Datamining onthult de verrassende factoren achter succesvolle films

De komedie van 2007 Evan Almighty met Steve Carell en Morgan Freeman, twee grote box office-sterren. Dus in sommige opzichten is het niet verwonderlijk dat de film meer dan $ 100 miljoen aan inkomsten binnenhaalde. Ter vergelijking: de komedie uit 2001 Super Troopers speelde een aantal relatieve onbekenden en verdiende maar liefst $ 18,5 miljoen.

En toch zou een verstandige belegger vrijwel zeker de tweede kiezen in plaats van de eerste om in te beleggen. Dat komt omdat Super Troopers kost slechts $ 3 miljoen om te maken, vergeleken met Evan Almachtige's $ 175 miljoen, en produceerde een investeringsrendement van meer dan 5, vergeleken met -0,4 voor de grotere film.

Maar hoe bepaal je vooraf waarin je investeert? Vandaag krijgen we een soort antwoord dankzij het werk van Michael Lash en Kang Zhao van de Universiteit van Iowa. Deze jongens hebben een database gemaakt met meer dan 100 categorieën filmgerelateerde informatie, zoals het budget en de inkomsten, de betrokken sterren, waar de film over ging en wanneer deze werd uitgebracht, en gebruikten vervolgens een algoritme voor machine learning om patronen te ontdekken die winstgevendheid voorspellen. En de resultaten zijn verrassend.

Het team begon met het combineren van gegevens uit twee online bronnen: de Internet Movie Database en BoxOfficeMojo. Op deze manier verzamelden ze gegevens over meer dan 14.000 films en 4.000 acteurs, regisseurs, enzovoort, met name over films die tussen 2000 en 2010 zijn uitgebracht.

Lash en Zhao gebruikten deze gegevens vervolgens om uit te zoeken hoe ervaren individuele acteurs waren, hoeveel inkomsten en winst elk van hun films had gemaakt en of ze in films waren verschenen met andere acteurs. Ook voor bestuurders deden ze een soortgelijke berekening.

Ze gebruikten ook de plot-samenvattingen op IMDb om de inhoud van de films te vergelijken. En ze berekenden een return on investment voor elke film om een ​​idee te krijgen van de winstgevendheid.

De taak van het machine-learning-algoritme was om door deze gegevens te jagen op zoek naar patronen die correleren met winstgevendheid.

Het blijkt dat de factor die het sterkst gecorreleerd is met de winstgevendheid van een film, de gemiddelde bruto-inkomsten zijn van eerdere films van de regisseur. Met andere woorden, bestuurders die in het verleden meer inkomsten hebben gegenereerd, zijn gecorreleerd met een grotere winstgevendheid in de toekomst.

In veel opzichten is dat niet verwonderlijk. Goede regisseurs, zoals Christopher Nolan, zijn vaak goed bekend bij het bioscooppubliek en kunnen een grote aantrekkingskracht uitoefenen.

De resultaten zorgen echter voor een grote verrassing. Ze laten zien dat populaire sterren gecorreleerd zijn met hogere inkomsten, maar niet met winstgevendheid. Met andere woorden, grote sterren trekken menigten, maar ze garanderen geen winst, vermoedelijk omdat ze in de eerste plaats veel kosten om in te huren.

Andere factoren die van belang blijken te zijn, zijn of de film een ​​R-rating heeft of als buitenlands wordt aangemerkt, wat vermoedelijk samenhangt met lagere winsten (hoewel Lash en Zhao dit niet duidelijk maken).

Onze experimenten op basis van 11 jaar films laten zien dat [ons algoritme] goed werk kan leveren bij het voorspellen van het succes van films, zeggen ze.

Dat is een merkwaardige studie die overtuigingskracht mist. Er zijn verschillende manieren om het succes van de kassa van tevoren te voorspellen, hoewel er maar weinig gericht zijn op investeerders, die uiteraard vroeg in het proces moeten worden betrokken.

Als we deze methode moeten geloven, toont het de echte waarde van een regisseur met de juiste staat van dienst en laat het ook zien dat sterrenkracht niet de garantie voor succes is die velen zich misschien voorstellen. Dat is iets waar de investeerders in Evan Almighty misschien nuttig gevonden om te weten aan het begin van het productieproces van die film.

De echte test ligt natuurlijk niet in het voorspellen van het verleden, maar in het voorspellen van de toekomst. Als dit algoritme in staat is om potentieel winstgevende films te selecteren voordat ze zelfs maar gemaakt zijn, dan zullen Lash en Zhao welvarende individuen worden. We zijn benieuwd hoe het ze vergaat.

Referentie: arxiv.org/abs/1506.05382 : Vroege voorspellingen van filmsucces: het wie, wat en wanneer van winstgevendheid

zich verstoppen