电影票房预测
电影票房预测中的数据分析方法研究
电影票房预测中的数据分析方法研究在当今的电影产业中，准确预测电影票房对于电影制作公司、发行商、投资者以及相关从业者来说具有至关重要的意义。
有效的票房预测不仅能够帮助他们制定合理的营销策略、优化资源配置，还能降低投资风险，提高经济效益。
而数据分析方法在电影票房预测中发挥着越来越重要的作用，为行业提供了有力的决策支持。
一、电影票房预测的重要性电影制作和发行是一项高风险、高投入的商业活动。
一部电影的成功与否，不仅取决于影片的质量和创意，还受到市场环境、观众口味、竞争态势等多种因素的影响。
如果能够提前对电影票房进行较为准确的预测，就可以在影片的制作、宣传、发行等环节做出更明智的决策，从而提高电影的成功率和收益。
对于电影制作公司来说，票房预测可以帮助他们评估项目的可行性，合理安排制作预算，选择合适的导演、演员和剧本。
对于发行商而言，票房预测有助于制定精准的发行策略，确定上映档期和院线排片，提高影片的曝光度和票房收入。
对于投资者来说，票房预测是评估投资风险和回报的重要依据，有助于他们做出理性的投资决策。
二、影响电影票房的因素要进行准确的电影票房预测，首先需要了解影响电影票房的各种因素。
这些因素可以大致分为以下几类：1、影片自身因素类型：不同类型的电影在票房表现上往往存在较大差异。
例如，动作片、喜剧片和科幻片通常更容易吸引观众，票房成绩相对较好；而文艺片、纪录片等小众类型的影片票房可能相对较低。
导演和演员：知名导演和演员的加盟往往能够增加观众对影片的期待和信任，从而提高票房。
剧本质量：一个引人入胜、富有创意的剧本是吸引观众的关键因素之一。
制作质量：包括特效、画面、音效等方面的制作水平，高质量的制作能够提升影片的观赏性和竞争力。
2、市场环境因素档期：影片上映的档期对票房有着重要影响。
例如，春节档、暑期档、国庆档等热门档期通常观众观影需求旺盛，票房潜力较大；而一些淡季档期票房可能相对较低。
竞争对手：同期上映的其他影片的竞争情况也会影响票房。
电影票房预测算法研究
电影票房预测算法研究一、背景介绍随着电影产业的不断发展，电影票房数据越来越成为重要的衡量电影成功与否的指标。
因此，电影票房预测算法成为电影行业的研究热点之一，对于电影制作方和发行方制定电影投资策略和推广方案具有重要的参考价值。
二、电影票房预测算法的分类目前，电影票房预测算法主要分为两类：基于数据挖掘和机器学习的预测算法和基于社会网络和大数据分析的预测算法。
1. 基于数据挖掘和机器学习的预测算法基于数据挖掘和机器学习的电影票房预测算法是根据历史票房数据、电影类型、导演、演员、评分等因素，通过数据挖掘和机器学习的算法建立模型进行预测。
常见的算法有支持向量机（SVM）、随机森林和神经网络等。
2. 基于社会网络和大数据分析的预测算法基于社会网络和大数据分析的电影票房预测算法利用社交网络平台传播的信息和用户行为数据，通过大数据分析挖掘潜在的观影意愿和口碑，通过社会网络传播力和口碑效应预测票房。
常见的算法有文本分析、社交网络分析和数据挖掘等。
三、电影票房预测算法的应用电影票房预测算法可以用于电影制作方和发行方的决策和投资建议，具体应用包括：1. 电影市场调研和分析电影票房预测算法可以帮助电影制作方预测不同类型电影在不同市场的表现和受众需求，提供科学依据，降低投资风险。
2. 推广策略制定电影票房预测算法可以帮助电影发行方确定电影推广策略，并预测电影推广效果，选择适合的推广模式和渠道，提高宣传效果和口碑。
3. 及时调整热点电影排片电影票房预测算法可以帮助影院及时调整电影排片，根据社交网络反馈和预测票房变化而进行相应调整，提高票房收入。
四、电影票房预测算法存在的问题及展望尽管电影票房预测算法在电影产业中的应用前景广阔，但是也存在许多问题和挑战：1. 算法建模过程中存在理论难点和挑战，需要发展新的算法和模型，进一步提高预测精度。
2. 所涉及的因素复杂并存在不确定性，例如电影制作方和发行方的影响力、社会网络平台的传播力和舆论环境等，需要完善原始数据的收集和处理。
电影行业的票房预测与评估
电影行业的票房预测与评估电影行业一直以来都是人们热衷关注的话题，而票房成为评判一部电影是否成功的重要指标。
因此，准确的票房预测与评估对于电影从业者以及观众来说都具有重要意义。
本文将探讨电影行业的票房预测与评估方法、影响票房的因素以及未来的发展趋势。
一、票房预测方法票房预测是通过对电影相关数据的分析和推算，从而预测电影在上映后的票房表现。
以下是一些常见的票房预测方法。
1. 大数据分析法：通过利用海量的历史票房数据和电影相关数据，运用数据挖掘和机器学习等技术，对电影的潜在市场需求进行分析和预测。
这种方法具有高效、准确的特点，能够帮助电影从业者更好地掌握观众喜好和市场趋势。
2. 社交媒体分析法：近年来，社交媒体的兴起为电影票房预测提供了新的角度。
通过对社交媒体上人们的评论、转发和讨论进行分析，可以了解观众对电影的反馈和兴趣程度，从而预测票房表现。
这种方法对于大众口碑电影的预测效果较好。
3. 调查问卷法：这是一种传统的票房预测方法，通过向观众发放调查问卷，了解他们对电影的期望和购票意向，从而预测电影的受欢迎程度和票房潜力。
虽然这种方法存在一定的主观性，但仍在一定程度上被应用于电影行业。
二、影响票房的因素电影票房的高低受到多方面因素的影响。
以下是一些常见的影响票房的因素。
1. 电影品质：电影的质量、故事情节、演员表现等直接关系到观众的满意度和购票意愿。
一部好的电影往往能够吸引更多观众并获得高票房。
2. 电影类型：观众对不同类型电影的喜好程度不同。
一些受众较广泛的类型，如动作片、喜剧片等通常能够获得较高的票房。
而一些小众类型电影可能面临票房困难。
3. 营销策略：电影的宣传和营销对于票房的成功至关重要。
通过巧妙的宣传手段和广告营销，可以提高观众对电影的关注度和购票欲望。
4. 竞争环境：电影市场竞争激烈，同一时期可能有多部电影上映。
因此，电影的票房还会受到其他同期上映电影的竞争影响。
三、未来发展趋势随着科技的不断发展和观众需求的变化，电影行业的票房预测和评估方法也在不断演进。
电影票房预测模型
电影票房预测模型随着电影产业的快速发展，电影票房预测成为了电影制作和发行过程中的重要环节。
电影票房预测模型是通过分析和挖掘大量的数据，预测电影在上映后的票房表现。
这些模型可以为电影制片方、发行方和投资者提供决策依据，帮助他们制定更加准确的上映计划和营销策略。
电影票房预测模型的建立首先需要收集和整理相关的数据。
这些数据包括电影的类型、导演、演员阵容、上映日期、影院数量、宣传预算等信息。
此外，还可以考虑一些非常规因素，如电影的社交媒体热度、口碑评分、预售票情况等。
通过对这些数据进行分析和处理，可以建立起一个多维度的电影票房预测模型。
在建立电影票房预测模型时，可以采用一些常见的机器学习算法，如线性回归、决策树、随机森林等。
这些算法可以根据历史数据的模式和规律，建立起一个数学模型，来预测未来电影的票房表现。
通过训练模型和验证模型的准确性，可以选择最合适的算法，并通过不断调整参数来提高预测的准确性。
除了传统的机器学习算法，还可以使用深度学习算法来进行电影票房预测。
深度学习算法可以通过构建多层神经网络模型，自动学习和提取电影数据中的特征，并进行预测。
相比于传统的机器学习算法，深度学习算法在处理复杂和非线性的问题上具有更强的能力，可以提高电影票房预测的准确性。
在建立电影票房预测模型时，还需要考虑一些特殊情况和因素的影响。
例如，大型节假日或重要影视奖项的影响，都可能对电影的票房表现产生重要影响。
因此，在建立模型时需要考虑这些因素，并加以适当的调整和权衡。
除了建立模型，还可以通过数据可视化的方式来展示电影票房预测结果。
通过图表、图像和动画等形式，可以将复杂的数据模型和预测结果以直观的方式展现出来，使决策者更容易理解和接受。
然而，需要注意的是，电影票房预测模型并不是绝对准确的。
尽管模型可以利用历史数据和现有信息来预测未来的票房表现，但电影市场的变化和不确定性使得预测结果可能存在一定的误差。
因此，在使用电影票房预测模型时，需要结合其他因素和专业人士的意见，进行全面的分析和判断。
电影票房数据分析与
电影票房数据分析与预测电影票房数据分析与预测在电影产业中，电影票房是评估一部电影商业成功的重要指标之一。
电影票房数据分析与预测成为了电影公司、制片人和投资者们关注的焦点。
本文将对电影票房数据进行分析，并探讨预测电影票房的方法和工具。
一、电影票房数据分析1. 数据来源电影票房数据来源广泛，其中包括专业机构收集的票房数据、院线统计数据、互联网平台数据等。
根据数据的来源和可信度，我们可以采用不同的数据进行分析和研究。
2. 数据分析方法电影票房数据的分析方法多种多样。
常用的方法包括描述性统计分析、趋势分析、回归分析、分类分析等。
通过对票房数据进行分析，我们可以了解电影的受众特征、观影习惯和市场需求等，为电影制作和宣传提供有价值的参考。
3. 数据可视化对电影票房数据进行可视化处理，可以更直观地展现数据的分布和趋势。
通过图表、地图等形式，我们可以清晰地观察票房的时空分布规律，为电影票房的预测提供依据。
二、电影票房预测1. 预测模型电影票房预测是基于历史数据和相关变量构建预测模型，对未来电影票房进行推断和预测。
常用的预测模型包括趋势模型、回归模型、时间序列模型等。
根据实际情况和需要，我们可以选择适合的模型进行预测。
2. 数据特征选择在构建预测模型之前，需要对数据进行特征选择。
通过统计分析和相关性分析，确定对电影票房有影响的关键特征变量。
这些变量可以包括电影类型、演员阵容、制片成本、市场宣传力度、上映时间等。
3. 模型评估与调整构建好预测模型后，需要对模型进行评估和调整。
通过与实际数据进行比对，计算误差和准确度指标，判断预测模型的可靠性和有效性。
如果模型预测结果偏差较大，需要进行模型调整和优化。
三、电影票房数据分析与预测的应用1. 市场竞争分析通过对电影票房数据的分析，我们可以了解不同类型、不同规模的电影在市场上的竞争情况。
对竞争对手的票房情况进行分析，可以为电影公司制定更科学的市场营销策略提供参考。
2. 投资决策支持对电影票房数据的分析和预测，可以帮助投资者进行决策，降低投资风险。
电影票房预测算法研究
电影票房预测算法研究随着电影市场的不断繁荣，电影票房成为了一个备受关注的话题。
一部优秀的电影可以轻松获得高票房，而一部差劣的电影则可能愁云密布。
如何预测电影票房？这是一个非常重要的问题。
本文将探讨一些电影票房预测算法的研究成果。
一、基于电影类型和演员的预测算法首先，我们可以根据电影的类型和演员的表现来预测电影的票房。
由于观众对于不同类型的电影有不同的偏好，因此同样品质的电影在不同的类型中的票房表现也会有所不同。
我们可以通过分析观众的偏好，在不同的电影类型中进行比较，预测电影在各类型中的票房表现。
同样地，演员的表现也会对电影的票房产生重要的影响。
演员的知名度和演技往往是吸引观众去观看电影的重要因素之一。
因此，我们可以通过分析演员的知名度和演技，来对电影的票房进行预测。
二、利用社交媒体数据的预测算法除了电影类型和演员外，观众的反响和社交媒体数据也是预测电影票房的一个重要因素。
社交媒体数据对于电影市场的影响正在逐渐增强。
通过监测社交媒体上与电影相关的谈论和话题，我们可以了解观众当前对该电影的态度和反响，从而更加准确地预测电影的票房。
三、基于历史数据的预测算法除了上述方法外，我们还可以通过历史数据来预测电影票房。
利用历史数据分析电影市场的趋势和演变，可以更加准确地预测电影的票房表现。
历史数据中包括了电影的类型、演员、制作团队、上映时间、评分等等因素，这些都可以作为预测电影票房表现的参考。
电影票房预测算法对电影产业非常重要，是电影市场发展中不可或缺的一部分。
在未来，我们可以发展更多更加准确的预测算法，从而更好地预测电影的票房表现，提高电影市场的竞争力。
电影票房预测方法的比较研究
电影票房预测方法的比较研究一、引言在电影产业中，票房是衡量电影质量和市场影响力的一个重要指标。
对于电影制片厂商和投资方来说，精确预测电影票房收入是一项至关重要的任务。
在此背景下，各种电影票房预测方法应运而生。
本文旨在比较不同的电影票房预测方法，并评估它们的准确性和适用性。
为此，本文将分别介绍传统统计方法、机器学习和深度学习等三种不同的电影票房预测方法，之后从多个指标的角度进行比较评估，最后得出结论。
二、传统统计方法传统统计方法是最早应用于电影票房预测的方法之一。
这种方法主要基于历史数据、市场趋势和行业认知等方面的分析做出预测。
常用的统计方法包括回归分析、时间序列分析和因子分析等。
回归分析是传统统计方法中应用最多的方法之一。
该方法将各种相关因素转化为自变量，然后运用相关分析、方差分析、回归分析等统计学方法来估算各种因素对电影票房的影响程度，从而建立电影票房模型。
时间序列分析则是一种特殊的回归分析方法，它将影响电影票房的各种因素发展变化趋势作为自变量，从而预测未来的票房数据。
常用的时间序列分析方法包括平稳性检验、白噪声检验、ARIMA模型、时间序列回归模型等。
因子分析则是一种更为宏观的统计方法，它将众多影响票房数据的因素转化为影响因子，通过因子分析方法来揭示各个因素之间的关系，运用回归分析模型预测电影票房。
三、机器学习机器学习在电影票房预测中发挥着越来越重要的作用。
机器学习是一种自适应算法，它可以根据数据的特点和电影产业的特点自主学习，从而提高预测的准确性。
常用的机器学习算法包括决策树、随机森林、支持向量机等。
决策树是机器学习中应用较广泛的一种算法，它根据各种因素、特征进行分类，从而生成一棵树形结构。
在电影票房预测中，决策树可以帮助分类预测电影票房高低。
随机森林则是一种基于决策树的集成算法，它将多个决策树组合起来，形成一个更为准确的模型。
这种方法不仅可以提高预测准确性，还可以检测特征的重要性。
支持向量机则是一种基于监督学习的算法，它通过寻找最优的超平面，将数据分为不同的类别。
电影票房预测模型及应用
电影票房预测模型及应用随着人们对娱乐的需求日益增长，电影已成为了大众娱乐的重要方式。
电影从最初的默片、黑白电影，到现在的3D技术、动态座椅，呈现出了越来越多样的形式和内容，因此对电影票房的预测和分析也显得越来越重要。
一、海报、预告片等影响因素分析根据过往的市场数据，影片宣传方面的因素对于票房的影响是非常大的。
其中影片的海报、预告片对观众的吸引力最大。
因此，分析影片的海报、预告片是否足够吸引人、是否影片本身风格、内容、受众目标群体能否得到满足等相互作用影响因素也是较为重要的。
二、统计分析统计方法无疑是一种最基础的电影票房预测模型，因为通过对历史数据的分析，可以大大减少误差。
统计方法最常见的方式便是利用线性回归进行分析，通过建立相应的简单复合模型、扩展模型来预测影片票房。
三、数据挖掘数据挖掘模型是一种更加复杂的方法，它可以将所有相关因素纳入考虑范围之中，通过机器学习算法，自动地寻找这些因素对票房影响的权重。
这种方法不但考虑了海报、预告片的影响，还可以挖掘影片的导演、演员等因素，甚至是国家、语言等因素。
四、社交网络分析网络上的热门话题越来越多地影响着消费群体的选择，因此社交网络分析也成为了一种渠道。
通过对网络上的讨论、关注度进行分析，可以发现影片的支持者、低迷者的真实反馈，对影片口碑的判断也具有重要作用。
五、基于内容的分析基于内容行为是票房预测模型研究的关注点，因为它主要针对影片主题、情节等制作水平等方面。
这种分析方式不仅包括了整部电影的制作、拍摄、编导等技术因素，还包括了电影中角色、服装等方面的影响。
总之，电影票房预测模型是一个非常复杂的问题，需要考虑的因素很多。
针对不同的观众群体，不同的电影类型，研究者可以从海报、预告片、统计分析、数据挖掘、社交网络和基于内容的分析等方面进行预测分析，以期在电影市场上赢得更多的优势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电影预测数据——真实的谎言？
《分手男女》首映票房3900万美元
今夏刚过一半，电影公司已经开始质疑电影预测数据的真实性和指导性。
预测电影观众最可能观看什么电影的前景预测数据，一直是电影公司预测票房的重要依据，这个信息原来是保密的，现在却因为其可靠性受到质疑而成为公众话题。
由于参考了这些数据，电影公司的广告宣传不能有的放矢更是受到了媒体的批评。
在环球上映《分手男女》（The Break Up）前两周，各种预测数据均显示该片的票房会十分令人失望，一些互联网上的博客也不看好该片的前景。
最近，不少预测人士对《穿普拉达的魔鬼》（The Devil Wears Prada）取得惊人的票房成绩也表示了惊讶。
电影公司对预测过程提出了几大质疑：
·方法问题。
传统的办法是打电话调查，但是这种办法无法接触到早就不用固定电话的年轻人。
其他办法如互联网调查虽然可以解决这个问题，但其自身可信度也是个问题。
·调查人群问题。
由于越来越多的电影依靠特定的观众，传统的将观众群划分为四部分（男/女；25岁以下/25岁以上）的办法十分不精确。
电影公司还抱怨，有关少数民族的电影的调查预测远远不如其他电影准确。
·电影类型问题。
爱情喜剧和儿童电影很难进行统计调研预测。
《穿普拉达的魔鬼》这样的电影虽然不能赢得很多男性观众的喜爱，但是却可以跨越性别界限。
·人员问题。
自从NRG的创始人约瑟夫·法雷尔（Joseph Farrell）2002年移师迪士尼后，观众研究机构的人员结构经历了代际调整。
目前负责的是年轻一代的主管。
媒体加大对预测数据的报道力度，但是面向女性观众、少数民族（《一个疯黑婆子的日记》）和
恐怖题材（《电锯惊魂》、《人皮客栈》）的影片却一次又一次地推翻了之前的预测结果。
这不
得不让人怀疑这种调查预测是否只对大片有效。
“你希望调查预测能为你的决策指明方向，”环球影业主席马克·施姆格(Marc Shmuger)说，“但是NRG、MarketCast和OTX三家对《分手男女》调查后得出预测的结论却截然不同。
这时你会困
惑不解。
这是一个实际票房表现完全不同于调查预测的典型例子，也是我在公司多年来遇到的最
令人沮丧的事情。
”
20世纪80年代NRG首次推出“业内票房预测计划”（Confidential Industry Wide Tracking Program）时，首先被视为电影制作者用来衡量影片宣传是否吸引观众的工具。
虽然十几年来预测方法一直
在变，但基本原理还是询问接受调查的人是否听说过某部即将上映的电影，是否愿意去观看。
“你
必须牢记预测究竟是干什么的，”革命影业（Revolution Studios）的汤姆·史莱克(Tom Sherak)说，“它是用来判断影片能否吸引观众的。
”
比如，如果调查预测发现25岁以下的女性观众对某个电影不感兴趣，电影公司也许会立刻在电视上推出一小段吸引该年龄段观众的精彩片段，并且购买一些拥有大量女性观众收看的电视剧的广
告时段。
早些时候，展映商也开始向调查机构咨询：如果调查预测结果显示某部电影票房会失败，展映商
会迫使电影公司在票房收入中保持较大的份额。
随着新生公司MarketCast和OTX加入调查预测业，电影公司发现了预测的其他作用：包括预测
一个电影周末首映的票房收入。
当媒体（包括《综艺》）提到某部电影首映的“业内期待”时，他
们是指电影公司主管把调查机构的预测转化为票房收入。
调研公司坚持认为跟踪调查是票房预测的主要工具。
每周四，公司会依据公式把调查结果转化为
票房数字。
如果一部电影没有达到调查预测的数字，电影公司会认为有些环节出了问题，现在很
多电影公司开始怀疑是不是调查预测结果出了问题。
大部分的调查预测显示《加勒比海盗2》的票房要创新记录，因此迪士尼的管理层尽力在首映前
降低人们的心理预期
调查公司的人说当他们重新复查数据预测时，70%的预测同实际结果只相差15%。
如果调查结果显示不受欢迎，比如华纳兄弟的《海神号》（Poseidon），电影公司不得不采取措施在影片还未上映前就做好准备。
结果显示很受观众欢迎，他们则低调处理打破票房纪录的一些期待。
7月7日《加勒比海盗2:死灵的财宝》(Pirates of the Caribbean: Dead Man's Chest)上映之前，有60%接受调查的观众认为该片是“第一选择”。
这个数字非常高：去年把《星战前传3:西斯的复仇》)“第一选择”的也只不过占45%。
迪士尼发行部总监查克·维安(Chuck Viane)在该片发行前一天，被问到他认为影片票房会如何时说：“不管你怎么回答这个问题，最后受害的都是你自己。
”（不过这部电影首映当日票房就破天荒地达到了1.356亿美元。
）
正如政治民意调查需要接受大家的仔细审查一样，电影前景调查也需要接受审查。
一直以来人们对调查的样本（每次调查300至400人）能否足以反映美国黑人和西班牙裔观众的兴趣表示质疑。
以家庭为目标观众的电影的调查也比较困难，因为抽样调查不包括儿童（很多公司都转而调查询问女性观众如母亲）。
除此之外，还有新的问题。
比如，NRG和MarketCast主要进行电话调查，也就是说他们无法调查只使用手机的人群。
这也是OTX选择进行网络在线调查的一个原因。
让电影公司主管最烦心的是，他们发现如今的调查预测已经不如以前那样精确了。
今夏的票房最能说明问题。
最典型的例子便是《分手男女》。
该片首映前一个月， 上的博客泄漏了最新调查的初步统计数字。
30%的人对该片“非常有兴趣”，只有5%的人认为该片是“首选电影”。
据此，博客上写道：该片“的票房基本没戏了”。
几天后，《纽约邮报》第六页报道了博客的这篇评论，认为詹妮弗·安妮斯顿(Jennifer Aniston)要面临很严重的问题。
就这样，《分手男女》“陷入危机”这一说法很快传开了。
影片6月2日首映当日却意外地赢得了3900万美元，远远高于调查公司预测的2500万。
此后影片美国国内票房总收入达到了1.12亿美元。
造成这种差距的部分原因是尽管调查预测很广泛，但是很少有人知道具体如何运作。
因为实际上研究都是保密的。
在NRG发布的调查报告的每一页页脚都有几行中央情报局口吻的警告文字：向非授权电影主管提供调查数据，是非法的……不恰当使用调查数据有可能会带来危险。
这种调查与总统选举的民意调查没什么不同。
NRG和MarketCast会给几百人打电话，而OTX
则调查注册用户。
（MarketCast隶属《综艺》母公司Reed Business Information。
）
调查时，首先会要求对方不假思索说出他们知道的电影。
然后询问他们是否听说过一些他们没能立刻想到的电影。
这两种观众认知一部电影的方法分别叫做“无准备认知”和“整体认知”。
调查人员然后询问对方是否对某一部电影感兴趣，据此计算出“非常感兴趣”和“毫无兴趣”人群的比例。
最后询问的问题比较复杂，首先会要求对方在目前上映或者即将上映的电影中挑选出一部他们的“首选电影”。
虽然这个“首选电影”比例是人们最关注的，但也正是在对该比例进行阐释的时候容易出现偏差。
调查有时候会涉及到15部电影，而不仅仅是某周首映的几部电影。
调查人员发现只有5%的人把《分手男女》看作“首选电影”，而那时距离该片首映仅有两周时间。
当时，《达芬奇密码》和《X战警3》虽然也没上映，但首选期待率分别高达32%和23%。
这意味着超过半数的观众对《分手男女》之前上映的大片有兴趣，那些电影本身是大片，在调查中这些电影比重较大，那么其他电影自然就只能是第二选择了。
《达芬奇密码》和《X战警3》上映后，《分手男女》在6月2日上映前的NRG调查却显示认知度已经高达17%。
至于所谓的方法问题，OTX电影部高级副总裁Vincent Bruzzese说：“这是一个大家都需要改进的问题，也是下一代电影调查需要努力的方向。
”为此，OTX正在开发一种依据消费者个人喜好进行分类的服务，而不是传统的按年龄和性别的分类方法。
比如，《疯狂的神父》(Nacho Libre)和《速度与激情：东京漂移》(The Fast and the Furious: Tokyo Drift)虽然都面向25岁以下的男性观众，但在同一周上映后票房成绩却同样非常棒。
“传媒消费早已发生了巨变，依照传统办法进行调查会错过很多东西，” Vincent Bruzzese说，“随便找两个25岁以下的小伙子，他们的口味肯定不会一样。
一个可能喜欢体育运动，一个可以是高中三年级学生，喜欢文学作品。
”也就是说，调查预测更是一门艺术，而不是精确的科学。
“这不是什么精确的科学，” 汤姆·史莱克说，“以前这个观点也许是对的，但是时代不同了。
”。