何雙男

(鞍山師范學院，遼寧 鞍山 114005；實踐大學，臺灣 臺北 10462)

一、引 言

中國電影行業(yè)具有廣闊的市場前景。2016年，國內(nèi)電影票房收入達到454.9億人民幣，圖1顯示2011年至2016年間中國大陸地區(qū)電影市場快速發(fā)展。在2015年，電影票房增長顯著，比2014年增長了48.7%，數(shù)據(jù)顯示，中國電影產(chǎn)業(yè)制作電影686部，其中47部電影票房超過1億元。在2015年度城市居民觀看電影人數(shù)達到1260萬人，較2014年度上漲51.08%(2016年中國新聞出版廣電總局發(fā)布)。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)及北美電影市場的數(shù)據(jù)都顯示出2016年中國票房增速放緩，全球票房的發(fā)展幾乎陷入停滯。

圖1 2011—2016年度中國大陸地區(qū)電影票房收入

相較于中國大陸地區(qū)快速發(fā)展的電影市場，本地區(qū)對于電影產(chǎn)業(yè)的學術(shù)研究不足，僅就少數(shù)影響票房的變數(shù)進行討論。本文的目的在于進一步發(fā)現(xiàn)并確認影響中國大陸市場票房的因素。

二、文獻綜述

有效預測一部電影是否具有市場潛力和投資價值對投資方和電影產(chǎn)業(yè)的健康發(fā)展至關重要。目前學者的研究成果顯示：明星對票房收入有正向影響(Ravid in J Bus72:463-492,1999)；知名導演會對票房起到關鍵的作用(John et al.in Working Paper,New York University,2004)；電影評論對電影有重要影響(Basuroy et al.in J Market 67:103-117，2003)；電影的投資策略(Palia et al.in Rev Financ Stud21(2):483-511,2008)也會影響票房收入，等等。然而國內(nèi)外學者對影響電影票房的重要因素有相當大的分歧。本研究對當前學者提出影響電影票房的變數(shù)進行整理，并通過收集分析2012—2016年中國大陸地區(qū)電影的票房相關數(shù)據(jù)來進一步驗證、分析影響中國電影票房的因素。

口碑(Word-of-mouth，WOM)或在線口碑(eWOM)是顧客與顧客之間進行的信息傳遞過程。Beck(1992)發(fā)現(xiàn)，與其他信息來源相比口碑具有更高的可信度。Mahajan,Miller,and Kerin(1984)發(fā)現(xiàn)，當消費者購買新產(chǎn)品時，口碑的影響尤為重要。很顯然，電影具有新產(chǎn)品所具有的類似特征，可以假設電影觀眾的口碑評價與電影票房存在相關性。

電影銀幕作為一種稀缺資源也會對電影票房產(chǎn)生正面的影響。(Prag and Casavant,1994)播放電影的銀幕數(shù)量決定了滿足觀影者的選擇便利性和可獲得性。

三、研究方法

(一)數(shù)據(jù)收集與描述性統(tǒng)計

論文樣本收集了2012—2016年在中國大陸電影市場投放的125部電影，選擇的標準是2012—2016年每年票房排名前25部電影的相關數(shù)據(jù)進行研究。電影票房排名、總票房、銀幕數(shù)、首日票房、電影類型等數(shù)據(jù)來源于中國有影響力的電影資訊網(wǎng)站，例如，中國電影數(shù)據(jù)信息網(wǎng)和藝恩網(wǎng)等(http://www.zgdypw.cn/,http://www.entgroup.cn/)。此外電影產(chǎn)業(yè)的管理機構(gòu)——中國新聞出版廣電總局以及豆瓣網(wǎng)(https://movie.douban.com/)也是信息獲取重要來源。表1顯示了研究主要變數(shù)的描述性統(tǒng)計信息。

表1 Descriptive Statistics

續(xù)表

①首日票房收入：首映日的票房收入；

②銀幕數(shù)：放映的總銀幕數(shù)；

③豆瓣評分：中國最大的非官方電影評論網(wǎng)站豆瓣對電影的評價分數(shù)，豆瓣評分從0分到10分，來自觀看電影的觀眾對電影的評價，論文中使用豆瓣評分作為電子口碑參數(shù)(eWOM)；

④評分次數(shù)：電影在豆瓣評分中被觀眾評價的次數(shù)；

⑤電影類型：不同電影類型。論文中將電影類型整合為6大種類：1=喜劇片，2=卡通片，3=動作片，4=科幻電影(包括魔幻)，5=愛情片，6=故事、災難、恐怖及戰(zhàn)爭題材電影；

⑥投資來源：資金來源類型。1代表資金來源于大陸地區(qū)，2代表資金來源于包括大陸地區(qū)及其他地區(qū)的合作者，3代表資金來源于不包括大陸地區(qū)的獨立或合作投資者。不同的資金來源，代表差異化的電影制作方法和市場推廣手段，本文假設投資來源可能會影響到電影的票房收入。

表2 Statistics

1.中國大陸投資；2.包括中國大陸的合作投資；3.不包括中國大陸的投資方式。

1.喜??；2.卡通；3.動作；4.科幻；5.愛情；6.故事等。

統(tǒng)計顯示，2012年到2016年中國大陸電影市場投放電影的年度前25部電影中最大的投資方類型是不包括中國大陸地區(qū)投資方，共計59部電影，占到總樣本的47.2%。最受歡迎的電影類型是動作片，共計46部電影，占36.8%。

(二)研究模型及假設

為檢驗票房影響因素對電影市場表現(xiàn)的影響，本研究進行如下的假設：電影上映銀幕數(shù)、首日票房、豆瓣評分、評分次數(shù)、投資來源及電影類型對中國大陸地區(qū)電影市場具有影響。故虛無假設為：

H

∶

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=0。

為檢驗電影市場成功因素，研究使用下列變數(shù)：

依變數(shù)：設票房總收入為依變數(shù)；

自變數(shù)：首日票房、銀幕數(shù)、豆瓣評分、評分次數(shù)、投資來源及電影類型為自變數(shù)。對于投資來源和電影類型，引入虛擬變數(shù)進行回歸分析。

回歸方程式：

Y(票房)=

α

+

β

×首日票房+

β

×屏幕數(shù)+

β

×豆瓣評分+

β

×評分次數(shù)+

β

×投資來源+

β

×投資來源+

β

×投資來源+

β

×電影類型+

β

×電影類型+

β

×電影類型+

β

×電影類型+

β

×電影類型+

β

×電影類型

圖2 中國大陸地區(qū)電影票房影響因素研究之實證模型

(三)相關性分析及回歸分析

表3顯示了文中引用的所有變數(shù)之間的相關性。首日票房、銀幕數(shù)、評價次數(shù)與總票房正相關。投資來源于電影類型與票房收入顯著相關。值得注意的是豆瓣評價與票房之間的關系并不顯著。

表3 Correlations Matrix

.Correlation is significant at the 0.01 level(2-tailed).

.Correlation is significant at the 0.05 level(2-tailed).

數(shù)據(jù)分析結(jié)果呈現(xiàn)于表4、表5。調(diào)整后的R2=0.851，回歸方程式可以很好地解釋依變數(shù)。表4顯示首日票房(.766，P<0.01)、銀幕數(shù)(.862，P<0.01)以及豆瓣評價次數(shù)(.317，P<0.01)與票房收入顯著正相關。而投資來源類型1(大陸地區(qū)投資)(-.208，P<0.05)和電影類型4(科幻類電影)(-.273，P<0.01)與票房收入顯著負相關。此外，豆瓣評分(.0.053，P>0.5)與票房收入在統(tǒng)計上并不顯著。統(tǒng)計結(jié)果與多數(shù)國外文獻結(jié)果一致，除了豆瓣評分顯示線上口碑(eWOM,electronic Word of mouth)對票房影響并不顯著。票房高的電影，未必得到較高的豆瓣評分，即觀眾評價不高；相反，評分高的電影在票房收入上未必成功。值得注意的是豆瓣觀眾評價次數(shù)與電影票房顯著正相關，原因可以解讀為：觀眾評價的次數(shù)與觀賞電影的人數(shù)直接相關，這一結(jié)果也直接反映在電影的票房上。分析口碑和評價次數(shù)與票房的關系(特別是評分低，但觀影次數(shù)多、票房高的電影)，原因可能在于：市場熱度高，觀眾關注度高，在消費選擇中，消費者傾向于選擇周圍熱議中的電影，觀看后能夠在人際關系中享有共同的話題。這也可以解釋為什么豆瓣電影評分低的影片可以取得不俗的電影票房：影迷從眾或出于好奇心觀看市場關注度高的影片，但依然可能對電影內(nèi)容、風格等不滿而給予差評。這就可以解釋部分電影評價不高，但觀看次數(shù)多的矛盾現(xiàn)象了。

表4 Regression Model Summary

a.Predictors:(Constant),screens

b.Predictors:(Constant),screens,opening

c.Predictors:(Constant),screens,opening,grading-times

d.Predictors:(Constant),screens,opening,grading-times,venture sources

e.Predictors:(Constant),screens,opening,grading-times,venture sources,genre

f.Dependent Variable:box office

表5 Regression Model Coefficients

a.Dependent Variable:box office

根據(jù)表5，將回歸方程式總結(jié)為：

Y(票房)=-9148.097+0.412×首日票房+0.513×銀幕數(shù)+0.237×評價次數(shù)-0.151×投資來源-0.114×電影類型

(四)研究發(fā)現(xiàn)

通過對2012至2016年間上映年度票房排行前25名的電影進行統(tǒng)計分析，結(jié)果顯示：首日票房、銀幕數(shù)和評價次數(shù)與電影票房收入成正相關關系，這一結(jié)果與Palia等人的研究結(jié)果一致。通過觀察回歸方程系數(shù)可以發(fā)現(xiàn)，銀幕數(shù)的系數(shù)為0.513，首日票房系數(shù)為0.412，評價次數(shù)為0.237。上述三個因子中影響最終票房總收入的最大因素是播放電影銀幕數(shù)，其次是首日票房和電影評價次數(shù)。

這一結(jié)論可以作為制定電影推廣營銷策略的依據(jù)，通過占據(jù)重要檔期的銀幕數(shù)量鎖定消費者觀看電影的選擇性，同時也削弱了其他影片在市場上的投放機會。首映日在檔期的選擇具有很強的市場操作技巧，盡可能迎合影片對應的消費者群體，也要盡量回避與同類型電影集中上映，以避免與其他電影爭奪相同目標群體而導致的票房損失。

本文的實證結(jié)果發(fā)現(xiàn)：首映日票房收入對電影票房總收入的正相關影響，院線可以通過首映日票房收入針對未來排片策略進行預測與調(diào)整。豆瓣網(wǎng)電影評分與電影票房的無相關性結(jié)果反映出：話題傳播次數(shù)比評價的“好壞”更能影響消費者對觀看電影的選擇。觀眾不完全是專業(yè)電影欣賞者，對于初次上映的電影缺乏基本判斷，電影是一次性消費，不存在看十分鐘不滿意退票的機制，這也解釋了不好看(豆瓣評分低)的電影票房未必差，好看的電影(豆瓣評分高)未必有好票房的口碑與票房倒掛現(xiàn)象。

投資來源共有三種類型，通過虛擬變數(shù)帶入回歸分析發(fā)現(xiàn)，只有一種投資來源(中國大陸地區(qū)獨資)與電影票房呈現(xiàn)顯著的負相關，其他兩種類型的投資來源與票房收入關系不明顯。實證結(jié)果顯示合作投資對于票房收入是更好的籌集資金形式，原因在于更強大的國際化導演、演員、工作團隊和資金背景以及先進的管理和電影制作方式對電影票房的保證。合作投資也會帶來更為廣泛的市場關注度和話題營銷，引起院線的播放熱情，愿意投入更多的銀幕數(shù)量播放電影。

四、結(jié) 語

本文尚有較多重要的變數(shù)沒有進行討論，例如電影的預算、導演和演員、電影獲獎、電影評論等對票房的影響。在中國大陸地區(qū)只有少數(shù)的制片方會公布其制作成本和投資數(shù)據(jù)，此外電影演員和導演對票房的號召力也缺乏可靠的信息來源?？紤]到這類數(shù)據(jù)對電影市場表現(xiàn)的影響，未來的研究依然需要盡力獲取上述數(shù)據(jù)以驗證上述變數(shù)對電影票房的影響。

盡管研究有所缺陷，依然希望能夠?qū)χ贫娪笆袌霾呗裕档碗娪靶袠I(yè)不確定因素的風險有所助益。未來的研究將會繼續(xù)關注其他變數(shù)對電影市場表現(xiàn)的影響以及中國大陸不同經(jīng)濟發(fā)展區(qū)域的電影類型流行趨勢和消費行為特征。