数据分析:2016年电影总票房简单趋势

本文分析的数据,来源于中国票房网(cbooo.cn)中『票房』的『年度票房』查询,其标注数据来源于『EBOT艺恩票房智库』。

一、数据说明

本文分析的数据,来源于中国票房网(cbooo.cn)中『票房』的『年度票房』查询,其标注数据来源于『EBOT艺恩票房智库』。分析年度起始选择第一次出现10亿总票房的年份,故选取2010年至2016年的数据。为便于较为准确、有效分析,每年度选取前10名,数据类型为网站提供,具体依次为『排名:影片名、类型、总票房(万)、平均票价、场均人次、国家及地区、上映日期』。

本文主要是因为喜欢数据分析,但没有工作经验,目前找不到工作,感觉没有头绪。于是在『数据分析-数据产品(群号:279680265)』群里聊了两句,感谢群里『老读悟@悟空数据』的热情回答,就按照他的说的,想写个题目为『2016年电影票房趋势有什么不同』分析文章。

大家如果觉得分析还可以,有点意思,请联系bingwork@qq.com。

二、分析内容

趋势一:总票房前10的主要是有视觉震撼效果的,魔幻、科幻和动作、动画等类型影片。

(1)2010年至2012年,影片类型分布均匀,主要类型基本包含2个影片,主要类型为科幻、动作、魔幻和爱情、动画、战争,视觉震撼效果和感情表达均有涉及。

(2)2013至2015年,影片类型分布集中,主要类型包含3个至5个影片,可以说2013年为『科幻+爱情』年,2014年明显为『科幻』年,2015年为『动作+喜剧』年,以视觉震撼效果为主。

(3)至于2016年,目前影片分布较为均匀,但按照前两年趋势发展,可能也是以『动作』等视觉震撼效果的影片为主。

数据分析:2016年电影总票房简单趋势

趋势二:总票房最高纪录和排名前列的影片总票房持续升高,且遥遥领先其它影片。

(1)2010年至2016年上半年期间,总票房第一名,或者第一名和第二名相差不大的影片,总票房持续不断升高,且遥遥领先其它影片。

(2)2015年第三名至第七名总票房,已经超过2013年至2010年最高总票房影片。

(3)2016年很可能排名前列的影片总票房继续升高,或许会出现第二名与第一名相差不大的现象。

数据分析:2016年电影总票房简单趋势

趋势三:平均票价平均值缓慢降低,最低值基本不变,最高值也缓慢降低,电影票越来越便宜实惠。

(1)2010年至2016年上半年期间,平均票价平均值缓慢降低,最高值与最低值的差距也缓慢降低,电影票价格基本在稳定小范围的便宜实惠区间。

(2)总票房最高的平均票价,也逐步降低,跟平均值接近。

数据分析:2016年电影总票房简单趋势

(3)通过对总票房除以平均票价,得出影片平均总人次,可以看出,在票价区间越来越小的情况下,平均总人次名词,基本决定总票房名词。

数据分析:2016年电影总票房简单趋势

 

趋势四:场次人均数逐渐降低,总票房最高影片的场均人次几乎就是场均人次最多的。

(1)2010年至2016年上半年,场均人次平均值逐渐减低,说明平均每场看电影人数减少。

2)如果场均人次最多,那么该影片很可能就是本年度总票房最高的影片。

数据分析:2016年电影总票房简单趋势

(3)通过平均总人次除以场均人次,可以得到影片平均场次数。2010年至2016年上半年,平均场次逐步提高,不同于总票房的变化规律。

(4)因为场均人次平均值的减少,影片票房要高,那么平均场次也要高。

数据分析:2016年电影总票房简单趋势

趋势五:2016年总票房较高的影片,应该以中国地区影片为主。

(1)2010年至2012年,总票房最高影片主要以美欧地区为主。

(2)2013年至2015年主要为中国地区影片,反映我国影片质量的提升。

(3)2016年上半年两地区影片基本相当,全年和可能继续以中国影片总票房为主。

数据分析:2016年电影总票房简单趋势

 

趋势六:2016年如果要超过目前总票房最高的影片,很有可能出现在7月份。

(1)总票房第一的影片,一般出现在1、2月份(过春节,影院娱乐),或者6、7月份(天气热,影院消遣),影片以科幻、魔幻等视觉感受强烈为主。

(2)也有出现在4月或者12月份,影片以精神感受为主。

(3)以此来看,2016年上半年已经出现总票房很高的影片了,如果还有可能出现接近或者超过最高票房的影片,主要看7月份左右。

 

dianyingpiaofang (8)

 

最后总结一下,本文主要是定性比较分析,有两个趋势还是比较有意思的:

(1)如果场均人次最多,那么该影片很可能就是本年度总票房最高的影片。

(2)2016年如果要超过目前总票房最高的影片,很有可能出现在7月份。

本文由 bingwork 投稿至 数据分析网 并经编辑发表,本文链接:https://www.afenxi.com/16799.html 。内容观点不代表本站立场,如转载请联系原作者。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code