20000条数据告诉你，如何正确观看百老汇音乐剧

　　如果你想去纽约一睹百老汇的华美，就需要读一读这篇给旅行者的百老汇音乐剧指南。

　　美国百老汇，音乐剧迷们的天堂，从《猫》到《歌剧魅影》再到《妈妈咪呀》，每一部经典作品都享誉世界。如果你想去纽约一睹百老汇的华美，就需要读一读这篇给旅行者的百老汇音乐剧指南。数据侠Zhenggang Xu通过爬取旅游网站Tripadvisor上百老汇音乐剧点评数据，进行深入分析，结果发现了很多有价值的洞察，快跟着Zhenggang Xu的图文了解百老汇音乐剧的秘密吧!

　　项目构想

　　百老汇是纽约**的标志性景点之一。2017到2018年间，就有1380万人观看了百老汇演出，而这个数字已经是纽约人口的1.6倍。数据显示，60%的购票者是来纽约旅行的游客，因此，了解他们对百老汇节目的看法一定很有趣。这其中是否有什么相似的范式?能否用来帮助未来的游客?

　　为此，我对旅游网站Tripadvisor上受欢迎的百老汇音乐剧的评论进行了研究，它可能并不是至全面和专业的评论音乐剧的网站，但是上面旅行者的一些反馈是很真实的，当地人可能并不会在上面发表评论，所以如果你也是游客，这些评论可能会有帮助。

　　▲(图片说明：Tripadvisor网站上的歌舞剧页面)

　　方法论

　　我使用了Python的Scrapy包来进行数据爬取。我选择了受欢迎的10部百老汇音乐剧，并收集了它们对应的用户评论。对于那些评论数超过5000条的剧目，我只收集了其中一半的评论。*终，整个项目共爬取了大约20000个评论。基于这些数据我完成了我的分析。

　　分析

　　评论者

　　我首先对用户的评论数以及这些评论获得的打分(这证明这些评论是有帮助的)进行分析，绘制了对应的分布图。由于评论大多来自普通游客，打分也就不会受到所谓游客是否有名的影响。如我们在图中所看到的，大部分用户发布的评论少于10条，并且没受到多少其他用户的认可。只有一小部分人属于很频繁的评论者，我设计了一个叫做“评论质量”的度量标准(也就是认为这个评论有帮助的投票/该用户提交的所有评论)来简单地对用户评论进行量化(低、中和高质量三类)，并且也给挑选出的音乐剧的打分算出一个平均值。

　　▲(图片说明：评论数与分数分布图，平均打分分数vs.打分质量的柱状图)

　　于是，得出一个明显的趋势。可能这背后有两个原因，也许人们更倾向于认为包含一些批评的评论会更值得信赖，或者那些经常评论的人会更加挑剔。

　　季节性特征

　　之后我研究了具体不同月份的评论数，在下面的柱状图里可以清晰看到它们的趋势。在节日季结束后，2月份的评论数会急剧下滑。如果假设评论数与观众数相关，那么则表明百老汇来自游客的观众数在2月会触底，在春季会渐渐恢复，在7月达到顶。因为纽约是暑期游客旅行的目的地。下半年会有些波动，但整体良好。

　　▲(图片说明：按月度统计的评论数量)

　　观察上图，我好奇游客的行为是否有相似的一些模式(比如满意度等)，是否有*佳观看时间。仔细观察打分情况，全年波动并不大。也就是说对于游客的一个好消息是：你在全年任意时间去百老汇都可以获得相同的体验。

　　也许你也注意到，整体的观看数很高。因为这是数据样本的问题，这里面有强烈的“幸存者偏差”。百老汇是世界的舞台，竞争*激烈，能在这样的竞争中“幸存”下来的节目每年只有20%的节目能达到收支平衡。因此，我们挑选的受欢迎的节目，必然在很多方面都表现突出，这样才能够吸引全世界的游客前来观看。

　　▲(图片说明：按月份统计的音乐剧评分分数)

　　而我试图解答的另一个问题是，这些评论里是否只有赞美而缺少不同的见解。事实并不如此，下面我使用图云的方式来分析相关的评论。

　　评论分析

　　首先我将所有评论制作了一个图云。

　　从里面可以看到很多关键词，比如表演、歌曲、故事、演员等等。但是很难从中找到什么相似的范式。我们需要对单个的剧目进行分析。

　　首先我们看看Come from away这部剧，它去年三月登陆百老汇，并在Tripadvisor上获得高评价。它根据9-11事件后一个星期，发生在远离美国的一个加拿大小镇的真实故事改编，它希望让人们在*黑暗的时刻也不要忘记希望。

　　▲(图片说明：Come from away的评论词云)

　　从这个词云中，可以看到，故事是重要的关键词。说明观众关注的是故事本身。而音乐和演员也受到很多关注。这部剧没有过多的道具，太浮华的舞台，它*吸引人的就是他讲故事的方式，十几个演员讲述了一个温暖人心的故事。

　　接下来，我们分析了歌剧魅影，这个百老汇演出历史*久的音乐剧之一。从词云来看，人们对它的音乐着迷，许多人，包括我自己正是因为它而喜欢上了音乐剧。令人惊讶的是，人们还多次提到“座位”这个词，也许是因为它的演出场地Majestic Theartre是个巨大的剧院，你坐在哪里会直接影响你的观影体验。与Come from away形成鲜明对比，《歌剧魅影》的观众不怎么关注故事，演员、音乐成为重要的因素。

　　▲(图片说明：《歌剧魅影》的评论词云)

　　下面的词云来自剧目《狮子王》。

　　▲(图片说明：《狮子王》的评论词云)

　　尽管狮子王的音乐也非常出色，而且它的故事也是每个人都耳熟能详的，但这却都不是人们关注的焦点。服装成为评论*多的关键词。这也确实是它成功的关键。音乐和故事对观众来说不再是什么新鲜事之后，华丽的服装再次吸引了观众，尤其是小朋友。坐在剧院里与看电视的体验完全不同。除此之外，门票多次出现，可能是因为它的价格通常都很昂贵。

　　▲(图片说明：《汉密尔顿》的评论词云)

　　接下来是近年来非常出名的剧目——《汉密尔顿》。人们为何喜欢它?如果你以为是因为它的音乐、历史、故事甚至里面的说唱，那你就错了。实际上，门票依然是关注*多的词。在我看来，这部剧的确是天才之作，但是当人们更多关注的是门票而不是节目本身时，我想它并不是件好事。

　　如果我们把这四个词云放在一起看：

　　可以很容易看到，这四个剧目在评论中有完全不同的关键词。百老汇剧目种类多样，观众总能找到自己喜欢的剧目，不过，音乐依然是所有剧目中都重要的元素。

　　此外，如果剧目是在更大的剧院演出，那么人们就会更多地提到座位这个关键词。同样，如果票价越贵，人们也会更多地关注门票。对比来看，Come from away 的观众就可以更集中关注剧目本身，而其他的剧目，观众可能就会被其他因素分心。

　　我们已经分析了大部分的点评，他们普遍偏正向，那么那些批评的评论是什么样的呢?下面是负面评论的一个简单的词云(打分在1和2分的评论)。

　　▲(图片说明：所有数据中负面评论的词云)

　　我们可以看到，除了对票价的不满，候补演员(understudy)也被提及了很多次。我不认为是候补演员一定就表演不好，但当人们没能看到自己喜欢的演员时，他们自然会感到不满。而且，当你把高票价也考虑进内，这肯定加剧了大家不满的情绪。我仔细看了一些评价，不少人抱怨自己花了高价但*后却看的是候补演员的表演。所以大家决定前应该做些功课，看一看演员名单。

　　总体

　　从这个小研究可以得到几个结论：

　　1.百老汇的演出丰富多样，你总能找到你的菜。在购票前需要做一些功课，确定你*喜欢的演员的排期。

　　2.如果你已经花费了一大笔钱买机票，订酒店来到纽约，那么你就别期待在百老汇上节约多少钱了。很多的剧院，不同价位的位置带来的观影体验完全不同。你一定不想*后成为那个在tripadvisor上评论称“我本应该买个更贵的座位”的人。