这份报告通过腾讯空间对近期15部电影积累的数据，给出了7点结论：

√ 一部电影在QQ空间里的讨论次数与票房成正比

√ 不同地区群体对不同电影的爱好有区别

√ 独自看、结伴看与电影题材有关

√ 学历高低影响电影爱好

√ 性别与电影爱好有关

√ 年龄与电影爱好有关

√ 口碑效应：再低调也会影响98个小伙伴

√ 物以类聚，人以群分——电影与一些人物或者产品具有关联

在后续分析的时候，我发现这份报告忽略了一个比较重要的数据：数据的时间点。例如冯小刚喜欢拍贺岁片，其定位与传播必然有特殊性。

为了得到更有价值的结论，我们首先要将这些数据信息重新归类。从媒体营销的角度，我们可以将上述信息归纳为3个类别：

1、定位： 包含这些元素：

√ 不同地区群体对不同电影的爱好有区别

√ 独自看、结伴看与电影题材有关

√ 学历高低影响电影爱好

√ 性别与电影爱好有关

√ 年龄与电影爱好有关

√ 物以类聚，人以群分——电影与一些人物或者产品具有关联

2、传播 包含如下元素：

√ 口碑效应：再低调也会影响98个小伙伴

√ 物以类聚，人以群分——电影与一些人物或者产品具有关联

3、数据指标 包含一个元素：

一部电影在QQ空间里的讨论次数与票房成正比

其次，我们按照上述腾讯空间数据分析报告来总结几个结论，影视剧在网络媒体上传播特征或者关键点是什么？

1、我们发现场景分析是媒体数据营销的重要手法。这份报告之所以从年龄、性别、地区、是否结对等数据维度取样，就是应用了场景分析的方式。不仅数据分析需呀场景分析，数据应用也需要这样的手法。

2、网络媒体的传播离不开社会化。“口碑效应：再低调也会影响98个小伙伴”就是最直接的数据结论。因此在传播中我们必须着重考虑：谁向谁传播?什么群体更容易主动发起传播？谁最容易接收数据？

3、数字化评估是新媒体传播的最关键优势，可是实现数字评估我们必须做两件事：建立评估数据模型、建立评估数据库。

下面我们一起探讨如何应用大数据来实施影视剧的媒体营销。

第一步：确定人群定位。

过去，定位都是制片人或者导演自说自话的东西，网站优化，例如“这部电影面向XXX人群”。在大数据面前，营销者必须进行一个革命性的改进——数字说话。我们来看大数据给我们带来了什么好处：

1、类似题材的数据参考。例如《蜘蛛侠N》和《蜘蛛侠N+1》的营销推广，前一部的精准数字积累价值太高了。无论数据还是策略，软件开发，数据参考都远比人的猜测更有价值。

2、人群定位分析。过去大数据常常仅限于数据统计，或者说事后诸葛亮。从腾讯空间的这份报告可以看出，你可以用大数据去预判很多。每一部大片上市之前，都有花絮、传闻、剧情等信息事先释放和预热。我们完全可以利用预热阶段的空间热度去判断关注者的年龄、性别、职业、地区、学历等信息。

3、人群热度预测。每一部大片预热期的表现会大大影响最终票房结果，那么预热期的历史数据是可以参考的。对预热期腾讯空间、百度指数等数据的监测，可以为广告投放力度、地区投放、人群定向投放等提供数字依据。

第二步：确定传播计划。

在传播阶段，有2个很重要的概念：

其一，媒体营销，社会化越来越重要，而社会化的核心是种子群体的选择，或者说意见领袖的选择；

其二，活动营销即是精准数据的过滤器又是精准数据的催化剂。 我们看到腾讯空间的这份报告用这些标签来确定种子用户：年龄、性别、学历、地区、是否结对、相关性。

定位可以确定传播策略，也就是我曾经指出的三大环节：创意、渠道、方法。有如下细节：

√ 选取意见领袖。相关性可以评估代言人，从定位群体的相关性我们可以用大数据来决定请谁做代言人！相关性确定传播渠道，每一类人习惯的获取信息的渠道是不同的。按照年龄、学历、地区、性别确定第一轮落点。

√ 选择传播方式。例如报告结论有一段——结对与否确定向闺蜜传播还是向男伴侣传播。也就是用大数据做依据来确定具体传播渠道。

√ 设计相关活动。不同定位人群爱好的活动是有定式的！

第三步：大数据指导下的实施过程。 该过程是这样的：第一轮传播——>过滤出下一级关键传播点——>再次传播——>传播评估与调整——>数据积累与转化。