【活動側記】NMEA講座「數據如何輔助IP孵化」筆記

Categories 演講筆記Posted on

2018/2/27 19:00-21:00 NMEA講座「數據如何輔助IP孵化」 @ 普橘島

講師Yvonne HUANG黃郁茹,壹壹影業創始人,資深電影人,專精於數據分析及行銷策略。

數據是種工具

Yvonne提到她曾觀察過五月天和工作人員溝通的情況,「他們是天才。他們不用某種特定的方法,但就是知道觀眾要什麼。」

然而她想從數字經驗中掌握其中的關連。

她表示數據是找一套邏輯的方法論,能夠依據數據分析脈絡,然後採取行動。於是她從電影業跨足Yahoo關鍵字操作,而後又隨著意願回到IP產業,從業十多年後,帶著紮實又充沛的經歷來到今天的講座。


數據可成一套體系,成一項判斷標準

TA的喜好和從業者的喜好可能有差距,也許資深的、經驗老到的前輩可以憑豐厚功底去判斷,但這樣的判斷在內容產業是相當困難的:例如《海角七號》的成功沒有辦法直接推論成《賽德克巴萊》的成功。

Yvonne舉例,當一間獨立咖啡店有一位優秀的咖啡師,他的經驗、判斷、手法都在他的腦袋裡,但當有一天這間咖啡店要變成星巴克,勢必要把師父腦袋裡的東西設法取出來標準化。

用數據建立一個體系,就能運用體系來取代人為判斷,以降低行業的門檻。

她特別強調,這並不是說數據可以取代創作,而是一種工作上的分工合作關係:進行數據分析可以確知TA的喜好,拿這份確實的喜好、觀眾的聲音去和創作者(如導演或編劇)溝通,其實也能讓TA的回饋更直接、確實地傳達到創作方。

經過「研究─創作─投資─製作─宣傳─發行─放映─研究」的過程循環,從而「了解TA─滿足TA─估算價值─試映確認TA感興趣─行銷追蹤確認TA認知─成為TA的首選」。

 

分眾的時代,誰的口碑很重要

如果在試映會時大眾的反應不佳,其實還好;但要是TA的試映不好,那就很慘了。

講師分享了幾個TA精準的例子,例如做《機械師2》時,他們一路瞄準特定年齡層的男性,票房不是特別高,但做那部是有賺錢的,有部分的藝術片也是如此。

她說明這個時代不能把觀眾騙進電影院,因為只要兩三場試映會之後所有口碑都會出來,口碑和片名、類型感知一致,TA才會開心。

 

大數據和小數據

演講中提到,大數據指的是已知的、零碎的用戶行為,它可能會是其中的某個面,但需要特別注意「沉默的多數」是否被忽略。

而TA真實的反應還是得從傳統調研的小數據裡面找──像是TA對什麼感興趣、為什麼感興趣/不感興趣……等,才能進行A/B test,從刺激─反饋之間摸出因果,進而推論未來。

 

數據要解決的是效益問題

「數據無法創造文本,但可以把關。」

比如到非洲去賣鞋,假設先去市調的結果是「當地人並不穿鞋,也不理解鞋是什麼」,若是小公司,她會因為教育市場的成本極高而建議決策者別那麼做,但如果今天是馬雲想賣,那又不一樣了。

應用在IP上,就可以利用IP的多文本變現的特性,先將內容落到第一個文本,以比較輕、成本較低的文本方式丟出來(例如小說或短片)然後依據TA反應與數據分析,再行調整內容,才投資到更重、成本較高的文本中(長片或其他文本類型等),教育市場的認真成本將不斷下降,口碑也會漸次提升。

 

數據沒有辦法創造爆款,卻能掌握真實情況

做競品分析時,她將所有的電影票房和熱度評分做對應整理,將競爭對手上週的行銷動作、素材投放節奏和自家的比對,當各項數據都可以被掌握,對於費效比的掌控就會好。

她甚至有過在上映前一週的報告中向上層表示,依數據現況,他們那場做不到大家覺得「應有的」16億,數據換算下約是8億的水準(※這個數字筆者不是很確定,如有錯誤煩請指正),而上層也接受了,他們以10億為目標去推,最後票房出來有11億,讓上層和團隊都覺得可以接受。

最後講師提了案例作為經驗分享,探討了關於《吃吃的愛》的TA究竟該是康永粉還是康熙粉,關於現在的她回過頭去會採取怎樣的行銷策略,可以說是綜合了前述各種綜合判斷的應用實例。

↓↓↓如果你喜歡這篇文章,請登入LikeCoin帳號,並幫我按 5下拍手,這可以讓我得到你請的咖啡(而LikeCoin基金會贊助這筆費用,所以你不必直接出錢),謝謝你囉!

從國外業務助理→小說家→跨足行銷的文字SOHO,分享一路上的職場冒險故事,並且真心覺得小說家是最適合跨足行銷的物種。

這篇讓我覺得……