科研 Skill
影视产业票房数据
arts-film-industry-data
整合官方与平台票房数据,辨析统计口径差异并做回归面板分析。适用于档期效应、口碑传播与电影政策研究,须遵守爬取合规。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
影视产业与票房/观众数据研究(Film Industry & Box Office Data)
适用场景
- 研究春节档、国庆档等档期效应与排片率、上座率的关系。
- 分析口碑(豆瓣、猫眼、淘票票评分)对票房走势与长尾的影响。
- 比较国产片与进口片、不同类型片的票房结构,或明星、导演、IP 的影响。
- 影院与城市层级分析(一线至县域市场、影投与院线)。
- 中外票房对比(Box Office Mojo、The Numbers)与跨国发行研究;电影政策(如专项资金、进口片配额)影响评估。
边界与不适用
- 影片文本本体(镜头、剪辑、色彩)分析见
arts-film-shot-analysis。 - 不提供绕过登录、验证码、加密接口或付费墙的爬取方法;不鼓励大规模抓取商业平台数据。
- 不做投资建议或票房“预测保证”;预测模型仅作研究讨论。
工作流
-
明确研究问题与分析单位
- 单位可为:影片、影片×日、影院×日、城市×年。
- 决策点:日度面板需要平台数据;年度宏观分析可主要依靠官方统计。
-
数据源选择与口径登记
- 官方:国家电影局官网发布的年度/月度票房、银幕数等公开信息;《中国电影年鉴》、中国电影发行放映协会发布的年度报告;国家统计局相关文化统计。
- 平台:灯塔专业版(阿里影业)、猫眼专业版、艺恩数据、拓普数据等。常见口径差异:
- 是否含片方以外的服务费(含服务费票房 vs 不含服务费票房);
- 实时票房与次日校正后的票房;
- 是否包含预售、点映、海外/港澳台;
- 场次、人次、上座率、排片占比的计算基数。
- 每个变量在数据字典中写明来源、口径、抓取/下载时间;不同平台数据不要混合拼接到同一序列。
- 海外:Box Office Mojo(IMDbPro 旗下)、The Numbers;IMDb non-commercial datasets(datasets.imdbws.com,TSV,仅限个人与非商业用途);TMDB API(需申请 key,遵守其条款)。
- 口碑:豆瓣评分无官方开放 API,如需使用应小规模、低频、遵守 robots 与用户协议,或采用已发表的研究数据集。
-
合规审查
- 查看目标网站 robots.txt 与用户协议;仅采集公开、非个人数据;控制频率并缓存。
- 不采集、不公开用户个人信息(昵称、头像、评论中的个人信息需脱敏)。
- 相关法律:《网络安全法》《数据安全法》《个人信息保护法》,以及《反不正当竞争法》下的数据抓取司法案例风险。
- 决策点:如需大量商业数据,优先通过购买/合作获取授权,并在论文中说明。
-
清洗与匹配
- 片名统一:中文名、英文名、别名、重映版本;建立影片ID映射表(如 IMDb tconst、豆瓣 ID、平台 ID)。
- 日期:上映日、点映日、档期定义(如春节档按除夕至正月初六等,需注明)。
- 价格调整:跨年比较可用 CPI 平减,或用人次替代票房。
-
分析方法
- 描述:票房集中度(前 10 名份额、HHI)、档期分布、类型结构。
- 回归:对数票房对口碑、排片、明星、IP、档期、竞争强度回归;注意排片与票房的内生性(可考虑滞后变量、工具变量或事件研究设计)。
- 面板:影片×日固定效应模型、票房衰减曲线(指数/幂律拟合)。
- 文本:评论情感分析(注意平台刷分与水军问题)。
-
报告与数据共享
- 公开处理后的汇总数据与代码;原始商业数据按许可不公开时说明获取途径。
工具与数据源
- 官方:国家电影局(chinafilm.gov.cn)、国家统计局(stats.gov.cn)、《中国电影年鉴》、中国电影发行放映协会年度报告。
- 平台:灯塔专业版、猫眼专业版、艺恩数据、拓普数据(口径以各平台说明为准)。
- 海外:Box Office Mojo(boxofficemojo.com)、The Numbers(the-numbers.com)、IMDb non-commercial datasets、TMDB、Wikidata。
- 工具:Python(requests、pandas、statsmodels、linearmodels)、R(fixest、plm)、Stata。
- 文献:CNKI(《当代电影》《电影艺术》《北京电影学院学报》)、Journal of Cultural Economics。
最小示例:读取 IMDb 数据集并按年份统计评分
# pip install pandas
# 先从 datasets.imdbws.com 下载 title.basics.tsv.gz 与 title.ratings.tsv.gz(非商业用途)
import pandas as pd
basics = pd.read_csv("title.basics.tsv.gz", sep="\t", na_values="\\N",
usecols=["tconst", "titleType", "primaryTitle", "startYear", "genres"],
dtype={"startYear": "float"}, low_memory=False)
ratings = pd.read_csv("title.ratings.tsv.gz", sep="\t", na_values="\\N")
movies = (basics[basics.titleType == "movie"]
.merge(ratings, on="tconst")
.query("numVotes >= 1000"))
summary = (movies.groupby("startYear")
.agg(n=("tconst", "size"),
mean_rating=("averageRating", "mean"))
.loc[2000:2025])
print(summary)
质量检查
- 每个变量在数据字典中写明来源、口径(是否含服务费等)与获取时间。
- 未混用不同平台口径拼接时间序列;平台间差异已对比说明。
- 片名与ID映射经过人工抽检,重映版、多语言名称已处理。
- 档期、竞争强度等构造变量定义明确。
- 回归讨论内生性与遗漏变量;报告稳健标准误。
- 爬取遵守 robots.txt、用户协议与频率限制,无个人信息泄露。
- 数据许可(如 IMDb 非商业条款)在论文与共享数据中注明。
- 代码与汇总数据可复现结果。
输出格式
- 数据字典:变量名、含义、来源、口径、单位、时间范围、获取日期、许可。
- 影片层面数据表:影片ID、片名、上映日、类型、国别、档期、总票房、人次、首周票房、排片占比、评分、评分人数。
- 结果表:描述统计、回归系数(含标准误、固定效应说明)、稳健性检验。
- 报告章节:研究问题 → 数据来源与口径 → 合规说明 → 变量构造 → 模型 → 结果 → 稳健性 → 讨论与局限。
参考规范与文献
- De Vany, A., & Walls, W. D. (1999). Uncertainty in the movie industry: Does star power reduce the terror of the box office? Journal of Cultural Economics.
- Eliashberg, J., Elberse, A., & Leenders, M. A. A. M. (2006). The motion picture industry: Critical issues in practice, current research, and new research directions. Marketing Science.
- Liu, Y. (2006). Word of mouth for movies: Its dynamics and impact on box office revenue. Journal of Marketing.
- Vogel, H. L. Entertainment Industry Economics(多版),Cambridge University Press.
- 尹鸿等,年度《中国电影产业研究报告》系列。
- 《中华人民共和国电影产业促进法》(2016)。
- 《中华人民共和国个人信息保护法》(2021)、《数据安全法》(2021)。
示例提示词
我想研究 2018–2025 年春节档口碑评分对票房衰减的影响,请帮我梳理灯塔、猫眼与国家电影局数据的口径差异并设计面板回归。
所属插件
安装该插件会一并获得同领域的 11 个 Skill / MCP。
同插件的其他科研 Skill
- 书画著录流传考证整理题跋印鉴、检索著录书与博物馆开放数据,建立带证据等级的流传链条。适用于书画鉴藏史与流散文物追索研究,不做真伪鉴定。
- 中国传统音乐数字化将简谱、工尺谱、减字谱转写为MusicXML/kern,做宫调判别与旋律统计分析。适用于民歌色彩区划、曲牌比较与古谱打谱研究。
- 色彩构图计算分析在CIELAB空间用k-means提取主色、计算显著性图与构图线指标。适用于绘画设计作品的形式分析与风格量化研究。
- 设计评价与用户实验用SUS、NASA-TLX、语义差异法与眼动追踪设计用户实验并做统计分析。适用于产品界面包装设计的效果评价研究。
- 设计研究方法按双钻模型组织设计民族志、文化探针与用户旅程图,提炼可迁移知识贡献。适用于设计学论文与研究型设计的过程记录。
- 民族音乐学田野采录规范田野录音设备参数、元数据与长期保存格式,处理知情同意与传承人权益。适用于少数民族音乐田野调查与资料库建设。
- 电影镜头计算分析用PySceneDetect自动切镜并人工校正,计算镜头长度分布与剪辑节奏曲线。适用于导演风格与类型片剪辑节奏的电影学研究。
- 图像志与图像学分析按潘诺夫斯基三层次组织图像释读,用Iconclass与自定义编码表考证母题谱系。适用于美术史图像释读与跨文化图像比较。
- 演奏录音表演分析在Sonic Visualiser标注拍点,计算速度弹性与力度曲线并用DTW对齐多版本演奏。适用于名家录音诠释风格的比较研究。
- 技术美术史材料分析用红外、X光、多光谱成像与XRF/拉曼光谱做绘画材料无损检测。适用于书画材料研究与修复前评估,不单独构成真伪定论。
常见问题
影视产业票房数据能做什么?
整合官方与平台票房数据,辨析统计口径差异并做回归面板分析。适用于档期效应、口碑传播与电影政策研究,须遵守爬取合规。
如何安装影视产业票房数据?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「影视产业票房数据」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
影视产业票房数据需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
影视产业票房数据经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。