2. • 역할 분담
– 분석 : 강민성 주도 + ALL
– 기술 : 조용래 주도 + ALL
– 어시 : 김유경 주도 + 윤승현
• 모임 날짜 : 매주 화요일 6시반 신촌
%
영화 관객수 예측
YBIGTA
팀 구성
3. • 브레인 스토밍
– 우리는 어떻게 영화를 보게 되나?
• 시간이 남아서, 본 관객 수가 많아서, 잘나가는 영화라서,
감독, 배우, 장르, 영화 정보가 나한테 얼마나 노출 되었느
냐, 재밌었던 시리즈, 다른 사람들이 보러 가자고 할 때,
WhatCha, 성별에 따른 차이, 소개팅 할 때 주로 봄
%
영화 관객수 예측
YBIGTA
회의 내용
4. • 고려 요소
– 브레인 스토밍의 요소화
• 시사회 관객수, 시사회 좌석 수, 개봉 전 별점, 인기 배우,
네이버 뉴스 언급 빈도(관련 기사), 다운 받아서 봐도 되는
영화인가(IMAX관의 존재, 이미 해외에서 개봉된지 오래
됫는지), 스크린수, 트위터 언급량, 상영기간 중 공휴일의
여부, 성별, 나이대
%
영화 관객수 예측
YBIGTA
회의 분석
5. • 개봉 전 예측 + 개봉 후 오차 수정
– 개봉 전 고려 가능 요소
• 예측을 위한 데이터
– 개봉 후 고려 가능 요소
• 오차 수정을 위한 데이터
%
영화 관객수 예측
YBIGTA
요소 분리
6. • 개봉 전 고려 가능 요소
• 시리즈 여부, 전작의 성공 여부
• 감독
• 배우
• 배급사
• 영화의 광고 정도
• 시사회 좌석수
• 왓챠, 네이버, 다음 예상 별점
• 해외 별점
• IMAX 상영 여부
• 다운로드 가능 여부
%
영화 관객수 예측
YBIGTA
요소 분리
7. • 개봉 후 고려 가능 요소
• 관람 인원
• 스크린 수
• 개봉 날짜
• 현재 별점
• 관람평
%
영화 관객수 예측
YBIGTA
요소 분리
8. • 자료 수집 방법
– Daum API :
http://dna.daum.net/apis/contents/ref#movie
– 영진위 API :
• http://www.kobis.or.kr/kobisopenapi/homepg/main/
main.do
– 왓챠
• https://watcha.net/api/movie/mp0dx6
– 네이버 API
• http://developer.naver.com/wiki/pages/SrchMovie
%
영화 관객수 예측
YBIGTA
자료 수집
9. • 향후 계획
– 데이터 수집 -> 전처리 -> 모델 적용 -> 모델 수정
->데이터 수집 -> 전처리 -> 모델 적용 -> ……
%
영화 관객수 예측
YBIGTA
향후 계획