查看原文
其他

Hey精选|利用深度学习预测模型对影院进行科学选址(一)

zhanggm 极海纵横 2019-06-30


文娱行业是当下的一块热土,宏观经济下行带来的“口红效应”,让传统行业产能过剩和文娱产业爆发增长呈现出“冰火两重天”。以电影院线为代表的线下娱乐消费和以网剧为代表的线上娱乐消费,成为拉动文娱产业的两驾马车。数据显示,到 2020 年,中国文娱产业总体规模有望达到一万亿元。万亿级的市场蛋糕,自然会吸引资本趋之若鹜,在火热的资本环境推动下,中国正在进入文娱产业“黄金时代”。

作为两大马车之一的电影业,近年来呈快速发展趋势。根据国家新闻出版广电总局电影局数据统计,最近六年全国电影总票房总体呈现快速上升的趋势,自 2011 年起的 131.2 亿元增长至 2016 年的 457.1 亿元,最近六年复合增长率为 23.74%。2016 年电影市场在 2015 年的高位基础上保持稳定增长。

我国观众的观影习惯逐步形成。最近六年全国观影人次从 2011 年的 3.5 亿人次增长至 2016 年的 13.7 亿人次,年复合增长率达 25.53%。我国电影院数量也呈显著增长趋势,从 2011 年的 2800 个增长至 2016 年的 7853个。

中国电影院数据逐年增加,特别是2016年相比2015年增加了1612个,达到了八千多家,今年电影院仍在增加,截止到目前约有近九千家在营业的影院。


新增的电影院不可避免的涉及到选址问题。最传统的选址方法是派人到实地深入调查,这不仅耗时耗力,而且还存在很大主观因素,并且而将范围扩展至多个城市的时,个人和小团队仅凭商业直觉和有限的知识是远远不够的。这从而推动了利用商业数据进行商业选址,在美国选址的地理数据分析已经很成熟了,但在国内,地理数据选址分析却一直处于瓶颈状态。一方面是地理信息的获取难度高。作为分析建模的基础,没有靠谱的数据,实属巧妇之无米之炊。另一方面是建模的难度大。海量的初始数据存在精确度问题,没有相关的经验,很难把大数据驱动起来。


得益于公司在大数据方面的积累,GeoHey拥有了丰富的地理大数据来做选址分析,数据包括但不限于交通数据、轨迹数据、数千万的POI数据、房价数据等。


下图是搜集了8月份以来,每家影院的票房数据、影院屏幕数、座位数等数据,结合GeoHey的地理大数据,创建一个深度学习影院票房预测模型,对影院选址提供决策依据,本篇先开个头,在后续的文章中将介绍如何使用该模型及其预测效果。

点击图片了解详细数据)


往期精选

关注极海


点击【阅读原文】填写调查问卷

免费获取3个月极海云平台标准版服务

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存