方宗琳

摘 要： 隨著經(jīng)濟的發(fā)展，文化產(chǎn)業(yè)的日益繁榮，電影作為文化產(chǎn)業(yè)的代表性娛樂產(chǎn)品，它的發(fā)展也呈現(xiàn)不可阻擋之勢。電影票房的多少是衡量電影是否成功的一個重要指標，對影響電影票房的因素進行分析研究，為電影行業(yè)的發(fā)展提供不可或缺的理論依據(jù)。但專門針對電影產(chǎn)地的研究很少，本次調(diào)研選取2014—2018年每年票房前20部電影共100部電影作為研究數(shù)據(jù)。電影評分、評論人數(shù)、電影來源國3個因素作為自變量，電影票房作為一個因變量進行相關性檢驗及回歸分析。

關鍵詞： 電影票房;影響因素;實證研究;回歸分析

中圖分類號：F713.50????? 文獻標識碼：A????? 文章編號：1008-4428（2018）10-0081-02

一、 引言

電影作為文化產(chǎn)業(yè)的代表性娛樂產(chǎn)品，根據(jù)美國電影協(xié)會（MPAA）發(fā)布的2016年全球電影市場數(shù)據(jù)報告顯示：2016年全球銀幕數(shù)增長8 % ，總數(shù)達到164000塊。其中數(shù)字銀幕數(shù)增長17 % ，巨幕數(shù)增長11 % 。亞太地區(qū)仍是全球銀幕數(shù)增長最快的地區(qū)（中國是亞太銀幕數(shù)增長最快的地區(qū)），2016年增幅達到18 % 。作為亞太電影市場的核心，截至2016年底，中國內(nèi)地總銀幕數(shù)達到41179塊，為中國電影行業(yè)發(fā)展提供了必要的“硬件基礎”。然而，來自中國大陸地區(qū)及北美電影市場的電影市場增長速度略有遲緩，本文針對近幾年國內(nèi)電影業(yè)票房靠前的電影進行一個分析，進一步找出確認影響電影票房的影響因素。

二、 文獻綜述

（一）電影票房的影響因素

隨著互聯(lián)網(wǎng)時代的高速發(fā)展，網(wǎng)民在線生成人數(shù)爆炸式增長，信息交互傳遞的速度越來越快。2006年，Gilad Mishne和Natalie Glance通過分析博客中有關電影的數(shù)據(jù)，研究關于電影的口碑聲量和口碑的情感分析對票房的影響程度，最終揭示了口碑聲量的影響力更大。許敏（2013）提出影響電影票房的因素為電影得分，電影類型、票價、居民收入、續(xù)集、檔期、明星、導演但并未提出電影產(chǎn)地這一變量。何雙男（2017）驗證了評分次數(shù)與電影的票房表現(xiàn)顯著相關。結(jié)合實際操作性與進一步研究方向，本次調(diào)研把影響因素定為網(wǎng)絡口碑（評分、評論人數(shù)），電影來源國（電影產(chǎn)地）。

（二）基于網(wǎng)絡數(shù)據(jù)對票房影響因素的研究

在互聯(lián)網(wǎng)時代，電影產(chǎn)業(yè)報告統(tǒng)計結(jié)果顯示，除了傳統(tǒng)影響因素對電影票房的影響外，門戶網(wǎng)站的、社區(qū)社交網(wǎng)、專業(yè)網(wǎng)站、微博等成為電影信息的重要傳播渠道，制造話題和輿論效果，提高電影的關注度，進而提高電影票房。何曉雪（2018）基于以下網(wǎng)絡口碑數(shù)量數(shù)據(jù)預測電影票房的多元回歸模型。魏明強（2017）提出網(wǎng)絡評價會影響電影票房的走勢。它一定程度上會影響觀眾的購買傾向、決策，影響觀眾的觀影選擇，從而影響電影的總票房收入。

三、 研究方法

（一）樣本的選取

本次調(diào)研主要選取2014—2018年中國大陸上映每年票房排名前20的電影，樣本總量共100部。

（二）數(shù)據(jù)的收集

通過相關論文的借鑒與查閱，并結(jié)合電影行業(yè)的現(xiàn)狀，通過運用回歸分析對影響電影票房的因素的分析，構建影響電影票房因素的回歸模型。本次調(diào)研選取的變量如下：研究的因變量為電影票房。研究自變量分別為電影評分，評論人數(shù)，電影來源國。

1. 電影評分

隨著商業(yè)電影的發(fā)展壯大，電影商業(yè)模式逐漸完善。電影上映之前，電影方會進行大規(guī)模的地毯式宣傳，包括預告片、新聞發(fā)布會等各種形式的宣傳方式。雖然它們與電影品質(zhì)沒有必然的關系，但是卻能在電影上映前營造聲勢，制造話題，吸引觀影者走進電影院，對電影上映前幾天以及第一周的票房產(chǎn)生很大的影響。隨著專業(yè)電影評論網(wǎng)站的建立，人們可以第一時間看到大量觀影者的“口傳”，給電影的品質(zhì)做了一個較公正的評分，給觀影者一個比較理性科學的參考。雖然不乏會有網(wǎng)絡“水軍”的存在，但是大多數(shù)的評論還是真實可靠的，影迷的網(wǎng)絡評分還是一個不容忽視的影響因素。

本次調(diào)研的網(wǎng)絡評分數(shù)據(jù)來源于豆瓣網(wǎng)，網(wǎng)絡評分表現(xiàn)了觀影者對電影的認可度。以十分制為標準，分數(shù)越高，觀影者認可度越高，反之越低。

2. 評論人數(shù)

在這個互聯(lián)網(wǎng)時代，資源共享，人們可以對一個人、物和事件發(fā)表自己的言論，人們參與討論的熱烈度表明了人們的關注度。因此，評論人數(shù)，在一定程度上反映了大眾對電影的關注度。一部電影，評論人數(shù)越多受關注度就越高，反之越低。

本次調(diào)研評論人數(shù)是根據(jù)豆瓣網(wǎng)的評論量，作為評價標準。

3. 電影來源國

隨著電影市場的國際化，越來越多的國外電影涌入國內(nèi)電影市場，并為我國的總票房貢獻著不容忽視的力量。國外電影質(zhì)量優(yōu)良，技術先進，在國內(nèi)電影市場擁有一定的優(yōu)勢，給國產(chǎn)電影帶來了不小的沖擊。

本次調(diào)研，通過對100部電影的數(shù)據(jù)分析發(fā)現(xiàn)電影的產(chǎn)地主要來源于美國和中國，數(shù)據(jù)來源于百度百科。

四、 模型的建立

獨立變量分析

本次調(diào)研通過查閱以往的論文研究，美國馬克·費茨切倫研究是從產(chǎn)品變量、品牌變量、發(fā)行變量和消費者變量作為四個獨立變量，研究人員根據(jù)電影的營銷特點對獨立變量進行分組，由于發(fā)行變量涉及電影發(fā)行商的一些發(fā)行數(shù)量，一定的局限性，所以本次調(diào)研獨立變量分為：電影評分，評論人數(shù)，電影來源國，因變量電影票房進行回歸分析。

五、 回歸分析

研究模型如圖1所示：

假設1：網(wǎng)絡評分對電影票房存在顯著相關關系。

假設2：評論人數(shù)對電影票房存在顯著的相關關系。

回歸分析研究模型一（見表1）

由表1所示，將所有自變量對因變量的相關性檢驗：發(fā)現(xiàn)評論人數(shù)（0.491，p<0.01）與收入票房成正相關，假設2成立。電影產(chǎn)地（-0.203，p<0.05）與電影票房呈顯著負相關。除此之外，網(wǎng)絡評分（0.099，p>0.1）與電影票房不存在顯著相關性，假設1不成立。統(tǒng)計結(jié)果與以往的相關文獻中的變量結(jié)果一致。

但電影評分與電影票房影響不顯著，為了引入線上口碑，于是我們進行了變量間的交互作用，把網(wǎng)絡口碑作為網(wǎng)絡評分與評分人數(shù)的交互，同時假如結(jié)果顯示的電影產(chǎn)地進行了進一步交互作用下的變量驗證。

回歸分析研究模型二（見圖2）

網(wǎng)絡口碑

由于互聯(lián)網(wǎng)的普及，網(wǎng)絡評分也在一定程度上吸引了不少觀影者，同時由于盲從性評論人數(shù)也在一定程度上影響著電影票房。其中網(wǎng)絡口碑來源于網(wǎng)絡評分和電影評論人數(shù)兩個變量的交互（Y1）。因此我們提出以下假設：

H1A：網(wǎng)絡口碑對電影票房存在顯著相關性。

電影產(chǎn)地

電影產(chǎn)地在一定程度上也影響電影的受眾度，因為電影產(chǎn)地無形之中給人一種對于制作國家的主觀意識上的認知與情感，鑒于這種情況我們進一步做了回歸，因此有假設：

H3、電影產(chǎn)地對電影票房存在顯著相關性。

由表2所示，網(wǎng)絡口碑（0.406，p<0.01）對于電影票房存在顯著的正相關，假設1A成立。電影產(chǎn)地（-0.203，p< 0.05）對于電影票房存在顯著的負相關，假設3也成立。

由表3所示，我們可以得出模型回歸方程式：Y（票房）=α+β1×網(wǎng)絡口碑+β4×電影來源國。

六、 結(jié)論

從兩個模型中各變量的t檢驗值以及顯著性水平上來看，所有變量都達到了顯著性水平（p<0.05）。說明由于科技的發(fā)展，加之網(wǎng)絡的影響，社交媒體越來越多，觀影者很多，人們心里都有一定的從眾心理，觀看過后的人會有一定的評論與意見，在一些社交媒體中廣泛傳播，從而影響后來者選擇決策。電影評論人數(shù)越多越會更加引起人們對該影片的好奇心，從而推動人們?nèi)ミx擇觀看影片。

在電影評分回歸分析中不顯著，原因是當今主要消費群體基本上都是90后和00后，有個性的新一代更加追求的是個人的主觀感受，不再輕易地受他人推薦等客觀原因，所以電影評分對于新一代來說不會很大程度上影響他們的觀影決策;在選擇觀看哪部影片時，更加關注的是影片的內(nèi)容。

對于電影產(chǎn)地與電影票房呈現(xiàn)顯著的負相關，實證結(jié)果顯示更強的國家制作不一定顯著影響消費者的觀影決策，相對來說，當今人們更加關注的是國家形象弱的國家比如中國來說，在發(fā)行一部電影時須更努力更用心，反而會受到更好的評價與獎賞。人們不再是一味地以從前的刻板印象來迎合自己的心理需求。

（一）局限性

本文只采用2014—2018年的票房前20，數(shù)據(jù)有限，其次研究影響電影票房的因素，未來可以引入更多的變量。另外由于數(shù)據(jù)的單一性，本文只考慮了豆瓣網(wǎng)，未來研究可以考慮更大型的網(wǎng)站比如時光網(wǎng)，數(shù)據(jù)庫也可以多加入大型有效的數(shù)據(jù)來源。

（二）建議

1. 對于電影制片方來說，注重電影自身的質(zhì)量，用電影帶來的品牌價值提高對觀眾的吸引力

現(xiàn)今，中國很多電影缺乏想象力與創(chuàng)造力，結(jié)構性太過于簡單，劇情人物量太少，電影的邏輯與智商大打折扣。通過本次調(diào)研可以考慮注重電影口碑的信息管理與口碑營銷，構建與觀眾的溝通平臺，將會一定程度上提高電影票房。

2. 對電影口碑進行良好的信息管理，是一個長期的維護過程，需要在拍攝一直到上映期間進行持續(xù)不斷的有效的口碑維護

雖然電影的好評對于電影票房有很大的影響，但是負面口碑影響也不容忽視。而口碑維護需要構建良好的與觀眾溝通的平臺，利用溝通平臺進行廣泛有效的口碑營銷能夠引起更多的觀眾對于電影的關注，從而影響票房。

參考文獻：

[1]王錚，許敏.電影票房的影響因素分析——基于Logit模型的研究[J].經(jīng)濟問題的探索，2013（11）：96-102.

[2]何雙男.中國大陸地區(qū)電影票房影響因素實證研究[J].電影文學，2017（22）：004-008.

[3]魏明強，黃媛.網(wǎng)絡評價對電影票房走勢的影響[J].中國傳媒大學學報（自然科學版），2017，24（3）：68-71.

[4]Litman B R. Predicting Success of Theatrical Movies： An Empirical Study[J]. Journal of Popular Culture，2010（4）.