好萊塢此前隨處可見機器人，而現在員工數量幾乎已經和這些道具持平了。而人工智慧（AI）已經成為驅動這座浮華城(Tinsel Town)幕後製作中越來越重要的東西，甚至於會成為未來電影票房能夠大賣的決定性因素。

越來越多的製片公司和好萊塢工作室已經向AI轉型，其中最為典型的就屬Silver Logic Labs (SLL)，它利用人工智慧來獲取消費者對某個影片的間接，而這在此前是絕對無法做到的。好萊塢透過這些公司，瞭解到使用者所填寫的問卷調查並不總是真實的。而透過機器學習能夠分析人們在觀看電影或者片段之後的反應，SLL能夠確定人類對某部電影或者特定場景的實際感受。

於傳統的問卷調查相比，這些洞察資料能夠更精準、更實用地預測電影票房。在這家公司的官網上表示，只需要提供一段指令碼就能預估電影票房成績：“我們只分析了電影的一個片段，我們預測《Passengers》在美國的票房成績為1.181億美元。而票房Mojo結果顯示《Passengers》在美國票房成績為1億美元。”

2014年9月，谷歌電影票房預測模型面世了，這是谷歌公司的一項重要研究成果。這個模型能夠提前30天預測電影的首周票房收入，準確度能夠高達90%以上。這項研究成果在業內引起了很大的震動。

谷歌對於電影票房的預測採用的是最為簡單的模式之一：線性迴歸模式（線性迴歸，是利用數理統計中迴歸分析，來確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法，運用十分廣泛。）。這是大資料分析中最為簡單的分析模式了，為什麼如此精準的預測會採取如此簡單的分析模式呢？

1、線性模式雖然表面上簡單，但他的精準度卻是很高，簡單且效果又好，這是我們實際應用中一直追求的方法。

2、簡單的模型也容易被人們理解和分析。這就是谷歌對於資料分析應用的高明之處。

谷歌的票房預測模型，實際上就是對大資料分析方法的一種應用。先是透過搜尋相關的資料，挖掘出使用者對電影的需求有多大，進而做出對票房收入的預測。值得注意的是，谷歌搜尋模型是宏觀搜尋量的統計，對使用者需求的挖掘只是表面上的。要從大量的資料分析中挖掘使用者的需求是未來大資料的趨勢之一。

大資料分析的核心就是對使用者需求的挖掘，所以大資料分析的核心問題是：使用者的需求是可以從哪些資料中可以挖掘到？要知道，並不是任何需求都可以被挖掘到，就算是挖掘到，資料的精準度非常高的才能使用。能夠透過大資料分析挖掘到使用者的需求，一般是有經驗的大資料分析師或者是專業的業內人士才能做到的。

谷歌的大資料分析和預測模型是符合行業直覺的，即電影預告片的搜尋量越大，電影票房收入也就越高。模型能夠提前一個月預測票房，這也是符合大資料分析和業內經驗的，正如谷歌的一項行業調查揭示的：如果觀眾對一個的電影感興趣，一般會提前一個月對電影的預告片進行搜尋。資料分析技術，是把這種模糊的行業經驗利用資料的體現大量的集中在一起，使得對票房的預測變得更精準，而這一預測，很可能會改變電影行業的營銷手段。