Your Language Setting

[轉錄] 数据分析:色情片中的大数据

色情电影

  首先请允许我向一位真正的色情数据专家致敬,Jon Millward。其实说色情专家过于片面,他还做过分析500个死囚行刑前的最后一句话等分析,每一个都引人注目。但是在我看来,他用6个月的时间,潜心分析超过10000名的色情艳星及她们的12万部作品,从而拿出了一份专业的数据报告,至少这份报告里能扭转很多人的固定思维,告诉他们,世界并非想象的那个样子。佩服他的另外一个理由是,他能连续半年,每天都研究色情片却没有精尽人亡,好一个牛字了得。(提醒:作者为专业人士,请看官不要尝试连续半年不停的看A片,由此带来的生命危险概不负责)

  他从世界上最大的成人数据库***.COM里取10000名艳星的资料和她们的作品列表,然后从各种维度进行分析。真实数据分析之后的结果让很多人大跌眼镜,并且影响到了部分色情拍摄公司的选角标准。只选出几条,管中窥豹。

  在很多人的潜在意识中,欧美的色情明星应该是金发碧眼丰乳肥臀的模样,魔鬼身材皮肤白皙,狂野中带着性感,风情中带着诱惑。




  AV

  但是实际上,10000名女艳星中,头发以棕色的最多,占到了39.1%,其次才是金色32.7%,22.5%是黑色,5.3%是红色。(处女座的劣根性在此时暴露无疑,我加了一下,发现还有0.4%没有在统计显示,难道是白发魔女?)。更变态的是,作者发现哪怕是32.7%的金发,里面还有60%左右是后来染的……

  而在罩杯问题上,虽然欧美艳星一向以高头大马著称,但是排在第一位的罩杯是B,最常见的尺寸是34B。紧随其后的是C,其次是D,然后才是DD(欧美标准,大约相当于F杯)。对不起,我实在没有找到A罩杯的数据。

  在年龄结构上,平均的入行年龄为22岁。但是职业生涯长短却显示了这是一个“由来只有新人笑,有谁听到旧人哭”的竞争激烈的行业。在70年代,艳星的平均职业生涯男性为12年,女性为9年。而到了现在,男性平均仅4年,女性3年。所以在AVN奖(成人界的奥斯卡奖)中,能蝉联的艳星基本没有。

  这同样是一个需要脚踏实地勤奋工作的行业,因为演员卖力与否、演技高下,是很容易被雪亮眼睛的群众发现的。所以最勤劳的男艳星汤姆拜伦一共拍了2549部色情片,睡了1127位女星。这很容易让我想起了《大独裁者》里的经典镜头,他卧室的墙上,贴满了和睡过明星的合影,里面有梅根福克斯等一票女明星,最后连施瓦辛格都没放过。

  而最勤劳的女艳星则非尼娜-哈特林莫属,只是由于男女有别,她只睡过199个男艳星,但是从1984年开始,她一共拍了938部作品,这也注定是一个传奇啊!

  前八卦色情专栏作家卢克·福特曾经在批评色情电影行业的时候,煽情的说:“大部分女孩成为艳星拍一个片子就会退出,因为这经历会让她感到可怕、尴尬、羞辱,她们会永远记着这种痛苦,她们不会再有勇气再拍一部。”这句话在谷歌中能搜到无数次引用,我甚至都能想象得到悲天悯人的《知音》如果看到这句话,一定会大笔一挥《误入歧途的弱女子啊,遭人蹂躏走上艳星不归路》。

  但是真正从数据分析来看,只有10%到30%的女性会只拍一部作品就销声匿迹(并且你无法知道是她不愿意拍了,还是没人找她拍)。而53%的女性都拍了三部或者以上。也许退出仅仅是因为不喜欢,而绝不是所想的那样屈辱和痛苦。


  色情明星

  而在对作品的标题进行分析时,发现排名第一的关键词是“TEEN“(青少年),有近2000部作品标题中包含这个词。而排名第二的是”MILF“(熟女),排名第三的是”Wife“。无聊的乔恩又去抽查了100部包含熟女的电影,发现其中女主角平均年龄为33岁,7%的女星超过40岁,超过50岁的超过4%。一瞬间,我脑补的画面却是廉颇大人手持大刀,大喝一声”廉颇老矣,尚能饭否“数据是死的,重要的是数据分析后的结果如何去使用。例如乔恩也从广大的艳星群体中提取了一张艳星最受欢迎的大众脸,再加上其他的特征,以后星探们工作就会轻松很多,只用拿一张照片,蹲在街头,看到一个棕发B杯白人美女,就冲上去问:“你的肚脐到大腿之间是否纹有一只蝎子?要有的话,你就完全符合超级艳星的标准,来,跟我们去拍电影吧。先给300人民币现金试镜费吧。没现金没事,这旁边有ATM机”。


  色情电影

  我甚至还去一个专门由成人数据库延伸出来做艳星面部识别的网站,看一下有没有人像芙蓉姐姐(不过看起来生成的都比原版的要漂亮)。网站建立于12年初,如果当初百度同学能多上点儿类似创新型色情网站,那么PK大咖的应用去年年初就能火了。

  二.由数据分析引发的创新之举

  如今,互联网行业峰会如此之多如同过江之鲫,随便找个会场坐下,估计不出一分钟,就能听到创新、大数据、云计算等几个名词。

  而在世界范围上,很少有色情网站界的人士参加这种行业峰会,去畅谈大数据。原因也许是因为他们离钱太近,他们更关注每次从数据引发的创新能否带来收益上的变化,而不是去当专家空谈。我一直有个狭隘的不成熟的偏见,凡是在舞台上窜下跳,天天发软文刷存在感的企业,往往是危机来临的前兆。

  1.数据帮助色情帝国转型

  由于传统色情电影业务的下滑,加上盗版和互联网上免费资源的侵蚀,很多成人公司开始拓展新的业务。其中转型典型莫过于Hustler,最初的初衷是他们曾经发行过一部成人影片,工作人员在TW上无意发现很多人居然在问男主角的衣服是什么牌子的,在哪里可以买到。后来他们就引进了服装生产线,开始生产Hustler品牌的个性时尚服饰。原本他们担心自己成人制造商的口碑会影响销路,但是数据监控发现他们位于好莱坞和纽约的实体店,60%的顾客是女性,其中很多人并不知道他们之前是干什么的,并且有不少好莱坞明星会主动穿着他们的衣服亮相。

  这真是个好的产业延伸与拓展,一张DVD,脱衣服之前是Hustler的衬衫和短裙广告,脱衣服之后是Hustler的色情影片。

  2.数据带来的性岗位就业

  如同上文所说,整个色情影片行业已经走下坡路,但是老兵死去,总有新兵入伍。现在很多立志于从事这一行业的姑娘,更多的会选择当裸聊女郎。就像你经常收到的QQ请求一般“一台电脑,一个摄像头,足不出户轻松创业!”

  例如2012年AVN奖的获得者Lily Carter就是两年前在谷歌上搜索“如何成为一名色情明星”,从而开始走上了裸聊女郎的道路,接着由于表现突出,业绩良好,就投身到了传统的录像影片界,一炮而红,在2012年获得了17项提名。她真幸运,要是在国内,肯定正在卖安利。

  而专门立志于为全世界的性工作者找到满意工作的网站SEXYJOBS.COM上,写稿当天的提供裸聊女郎工作机会是61个,而招传统群众演员(指那些九流小影片里的角色)的机会也不过208个。这个网站的市场总监表示在每年春季,在每天全部的2500个招聘中,裸聊女郎能占到半数。


  欧美色情电影

  BTW,请那些喜欢语音激情聊天的同学最好能改变一下喜好,因为我看到了一份应聘语聊女郎的简历,不忍直视。

  全球共有5%的用户会访问在线裸聊网站。裸聊网站Livejasmine.com并不算一流,但是在他们平台上的顶级裸聊女郎,一个月能挣到34000美元的提成,并且一个星期也有双休。而在他们网站上,数据的应用更多的是体现在推荐系统上,他们弹出的小广告一般会有3-6候选人,只要你去过一次,就能根据你的喜好、口味风格给你推荐不同类型不同价位的裸聊女郎。

  正因为这种数据的应用,让很多裸聊女郎能凭借自己的本事挣钱,多劳多得,有创意就能脱颖而出,如何能让用户心甘情愿的不停掏钱,这是一门更高深的学问,等待有实践经验的专家分享。想成为顶级裸聊女郎,只会脱衣服,说两句“官人我要”,肯定无法在这弱肉强食的丛林中生存下去。

  3.数据带来的产品与技术创新

  在2012年,那本奇葩的小说《50 Shades of Grey》的流行,给很多欧美女性带来了强烈的性解放冲动,据称小说里出现的情趣玩具随着小说的发行而热销。我想应该如同当年那本《上海宝贝》给我带来的文字冲击。

  所以,很多成人影片公司都检测到了自己的客户中,女性用户的比重正在逐渐提升,看A片不仅仅只是男人的事情。但是只有New Sensations公司真正的利用上了数据,在新拍的影片中,更看重文艺性,而不是走猎奇和兽性的路子。他们说想拍出能让女性主动邀请男人看的A片。

  诸君可以想想看,女同学打电话说她有一道物理题不会做,想在夏日的午后邀请你到她家里帮她补习。你义正词严的说“你只要算上A车的加速度就可以了。”她又在电话那头撒娇说还有一道化学题不会做。你只得叹了口气,放下手中的漫画书,骑车去了她家。

  一进家门,你就惊讶的发现她居然只穿着一件背心,下面露出修长的大腿,你流着口水,一脸色相的问:“这是湖人队夺冠时的纪念球衣吗?”她笑而不语,端过来一杯水,杯底还有没有融化的小药片,她说是维生素C。你端坐在沙发上,她突然拉上了窗帘,整个屋子都黑了下来,然后她对你粲然一笑,打开了电视。画面没有声音,只有一个蓝屏滚动着一些英语,“FBI WARNING”。然后居然出现了一男一女正在做那个苟且的事情。

  你的脸一下子红了,女同学突然把你抱到怀里。你气愤的推开她,站起来大声说:“你干什么?化学题呢?”

  别以为这只是想象和意淫,现在很多色情网站的技术提供商和成人电影制作工作室PinkVisual就是因为创始人维瓦斯在和老公一起看色情片时,感动的泪流满面,从而决定投身色情技术圈。

  Pink Visual就是用数据来指导影片的拍摄和色情网站的优化,例如用户的推荐/筛选的机制/不同的数据呈现,并且分析用户的流失环节以及优化方案。

  别以为这只是想象和意淫,现在很多色情网站的技术提供商和成人电影制作工作室PinkVisual就是因为创始人维瓦斯在和老公一起看色情片时,感动的泪流满面,从而决定投身色情技术圈。

  同样,他们也发现,有些地区虽然带来的流量超高,但是由于可支配收入和信用卡有时不是真实存在的,游客占据了大量的带宽,却带不来收入。在某些情况下,就会封锁某些国家以节省带宽。不过看完了多篇报道,我并不知道他说的到底是哪个国家,真不要脸,看A片还想不掏钱。

  而CAM4.COM则会在白天的时候,根据用户量的情况,在低谷的时候推出大型多人表演来提升流量,进行数据监控。

  4.数据带来的线下产品创新

  数据不但能指导线上运营,同时也能指导线下实物产品的研发与改进。例如做高端性玩具的LELO品牌,他们在做用户调查的时候,发现购买自己性玩具和情趣内衣的用户中,有46%的用户有过SM的经历,而其中具体项目排名中第二是滴蜡。所以他们就推出了30美元的滴蜡按摩油。可以作为蜡烛燃烧,滴到身上后,就成了按摩油。

  产品一经推出,销路很好。随后LELO又推出了10美元的普通按摩油,数据显示,很多买了滴蜡按摩油的用户都会顺手再买一个普通装的。

  三.创新之源

  最近在各个文章中经常出现的一句话是在任何一个行业潜心研究10000小时,都会成为专家。而创新也不仅仅是灵光一闪,点子拿来。在这个不缺创意缺实现的年代,想到什么不重要,做出什么才重要。

  特别是在研究数据方面,欧美艳星流和日本女优流就有显著的区别,欧美更多的是把色情行业当做商业来运作,更多的数据分析,更强的技术创新。而日本更多的是AV行业当做娱乐产业来运作,体现在更多的萝莉幼齿,更多的清纯人妻上。


  日本AV

  例如哪怕仅仅把从1980年到现在的AV影片中,学生装的样式总结起来,我们就能清晰的看出服装审美的变迁。当然,这对中国的校服现状不会有任何的改变。

  ManWin,色情行业的帝国企业,全球排名第一的成人站就是他们控股,每个月能拿到大约16亿浏览者的数据资料,当问到他们如何处理这些数据时,他们的COO表示“很简单,去发现用户喜欢什么,然后我们去满足他们。”

  很多时候,数据就是这么简单,清清楚楚的放在那里,任你蹂躏,但是如何用得漂亮,那就需要对数据对用户的潜心研究。

COMMENTS

名稱

4G,1,一加手機,1,一站通系列,1,二次驗證,1,川劇,2,工作流程,1,工具,1,中國,9,中國股市,1,太陽能,1,心得,47,手機,5,日喀則,1,比特幣,13,比特幣單位,5,火幣,1,以色列,3,台新銀行,1,台新Richard,1,台幣,2,台幣匯率,2,四川,3,四姑娘山,1,交易所,4,合約,1,安全,1,成本分析,1,成都,3,百腦匯,1,老喬說,1,自助旅行,1,西寧,1,西藏,6,住院,1,床邊故事|喬家物語,1,攻略,1,纳木措,1,里程碑,25,夜店,1,拉撒,1,玩具,1,社會分析,6,股市,7,育兒,2,金融,1,門羅幣,6,保母,1,信用卡,5,哈達,1,挖機托管,1,挖礦,5,架構思考法,11,流通業,1,科技,5,美元匯率,1,美股,1,美金,2,美食,1,計算廣告,4,食記,1,個人整理,102,旅遊,7,朗瑪,1,特別股,1,納木錯,1,財務,3,財報,1,財富管理,3,酒吧,1,馬蜂窩,1,區塊練,7,國家義務,1,專利,1,產業趨勢,48,被動型基金,1,部落格流量,1,喬家物語,14,換匯,1,景點,1,筆記,69,開公司,1,開戶,1,雲端挖礦,2,匯率,6,新希望,1,腺病毒,1,零幣,1,電信,2,電源供應器,1,算力,3,算力巢,1,網路廣告,6,與成功有約,4,舞廳,1,銀行,1,嘻哈二將,1,嘻哈二醬,3,寬窄巷子,1,數位時代,9,數位貨幣一站通,1,歷史,3,轉帳上限,2,轉錄,15,羅林村,1,礦工,1,礦場,2,礦場託管,2,礦機,1,礦機代管,2,鐵路,1,變臉,1,ad tech,5,Adwords,1,AI,1,Android,5,Anonymous,2,App,16,Apple,9,ASIC,1,ATM,2,Authy,1,bank,2,BCH,1,BCN,4,Binance,2,bitcoin,37,Bitfinex,1,Bitoex,3,Bitstamp,3,blockchain,17,BTC,56,BTS,1,BURST,1,Byecoin,3,ccgmining,1,CEO.io,2,cex.io,2,changelly,4,CHT,1,cloud mining,8,Coin,2,coincap,1,CoinSwitch,1,computational advertising,6,cpu,1,Creativity,16,Crypto,5,DASH,1,DBC,2,delicious,12,digital advertising,1,DOGE,1,Dogecoin,1,eBay,1,EC,14,ETF,1,ETH,14,Ethereum,11,exchange,20,facebook,3,Fantomcoin,1,FCN,1,findbook,3,Fintech,3,Firstrade 台新,1,Firstrade 永豐,1,Firstrade 玉山,1,Fitbit,2,FN,15,funny,9,Gamme,10,Genesis Mining,3,GM,1,Google Authenticator,1,groupon,12,Hashnest,2,High-Tech Entrepreneurship,6,hit,1,hitbtc,8,Houbi,2,ICO,5,Industry,49,Interest,1,iOS,2,IOST,1,Kraken,6,Litecoin,1,LTC,2,MaiCoin,1,MCO,1,milestorm,1,minergate,10,mining,12,mining farm,2,mining hardware,5,Monaco,1,Monero,16,Monero Orginal,2,mycoincloud,1,oneplus,1,OTCBTC,1,paypal,2,performance advertising,1,Plurk,4,prepaid card,1,privacy,1,PTT,1,QTUM,1,Reflection,32,Richard,1,shapeshift,1,Social Network,8,startup,10,system dynamic,6,TAAZE,1,tablet,1,The Big Issue,1,TOEFL,1,TOEIC,1,token,2,tool,1,transaction,2,Transcription,14,UBQ,1,USDT,2,Viewpoint,73,VISA,1,VPN,1,Wallet,4,wallpaper,1,Walmart,1,WAVES,1,wire transfer,1,Worldcore,1,XEM,1,XLM,1,XMO,1,XMR,20,Zcash,4,ZEC,1,
ltr
item
林小狗研究室 | 區塊鏈, 門羅幣XMR, 數位廣告, 信用卡: [轉錄] 数据分析:色情片中的大数据
[轉錄] 数据分析:色情片中的大数据
林小狗研究室 | 區塊鏈, 門羅幣XMR, 數位廣告, 信用卡
https://www.joe-reflections.com/2017/02/blog-post_15.html
https://www.joe-reflections.com/
https://www.joe-reflections.com/
https://www.joe-reflections.com/2017/02/blog-post_15.html
true
3668400142001265889
UTF-8
Loaded All Posts Not found any posts VIEW ALL 更多教學 Reply Cancel reply Delete By Home PAGES POSTS View All RECOMMENDED FOR YOU LABEL ARCHIVE SEARCH ALL POSTS Not found any post match with your request Back Home Sunday Monday Tuesday Wednesday Thursday Friday Saturday Sun Mon Tue Wed Thu Fri Sat January February March April May June July August September October November December Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec just now 1 minute ago $$1$$ minutes ago 1 hour ago $$1$$ hours ago Yesterday $$1$$ days ago $$1$$ weeks ago more than 5 weeks ago Followers Follow THIS PREMIUM CONTENT IS LOCKED STEP 1: Share to a social network STEP 2: Click the link on your social network Copy All Code Select All Code All codes were copied to your clipboard Can not copy the codes / texts, please press [CTRL]+[C] (or CMD+C with Mac) to copy Table of Content