方浩 马雅 杨流 张锐

摘要：影视产业与大数据应用的结合是大势所趋，文章基于扎根理论研究方法构建了影视产业大数据应用影响模型，明确了影视生产大数据辅助平台的内容信息架构应该划分为影视创作、影视传播、影视评估三个主要模块，得出影视大数据对各个概念范畴影响的权重值，为大数据在影视产业中应用的相关研究提供科学的指导方法和研究范式。

关键词：扎根理论 影视大数据 理论建构

大数据广泛应用于各行各业，具体到影视行业中则称之为“影视大数据”。影视大数据强调以网络为信息平台，指影视作品在创作、传播、接受等环节产生的海量数据信息以及对这些信息进行存储、处理及展现等系统的总称，主要包括用户大数据、内容大数据、渠道大数据。互联网时代，大数据的出现为影视产业的发展提供了新的动力，传统影视产品生产制作的各个环节都迎来了颠覆和重构。2013年被称为影视行业的“大数据元年”。该年，Google公司发布《利用谷歌搜索量化电影的魔力》白皮书，宣称据其数据模型可提前一个月对好莱坞电影首周电影票房进行预测，准确率高达94%。①同年，北美流媒体龙头网站Netflix凭借自制剧《纸牌屋》风靡全球，该剧由Netflix公司在其庞大的数据库中对3000万用户的收视选择、400万条评论、300万次主题搜索、大量的版权以及网站用户对网站功能的使用数据精准分析而制作产生。②二者的成功使人们意识到科技能够某种程度上参与影视艺术生产，因而掀起了影视大数据应用的热潮。此浪潮下，中国影视产业也开始借力大数据的应用探索新的产业构建模式，2015年出版的《中国电影产业研究报告》专门撰文论述以大数据为代表的互联网技术对业内带来的巨大影响，揭示大数据的应用如何为影视产业中项目的投资决策、演员组合、剧本修改、营销策略提供实际帮助。③大数据对于影视产业所能带来的影响成为了国内研究热点。但国内关于影视大数据的应用研究目前仍处于探索阶段，据现有研究，影视大数据的应用主要集中于影视生产中的创作、传播、接收三方面，④大多集中在阐述大数据在影视产业中某一环节的应用，以及对某一实例的分析，对大数据在整个影视产业中的应用方式没有形成系统化的认识，未能形成具有指导意义的理论研究。

因此，本文从影视产业中大数据的应用出发，探索影视大数据对于各生产环节的影响，分析大数据应用于影视产业中的影响维度与影响程度，为大数据应用与影视产业的衔接提供理论依据，辅助影视产业实现资源的有效配置。

研究设计

扎根理论（Grounded Theory，GT）產生并发展于社会科学领域，最早由Barney Glaser和Anselm Strauss两位学者提出，是一种在经验资料的基础上构建理论的定性研究方法，提倡在基于数据的研究中发展理论。经由长期的发展演化，迄今为止，Strauss和Corbin提出的程序化扎根理论在学界使用最为广泛，国内学者已将其运用至相关研究领域之中且成果颇丰。扎根理论主要宗旨是从经验资料的基础上建立理论，采取自下而上的归纳过程，强调从原始资料中整理出概念范畴间的合理联系以使其形成一个统一的整体，⑤其特点在于着重资料分析与理论建立，⑥适用于现有体系并不完善且难以解释实践现象的研究领域。因此，本文选取Strauss与Corbin所提出的程序化扎根理论作为研究方法（以下简称扎根理论），与本文研究内容更为契合，使用价值更高。

理论模型构建

随着大数据时代的来临，影视产业中的多个环节都受到了大数据应用的影响，围绕“影视大数据应用”这一核心范畴的故事线为：影视大数据的应用在前期的产品创作阶段便辅助制片方进行产品定位，使内容资源结构的配置更为合理;同时对用户行为、舆情动态及整体效益的监测更为精准，帮助产品把握制、营、发、放的总体方向;以大数据手段实现内容配置后，可使之为后续产品制作及宣发播映的资源配置等环节提供决策支持;鉴于互联网的传播特性，影视产品的创作与传播将不再孤立，在大数据的介入下逐渐发展出制播同步的生产模式，据此可实现产品内容与推广传播策略的实时调整，使产品制作流程更为高效，所生产的内容更契合受众需求;此类环节将为影视作品的后市场分析提供必要的数据供给，辅以市场消费环境特征分析及衍生产品市场分析，实现产业链衍生。与此同时，在以上环节运作期间，将产生极为珍贵的历史数据资源，成为影视大数据供给源之一，为未来决策提供有效的数据支持，实现影视资源的合理配置，帮助产业优化升级。

在大数据的驱动下，影视作品创作、传播、评估间的壁垒得以破除，传统的单向运作模式由此打破，影视产业间各环节得以联结。得益于技术手段的革新，影视作品的创作、传播、接收中各环节均得到了丰富的数据支撑，以此为决策提供指导性建议，同时，也借由各环节积累更多有效数据，辅助影视产业优化升级。

研究结果与讨论

基于扎根理论得到大数据在影视产业中的主要应用维度后，能够明确面向影视生产的大数据应用的信息架构应该划分为：影视创作、影视传播、影视评估三个主要模块。基于此，以Nvivo11-Plus对影视大数据应用这一核心范畴与各概念范畴节点间按单词相似性进行相关性分析，可初步得出影视大数据应用于其间的相关性，用皮尔逊系数表示。该系数被广泛用于两变量间相关程度衡量，相关系数绝对值大于0.8则为极强相关，0.6至0.8间为强相关，0.4至0.6间为中等相关，0.2至0.4间为弱相关，小于0.2则为极弱相关或不相关，将采用此标准进行相关性判别。

影视创作。本文在扎根理论研究过程中，发现影视大数据应用对于影视创作的影响主要集中于产品定位、内容配置、产品制作三个范畴。应用Nvivo11-Plus对影视创作各概念范畴节点与影视大数据应用这一核心范畴间按单词相似性进行相关性进行分析，相关分析结果见表1。

据皮尔逊系数相关性分析结果可见，影视大数据应用与影视创作各范畴间相关性较强，尤其是A1产品定位、A3产品制作范畴则稍弱。在与各概念节点的相关性分析中，与a6剧本评估、a7主创评选、a8制作进度指导等强相关，与a9剪辑策略评估为中等相关，其余概念节点与影视大数据应用均为极强相关。

在进行影视创作的大数据应用过程中，在A1产品定位环节，应重点突出a1前期市场划分与a4收益预估，其次才是a2需求挖掘与a3题材分析;对于A2内容配置，应侧重于a5历史内容分析，a6剧本评估与a7主创评选则应相应弱化;在A3产品制作环节，则应使a8制作进度指导概念突出，a9剪辑策略评估不能喧宾夺主。

影视传播。大数据的出现使得影视作品的传播方式由之前的单向传播转变为交互传播，突出了传播过程中传播者与受传者间信息传播的相互作用、相互影响的双向性和互动性。应用Nvivo11-Plus对影视传播各概念范畴节点与影视大数据应用这一核心范畴间按单词相似性进行相关性进行分析，分析结果见表2。

据皮尔逊系数相关性分析结果可见，影视大数据应用与影视传播间相关性极强，其中，与A4推广策划范畴的相关性十分显著。在与各概念节点的相关性分析中，除与a12热度追踪、a14播出平台分析、a15档期评估为强相关外，其余皆为极强相关，且与a13传播监测的相关度显著高于其他节点。

在影视传播的大数据应用过程中，应协同考虑皮尔逊系数相关性分析结果，清晰体现大数据应用于其中的重要程度。在A4推广策划过程中，应重点突出a13传播监测的内容设计，a10推广圈层定位与a11推广渠道分析次之，对于a12热度追踪应相对弱化;大数据对于A5发行播映的影响整体偏弱，在应用过程中，应更侧重于a14播出平台分析，对于a15档期评估的关注应较弱一些，不能本末倒置。

影视评估。随着大数据在影视产业中的运用，评估体系中的样本涵盖问题在很大程度上得到了优化，可完成各平台终端系统所有样本数据的采集工作，弥补了传统评估体系关注对象和调查方法存在的缺陷，使传播效果评估更客观、全面。⑥本文应用Nvivo11-Plus对影视评估各概念范畴节点与影视大数据应用这一核心范畴间按单词相似性进行相关性进行分析，结果见表3。

据皮尔逊系数相关性分析结果可见，影视大数据应用与影视接收间相关性极强，其中，与A6反馈洞察相关性更强。在与各概念节点的相关性分析中，除與a17舆情监测、a18效益监测为极强相关外，其余概念节点与影视大数据应用均为强相关。

在进行影视评估的大数据应用过程中，应使其行为构建符合研究结果，使其表达能体现大数据对其影响的强弱关系。在A6反馈洞察时，应着重a17舆情监测这一内容，a18效益监测重要性次之，a16观看行为捕捉最弱;大数据对于A7后市场分析的影响显著偏低，在评估过程中应有所体现，同时，大数据对其中a19消费特征分析的影响程度稍强，应使其较a20衍生市场分析更为突出。

结论与展望

本研究提出了一种基于扎根理论的影视大数据应用构建方法，结合当下影视产业发展的特点，收集影视产业中大数据应用的相关原始材料，总结提炼出影视产业中大数据应用环节及影响模式的节点标签，确立关键影响因子并凝练核心范畴，明确大数据对于影视产业的影响环节及其作用路径，构建了影视产业与影视大数据的相互作用关系模型。随后通过Nvivo11-Plus分析影视大数据应用这一核心范畴与各概念范畴节点间的相关性，以皮尔逊系数表示其影响程度，得出影视大数据对概念范畴影响的权重值，以此为依据确立影视创作、影视传播、影视评估过程中的主次与逻辑顺序。本文对影视大数据应用机理的构建与应用的逻辑化表达提出了指导与建议，以扎根理论为基础的研究方法能够较为科学地建立大数据在影视产业中的影响模型，有助于为今后影视产业中大数据应用的研究与实践提供策略建议，进而使得为影视作品的策划、创作、宣发等环节提供有力支持，辅助影视产业实现资源的有效配置。然而本文构建的影视产业与影视大数据的相互作用关系模型仍然存在不足之处，如能将影视作品更多的属性独立出来，作为大数据应用的引导标示，将大数据应用的内在作用机理类型化，则可以增加高水准制作项目的成功率，这一点有待后续研究逐步完善。

（作者单位：中国地质大学 北京电影学院）

注释：①郑培源：《影视业如何玩转数字魔方》，《上海证券报》，2013/06/20。

②徐 琦：《“大数据”如何驱动电影产业创新》，《新闻研究导刊》，2013（8）。

③中国电影家协会：《中国电影产业研究报告2015》，世界图书出版公司北京公司，2015年5月版，第220页。

④车 玥：《大数据时代影视产品生产规律探寻——《纸牌屋》的启示》，《知识经济》，2013（16）。

⑤Strauss， A. and J. Corbin.“Grounded theory methodology — an overview”， in Norman， K. D.and S. LYvonnaeds.，Handbook of Qualitative Research [M]，Sage Publications，1994： 273–285.

⑥胡幼慧：《质性研究：理论、方法及本土女性研究实例》，台北，巨流出版社，1996年版，第34-36页。