周迪 郭龍云 劉熠陽

(河南財經(jīng)政法大學金融學院 河南鄭州 450046)

1 引言

電影衍生品是根據(jù)電影中的元素等開發(fā)的產(chǎn)品，包含形象授權(quán)、玩具、服裝、游戲、圖書、日用品甚至主題公園等。觀眾在觀影中對影片中人物的喜愛，這種喜愛在觀影后會轉(zhuǎn)為對電影衍生品的購買。我國電影衍生品大多采用眾籌模式，眾籌模式可以測試市場需求，降低積壓庫存成本和市場風險，同時籌備資金再生產(chǎn)也減低廠商的資金壓力，此外眾籌提前預(yù)熱了市場，為電影宣發(fā)培養(yǎng)了用戶，增加了流量和影響力。

電影衍生品是在龐大的電影市場中的一座巨大“富礦”。成熟的電影市場中衍生品收入占比極大，比如截至2022年8月《星球大戰(zhàn)》的衍生品收入總和為422億美元，是電影票房總收入的4倍；迪士尼的衍生品業(yè)務(wù)全年營收達53億美元，授權(quán)電影衍生品的年銷售金額為562億美元。除了巨大的經(jīng)濟效益潛力，衍生品對電影也起著宣傳作用；衍生品的生命可以維持電影熱度，有利于后續(xù)系列電影的宣發(fā)。大力發(fā)展電影衍生品，是我國形成成熟電影產(chǎn)業(yè)鏈的重要一環(huán)。

現(xiàn)階段限制中國電影衍生品市場的兩個重要原因是資金匱乏和眾籌滯后，資金匱乏導致出貨質(zhì)量不佳，眾籌滯后是無法推測市場需求導致。當前，中國的票房和廣告收入超過總收入的90%，電影衍生品收入占比不到10%。相較國外成熟的電影衍生品市場，我國在電影衍生品方面涉足較少。由此可見，衍生品市場預(yù)測、衍生品開發(fā)與電影制作過程緊密結(jié)合的重要性。

電影衍生品預(yù)期的銷售收入和市場需求量主要受電影票房收入的影響，電影票房收入越高，則表明電影越火爆，觀眾對電影的喜愛度就較高，進而觀眾對電影衍生品的消費意愿也不斷增強。因此，本文主要通過預(yù)測電影票房收入進而對衍生品銷量進行預(yù)測并以此來指導電影衍生品的開發(fā)和銷售。

2 文獻綜述

電影衍生品的相關(guān)問題早在2009年就有學者對其進行研究。馬東曉(2009)將中美電影衍生品市場進行對比，分析中國電影衍生品開發(fā)的廣闊前景；2009—2013年，由于互聯(lián)網(wǎng)金融處于發(fā)展的初級階段，電影衍生品在中國發(fā)展不活躍，此時研究該問題的學者較少；2013年之后，國家出臺《關(guān)于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導意見》等相關(guān)文件支持互聯(lián)網(wǎng)金融發(fā)展，此階段研究電影衍生品產(chǎn)品眾籌的學者增多，對此問題的認識也不斷深入。劉宏毅(2015)采用調(diào)查問卷的形式得出影迷購買電影衍生品時主要考慮的情節(jié)聯(lián)系、電影偏好、情感攝入、情感轉(zhuǎn)移等因素是影響消費者購買電影衍生品的關(guān)鍵；董驍(2017)分析電影衍生品生命發(fā)展周期，并以周期理論提出電影衍生品的發(fā)展道路；黃微(2018)以動漫衍生品為視角，分析影視衍生品的運營模式和發(fā)展方向；張玉婷(2021)分析電影衍生品現(xiàn)階段的發(fā)展困境；高晉(2021)對電影衍生品營銷商業(yè)模式進行剖析；王慧慧(2022)分析中國衍生品行業(yè)并指出現(xiàn)階段限制電影衍生品發(fā)展的因素；高萬鵬(2023)分析產(chǎn)品眾籌沖擊下的電影衍生品市場的新活力；楊洋(2023)分析《流浪地球2》電影衍生品的火爆為電影衍生品的發(fā)展提出建議。綜上可見，現(xiàn)階段大部分文獻是對電影衍生品現(xiàn)狀分析及產(chǎn)品眾籌對電影衍生品的促進作用分析，少有文獻對電影衍生品的銷量進行預(yù)測，進而解決廠商對衍生品生產(chǎn)和開發(fā)的問題，以及挖掘中國電影衍生品的價值潛力。

3 基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測票房收入

3.1 票房收入的影響因素

(1)電影熟悉度。電影的熱播期不超過2個月，但會形成品牌效應(yīng)，消費者對電影劇情人物的熟悉度直接影響票房收入，基于此本文用是否改編或原影視的續(xù)集來代表觀眾對電影的熟悉程度，采用虛擬變量0，1。改編和原影視作品的續(xù)集用1表示，否則為0。

(2)電影題材。電影題材影響影片劇情類型，觀眾對不同類型影片的喜愛程度不同，影片的類型對票房收入有著巨大影響。本文通過Python爬蟲技術(shù)在時光網(wǎng)中統(tǒng)計2016—2022年票房收入前30的影片類型，結(jié)果如表1所示:

表1 排名前50電影類型和數(shù)量統(tǒng)計表

用1到5對電影類型進行賦值，喜劇片為5，劇情片為4，動作片為3，愛情片為2，其他為1。

(3)主創(chuàng)陣容。導演、編劇和演員構(gòu)成了主創(chuàng)陣容，三者對票房的影響較大，參考國內(nèi)較權(quán)威的電影數(shù)據(jù)網(wǎng)站“貓眼網(wǎng)”上的平均喜愛程度，對導演，編輯和演員進行等級判定，平均喜愛程度80%以上的賦值5，70%～80%的賦值4，60%～70%的賦值3，50%～60%的賦值2，其他賦值1。

(4)電影播出檔期。電影播出檔期是電影上映和下映的時間段，本文把檔期分為春節(jié)檔、賀歲檔、暑期檔和國慶檔。豆瓣網(wǎng)數(shù)據(jù)顯示，各個檔期票房的占比如下:暑期檔23%，春節(jié)檔15%，國慶檔14%，賀歲檔6.5%，其他檔40%，基于此由票房高低賦值5，4，3，2。

(5)發(fā)行公司。電影的發(fā)行公司負責把電影推廣到市場，發(fā)行公司能力的強弱對電影的宣傳和票房收入存在較大影響。本文在時光網(wǎng)中爬取到影響較大的電影發(fā)行公司排名如表2所示:

表2 電影發(fā)行公司排名

(6)技術(shù)效果。電影的技術(shù)效果是電影成功的強大科技支撐，比如:3D電影票價比2D電影高，高票價直接決定高票房，本文將使用3D或IMAX技術(shù)賦值1，沒有的賦值0(數(shù)據(jù)來源:貓眼娛樂)。

(7)網(wǎng)絡(luò)口碑。網(wǎng)絡(luò)口碑是電影上映前觀眾對電影的打分和評論，是觀眾對影片的喜愛程度和期待值的體現(xiàn)，本文利用貓眼娛樂爬蟲得到消費者對電影的評價并進行量化，量化指標從1到10。

綜上，本文以電影熟悉程度、電影題材、主創(chuàng)陣容、電影播出檔期、發(fā)行公司、技術(shù)效果、網(wǎng)絡(luò)口碑變量作為解釋變量(輸入變量)，電影票房收入作為被解釋變量(輸出變量)，以此訓練BP神經(jīng)網(wǎng)絡(luò)通過輸入變量預(yù)測電影票房收入輸出變量。

3.2 數(shù)據(jù)來源

本文選取2016—2022年票房收入前25位的175部電影進行量化處理，并利用python網(wǎng)絡(luò)爬蟲在貓眼網(wǎng)、Mtime時光網(wǎng)、國家電影局官網(wǎng)，中國電影網(wǎng)和百度由相應(yīng)關(guān)鍵詞進行網(wǎng)絡(luò)爬蟲并對結(jié)果進行整合，進而對175部電影的相關(guān)解釋變量進行賦值打分。部分電影輸入指標賦值結(jié)果如表3所示:

表3 電影輸入變量賦值表(部分)

3.3 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

3.3.1 輸入輸出層和隱含的節(jié)點確定

(1)輸入輸出層節(jié)點:輸入層即輸入解釋變量，本文選取電影熟悉程度、電影題材、檔期、主創(chuàng)陣容、技術(shù)、發(fā)行公司和網(wǎng)絡(luò)評分7個變量作為解釋變量，則輸入層有7個節(jié)點，輸出層即被解釋變量，本文選取票房收入為輸出變量僅一個節(jié)點。

(2)隱含層節(jié)點:隱含層用于樣本數(shù)據(jù)處理，隱含層的函數(shù)關(guān)系不易直接找出，因此通過先驗數(shù)據(jù)和試湊法找出隱含層節(jié)點公式，m是隱含節(jié)點個數(shù)，n是輸入節(jié)點個數(shù)，l是輸出節(jié)點個數(shù)，?是1～10的隨機數(shù)，通過模型的不斷調(diào)整發(fā)現(xiàn)最佳的隱藏節(jié)點為6個。

3.1.2 BP神經(jīng)網(wǎng)絡(luò)訓練

(1)訓練參數(shù)設(shè)置

①層數(shù)和節(jié)點設(shè)定:一個輸入層包含7個節(jié)點，兩個隱含層包含6個節(jié)點，另一個輸出層包含2個節(jié)點。②訓練函數(shù):迭代次數(shù)800次，訓練結(jié)果如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)訓練結(jié)果

由圖1可知，隨著訓練次數(shù)的增加，均方誤差在減少至0.001左右，得到一個較為穩(wěn)定的BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)訓練成功。

由圖2可以看出，訓練、驗證和測試預(yù)測值在擬合線附近波動，總體R值高達0.96736，貼合度較好，驗證的值與擬合線有所差別，是數(shù)據(jù)選取所致，整體上BP神經(jīng)網(wǎng)絡(luò)訓練成功，可以投入使用。

圖2 BP神網(wǎng)絡(luò)回歸曲線展示

(2)結(jié)果檢驗

本文隨機選取樣本中25部電影(不參與訓練的樣本)利用建立好的神經(jīng)網(wǎng)絡(luò)預(yù)測，將預(yù)測出的電影票房收入與影片真實的票房收入進行對比，判斷已經(jīng)訓練好的神經(jīng)網(wǎng)絡(luò)預(yù)測是否精確，效果如圖3所示。

圖3 訓練樣本預(yù)測

由圖4可以看出，存在異常值，可能是樣本選取存在誤差導致的結(jié)果，異常值之外的樣本期望值和預(yù)測值基本一致，預(yù)測誤差值去除兩個偏離值整體的誤差在0附近波動，誤差較小。

圖4 訓練樣本預(yù)測誤差

(3)誤差率計算

由圖5可以看出，誤差率去除最大值26.7%其他上下波動幅度不超過10%,存在一個樣本的誤差率較大除去后，其他樣本的誤差率都較小，這說明模型的預(yù)測效果較好。

圖5 預(yù)測誤差率表示

4 線性回歸預(yù)測電影衍生品價值

4.1 數(shù)據(jù)選取

本文選取2010—2023年爆火影片的票房收入和相應(yīng)衍生品收入作為研究對象，因為有部分電影并未進行電影衍生品開發(fā)和銷售，所以不具備研究價值，本文選擇進行衍生品開發(fā)和售賣的影片作為研究對象，并使用Eviews10進行擬合，找出兩者之間的線性關(guān)系，進而根據(jù)線性關(guān)系預(yù)測電影衍生品市場銷量。

4.2 函數(shù)建立

Y=C+C1X衍生品價值為Y，電影票房為X，擬合結(jié)果如表4所示。

表4 檢驗統(tǒng)計量表

R2=0.9999接近于1說明線性擬合效果好，自變量的P=0.001＜0.05自變量票房收入對于因變量衍生品價值具有顯著性。線性擬合結(jié)果為:Y=0.011643X-4.644547。

本文利用訓練BP神經(jīng)網(wǎng)絡(luò)模型對解釋變量取值輸入，進而輸出未上映的電影的票房收入，并通過票房收入和電影衍生品價值的線性關(guān)系預(yù)測電影衍生品的價值。商家可提前確定電影衍生品眾籌金額和投入生產(chǎn)的數(shù)量。

5 結(jié)語

綜上所述，本文提出如下建議:

(1)進行“預(yù)測+眾籌”。前置開發(fā)是實現(xiàn)電影衍生品有利發(fā)展的必要條件，衍生品設(shè)計要與電影制作過程密切配合，在廠商對于市場未知的情況下，“預(yù)測+眾籌”的方法可以預(yù)估市場狀況、有效降低市場風險，實現(xiàn)收益最大化。

(2)提高衍生品質(zhì)量。目前中國電影衍生品的開發(fā)設(shè)計處于初期階段，限制衍生品行業(yè)發(fā)展的要素有產(chǎn)品創(chuàng)新意識不夠、制造工藝不夠精美。因此，廠商應(yīng)重視產(chǎn)品設(shè)計與工藝，結(jié)合電影內(nèi)容，提高文創(chuàng)產(chǎn)品的文化深度，以較高的產(chǎn)品質(zhì)量滿足觀眾的期待。

(3)宣傳版權(quán)意識。電影衍生品不只限于周邊產(chǎn)品，電影IP授權(quán)蘊含著更大的文化價值和商業(yè)價值。因此，作為電影片方應(yīng)主動向觀眾宣傳正版保護意識，助推電影衍生品正版市場的良好發(fā)展和形成抵制盜版的市場風向。

電影衍生品是具有巨大經(jīng)濟效益潛力的市場，發(fā)展電影衍生品是我國電影行業(yè)突破現(xiàn)階段瓶頸制約的重要方法。挖掘電影衍生品市場的經(jīng)濟效益需要各方共同努力，制作出優(yōu)質(zhì)電影、產(chǎn)出優(yōu)質(zhì)IP，需要片方與廠商通過“預(yù)測+眾籌”將衍生品開發(fā)與電影制作緊密搭配，設(shè)計出優(yōu)質(zhì)的周邊產(chǎn)品，將電影制作與衍生品售賣聯(lián)動起來，實現(xiàn)電影產(chǎn)業(yè)與其他文化產(chǎn)業(yè)的跨界融合。