大盘用户，说明影片对影视核心用户的女性来说，会有吸引力不足的风险。

核心用户相比电影兴趣用户，年龄更加成熟，23-26岁用户占比更多。说明对于年轻的消费者来说，会有影响力不足的风险。

用户和游戏的重合度较高，后续可以和游戏平台合作。

我们在早期就初步勾勒出核心目标用户画像，并提示了影片有可能过于核心向、女性用户、路人转化难度大等风险，推动后续营销点更聚焦与边缘用户上。

二、精准营销——用户引爆点

本阶段的核心目标是：通过核心人群特征找到相类似的用户，在多次营销测试当中优化筛选模型，测试用户兴趣点，匹配用户和最合适的素材。

在早期的挖掘当中我们定位了部分魔兽核心用户，但是这个规模远远不能满足营销的要求，影片的特点要求我们不能只转化和投放核心用户，必须有更广泛的覆盖。

因此我们使用了Lookalike 模型，可以形象地理解其为“粉丝爆炸器”，帮助我们从核心用户快速复制出大批量的相似用户。通过这个方式，将魔兽核心用户规模扩展了40多倍，同时还保证了一定的ROI。

同理，我们通过大数据定位筛选出了西方魔幻类影片粉以及吴彦祖粉。通过这个环节，即使你不是魔兽玩家，没有听说过魔兽，也有很大的机率收到魔兽的相关推广。

用户扩散模型原理示意图

找到了这部分用户，我们还需要知道他们分别对哪些营销内容感兴趣。基于对几类用户的营销认识，我们提出了几个卖点，分别对用户进行了投放测试，最终挑选出更受欢迎的素材。

通过用户挖掘、用户扩散、营销测试优化、素材测试这一系列的工作，我们确定了目标用户以及匹配的素材。在正式投放中，文案分为魔兽、游戏、观影和普通用户4类，对应不同的用户进行投放。最终目标用户较普通用户的点击率提升78%。

通过确立目标用户，并进行针对性营销推广，通过营销效果反馈进一步优化模型，定位用户，逻辑大致如下：

在这阶段根据对业务的理解，以及现有资源去建立我们的种子用户库：

a)通过数据挖掘及预告片观看采集了魔兽文化相关用户;

b)魔幻类型电影的观看用户;

c)吴彦祖粉丝群。

我们通过训练分类器模型和用户特征聚类进行用户扩散，以达到拓展用户规模的目的。

三、营销热度面面观——实时反馈营销效果

广告和各种话题抛出去之后，在用户中的接受度，传播度如何?这时就需要去搜集用户反馈。宣传效果反馈贯穿整个宣发期以及上映期，对宣发过程中用户的评论进行及时反馈，优化营销话题;并通过和竞品的实时比较，更快了解营销过程当中的优势和不足。以下以首支预告片发布以及上映前后一个月的热度数据为例说明。

首支预告片发布之后的数据跟踪：

在15年10月首次发布视频片段之后，通过大数据跟踪表明：用户正面评价占比远超过负面评论，核心粉丝表示对电影极大的期待，同时，联盟和部落的对抗、吴彦祖都具有较高的提及率，这两点也是后续重要的营销话题带动点。

在负面评论当中，故事性欠缺、魔兽争霸的剧情、种族过少等将会是口碑的风险点，警示需要对魔兽的故事进行更多的前期宣导。

宣发爆发期大数据跟踪：

上映日之前传播热度有三个峰值，分别是一个月前定档信息的发布，26日全球上映之后，《魔兽世界》观影守则以及首批影评的传播，以及上映前4-5天各类票务福利的传播。

《魔兽》整体热度远高于同期竞品。从上映后的传播量来看，上映日当天，腾讯社交上的分享量是竞品同期的36倍。但是热度在第二个周末下滑较为明显。

四、票房预测——打开票房黑盒子

首先要说明的是，票房预测影响因素非常的多，每个因素最终对票房影响权重，也是因影片而异，预测的难度非常大。因此项目中的票房预测，更多的是探索对业务的应用场景。

票房预测对于业务的帮助：

1、通过业务KPI，反推每日需要达到的排片以及票房值。

2、通过热度数据预测票房值以及竞品票房预测值，警示业务风险。

针对营销过程中提出的票房目标，我们通过对以往的好莱坞商业片建模，反推了每日需要达到的票房值以及排片，给发行团队做参考。通过后续和实际票房的结果对比发现在端午节三天长假当中，实际票房超出预期，但是在次周的票房续航能力较弱。

上映前三周，在热度数据方面，《魔兽》除了在腾讯社交平台的热度较高之外，在售票平台想看指数、百度指数、微博热度上都低于同期最大竞品《X战警》，因此针对当时的热度水平进行了票房预测，对多大众热度传播度不够做出预警。

五、小结

在这个项目中，我们通过之前在游戏当中的积累以及和传奇的合作，总结了用户扩散、营销测试一系列的精准营销流程，沉淀了票房预测的方法，并在监测中通过数据反馈影片传播效果，从而逐一地解答了营销过程中提出的种种难题。随着影视行业互联网化的逐步推进，数据会更好的在各个环节流动起来，并贡献核心的生产力。