陳奕迅來抖音開音樂會，這次他是歌迷
1996年發(fā)行個人首張專輯；2000年成為《K歌之王》；三次獲得金曲獎最佳國語男歌手……
陪許多人走過不只一個十年的歌手——陳奕迅來抖音開音樂會了。
但這次，歌手陳奕迅不唱自己的歌。
來看看他的內(nèi)心獨白吧：
煩惱再大，跳著跳著就蒸發(fā)了；
再小的情緒，被人在意，好像就有了意義；
誰在偷窺我的生活，怎么能句句擊中我？
莫名其妙就想跳舞，很丑，但卻很自由；
這輩子做歌手很幸運，
但是當一個歌迷，更幸福。
他也是歌迷，和我們一樣
一開始接到brief的時候，我們著實被難住了——
正如視頻中的第一句話：陳奕迅，這次只唱5首別人的歌。
這句話是我們面臨的現(xiàn)實情況，在傳播上也是明顯的劣勢。
而如何通過創(chuàng)意，找到新的角度，消除甚至扭轉這個劣勢，是我們必須要解決的難題。
我們的出發(fā)點，是我們的不理解：一個歌手不打算唱自己的代表作，他到底在想什么？
過往的經(jīng)驗告訴我們，一下子想不出答案沒關系，只要腦海中產(chǎn)生了問題，那就將成為一切的起點。
就這樣，我們開始認真地代入Eason的角色，想象如果自己是歌手本人，為什么選擇唱別人的歌。唱厭了自己的？肯定不是，他每次唱都像第一次一樣動情。他想對我們安利這些歌？這些歌每一首都經(jīng)典，我們都聽過啦。
正當我們抓耳撓腮的時候，一個可愛的同事突然提醒我們：一定要想得這么深刻嗎？他只是像個歌迷一樣，和我們在ktv一樣，想唱自己喜歡的歌吧？
是啊，著名歌手又怎樣？
陳奕迅下班之后其實也是個超級歌迷。
據(jù)文案小伙伴說，這次文案寫得特別爽，一瀉千里，酣暢淋漓。
因為她不用代入陳奕迅，而是只用代入自己。
寫出自己作為一個歌迷，聽見喜歡歌的心境，就寫出了Eason真實的心聲。
事實上，為了將「歌迷」的情緒傳遞出來，在影片進行了許許多多的小設計：因為音樂往往就是偷窺我們心事的「狗仔」，于是將「磁帶」設計成了照相機。
許多人都有過聽歌emo的情況吧，只靠表演太刻意，因此我們把emo直接印在了唱片封面上。
有些歌，會給人帶來雷電風雨的心情，干脆就用磁帶，布置了一場特別的雨。
這次直播，雖然唱的不是自己的歌，但是陳奕迅依然演繹得絲毫不輸自己的作品。
而不同于以往的新鮮主題，也讓評論區(qū)多了很多好評的聲音。
剛開始不到十分鐘，觀看人數(shù)就已經(jīng)突破了千萬。
唱到最后，直播間觀看人次破億。
近幾年，在疫情的背景下，線上演唱會迅速發(fā)展起來，而更創(chuàng)新的主題和選歌模式，無疑會為觀眾帶來更不同的觀看體驗。
或許從這次陳奕迅和劉德華的直播演唱會開始，主辦平臺抖音將會為線上演唱會領域帶來更多創(chuàng)新和思考。
數(shù)英獎案例展示
點擊圖片查看大圖
創(chuàng)作人員名單
客戶：抖音
代理商：木瓜創(chuàng)意
制作公司：聚點
導演：Rae
數(shù)英獎參賽項目說明 - PAWPAW 木瓜創(chuàng)意 北京，創(chuàng)意代理商
【背景與目標】
這個夏天多個平臺陸續(xù)推出明星演唱會，陳奕迅在抖音線上音樂會如何突圍？我們面對的一個現(xiàn)實是：陳奕迅，這次只唱5首歌，還都是別人的歌。如何通過創(chuàng)意，找到新的角度，扭轉這個劣勢，是我們必須要的解決難題。
【洞察與策略】
我們作為歌迷，和著名歌手陳奕迅有一定的心理距離，而我們發(fā)現(xiàn)一個共同身份“歌迷”，則能讓大家更好地代入陳奕迅的角色，理解他這次只唱別人歌曲的初心。
【創(chuàng)意闡述】
我們找到了陳奕迅一個和大眾印象極具反差的身份：他下班后，其實也是一個超級歌迷，文案上，寫出作為歌迷，聽見喜歡的歌的心境，就寫出了陳奕迅真實的心聲；畫面上，為了將作為歌迷的陳奕迅聽歌時的真實狀態(tài)傳遞出來，在影片里設計了許許多多的道具，比如把抽象感性的文案，用磁帶、唱片封面等，具像化呈現(xiàn)，一個卸下著名歌手標簽的普通歌迷陳奕迅得到傳神呈現(xiàn)，從而引l發(fā)歌迷的情感共鳴。
【結果與影響】
全網(wǎng)觀看次數(shù)1.1億，總互動量160w,直播間在線觀看人數(shù)1.4億。
項目信息
營銷機構
參與者
終審評委（金、銀、銅評級全部顯示，無獎評級僅顯示帶評語者）
創(chuàng)意單元-視頻組-廣告片類
-
Fresh and creative angle to promote a well-known singer. Projecting a image of realness and genuineness for the singer. -
陳奕迅唱別人的歌，這個還不錯 -
是歌手也是歌迷，切入點新穎，容易引發(fā)共鳴。溝通信息到位，簡單明了。
專業(yè)評分
專業(yè)評分已截止
評論
評論
推薦評論
全部評論（6條）