AI爬蟲與票房資料戰：電影產業看不見的數據基礎 https://research.taicca.tw/article/ebaccd4b-6119-462e-88e2-e11dca989f4b 重點摘要 2026年初，美國重要電影票房資料網站The Numbers突然無法連線，讓電影產業看見票房 網站背後長期累積、持續維運的資料基礎設施。票房數字並非網站自行產生，而是由影院 售票紀錄，經過蒐集、標準化、比對與修正後，轉化為排行榜、資料庫、商業分析與市場 預測。 從The Numbers、Box Office Mojo與Comscore，到韓國依法建置的KOBIS，本文比較不同 電影資料平台的來源、定位與商業模式，並指出AI爬蟲降低資料取得門檻的同時，也增加 網站維運壓力。當資料愈容易被機器讀取，長期維護資料的成本應由誰承擔，將成為產業 必須面對的問題。 -------------------------------------------------------------------------- 2026年3月5日，美國電影票房資料網站The Numbers突然無法連線，八天後網站恢復上線 時，一開始只保留最新票房資料，原本累積多年的歷史圖表、個別電影頁面與分析功能大 量消失。對一般使用者而言，這或許只是少了一個免費查詢票房的網站；但對電影記者、 研究者、片商與投資人而言，消失的卻是一套累積近30年的電影資料庫。 The Numbers的掛站意外，也讓電影產業平常隱身在幕後的資料基礎設施浮上檯面：每天 公布的票房數字究竟從哪裡來？電影情報網站、企業顧問與市場調查公司如何取得、整理 並販售這些資料？不同國家又建立了哪些影院資料蒐集機制？本文從The Numbers事件出 發，進一步整理美國與其他國家的電影數據資料庫及其商業模式，並討論AI與自動化工具 大量讀取資料後，這套長期支撐電影產業的資料體系正面臨哪些新的挑戰。 AI浪潮引發的掛站危機：蜂擁而至的機器爬蟲 The Numbers由數學家、前IBM軟體工程師Bruce Nash於1997年創立，最初只是為 Hollywood Stock Exchange（HSX）玩家提供票房分析的小型網站。到了2026年初，資料 庫已收錄逾7.8萬部電影、17.8萬筆戲院上映紀錄及23.6萬位人物資料，內容除了每日與 週末票房，也包括上映紀錄、製作預算、演職員與電影財務資訊。 這座累積近30年的資料庫，近年開始面對過去未曾出現的流量壓力。創辦人Nash表示，過 去網站主要面對真人使用者、搜尋引擎，以及少數自行抓取資料的使用者，若有人存取過 於頻繁，通常還能辨識並封鎖。約自2024年起，AI訓練爬蟲大量加入；到了2025年12月， 又出現AI代理（AI agents）與其他自動化工具帶來的第二波流量。2026年初，真人瀏覽 只占網站流量約一成，其餘九成均來自各類機器人與自動化存取。 團隊曾試圖把這些機器流量導向正式授權，Nashu在網站加入專門提供大型語言模型讀取的 說明，告知資料授權方式，資料授權詢問一度因此增加約十倍，但仍無法解決持續增加的 存取壓力。從2025年12月至2026年3月初，團隊約九成工時都花在維持舊網站運作，只剩 一成能投入新系統開發。偏偏舊站本身已有相當沉重的技術負擔：約16萬個原始檔案支撐 近200萬個網頁，團隊必須一面維持舊系統，一面趕在它失效前完成新站。 新舊系統最終沒有順利完成交接。3月5日凌晨，舊伺服器在新站完成前全面癱瘓。團隊事 後也沒有直接重啟原有系統，而是決定放棄修復舊伺服器，八天後先以簡化版本恢復服務 ，再逐步重建原有功能。 票房數字怎麼算出來的 The Numbers網站中斷之所以會影響大量使用者，很容易讓人產生一個錯覺，以為這些票 房網站就是電影票房數字的「源頭」。實際上，The Numbers、Box Office Mojo等公開網 站多半位於資料鏈的後端。票房數字真正的起點，是觀眾在電影院完成的每一筆購票交易 ；網站的工作，則是把來自不同來源、格式與時間點的資料，整理成可以查詢與比較的市 場資訊。 一張電影票售出後，售票系統留下的不只是一筆金額，還包括電影、影院、場次、放映時 間、票價、售票時間與觀影人次等交易紀錄。這些資料接下來如何匯集則因市場而異：有 些由影院或院線系統傳送，有些透過片商、發行商或銷售代理回報，也有Comscore等第三 方市場調查公司建立自己的資料網絡；韓國則透過制度要求相關售票資訊進入中央系統。 全球電影產業因此不存在一套完全相同的票房資料蒐集方式。 但只有一筆筆售票紀錄，還不足以形成我們平常使用的票房資料庫。交易資料還需要與電 影片名、上映日期、影院與銀幕數、上映地區、幣別，以及首輪上映、重映或特別放映等 資訊相互對應。不同國家可能使用不同片名、貨幣與統計週期，同一部電影也可能經歷多 次上映，因此資料庫必須持續整理、比對與更新這些欄位，才能把分散的交易紀錄轉換成 可以跨時間、跨市場比較的票房資料。票房數字也可能因資料截止時間、退票、延遲傳送 或後續修正而變動，因此公開網站上的排行榜，其實只是整條資料鏈最後、也最容易被看 見的一層。 The Numbers如何將資料再轉成產品 累積近30年的票房與電影資料，除了供一般使用者免費查詢，也是The Numbers發展商業 服務的基礎。同一批資料經過不同程度的整理與分析，進一步形成資料庫、客製化分析與 產業情報等產品。 其中，OpusData將大量電影資料整理成一致格式，供企業匯入內部系統與分析工具。核心 是電影的「後設資料」（metadata），包括片名、導演、演員、類型、上映日期、製作公 司、發行商、製作成本與票房等。當數萬部電影按照相同欄位長期累積，使用者便能直接 進行搜尋、篩選與交叉分析，而不必從公開網站逐筆查找。 Comparable Films Analysis則利用歷史資料評估尚未上映、甚至仍在籌資階段的電影。 分析人員依類型、製作規模、演職員與上映方式等條件，從既有電影中尋找比較案例，再 利用這些作品的票房與市場表現，協助製片方建立財務預估與投資分析。Nash Information Services提供的相關服務可從超過2萬部電影中篩選比較作品，並進一步製 作國內外市場分析及投資報酬情境。 The Numbers Business Report則不是供使用者自行查找資料，而是由The Numbers團隊定 期製作的訂閱制產業分析報告。內容包括未來新片與整體院線市場的票房預測、院線窗口 與家庭娛樂趨勢、重要演職員的商業價值，以及國內外上映日程，並以專題分析追蹤電影 市場的重要變化。2026年起，The Numbers另提供每週更新的六週院線市場預測，估算每 日前十大電影票房與整體市場規模。 這三項服務也代表電影資料不同程度的加工：OpusData提供結構化資料，Comparable Films Analysis利用歷史案例進行個別電影的商業評估，Business Report則由The Numbers直接提出市場預測與產業分析。資料的價值不只在記錄已經發生的票房，也在於 能否進一步用來判斷尚未上映的電影與未來市場。 Box Office Mojo：海撈全球票房，目標大眾查詢入口 相較於The Numbers，Box Office Mojo更著重把票房資料做成面向全球使用者的查詢服務 。網站由Brandon Gray於1999年創立，2008年被IMDb收購，之後納入Amazon旗下的IMDb／ IMDbPro體系。The Numbers以北美市場資料為核心，Box Office Mojo則廣泛收錄國際票 房，目前涵蓋60多個國家與地區，並依歐洲、中東與非洲（EMEA）、拉丁美洲、亞太、中 國等市場區域整理，可查詢個別電影在不同市場的上映日期、開片與累積票房。 被IMDb收購後，Box Office Mojo的價值也不只在票房排行榜。IMDb原本累積的電影、影 人與公司資料，可以進一步與Mojo的上映及票房紀錄串聯，讓使用者從作品資訊延伸到市 場表現；部分演職員、公司票房與影院數等進階資料則導向付費的IMDbPro。換言之， Box Office Mojo既是大眾查詢票房的入口，也讓IMDb原有的作品資料增加市場表現這一 層資訊，進一步延伸IMDbPro、資料授權與廣告等商業服務。 不過，Box Office Mojo的「全球票房」並不代表直接串接世界各地戲院的完整售票紀錄 。其資料來自片商、發行商、銷售代理及其他來源，各市場取得資料的方式與完整度不一 ；部分市場甚至只能取得數國合併的區域票房，或只有累積票房而缺少每日、每週紀錄。 因此，Mojo適合快速比較不同國家與區域的市場表現，但若要分析臺灣或東南亞等特定市 場，仍須與當地官方統計或更直接取得院線資料的來源交叉比對。 Comscore：把全球票房資料接進片商與院線的工作流程 對片商、發行商與院線來說，有電影資訊和票房排行榜還不夠。Comscore的電影資料業務 可追溯至1976年Marcie Polier Swartz建立的集中式票房回報服務，此後歷經多次併購與 品牌變動，2016年Rentrak與Comscore合併，原有的電影票房與院線資料服務也轉由 Comscore經營。這套發展近50年的服務，核心客戶一直是電影產業業者，而非一般觀眾。 Comscore的資料網絡也不只涵蓋北美。其Global Box Office Reporting在美國與加拿大 追蹤約99%的銀幕，同時蒐集全球主要電影市場的票房與觀影人次，涵蓋約95%的全球院線 票房。片商、發行商與院線可以透過系統查看電影在美國及海外市場的表現，比較不同作 品、地區與市場，部分資料甚至可追蹤至逐分鐘的售票與觀影人次變化。Comscore並未逐 國公開資料取得方式，但已建立橫跨主要電影市場的票房資料網絡。 與公開票房網站更大的差別，在於Comscore把這些資料直接接進業者的日常工作流程。 Exhibitor Management System（EMS）可整合戲院POS資料，處理訂片、片租計算、應計 費用、付款及財務系統更新；Swift則彙整與核對戲院層級的售票交易，提供發行商進行 票房回報、請款與帳務處理。票房資料因此不只是上映後拿來分析的結果，也成為院線管 理電影上映、片商掌握市場表現，以及雙方進行結算時持續使用的工作資料。 這也使Comscore與前述兩個網站形成不同定位：The Numbers將電影資料發展成資料庫、 作品比較與市場情報產品；Box Office Mojo把跨國票房做成大眾查詢入口；Comscore則 深入片商、發行商與院線的營運流程，將票房資料與上映管理、回報及結算串接在一起。 2026年5月，這項業務再度轉手，Comscore以7,000萬美元將電影票房資料、分析業務及 Hollywood Software出售給私人投資公司Advaya Capital，交易完成後重新啟用「 Rentrak」品牌。既有平台與服務暫時維持不變，新公司則計畫擴充海外市場資料，並利 用AI改善資料蒐集與預測分析。 KOBIS：韓國的全國票房資料網 韓國由政府建立全國性的票房資料系統。韓國電影振興委員會（Korean Film Council， KOFIC）營運的韓國電影票房資訊系統（Korean Box Office Information System，KOBIS ），背後連結「電影票券綜合電算網」。依韓國《電影及錄影物振興法》，影院必須加入 系統，並傳送觀影人次、票券銷售額等售票資料；相關資料進入中央資料庫彙整後，再由 KOFIC透過KOBIS對外公開，但公開範圍不包括影院的企業機密。 這些售票紀錄經整理後，形成KOBIS的電影票房、觀影人次、上映場次、銀幕數等統計， 並可依作品、發行商、影院與地區查詢。KOFIC另透過FIMS電影代碼識別不同作品及上映 版本，使各影院傳送的交易紀錄可以匯入同一套統計系統。這些資料除了形成每日票房與 排行榜，也成為韓國電影市場統計與產業分析的基礎。 不過，統一蒐集售票資料之後，交易紀錄如何轉換成票房統計，仍可能與電影業既有的商 業操作產生落差。2023年韓國曾爆發票房灌水爭議，部分片商購買的促銷票券即使沒有實 際被觀眾使用，仍可能在深夜集中開票並計入KOBIS觀影人次。由於觀影人次會直接影響 票房排名，並進一步成為電影宣傳與市場聲量的一部分，片商因此存在拉高統計數字的商 業誘因。KOFIC事後與業界協議停止這項做法。2025年檢方最終因證據不足，對遭移送的 三大院線及片商相關人士不起訴；業界則主張包場、試映、促銷與群眾募資回饋票原本就 是電影發行的一部分。這場爭議也帶出統計上的界線：售出票券、實際入場與統計上的觀 影人次，並不必然完全相同。 KOBIS與Comscore因此代表兩種不同的票房資料取得方式。Comscore透過與院線、片商建 立商業合作與系統串接取得資料；韓國則由政府以法規建立全國影院的售票資料回報機制 ，再由KOFIC統一彙整並提供查詢。兩者都將分散在影院端的售票紀錄轉化為產業資料， 但一套建立在商業服務網絡之上，另一套則以全國性的制度與公共資料系統為基礎。 AI時代，誰來負擔資料維運的成本？ The Numbers的掛站事件，除了反映AI爬蟲對網站造成的流量壓力，也帶出更長期的經營 問題。電影資料庫需要持續蒐集、核對、修正與更新，這些工作耗費人力與時間；過去業 者可以透過資料授權、分析服務等方式取得收入，再支撐資料庫本身的維護，但AI與自動 化工具正在改變這套模式。爬蟲可以大量擷取公開資訊，AI則進一步降低整理與分析資料 的門檻。原本需要購買資料服務，或投入大量人力才能完成的資料彙整與比較，如今部分 工作可以透過公開資料與自動化工具完成。對使用者而言，取得與分析資料的成本降低； 對資料庫經營者而言，卻可能同時面臨機器存取增加，以及付費資料服務價值被稀釋的雙 重壓力。 但資料的使用成本下降，不代表維護資料的成本也同步消失。票房資料仍需要有人持續蒐 集、清理、核對與修正，才能維持長期可用性。The Numbers在2026年的遭遇因此不只是 一場網站事故，也提出一個AI時代更難回答的問題：當整理好的資料愈來愈容易被機器取 得與重新利用，長期維護這些資料的成本，最後要由誰負擔？ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 219.71.168.102 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/boxoffice/M.1790339370.A.E01.html