“分賬劇”破千萬不是夢，

市場風險卻日益加大？

毫無疑問的是，屬於“分賬劇”的時代纔剛剛開始。

數據顯示，去年一年僅愛奇藝單個平臺上線的分賬網劇數量，已達到132部。而在商業回報比層面，分賬網劇的收入也從早期的幾百萬逐漸上漲至千萬級別。這當中，還出現了分賬收入突破3000萬的《等到煙暖雨收》和上線僅四天便突破1000萬分賬的《絕世千金》。

但激流之下也必然存在暗礁。其實，從這兩年劇集市場的整體情況來看，分賬網劇的發展空間是極具潛力的，但這一市場畢竟正值年少，快速成長也帶來了不少亟需解決的問題。

目前分賬劇開發主要存在三個維度的短板。首先是市場可參考數據的缺失，市場雖然蓬勃發展，但遺憾的是當前市面尚無分賬劇垂類的信息梳理及統計，對於想要涉足分賬劇領域的片方和影視公司而言無疑是決策幫助上的缺失。

“我去年一年收到了數百個劇本，打開看到一半就會卡住，然後反問編劇你的用戶定位是什麼？僅這個問題就卡掉了一半的項目”，正如優酷開放平臺網劇中心總經理遲銘所言，作爲產業鏈上的重要一環，前期對分賬劇受衆的選擇也在很大程度上決定了一個項目的成敗，而市面上沒有可以提供這方面服務的平臺，在一定程度上造成了項目開發方向的難控性。

除此之外，一個最有力的現象是，目前分賬網劇市場能實現盈利的作品少之甚少，這意味着在一片看好的市場前景下，分賬網劇依舊面臨着發展困境。怎麼樣去評估市場、控制風險？在籌備期能不能找到擅長分賬內容的主創？如何才能精準擊中用戶的情感共鳴？如何放大項目流量？分賬網劇的天花板在哪裏？

顯然，在網劇分賬這條產業鏈上，所有的問題都是環環相扣的，而當下市場所需要的，恰恰是一個全流程的解決方案。

“百萬級數據庫+AI預測”，

爆款網劇的“製作”方法論

“項目的成敗其實不是取決於你哪做的最好，而是取決於你哪個地方做的最不好。”言溪互娛CEO張偉偉表示，在成立言溪互娛前，互聯網平臺的工作經歷讓他曾在三個月內接觸了350多個新的網劇項目。實踐出經驗，在他看來，一個分賬網劇項目成功與否主要有四個關鍵要素：圈層定位、用心製作、成本控制以及精準營銷。

“桃李不言，下自成蹊”，正如桃樹和李樹雖不引人矚目，但它的花朵和果實卻爲腳下的土地開墾了道路一樣，分賬劇市場需要的也正是一個墾荒者和開路人。基於此，言溪互娛應運而生，其與掌閱文學和小土科技攜手成立的國內首個分賬劇孵化與服務聯盟的平臺亦順勢而爲。

作爲整個聯盟的發起方，言溪互娛是這個聯盟的出口也是入口，所有聯盟內孵化的項目都由言溪互娛來統一進行全案營銷和對新媒體的發行，它也會爲每一個項目找到流量和收益最大的方案。具體來說，言溪互娛將作爲“三方”之間的鈕釦，負責市場數據分析預測、製作服務與宣發。

作爲連接分賬劇上下游的服務孵化平臺，“讓好內容更有價值”是言溪互娛自創立以來始終不變的願景。定位於做分賬劇服務和孵化平臺的言溪互娛，最核心的優勢便是分賬劇相關數據庫，包括分賬劇日數量、日播放量、播放記錄彙總、主創信息條數、題材標籤數量……市場所需數據均可以被實時獲悉。

公開透明的數據必定會給分賬劇行業的發展掃清障礙，爲此，除了可用電腦端和微信小程序查看的分賬劇排行榜外，言溪互娛還推出了可獲悉會員收入預測的“製片人助手”，“只需要在手機中輸入項目的基本信息（名稱、題材、集數），選定播出平臺，自己預測第一集的播放量、觀看用戶數量，言小溪就可以爲你生成項目的分集播放量、分集觀看用戶數量，對應不同評級的會員收入金額以及對標的分賬劇項目。”基於優愛騰全部300+分賬劇的多維度數據庫，無疑能更好的服務於片方，生產出分賬劇的爆款項目。而這也是言溪互娛的產品中機器學習算法的首次運用。

當掌握了一定數據後，言溪會結合人工和AI技術爲項目提供評估服務，評估內容包括項目情節分析、人物分析、情緒衝突等，更加高效的、批量的生產出優質項目。同時，爲更好的把握項目開發方向，言溪也會對平臺信息、製作團隊、內容評估、圈層用戶畫像等維度進行一系列的數據分析，以幫助製作方和片方及時把握市場趨勢。

大數據、機器學習和自然語義識別，成爲了言溪互娛技術服務背後的三大引擎。而這一切背後最核心的就是我們所依賴的人工智能技術。據言溪互娛聯合創始人苗芊介紹，在言溪的服務平臺中，運用最廣泛的便是 NLP（Natural Language Processing）、ML（Machine Learning）和 Big Data這三類，“全量的以百萬計的分賬劇相關信息構成了大數據；幾百萬次的情緒、動作、情節描述單詞和短語甚至句子的學習構成了機器學習的的每一次模型訓練；自然語義識別則是在機器學習的基礎上，對新文本進行分析，從而給出我們來自機器這一全新物種的解讀。”

肉眼可見的是，分賬劇時代，一個日趨規範化與規模化的市場已然成型。

風險利益共擔，

分賬網劇迎來的“破局者”

衆所周知，隨着影視行業泡沫被戳破、市場經歷了一次去粗取精的大淘汰，頭部項目的比例縮減，多家影視公司更是面臨“開機難”。“我們投過很多內容，其實心裏是沒底的”，洪泰資本合夥人金城坦言。

“我們的聯盟將會以小比例佔股的合作方式進行展開，目的在於與片方共同分擔利益與風險”，正如張偉偉所言，言溪互娛以及整個聯盟在做的，正是爲分賬劇市場、爲各個項目保駕護航。

“聯盟將從 IP、成本、內容、主創、 演員 、宣推配置、發行平臺在內的八個維度進行數據採集”，言溪互娛聯合創始人苗芊補充道，經過八大維度的項目評估後，再經過AI模型的評估及測算，方可向片方提供極具市場參考價值的預測信息，在前期便開始助力爆款項目的輸出。

那麼問題來了，預測信息究竟會給資方或出品方帶來哪些實質性的決策幫助？以2017年爆款分賬劇《花間提壺方大廚》第一季爲例，苗芊介紹道，經過前期預測，可以有效的把風險控制在合理範疇，“保證80%以上的預測準確率，便可在項目開機前預測可能收益，從而合理把控項目節奏，降低投資風險。”言溪互娛和聯盟以技術爲驅動，全流程彙總項目信息，經過AI模型的評估及測算，給出可供片方參考的預測信息。

進入到創作環節後，技術雖然很難爲創作提供靈感，但卻可以提供檢測和評判。苗芊補充道，言溪可通過人工標註的方式，對大量優質劇集的分集大綱進行人物標註，並在此基礎上對大綱中的情節與人物兩個維度上構建諸如情節反轉數量、劇情節奏數量等9大指標，利用機器去學習這些維度與豆瓣評分之間的關係，從而生成豆瓣評分預測模型。“在機器學習的訓練過程中，我們分別使用了RNN神經網絡/梯度提升迴歸樹(GBDT)/隨機森林等學習算法，並嘗試了上百種參數組合，最終採用了GBDT的機器學習方法來作爲分集大綱/豆瓣估分的預測算法。GBDT(Gradient Boosting Decision Tree) 在處理多種有區分性的特徵以及特徵組閤中非常具備優勢，在Facebook 和淘寶的預測算法模型中都有重要運用。”

“我們準備了一個億的資金池來做這件事情。”據言溪互娛聯合創始人司首朕介紹，言溪互娛、掌閱文學和另外三家資方將聯合完成這一個億的小目標，所有的資金都會投入到聯盟首批的合作項目當中。

目前，分賬劇聯盟已經孵化出7個重磅項目，分別是慈文傳媒的《雙生罌》和《爆笑小萌妃》，新聖堂的《那年兄弟十七八》《江湖不挨刀》，言溪與麼麼影視聯合開發的《囚徒神探》，言溪與天眼影業聯合開發的《不過是分手》，以及言溪正在研發的喜劇《別跟我饒舌》。同時，掌閱文學的五部優質IP《王妃撩漢日常》《梟寵醫妃》《既見君子，何必矜持》《她知道一切》《我們的00年代》，也已經蓄勢待問。

機會向來是留給有準備的人。在分賬網劇市場尚未形成一定規模的當下，“新響計劃”的第一槍打的響亮且漂亮。而其作爲分賬網劇市場中的“破局者”，言溪互娛不僅爲更多的腰部內容帶去新希望，同時也對行業上下起到了至關重要的鏈接作用。

可以預見，行業革命風暴之下，屬於市場中的“新·驅動器”已然誕生。

END

聲明：該文觀點僅代表作者本人，搜狐號系信息發佈平臺，搜狐僅提供信息存儲空間服務。