7月25日。韩寒导演的处女作《后会无期》零点首映,而郭四娘导演的《小时代3:刺金时代》比《后会无期》早上映一周。也就是7月17日正式公映,韩寒与四娘之间向来不缺乏话题和粉丝关注,此次电影也排在同一档期。更加引得了双方阵营粉丝们及媒体们的热切关注和讨论。比較再所难免,双方就各自的公众魅力、话题影响力、影片口碑、票房数据等展开了全方位厮杀,以下我们就从一些数据中来窥探下。韩寒VS四娘票房之争,谁会笑到最后。

1、  国丈VS四娘 公众魅力不分高下

韩寒与四娘的渊源由来已久,两方之间的各种调戏互动也屡屡引得粉丝惊叫不已,一直以来。国丈和四娘的拥戴者大体上势均力敌,只是《后会无期》赶上的是韩寒首次执导,相比于已经拍到第三部的小时代系列的四娘。媒体将很多其它的关注和期待给了韩寒,在影片预热前后。韩寒的媒体公众热度稍稍率先于四娘。百度指数上韩寒也以超6万的指数而略高于5万左右的郭敬明。据统计,在电影上映前的2月。韩寒以6.3万的媒体关注度和321万的公众关注度。略高于四娘的5.7万和252万。

上映前3个月,《后会无期》和《小时代3》的电影热度相差无几。小时代3近387万的公众关注度略高于后会无期的273万,而媒体关注度上,后会无期率先于小时代3;再结合影片主演的号召力,小时代3有杨幂,而后会无期有杨幂的荧幕情侣冯绍峰。综合比較起来。四娘VS国丈的票房综合号召力可谓平分秋色。

2、观影群体相似度高 年轻女性群体居多

从观影群体来比較,不得不说。再一次体现了韩寒和四娘之间“相爱相杀”的属性,依据数据显示,后会无期和小时代均瞄准的是年轻可爱的软妹子群体,《小时代3》拥有超过74.8%的妹子观众,《后会无期》也拥有64.5%的女性观众,两个电影90后的观众均占了很大的一个比重,小时代3观众中超过80%均为90后。

在观众的地域属性上,《小时代3》的一二线城市受众占比64%,而《后会无期》一二线城市的受众占比为69%,受众重叠度很高。面对如此一致的目标受众,电影的宣传方就不得不绞尽脑汁玩出点花样来了,据《后会无期》宣传方爆料。除了传统的宣传手法之外,后会无期与9大电商联合推出预售、促销活动,力求扩大影片的影响力。

当然,在宣传上,小时代3也做好了充分的准确,互联网+线下联合预热造势。除了MV和特辑之外,还在花絮上下足功夫共公布22支,充分利用互联网的影响力为票房做贡献。

3、  口碑之争 韩寒大胜四娘

电影票房历来有叫好不叫座,叫好又叫座的各种说法。口碑叫好。未必票房也大卖。大卖的电影口碑差的也比比皆是。从八爪鱼採集器对豆瓣和格瓦拉站点两个站点採集的电影评分数据能够看出,韩寒的《后会无期》(7.9分)口碑要远胜郭敬明的《小时代3》(4.2分)。事实证明。新新人互联网时代,好的口碑能够在兴许的推广中呈现出滚雪球效应,果不其然。尽管后会无期首映的零点票房低于小时代3。可是截至8月3日,后会无期与小时代的票房成绩已经相差无几,双双破了五亿,好口碑给后会无期带来了可观的票房回报。依据后面两部电影的排期情况能够非常轻易的得出一个结论。《后会无期》的票房后劲高于《小时代3》,赶超《小时代3》的票房是必定的结果。

尽管就单片票房而言。韩寒的《后会无期》略胜于四娘的《小时代3》,可是四娘的小时代系列已经累计了13亿的惊人票房,绝不算输。此次对决在观众和媒体的一片看热闹声势中。韩寒和四娘双双达到了双赢的喜剧结果。

《后会无期》票房赶超《小时代3》 大数据解读韩寒VS四娘之争的更多相关文章

  1. 后Hadoop时代的大数据技术思考:数据即服务

    1. Hadoop 的神话正在破灭 IBM leads BigInsights for Hadoop out behind barn. Shots heard IBM has announced th ...

  2. 后Hadoop时代的大数据架构(转)

    原文:http://zhuanlan.zhihu.com/donglaoshi/19962491 作者: 董飞       提到大数据分析平台,不得不说Hadoop系统,Hadoop到现在也超过10年 ...

  3. 后Hadoop时代的大数据架构

    提到大数据分析平台,不得不说Hadoop系统,Hadoop到现在也超过10年的历史了,很多东西发生了变化,版本也从0.x进化到目前的2.6版本.我把2012年后定义成后Hadoop平台时代,这不是说不 ...

  4. 智慧金融时代,大数据和AI如何为业务赋能

    前言:宜信技术人物专访是宜信技术学院推出的系列性专题,我们邀请软件研发行业的优秀技术人,分享自己在软件研发领域的实践经验和前瞻性观点. 第一期专访我们邀请到宜信科技中心AI中台负责人王东老师,从大数据 ...

  5. 大数据每日干货第四天(linux基础之一目录结构与常用命令)

           为了和qq空间同步,也写的第四天,前面几天明天会发布,本来打算把每天学的东西记录下来,通过朋友给的建议要发的话稍微系统化下,从大数据需要的linux基础,到离线数据分析包括hadoop. ...

  6. 胖子哥的大数据之路(四)- VisualHBase功能需求框架

    一.引言 大数据在结构化数据存储方面的应用需求越来越明确,但是大数据环境下辅助开发工具的不完善,给数据库管理人员和开发人员带来的不变难以言表,基于此创建了开源项目VisualHBase,同时创建了Vi ...

  7. Redis 内存优化神技,小内存保存大数据

    大家好,我是「码哥」,大家可以叫我靓仔. 这次码哥跟大家分享一些优化神技,当你面试或者工作中你遇到如下问题,那就使出今天学到的绝招,一招定乾坤! 如何用更少的内存保存更多的数据? 我们应该从 Redi ...

  8. 内连接、左外连接、右外连接、全外连接、交叉连接(CROSS JOIN)-----小知识解决大数据攻略

    早就听说了内连接与外连接,以前视图中使用过.这次自考也学习了,只是简单理解,现在深入探究学习(由于上篇博客的出现)与实践: 概念 关键字: 左右连接 数据表的连接有: 1.内连接(自然连接): 只有两 ...

  9. 大数据入门第二十四天——SparkStreaming(一)入门与示例

    一.概述 1.什么是spark streaming Spark Streaming is an extension of the core Spark API that enables scalabl ...

随机推荐

  1. asp.net的Context.Cache缓存过期策略

    最近使用Context.Cache需要了解Cache的缓存过期策略. 文章:ASP.NET缓存中Cache过期的三种策略

  2. 【bzoj3439】Kpm的MC密码 可持久化Trie树

    题目描述 背景 想Kpm当年为了防止别人随便进入他的MC,给他的PC设了各种奇怪的密码和验证问题(不要问我他是怎么设的...),于是乎,他现在理所当然地忘记了密码,只能来解答那些神奇的身份验证问题了. ...

  3. 学习 WebService 第五步:在Local创建测试用WebService(WSDL)

    [准备] Eclipse+Tomcat7(Tomcat端口修改为不冲突的值) axis2 1.7.7 jar包(没有来这里下载:http://www.apache.org/dyn/closer.lua ...

  4. [POJ2417]Discrete Logging(指数级同余方程)

    Discrete Logging Given a prime P, 2 <= P < 2 31, an integer B, 2 <= B < P, and an intege ...

  5. DevExpress GridControl 控件点滴

    一.常用控件样式 public void setDgv(DevExpress.XtraGrid.Views.Grid.GridView gridView1) { gridView1.OptionsVi ...

  6. LeetCode OJ——Binary Tree Inorder Traversal

    http://oj.leetcode.com/problems/binary-tree-inorder-traversal/ 树的中序遍历,递归方法,和非递归方法. /** * Definition ...

  7. CocoaPods | iOS详细使用说明

    一:介绍 在iOS开发中,经常会使用到第三方库,[CocoaPods](https://github.com/CocoaPods/CocoaPods)可以用来方便的统一管理这些第三方库. 下面就和大家 ...

  8. 通过XOML或者XAML的方式创建和启动工作流

    在Workflow Foundation中,提供了多种设计工作流的方式.例如 纯代码的方式(C#) 代码分离的方式(XOML+C#) 以上两种,可以从Visual Studio提供的项目模板中选择 他 ...

  9. (4)DataTable

    引用 using System.Data; 创建DataTable DataTable dt = new DataTable(); //指定表明,当把这个table添加到dataset时你就可以用da ...

  10. 阿里数据库性能诊断的利器——SQL执行干预

    概述 在业务数据库性能问题诊断中,如果发现一个业务性能很差跟某个SQL有关,应用连接池几乎被该SQL占满,同时数据库服务器上也不堪重负.此时情况很紧急,业务改SQL重发布已经来不及了,运维能选择的操作 ...