IT思维

公众号/将门创投

From: Nature Communication; 编写: Ace 

近年来《演员的诞生》、《声临其境》等节目的火热，《白夜追凶》、《都挺好》等热播剧的播出引得一批老戏骨重新翻红或使得蛰伏多年的宝藏演员走入公众视野，同时引发了人们对于演员这个职业的思考：是什么造就了演员的成功？

近日来自伦敦玛丽皇后学院的数学家们开发了一个算法，目的是通过机器学习基于演员们维持稳定工作量的能力来定义、量化甚至预测演员的成功。该模型能够以85%的准确率预测某个演员是否处于或即将到达演艺生涯的顶峰，并且能够基于他们过去的表现预测出ta在未来几年的职业发展。

研究人员使用了世界上最权威的电影数据库IMDb，收集了全世界超过240万位演员从1888年（第一部电影电影诞生之时）起到2016年的职业表现，其中重点关注几个变量：职业生涯时长；作品产量（被署名的作品）和“奇迹之年”（annus mirabilis: 演员拥有最多署名作品的年份）。

本次研究认为演员的“活跃度”和“作品产量”是定义其成功与否的重要因素，而非我们从前认为的“知名度”和“影响力”。为什么呢？纵观百年影史，能够获得奥斯卡、在星光大道上盖上手印儿的影星实在少之又少，这也揭示出娱乐圈相关资源的有限和稀缺。

考虑到整体电影电视行业的失业率达90%，而且仅有约2%的荧幕演员能够通过表演维持生计，因此只要拥有充足的工作量和持续的作品产出，对于大部分演员来说，就能称得上成功了。

该研究团队深谙大多数演员的内心：会不会有人找我拍戏？今年我能逆风翻盘吗？我什么时候才能火？所以数学家希望找出潜在的、可能影响演员职业生涯的影响因素，作为后续预测的基础。

首先是efficiency——活跃年份与整个职业生涯的比率，但发现演员的工作时间占比很难预测。以往的研究显示演员最具影响力的作品随机分布在其职业生涯中，但是该团队惊奇地发现演员的活跃期（hot streaks）和沉寂期（cold streaks）呈现集聚现象。团队还发现大部分演员出道即巅峰，最高产的年份通常倾向于出现在演员的事业发展初期。

研究团队首先研究了1,512,472名男演员和896,029名女演员从1888年电影诞生元年至2016年的职业数据，下图显示了一个较为典型的演员职业生涯。不仅有活跃期，也有沉寂期(latent years)，还有最高产年份AM=max{m}。

原本我们可能以为同一年出道然后马上flop应该只有运气极差的演员才会遇上，但是看看下面这张图，昙花一现 (one-hit wonder)原来在演艺圈不是个例，大约有69%的男演员和68%的女演员会经历这种大喜大悲。

P(L)表示演员在同一年开始然后马上结束其演艺生涯的比率。右上角的缩略图显示将生涯期限限定在2-10年，可以发现女演员比男演员更快结束其演艺事业。

就产量来说，不管男性还是女性演员的产量随着演艺事业的推移而显示出非常明显的重尾分布；而总作品产量的分布，则呈现出幂定律分布。

研究人员提出演艺圈同样存在“富者越富”现象，即有更多作品的演员会有更多的资源找上门来，这很好理解，因为每一次作品的产出都会带给演员更多的触角和人脉，而这都会成为资源的输送通道。

研究团队还发现演员的活跃期和沉寂期存在集聚现象：如果前一年演员比较活跃，接下来一年Ta还会延续这种状态，很像我们常说的“拍戏会上瘾”。而通过对比男女演员在沉寂期延续时间上的差异，会发现男演员会比女演员更早“逃离”沉寂期，而重返演艺事业。

出名真的要趁“早”？

最近有研究显示演员最高产的年份并不好确定，随机分布在其演艺事业各个年份。而本次研究却显示最高产年份倾向于出现在演员职业生涯早期。在如图所示的5个阶段可以清楚地看出，随着年份的推移，作品年产量有所下降，而整体来说男演员会比女演员的机会更多。

经过沉寂期后，不少演员会选择复出。哪些因素会促使演员重返娱乐圈呢？遗憾的是，本次研究并没找到可预测的因素。一个典型的演艺周期经过长时间的蛰伏之后，可能会被误认为其演艺生涯已经结束，但经过一段时间的休息后，不少演员迎来自己的第二春，甚至作品产量会超过其刚出道时的“奇迹之年”。

当然，沉寂太久再复出肯定会面临一定的困难，因此沉寂期越长，越不太可能选择复出。相对于女演员来说，男演员在一段低迷期过后更容易重新杀回战场。

基于之前的分析，研究团队设计出一个机器学习算法来预测演员是否达到演艺巅峰，如下表所示，对男演员的预测准确率为84%，对女演员的预测准确率为86%。

具体过程请参看论文：https://www.nature.com/articles/s41467-019-10213-0.pdf

最后研究人员这样安慰小演员们，“我们的模型揭示出这样一个规律：相比于演技来说，社会动态会对演艺生涯产生更大的影响，这个预测模型更倾向于电影演员的普遍规律，而非针对某个个体、某个地区的随机性和偶然性分析。”

尽管预测准确性较高，也要承认该研究仍存在一定的局限性：

1. 该模型基于的数据主要来自IMDb，缺少对亚洲尤其是中国演员的数据分析。如果增添来自豆瓣、微博、电影购票app等客户端的数据，可能对中国演员的分析和预测会更为准确，不过其建模过程也会更加复杂。

2. 数据截止于2016年，而中间2-3年电影产业的发展、市场口味的变化、竞争对手的崛起足以让更多因素成为影响演员是否成功的指标，仅仅从性别、职业生涯长度、最高产年份等量化指标入手研究，难以分析预测出导致演员跌宕起伏更深层次的原因。

所以要想成为一位优秀的演员，除了像研究中所说的保持流量和量产，最根本的还是要提升自身的业务能力。毕竟不管过多少年，演技才是演员的KPI啊。

看完文章，有没有觉得很多演员的演艺轨迹跟研究结果非常契合呢？欢迎评论区对号入座。

Ref

https://www.nature.com/articles/s41467-019-10213-0.pdf