AI-прогнозирование кассовых сборов для киностудий

AI-прогнозирование кассовых сборов

Мы разрабатываем ML-системы прогнозирования кассовых сборов, которые помогают киностудиям сокращать риски и оптимизировать маркетинговые бюджеты. Типичный блокбастер с бюджетом $200M требует точного прогноза: ошибка в 10% стоит $20M недополученной выручки или перерасхода на рекламу. Наш подход сочетает машинное обучение и экспертные знания индустрии. Например, для одного из проектов модель на основе анализа трейлера и социальных сетей предсказала opening weekend в $80M с точностью ±15%. Это позволило студии зарезервировать оптимальное количество экранов и сократить маркетинговый бюджет на $10M. Такие результаты мы достигаем благодаря комбинации LightGBM, трансформеров для анализа тональности и байесовского обновления. Все модели обучаются на исторических данных за последние несколько лет и адаптируются под конкретный рынок. Мы гарантируем прозрачность прогнозов и полную поддержку внедрения. Неточный прогноз приводит к потерям: перебор с экранами — пустые залы, недобор — упущенная выручка. Наша система минимизирует эти риски.

По данным отраслевых источников, opening weekend составляет в среднем 28–35% от общих сборов фильма — в зависимости от жанра и маркетинговой поддержки. Для анимационных фильмов и семейного контента этот показатель ниже за счёт длинного хвоста сборов, для horror-релизов — выше: большинство зрителей идут в первые дни. Это делает opening weekend критическим индикатором для дистрибьюторов при планировании количества экранов и рекламного бюджета.

Как формируется прогноз сборов фильма?

Жизненный цикл фильма в прокате

Фазы:

• Opening weekend (первые 3 дня): корреляция с общими сборами ≈ 0.85
• Week 1-4: скорость падения сборов зависит от жанра и сарафанного радио
• Long tail: платформы, повторные показы

Decay model:

def weekly_decay_forecast(opening_weekend, genre, audience_score):
    """
    Недельный decay коэффициент: horror ~0.5, drama ~0.4, family ~0.55
    Audience Score корректирует: высокий → медленнее падает
    """
    base_decay_rates = {
        'horror': 0.50, 'action': 0.48, 'drama': 0.40,
        'comedy': 0.45, 'family': 0.52, 'animation': 0.55
    }
    base_decay = base_decay_rates.get(genre, 0.47)
    decay = base_decay * (1 - (audience_score - 70) / 200)

    weekly_forecasts = [opening_weekend]
    for week in range(1, 12):
        weekly_forecasts.append(weekly_forecasts[-1] * (1 - decay))

    return weekly_forecasts

Feature Engineering

Pre-release предикторы + Social sentiment:

pre_release_features = {
    'production_budget_usd': production_budget,
    'distributor_tier': map_distributor(distributor),
    'studio': studio_name,
    'genre': genre,
    'mpaa_rating': rating,
    'sequel_flag': is_sequel,
    'franchise_previous_gross': previous_installment_gross,
    'based_on_ip': is_adaptation,
    'director_avg_gross_5yr': director_historical_performance,
    'lead_actor_star_power': actor_star_index,
    'trailer_views_cumulative': youtube_trailer_views,
    'google_search_volume': google_trends_movie_title,
    'social_media_mentions_30d': twitter_instagram_mentions,
    'imdb_want_to_see_pct': imdb_user_interest,
    'release_date_week': release_week_of_year,
    'competing_films_budget': sum([f.budget for f in same_weekend_releases]),
    'incumbent_screen_count': screens_by_current_top10_films
}

from transformers import pipeline
sentiment_analyzer = pipeline('sentiment-analysis', model='nlptown/bert-base-multilingual-uncased-sentiment')

def compute_sentiment_features(reviews_before_release):
    sentiments = sentiment_analyzer(reviews_before_release)
    return {
        'positive_pct': sum(1 for s in sentiments if s['label'] in ['4 stars', '5 stars']) / len(sentiments),
        'avg_sentiment_score': np.mean([int(s['label'][0]) for s in sentiments]),
        'sentiment_variance': np.std([int(s['label'][0]) for s in sentiments])
    }

Какие модели мы используем?

LightGBM и Ensemble. LightGBM показывает MAPE на 15% ниже, чем линейная регрессия, и на 5% ниже, чем XGBoost, благодаря эффективной обработке категориальных признаков и пропусков. Мы также используем ансамбль из трёх моделей: LightGBM, регрессии на основе рейтинга Rotten Tomatoes и опросов трекинга. Это повышает точность итогового прогноза на 10% по сравнению с одной моделью. Для оценки точности мы применяем кросс-валидацию по годам: обучаем на данных 2015–2019, тестируем на 2020–2024, что даёт реалистичную оценку MAPE в 25–40% для pre-release прогнозов.

from lightgbm import LGBMRegressor
model = LGBMRegressor(n_estimators=500, learning_rate=0.05, num_leaves=31)
model.fit(X_train, np.log(y_train))
predicted_opening = np.exp(model.predict(X_test))

ensemble_weights = {'lgbm_model': 0.5, 'tomatometer_regression': 0.2, 'tracking_survey_model': 0.3}

Почему нужно обновлять прогноз после старта?

Bayesian Update — корректировка прогноза на основе пятничных сборов снижает ошибку с 30% до 12%. Это особенно важно для блокбастеров, где первые часы дают мощный сигнал. В наших проектах мы внедряем автоматическое обновление прогноза каждые 4 часа после старта, используя данные из кассовых терминалов.

def update_forecast_with_early_actuals(prior_forecast, friday_actual_gross):
    friday_multipliers = {'family': 2.7, 'horror': 2.0, 'drama': 2.1, 'action': 2.2}
    weekend_estimate = friday_actual_gross * friday_multipliers.get(genre, 2.2)
    posterior_forecast = 0.3 * prior_forecast + 0.7 * weekend_estimate
    return posterior_forecast

Международные рынки

Китайский рынок требует отдельной модели — иные жанровые предпочтения, квоты, цензура. Для глобального прогноза мы используем:

international_features = {
    'domestic_opening_actual': domestic_results,
    'ip_international_recognition': franchise_global_awareness,
    'chinese_market_flag': china_approved,
    'release_timing_lag': weeks_after_domestic_release,
    'local_competition': local_blockbusters_same_period
}

Эта модель снижает ошибку для международных сборов на 20% по сравнению с простым мультипликатором.

Применения для дистрибьюторов

Что входит в работу

Мы предоставляем:

• Документацию по модели, признакам и метрикам
• Доступ к API прогнозов
• Обучение команды работе с системой
• Поддержку на этапе внедрения

Опыт: более 5 лет в прогнозной аналитике, сертифицированные ML-инженеры, свыше 20 реализованных проектов.

Сроки: baseline regression + social sentiment pipeline + opening weekend прогноз — 4-5 недель. Полная система с decay model, Bayesian update и международными рынками — 2-3 месяца.

Свяжитесь с нами для оценки вашего проекта. Получите консультацию по внедрению AI-прогнозирования.

Какие проблемы прогнозирования временных рядов встречаются чаще всего?

Финансовый директор запрашивает прогнозирование временных рядов продаж на квартал. Аналитик строит SARIMA, добивается MAPE 8.3% на тестовой выборке — и с гордостью деплоит. Через два месяца в production метрика падает до 23%. Причина классическая: модель обучалась на данных до COVID, тестировалась на стабильном периоде, а production попал на промо-акцию и сбой поставок. Data leakage + distribution shift = красивые цифры в ноутбуке и неработающий прогноз в реальности. Мы сталкивались с этим десятки раз. Наш опыт — 5+ лет в прогнозировании временных рядов для ритейла, финтеха и IoT, более 50 завершённых проектов.

Неправильная кросс-валидация. Стандартный train_test_split для временных рядов — ошибка. Случайное разбиение создаёт data leakage: модель видит «будущие» значения в обучении. Правильно — TimeSeriesSplit или walk-forward validation с expanding window.

Множественная сезонность. Почасовые данные потребления электроэнергии имеют три сезонности: суточную (24 ч), недельную (168 ч), годовую (8760 ч). SARIMA справляется только с одной. Prophet обрабатывает несколько, но медленно масштабируется на тысячи рядов.

Пропуски и аномалии в данных. Пропуск в сенсорных данных — это информация (датчик отключился), а не просто NaN. Линейная интерполяция убивает этот сигнал. Правильная обработка зависит от природы пропуска.

Cold start при иерархическом прогнозировании. Новый SKU в ассортименте из 50 000 позиций: исторических данных нет, нужен прогноз. Стандартные подходы тут не работают — нужны cross-learning подходы или feature-based методы.

Какие инструменты и когда применять?

Prophet (Meta) — отличный старт для бизнес-данных с понятной сезонностью и праздниками. Быстро настраивается, интерпретируем, встроенная обработка выбросов и пропусков. Падает в точности при нерегулярных паттернах и не масштабируется на десятки тысяч рядов без параллелизации. Prophet (Facebook) — официальная документация.

Gradient boosting на фичах (LightGBM, XGBoost) — часто недооценённый подход. Создаёте фичи вручную: лаги (t-1, t-7, t-28), скользящие средние, категориальные признаки (день недели, месяц), экзогенные переменные. Модель обучается на всех рядах одновременно — решает cold start через похожие ряды. MAPE на ритейл-прогнозировании часто лучше нейронных сетей при правильной feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, специально разработанный для интерпретируемого прогнозирования с ковариатами. Встроенные механизмы: variable selection (какие признаки важны), temporal self-attention (какие временные точки влияют на прогноз), квантильные предсказания. Доступен в pytorch-forecasting. Требует ~10 000+ записей на ряд для стабильного обучения. Temporal Fusion Transformer — академическая публикация.

PatchTST — трансформер, который делит временной ряд на патчи (аналогично ViT для изображений). Лучше захватывает локальные паттерны, чем классические трансформеры. Хорошо работает для long-horizon forecasting (прогноз на 96–720 шагов). Реализация в neuralforecast от Nixtla.

N-HiTS, N-BEATS — нейронные архитектуры без attention, быстрее TFT, конкурентная точность. N-BEATS выигрывает на M4/M5 benchmark для задач без ковариат.

Как мы разворачиваем TFT в production?

TFT требует тщательной подготовки данных. Типичный пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 дней
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 дней
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Частая ошибка: target_normalizer по умолчанию (StandardScaler) ломает предсказания для рядов с нулевыми значениями (нет продаж в выходные). GroupNormalizer с transformation="softplus" — правильный выбор для count-данных.

Пошаговая инструкция по настройке TFT

1. Сбор и подготовка данных. Обработать пропуски (маркировать NaN, интерполировать только если это технический сбой), агрегировать до нужной частоты, сформировать ковариаты (праздники, промо, цены).
2. Создание TimeSeriesDataSet. Указать group_ids (например, магазин+SKU), временной индекс, горизонт прогноза. Настроить target_normalizer с учётом распределения таргета.
3. Обучение baseline. Сначала Prophet или LightGBM — чтобы понять, насколько сложнее задача.
4. Тренировка TFT. Запустить TemporalFusionTransformer с loss=QuantileLoss(), подобрать learning rate и размеры hidden слоёв. Использовать pytorch_forecasting или neuralforecast.
5. Валидация и интерпретация. Проверить walk-forward, проанализировать variable selection, построить attention heatmap.

Кейс: прогноз спроса в ритейле. Сеть из 120 магазинов, 8000 SKU, горизонт прогноза 28 дней. Исходная система: SARIMA отдельно для каждого ряда, MAPE 18.4%, полный цикл переобучения — 6 часов. TFT на PyTorch + pytorch-forecasting: одна модель на все ряды, MAPE 11.2%, переобучение — 40 мин на A10G. Дополнительный бонус: feature importance через variable selection — выяснилось, что day_before_holiday влияет сильнее, чем сама дата праздника. Средняя экономия бюджета на инференсе для клиента составила 1.5 млн ₽ в год.

Как правильно оценивать качество прогнозов?

Не используйте RMSE как единственную метрику — она сильно штрафует за большие ошибки на больших значениях. Наш набор метрик для ритейл-прогнозирования:

• MAPE — интерпретируема, но нестабильна при значениях близких к нулю
• sMAPE — симметричная версия, избегает деления на маленькие числа
• MASE (Mean Absolute Scaled Error) — нормализован относительно наивного сезонного прогноза, отлично подходит для сравнения между рядами с разными масштабами
• Quantile loss / Pinball loss — для вероятностного прогнозирования, оценка покрытия интервалов

Гарантируем: мы предоставляем model card с этими метриками на валидационной выборке и результаты walk-forward теста на истории не менее 6 месяцев.

Что входит в работу

• Документация по выбранной архитектуре, обоснование выбора гиперпараметров.
• Воспроизводимый пайплайн обучения и инференса (Docker + CI/CD + Airflow/Prefect).
• Код с комментариями и модульными тестами на ключевые компоненты.
• Обучение вашей команды: как переобучать модель, как интерпретировать выходы, как деплоить новые версии.
• Поддержка в течение 3 месяцев после сдачи: консультации, фиксы багов, донастройка.

Процесс работы

Начинаем с EDA: визуализация, тест ADF на стационарность, STL-декомпозиция, анализ пропусков и выбросов. Это 2–3 дня, но часто выявляет системные проблемы данных, которые блокируют прогнозирование.

Затем: baseline (наивный seasonal, Prophet), feature engineering для LGBM, выбор архитектуры нейронной сети если нужно. Walk-forward validation с реалистичным горизонтом. Деплой через API с автоматическим переобучением по расписанию через Airflow или Prefect.

Сроки ориентировочно: MVP-прогноз на одном типе данных — 3–6 недель. Иерархическая система прогнозирования с автоматизацией — 2–5 месяцев. Стоимость рассчитывается индивидуально.

Наша команда — сертифицированные ML-инженеры (AWS ML Specialty, GCP Professional ML Engineer). За 5 лет на рынке реализовали более 50 проектов по прогнозированию. Свяжитесь с нами для бесплатного анализа ваших данных — мы оценим задачу и дадим первые рекомендации за 1–2 дня. Закажите консультацию и убедитесь, что ваши прогнозы работают в production, а не только в ноутбуке.