趙亞凡 劉偉

[提要] 本文以2015年上映影片的125組數(shù)據(jù)，從影片的網(wǎng)絡(luò)熱議度、口碑效價以及好評/差評率等方面，對移動互聯(lián)網(wǎng)時代的網(wǎng)絡(luò)口碑與電影票房收入關(guān)系進(jìn)行實(shí)證分析。結(jié)果表明：網(wǎng)絡(luò)熱議度與電影票房收入積極相關(guān)，但相關(guān)度會隨時間遞減；網(wǎng)絡(luò)口碑具有消極偏向，即相對于正面口碑，負(fù)面口碑對票房收入有更顯著的負(fù)向影響，尤其是在上映期的前兩周。本文研究結(jié)論不僅是前人關(guān)于口碑營銷研究的拓展，并且能對電影發(fā)行團(tuán)隊如何在移動互聯(lián)網(wǎng)時代借助網(wǎng)絡(luò)口碑進(jìn)行電影營銷來提高票房收益產(chǎn)生新的啟示。

關(guān)鍵詞：網(wǎng)絡(luò)口碑；熱議指數(shù)；電影票房

中圖分類號：F272 文獻(xiàn)標(biāo)識碼：A

收錄日期：2016年3月1日

一、引言

中國的移動互聯(lián)網(wǎng)時代已經(jīng)全面來臨，“十二五”期間，移動互聯(lián)網(wǎng)呈現(xiàn)井噴式發(fā)展，根據(jù)中國互聯(lián)網(wǎng)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的過去五年里我國互聯(lián)網(wǎng)發(fā)展十大亮點(diǎn)報告數(shù)據(jù)：我國手機(jī)網(wǎng)民規(guī)模達(dá)5.94億，使用手機(jī)上網(wǎng)比率相比PC端多20.5%，手機(jī)超越電腦成為中國網(wǎng)民第一大上網(wǎng)終端。移動互聯(lián)網(wǎng)時代是互聯(lián)網(wǎng)的“自媒體”時代，網(wǎng)絡(luò)口碑對電影票房的影響可能是最顯著的。本文提出這樣的推斷源于兩個原因：一是基于電影產(chǎn)業(yè)互聯(lián)網(wǎng)化的現(xiàn)實(shí)發(fā)展現(xiàn)狀；二是基于學(xué)術(shù)界相關(guān)研究現(xiàn)狀。

一方面，縱觀近幾年電影產(chǎn)業(yè)的發(fā)展，可以發(fā)現(xiàn)移動互聯(lián)網(wǎng)和它的融合是深入而緊密的，尤其是阿里巴巴、騰訊、百度等互聯(lián)網(wǎng)企業(yè)和資本開始大規(guī)模介入電影產(chǎn)業(yè)，電影產(chǎn)業(yè)對接“互聯(lián)網(wǎng)思維”，似乎成為制作方在電影宣傳階段面向市場溝通時的一門必修課。互聯(lián)網(wǎng)正在用自己的方式來重塑電影行業(yè)的風(fēng)貌，以購票終端為例，手機(jī)購買電影票和在線電影選座已經(jīng)成為大眾電影消費(fèi)的主要方式，2015年7月的中國電影市場總票房54.9億元，其中電商票務(wù)就占據(jù)46%的份額（約合25.3億元）。最重要的是，移動互聯(lián)網(wǎng)讓信息更加透明，流動更快，縮短了電影發(fā)行公司和消費(fèi)者及院線之間的信息不對稱性，賦予市場更快的反應(yīng)速度，幾個小時影片口碑就被傳遍全國，影響消費(fèi)者的觀影決策和院線排片決策，從而影響電影票房表現(xiàn)。

另一方面，電影是生命周期短暫的體驗(yàn)型產(chǎn)品，現(xiàn)有眾多研究表明，網(wǎng)絡(luò)口碑和電影市場表現(xiàn)存在積極的相關(guān)關(guān)系。國外學(xué)者關(guān)注社會化媒體用戶在線情感表達(dá)與電影票房的關(guān)系，研究認(rèn)為，用戶在博客、Twitter、影評網(wǎng)站等社交平臺上對影片的評論都對電影票房有顯著影響，線上網(wǎng)友的評論是觀影經(jīng)驗(yàn)較少的消費(fèi)者觀影決策的重要參考。國內(nèi)有關(guān)網(wǎng)絡(luò)口碑與電影票房表現(xiàn)關(guān)系的實(shí)證研究還處于探索階段，學(xué)者們從不同角度進(jìn)行了如下研究：第一，網(wǎng)絡(luò)口碑情感表達(dá)的預(yù)測作用研究。史偉（2015）等學(xué)者基于新浪微博情感分析構(gòu)建電影票房預(yù)測模型，證實(shí)用戶評論的情感表達(dá)在電影票房預(yù)測中扮演了很重要的因素；第二，網(wǎng)絡(luò)口碑?dāng)?shù)量的知曉效應(yīng)和口碑效價的說服效應(yīng)研究。汪旭暉（2015）以格瓦拉網(wǎng)站的55部國產(chǎn)電影為樣本，實(shí)證分析了網(wǎng)絡(luò)口碑與電影票房的內(nèi)在影響機(jī)制，證明網(wǎng)絡(luò)口碑的數(shù)量對電影票房有顯著的正向影響，而口碑的效價對電影票房有顯著的負(fù)面影響；第三，網(wǎng)絡(luò)口碑形式的用戶行為數(shù)據(jù)研究。周明升（2014）將票房作為自變量，分析了用戶評分、評論數(shù)與票房的關(guān)系，實(shí)證結(jié)果表明網(wǎng)絡(luò)口碑存在明顯的自相關(guān)性，電影票房對網(wǎng)絡(luò)口碑有顯著影響。綜合目前國內(nèi)外成果來看，現(xiàn)有研究雖然普遍認(rèn)同口碑?dāng)?shù)量與電影票房的高度相關(guān)性，但有關(guān)口碑效價作用的驗(yàn)證結(jié)果卻存在一定的分歧；此外，現(xiàn)有實(shí)證研究大多采用單一平臺數(shù)據(jù)，靜態(tài)數(shù)據(jù)進(jìn)行分析，存在局限和不足。

本文在前人研究的基礎(chǔ)上，立足于移動互聯(lián)網(wǎng)時代的中國電影市場，著重研究網(wǎng)絡(luò)口碑對電影票房市場表現(xiàn)的影響，選取2015年上映的25部電影為研究樣本，在“豆瓣電影”和“新浪微博”兩個平臺上采集網(wǎng)絡(luò)口碑相關(guān)數(shù)據(jù)，分析網(wǎng)絡(luò)口碑的效價、好評率/差評率的作用機(jī)理，與前人的研究不同，本文以影片的網(wǎng)絡(luò)熱議度取代網(wǎng)絡(luò)口碑?dāng)?shù)量，驗(yàn)證口碑傳播的知曉效應(yīng)，并通過每周相關(guān)動態(tài)數(shù)據(jù)的分析，探討在電影上映周期的不同階段網(wǎng)絡(luò)口碑影響的動態(tài)變化，希望能對電影發(fā)行公司通過戰(zhàn)略管理口碑營銷來提高影片票房收益提供參考。

二、理論假設(shè)與模型

眾多實(shí)證研究均支持口碑?dāng)?shù)量與票房收入之間的正相關(guān)關(guān)系，認(rèn)為口碑?dāng)?shù)量具有“知曉效應(yīng)”。Godes和Mayzlin的研究發(fā)現(xiàn)，對某商品的討論越多，就越有可能受到更多的關(guān)注，由此可能引發(fā)更多的購買行為。前人的研究中，口碑?dāng)?shù)量其實(shí)反映的是熱議度對電影票房收入的影響。得益于移動互聯(lián)網(wǎng)時代大數(shù)據(jù)的時代特征，海量的用戶行為數(shù)據(jù)已經(jīng)能被互聯(lián)網(wǎng)記錄并加以分析，通過某一關(guān)鍵詞在網(wǎng)絡(luò)中被主動搜索、討論或關(guān)注的加權(quán)和值運(yùn)算得出的“熱詞指數(shù)”能更直觀科學(xué)地衡量口碑的知曉效應(yīng)。因此，本文采用“新浪微博”統(tǒng)計的電影在微博平臺的 “熱詞指數(shù)”取代口碑?dāng)?shù)量，基于前人關(guān)于口碑?dāng)?shù)量和票房收入的研究結(jié)果，提出假設(shè)H1。

H1：熱議度與電影市場表現(xiàn)顯著相關(guān)，正向影響票房收入。

眾多研究表明，基于用戶網(wǎng)絡(luò)評分的網(wǎng)絡(luò)口碑效價會影響消費(fèi)者的評價和判斷，從而影響消費(fèi)者觀影決策。但綜合目前國內(nèi)外研究成果來看，有關(guān)網(wǎng)絡(luò)口碑效價作用的驗(yàn)證結(jié)果存在一定的分歧，有認(rèn)為口碑效價具有說服效應(yīng)，能引導(dǎo)消費(fèi)者觀影意愿，也有認(rèn)為口碑效價對票房收入的影響并不顯著，甚至?xí)胸?fù)面影響?；谏鲜龇制纾疚膶⑦M(jìn)一步驗(yàn)證網(wǎng)絡(luò)口碑效價的作用，結(jié)合消費(fèi)者行為決策理論，本文認(rèn)為網(wǎng)絡(luò)口碑效價是大眾在線情感表達(dá)的體現(xiàn)，影響消費(fèi)者感知價值和感知風(fēng)險等消費(fèi)心理，是消費(fèi)者觀影意愿的重要信息參考，提出如下假設(shè)：

H2：消費(fèi)者觀影決策受網(wǎng)絡(luò)口碑效價影響，口碑效價和票房收入正向相關(guān)。

此外，有研究表明，負(fù)面口碑對于降低產(chǎn)品銷量的作用比正面口碑帶來的銷量上升的效果更加顯著。Skowronski&Carlston關(guān)于印象形成中負(fù)面偏好的研究和Hardie等人基于掃描面板數(shù)據(jù)的厭惡損失研究也有類似的發(fā)現(xiàn)，負(fù)面信息比正面信息會產(chǎn)生更大的影響，即否定性偏見?；谶@些論點(diǎn)，本文提出了如下假設(shè)：

H3：負(fù)面口碑對票房的傷害作用大于正面口碑的幫助作用。

最后，考慮到移動互聯(lián)網(wǎng)時代的網(wǎng)絡(luò)口碑傳播速度的影響，引入時間軸，進(jìn)行每周獨(dú)立回歸，觀察網(wǎng)絡(luò)口碑的影響是如何隨時間變化的，也彌補(bǔ)了前人研究中缺乏動態(tài)性這一不足，提出如下假設(shè)進(jìn)行驗(yàn)證：

H4：熱議度對票房收入的影響隨時間的推移逐漸減少。

H5：口碑效價對票房收入的影響隨時間的推移逐漸減少。

三、實(shí)證研究

（一）數(shù)據(jù)與變量。本文中的研究數(shù)據(jù)有三類，分別來自如下三個平臺：①電影票房信息：藝恩咨詢中國票房網(wǎng)（http：//www.cbooo.cn/），獲取周票房信息；②熱詞指數(shù)：新浪微指數(shù)數(shù)據(jù)庫（http：//data.weibo.com/index），獲取根據(jù)片名關(guān)鍵詞匯總整理的影片在社交平臺的討論熱度指數(shù)；③網(wǎng)絡(luò)口碑效價信息：豆瓣電影（http：//movie.douban.com/），獲取總評分（1～10分）、每周好評率（4星及以上）、每周差評率（2星及以下）等信息。

各指標(biāo)在模型中的變量名稱及定義如表1所示。（表1）

本文選取的研究樣本是2015年2月至8月在中國大陸上映，且在每月票房前10名榜單中的25部電影。中國電影市場影片上映周期為3～11周，本研究樣本的平均上映期為5.64周，取前6周，上映期不足6周的，以實(shí)際周數(shù)為準(zhǔn)，共計125組數(shù)據(jù)。其中，參考多數(shù)研究文獻(xiàn)的做法，本文對除比例型變量以外的連續(xù)型變量均取自然對數(shù)形式，這種變換不僅與多階段消費(fèi)者決策過程的相關(guān)理論模型相符合，還可以平滑模型中變量的分布，使變量間關(guān)系趨于線性化。

（二）實(shí)驗(yàn)?zāi)Ｐ?/p>

首先，假設(shè)1、2、3討論網(wǎng)絡(luò)口碑和票房收入的相關(guān)關(guān)系，以每周票房收入的對數(shù)為因變量，通過運(yùn)算時間序列截面回歸函數(shù)進(jìn)行回歸分析，研究每周票房收入與熱議度、口碑效價、好評率/差評率的關(guān)系，同時引入固定效應(yīng)？滋i來控制由遺漏變量（影片類型、明星影響力等）引起的內(nèi)生性影響，以及時間趨勢變量Trendi來控制時間趨勢的變化對票房收入產(chǎn)生的影響。模型如下：

Ln Revenueit=？琢0+？琢1Ln Hotit+？琢2Ln Valit+？琢3PosRatioit+？琢4NegRatioit+？琢53egio

其中，i=1，2，…，N為電影樣本數(shù)；t=1，2，…，N為電影放映周數(shù)。

其次，參照Eliashberg和Shugan等的做法，以每周票房收入的對數(shù)為因變量，進(jìn)行每周獨(dú)立回歸，研究網(wǎng)絡(luò)口碑對影片票房收入的影響是如何隨上映周期變化的，模型如下：

Ln Revenueit=？琢0+？琢1Ln Hotit+？琢2Ln Valit+？琢3NegRatioit+？著it

其中，i=1，2，…，N為電影樣本數(shù)；t=1，2，…，N為電影放映周數(shù)。

（三）結(jié)果與分析。先通過Eviews 8.0運(yùn)行實(shí)驗(yàn)1的時間序列截面模型，回歸模型結(jié)果見表2。（表2）

采取逐步回歸的方法來進(jìn)行分析。模型1僅對時間趨勢變量進(jìn)行回歸分析，結(jié)果顯示為顯著的負(fù)向影響（=-1.235，？籽<0.001），表明票房收入存在趨勢性下降的情況，影片的上映時間越長，周票房收入越低，因此在模型中引入時間趨勢變量來去除趨勢的影響是有必要的。模型2和模型3分別加入熱議度和網(wǎng)絡(luò)口碑效價變量之后，模型的R2和調(diào)整后的R2值都變大了，且F-statistic結(jié)果也顯示新加入的解釋變量都是顯著地增加了對因變量的解釋力度（？籽<0.001），說明網(wǎng)絡(luò)口碑能夠顯著影響票房收入。Ln Hot和Ln Val的系數(shù)都是正向且顯著的（？籽<0.001），這似乎表明大眾對影片的熱議程度和在線評分都能顯著影響票房收入的增加，即網(wǎng)絡(luò)熱議程度越高，票房越高，網(wǎng)絡(luò)口碑效價越好，票房越好。但是，值得注意的是，當(dāng)將Ln Hot和Ln Val放入同一個模型（模型4）分析時，回歸結(jié)果表明，雖然模型的解釋力度顯著變強(qiáng)了（R2=0.869>0.859 or 0.822），但是Ln Val的系數(shù)變成了負(fù)值，且顯著性降低了（=-2.611，？籽<0.01），而Ln Hot的系數(shù)值增加了且仍為正，顯著性不變（=0.964，？籽<0.001，表示當(dāng)網(wǎng)絡(luò)口碑效價和熱議程度同時對票房收入產(chǎn)生影響時，口碑效價與低票房收入顯著相關(guān)，熱議度和高票房收入顯著相關(guān)。綜合模型2、3、4的結(jié)果來看，影片熱議度能夠正向影響票房收入，假設(shè)H1成立，這個結(jié)果和前人通過口碑?dāng)?shù)量指標(biāo)進(jìn)行分析的結(jié)果是一致的，進(jìn)一步說明了在移動互聯(lián)網(wǎng)時代，影片的廣泛討論能夠有效提高影片的知曉程度，帶動票房收入的增加。而關(guān)于網(wǎng)絡(luò)口碑效價的影響，鑒于模型3、4回歸結(jié)果的分歧，本文通過在模型4的基礎(chǔ)上分別加入解釋變量好評率和差評率進(jìn)行模型5和模型6的回歸分析，對網(wǎng)絡(luò)口碑效價的影響進(jìn)行補(bǔ)充討論。結(jié)果顯示，雖然加入新變量后，兩個模型的R2值又增加了，且模型6的R2和調(diào)整后的R2都略大于模型5 （0.876>0.872），說明好評/差評率使模型的擬合優(yōu)度得到了明顯的提升。但好評率的系數(shù)雖然是正值但是其實(shí)是不顯著的（=4.723，？籽<0.05），而差評率的回歸結(jié)果是負(fù)值且十分顯著（=-4.802，？籽<0.001），表明正面口碑并不重要，負(fù)面口碑卻很重要，假設(shè)H3成立。結(jié)合模型5、6和模型3、4的回歸結(jié)果，發(fā)現(xiàn)熱議度、網(wǎng)絡(luò)口碑效價、好評/差評率同時作用于票房收入時，回歸模型的解釋力度會顯著變強(qiáng)，說明移動互聯(lián)網(wǎng)絡(luò)口碑對票房收入有十分重要的影響。其中，口碑效價和好評/差評率等解釋變量的加入后，Ln Val的系數(shù)仍舊是負(fù)值，和模型4結(jié)果對比發(fā)現(xiàn)模型5的結(jié)果是系數(shù)絕對值變大，顯著性不變，而模型6的結(jié)果是系數(shù)絕對值變大，顯著性變強(qiáng)（？琢2-Posratio=-4.102，？籽<0.01；？琢2-Negratio=-3.538，？籽<0.001），表明口碑效價并不能正向影響票房收入，假設(shè)H2不成立，這也驗(yàn)證了楊揚(yáng)（2015）和汪旭輝（2015）等人的研究結(jié)論。

表3所示是實(shí)驗(yàn)2運(yùn)行每周獨(dú)立回歸模型的結(jié)果，僅僅涉及了3個解釋變量（Negratio，Ln Hot，Ln Val），分別對電影上映后6周內(nèi)每周的網(wǎng)絡(luò)口碑對票房收入的影響進(jìn)行回歸分析，分析網(wǎng)絡(luò)口碑對處于不同周期的電影票房收入的影響。（表3）

結(jié)果顯示，在6周的上映周期內(nèi)，影片熱議度對每周票房收入都有顯著的正向影響，在上映首周，影響最大（=0.8），第2周小幅下降至0.781，第3周開始衰減至0.639，顯著性也從第5周開始下降，假設(shè)H4成立。影片熱議度在電影上映初期會與電影票房的收入有較高相關(guān)性，但其影響會隨上映期的增長而降低。關(guān)于網(wǎng)絡(luò)口碑效價，由表2的回歸分析結(jié)果可知，當(dāng)和熱議度同時作用于票房收入時，網(wǎng)絡(luò)口碑效價在6周的上映周期內(nèi)會表現(xiàn)為顯著的負(fù)向影響，但表3的每周獨(dú)立回歸結(jié)果顯示，口碑效價只在上映首周對票房收入有較顯著的負(fù)向影響，且影響系數(shù)較小，從第2周開始并沒有顯著的影響，假設(shè)H2依然不成立，H5部分成立。據(jù)表2所示的回歸結(jié)果分析，正面口碑對票房收入并沒有顯著的影響，而負(fù)面口碑有顯著的負(fù)向影響，因此實(shí)驗(yàn)2僅采用差評率變量作為口碑效價影響的補(bǔ)充。表3結(jié)果顯示，負(fù)面口碑只在上映首周和第2周對票房收入有顯著的影響，尤其是在第2周，差評率每增加1%，票房收入會降低5.898%。第3周之后，負(fù)面口碑的影響也不再顯著了，假設(shè)H5成立。

四、結(jié)論及啟示

本文以移動互聯(lián)網(wǎng)時代電影行業(yè)為研究背景，使用國內(nèi)領(lǐng)先的社交網(wǎng)絡(luò)平臺“新浪微博”統(tǒng)計的影片網(wǎng)絡(luò)熱議度數(shù)據(jù)和國內(nèi)最大的電影愛好者集聚平臺“豆瓣電影”統(tǒng)計的電影評分和好評/差評率數(shù)據(jù)，結(jié)合電影每周票房收入，對網(wǎng)絡(luò)口碑和電影票房收入的關(guān)系進(jìn)行實(shí)證分析，主要結(jié)論和營銷啟示如下：

（一）網(wǎng)絡(luò)熱議度在電影上映的前6周均對電影每周票房收入有顯著的正向影響，但其影響效應(yīng)呈隨時間遞減的變化趨勢。這不僅補(bǔ)充驗(yàn)證了前人有關(guān)網(wǎng)絡(luò)口碑知曉效應(yīng)的研究，同時從最簡單的營銷層面上啟示我們，任何電影營銷活動都應(yīng)當(dāng)以引發(fā)網(wǎng)絡(luò)廣泛討論為前提，尤其是在電影上映期前的造勢和上映周期前兩周宣傳擴(kuò)散。例如，可以在社交平臺上引爆與潛在消費(fèi)者有強(qiáng)相關(guān)性的電影相關(guān)話題，來引起大眾對電影的關(guān)注；或者借助明星社會網(wǎng)絡(luò)資源，運(yùn)用“粉絲效應(yīng)”帶動影片的熱議度。

（二）口碑效價反映的是廣大消費(fèi)者對電影質(zhì)量的個人判斷，在一定程度上會影響潛在消費(fèi)者的觀影決策。本文的研究結(jié)果表明，負(fù)面口碑對電影票房的傷害作用大于正面口碑的助力作用，尤其是在上映期的前兩周，有顯著的負(fù)向影響。因此，盡管電影發(fā)行方更希望影片獲得更多的好評，但在成本有限的情況下，相對于促進(jìn)正面口碑的營銷活動，營銷團(tuán)隊?wèi)?yīng)更多的將資金用于成本效益更高的，可以控制負(fù)面口碑影響的活動。比如，當(dāng)預(yù)估電影口碑可能不好或不符合主流市場消費(fèi)者的品位時，發(fā)行方應(yīng)當(dāng)放棄提前點(diǎn)映活動以延遲負(fù)面口碑的發(fā)酵期。電影《一步之遙》就是一個很好的反面例子，近3，000名觀眾的首映式囊括了各路精英人士，造足了勢頭，然而影迷看完之后紛紛在微博表示“看不懂”，上映18天，票房5.04億元，而第18天的票房僅111萬元，距離一開始夸口的20億票房有天壤之別，一部寫輿論殺人的電影結(jié)果在移動互聯(lián)網(wǎng)時代的口碑輿論上馬失前蹄。

主要參考文獻(xiàn)：

[1]第36次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R].CNNIC，2015.

[2]安迪·塞諾維茲.口碑的力量[M].臺海出版社，2014.9.

[3]Mishne G，Glance N.Predicting moviesales from blogger sentiment[C].//AAAI2006 Spring Symposiumon Computational Approaches to Analysing Weblogs. MenloPark，CA：AAAI Press，2006.

[4]Chakravarty A，Liub Y，Mazumdar T.The differential effects of online word-of-mouth and criticsreviews on pre-release movie evaluation[J].Journal of Interactive Marketing，2010.24.3.

[5]Zhang W，Skiena S.Improving Movie Gross Prediction Through News Analysis[C].//Proceedingsof the 2009 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology.IEEE Computer Society，2009.

[6]Sitaram A，HubermanB.A.Predicting the future with social media[C].//2010IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT）.IEEE Computer Society，2010.

[7]史偉，王洪偉，何紹義.基于微博情感分析的電影票房預(yù)測研究[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2015.49.1.

[8]汪旭暉，王軍.網(wǎng)絡(luò)口碑如何影響電影票房——中國電影“高票房低口碑”現(xiàn)象反思[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2015.2.

[9]周明升，韓冬梅.基于社交媒體用戶評論和關(guān)注度的電影票房預(yù)測模型[J].微型機(jī)與應(yīng)用，2014.18.

[10]Godes D，Mayzlin D.Using Online Conversations to Study Word of Mouth Communication[J].Marketing Science，2002.23.

[11]Chevalier J A，Mayzlin D.The Effect of Word of Mouth on Sales：Online Book Reviews[J].Nber Working Papers，2004.43.3.

[12]Carlston D E，Skowronski J J.Linking versus thinking：evidence for the different associative and attributional bases of spontaneous trait transference and spontaneous trait inference[J].Journal of Personality & Social Psychology，2006.89.6.

[13]Hardie B G S，F(xiàn)ader P S. Modeling Loss Aversion and Reference Dependence Effects on Brand Choice[J].Social Science Electronic Publishing，1993.12.4.

[14]Eliashberg J，Shugan S M.Film critics：Influencers or predictors[J].Journal of Marketing，1997.61.2.