李思沅

(中國傳媒大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100024)

伴隨著電影制作技術(shù)的進(jìn)步與電影消費(fèi)需求的增加，電影市場競爭愈發(fā)激烈。電影制片方與發(fā)行方雖然制定了營銷策略，但是僅依賴于電影營銷而忽略電影的競爭對手究竟是誰并不可行。2017年，中國內(nèi)地市場全年上映影片共726部，基本以每天1.99部的速度上映電影，正在放映的電影在上映期間幾乎每天都要面對新增加的競爭對手。電影之間的競爭體現(xiàn)在多個方面，如：劇本、制作成本、主演、導(dǎo)演等(唐玲玲，2009)[1]。從消費(fèi)者角度看電影之間的競爭，除了電影制作的專業(yè)性，電影口碑是不可忽視的一個重要因素。

當(dāng)前的研究中，學(xué)術(shù)界普遍認(rèn)為口碑是影響電影票房的主要因素之一。口碑通常是指通過人與人之間通過口頭傳遞的信息。網(wǎng)絡(luò)口碑是消費(fèi)者憑借網(wǎng)絡(luò)發(fā)表對產(chǎn)品或服務(wù)的評價與體驗(yàn)，共享口碑，形成的新的口碑傳播方式。電影是經(jīng)驗(yàn)性產(chǎn)品，且每一部電影都是獨(dú)一無二的，消費(fèi)者很難在購買前做出判斷與評估(Vany，2004)[2]，因此消費(fèi)者主動地就某一部電影的質(zhì)量進(jìn)行評估并相互交流傳播其看法，由此電影口碑產(chǎn)生。Chaffee和Steven(1982)就信息可訪問性和可影響性理論，證實(shí)群體之間關(guān)于電影存在一定的交流，并且這種交流會顯著影響消費(fèi)者的購買決策[3]?；ヂ?lián)網(wǎng)的發(fā)展延伸了電影消費(fèi)者交換電影口碑的能力，催生了全新的口碑傳播方式——網(wǎng)絡(luò)口碑，這不僅助力于電影消費(fèi)者的購買決策，還加深了口碑對電影票房的影響(王德勝等，2014)[4]。

本文主要采用網(wǎng)絡(luò)口碑評分、網(wǎng)絡(luò)口碑?dāng)?shù)量和網(wǎng)絡(luò)社交媒體的口碑信息衡量電影的網(wǎng)絡(luò)口碑。電影的網(wǎng)絡(luò)口碑會對電影的票房產(chǎn)生一定的影響。在現(xiàn)有的文獻(xiàn)中，Hsu和Jane(2016)認(rèn)為在短期內(nèi)，評論數(shù)量和電影票房體現(xiàn)出了因果關(guān)系，網(wǎng)絡(luò)口碑與電影票房存在雙向因果關(guān)系[5]。在Chintagunta et al.(2011)的研究中，網(wǎng)絡(luò)評分對電影票房收入有顯著且重要的影響，網(wǎng)絡(luò)口碑?dāng)?shù)量與網(wǎng)絡(luò)口碑分布離散則對電影票房無明顯影響[6]。但是，陳素白等(2016)通過研究網(wǎng)絡(luò)口碑領(lǐng)域中的錨定效應(yīng)發(fā)現(xiàn)，豆瓣電影的評分中存在錨定效應(yīng)；外部信息會影響消費(fèi)者評分，例如：通過有意設(shè)定的高錨信息使得消費(fèi)者評分偏高。而不同的網(wǎng)絡(luò)社交媒體對電影票房有不同的影響[7]。Baek et al.(2017)研究發(fā)現(xiàn)Twitter在電影上映初期對票房有顯著影響，而Yahoo!Movies因具有強(qiáng)大的說服力，在電影上映后期對票房影響較大；博客和YouTube因是同時具有大眾媒體和個人社交特征的傳播媒體，在電影上映初期和后期并無明顯影響差異[8]。至于國內(nèi)的社交媒體如新浪微博，由于社交媒體在早期電影營銷階段能夠有效地引起潛在消費(fèi)者的關(guān)注與興趣(Ding et al.，2016)[9]，電影制片人和發(fā)行商應(yīng)該選擇新浪微博中的大V用戶及其粉絲進(jìn)行宣傳與轉(zhuǎn)發(fā)，而非普通微博用戶或發(fā)表審核信息微博進(jìn)行電影營銷(Xiao et al.，2017)[10]。

本文關(guān)注的焦點(diǎn)在于幫助目標(biāo)電影分辨其上映后的競爭對手。根據(jù)不同的競爭對手，電影制片方與發(fā)行方可以制定更有效的營銷策略，延長電影的生命周期，最終達(dá)到提高電影票房的目的。

1 電影競爭的研究設(shè)計(jì)

1.1 電影競爭模型

通常而言，一部電影是否為另一部電影的競爭對手，可以從兩部電影存在替代關(guān)系還是互補(bǔ)關(guān)系來判斷。一般對替代品的定義是：產(chǎn)品1會減少產(chǎn)品2的邊際利潤，互補(bǔ)品則與之相反。但是電影的之間的替代與互補(bǔ)效應(yīng)無法通過這一定義進(jìn)行判斷，因?yàn)樵陔娪捌眱r一定的情況下，隨著電影票賣出數(shù)量的不斷增加，電影的邊際成本會逐漸減少，由此邊際利潤處于變化之中，不是唯一且確定的。為了更為具體、準(zhǔn)確地判斷電影之間的替代效應(yīng)與互補(bǔ)效應(yīng)，將市場上的電影進(jìn)行分類：電影A上映期間，晚于電影A上映的電影稱為“新上映的電影”，早于電影A上映的電影則為“正在放映的電影”。這兩類電影對電影A票房的影響可以從兩個方面體現(xiàn)：影片的數(shù)量與網(wǎng)絡(luò)口碑評分。影片數(shù)量會給消費(fèi)者更多的觀影選擇，因此會影響電影A的票房。對于網(wǎng)絡(luò)口碑評分，我們依據(jù)電影A的網(wǎng)絡(luò)口碑評分進(jìn)一步細(xì)分為：網(wǎng)絡(luò)口碑評分高于A的電影和網(wǎng)絡(luò)口碑評分與A相近的電影。由此，電影總共分為四類：(1)新上映電影中，網(wǎng)絡(luò)口碑評分高于A的電影；(2)新上映電影中，網(wǎng)絡(luò)口碑評分與A相近的電影；(3)正在放映的電影中，網(wǎng)絡(luò)口碑評分高于A的電影；(4)正在放映的電影中，網(wǎng)絡(luò)口碑評分與A相近的電影。

電影特征為電影市場同時擁有許多賣者(電影)、每一部電影都略有不同和電影可以無限制地進(jìn)入或退出市場，屬于壟斷競爭市場。根據(jù)Bulow et al.(1985)的研究，在壟斷競爭市場中，如果產(chǎn)品1采取更為積極的策略時，產(chǎn)品2的應(yīng)對策略不是很積極，則產(chǎn)品1與產(chǎn)品2存在替代關(guān)系，二者之間關(guān)于利潤的系數(shù)為負(fù)。如果產(chǎn)品1采取更為積極的策略時，產(chǎn)品2的應(yīng)對策略是積極的，則產(chǎn)品1與產(chǎn)品2存在互補(bǔ)關(guān)系，二者之間關(guān)于利潤的系數(shù)為正[11]。將這一研究結(jié)論應(yīng)用到電影競爭中：上述四類電影中，如果其中一類電影對電影A的票房存在負(fù)向影響，則這類電影與電影A之間存在替代關(guān)系，是電影A的競爭對手。如果某一類電影對電影A的票房存在正向影響，則這類電影與電影A之間存在互補(bǔ)關(guān)系。

基于電影競爭中替代效應(yīng)與互補(bǔ)效應(yīng)的產(chǎn)生條件，本文構(gòu)建了電影競爭模型，如圖1所示。除此之外，本文將電影本身的網(wǎng)絡(luò)口碑作為解釋變量，并且引入口碑突出、票房突出、電影的原IP、主演粉絲數(shù)量、導(dǎo)演號召力、電影類型、電影檔期、是否為進(jìn)口電影和是否為3D電影共11個變量作為控制變量，研究這些變量對電影票房的影響。

圖1 電影競爭模型

1.2 研究假設(shè)

本文統(tǒng)計(jì)了175部電影的相關(guān)數(shù)據(jù)，在研究本周新上映電影與本周正在放映電影數(shù)量、網(wǎng)絡(luò)口碑評分對175部電影票房的影響時，為明確表述，將175部電影稱為“目標(biāo)電影”，將電影上映第二、三、四周分別稱為目標(biāo)電影的“本周”。

參考電影之間的替代與互補(bǔ)關(guān)系、現(xiàn)有的網(wǎng)絡(luò)口碑對電影票房存在影響的研究文獻(xiàn)后，結(jié)合電影競爭模型，本文提出如下假設(shè)：

H1：本周新上映電影數(shù)量對目標(biāo)電影的票房有正向影響。

H2：本周正在放映電影數(shù)量對目標(biāo)電影的票房有負(fù)向影響。

H3：本周新上映電影高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有負(fù)向影響。

H4：本周新上映電影與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有正向影響。

H5：本周正在放映電影高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有負(fù)向影響。

H6：本周正在放映電影與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有正向影響。

H7：本周正在放映電影中存在的最高網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有正向影響。

2 變量與數(shù)據(jù)

本文的被解釋變量為電影周票房，將電影票房分為上映后第二、三、四周票房，電影票房是指電影放映期間的累計(jì)總收入，電影票房數(shù)據(jù)均來自藝恩網(wǎng)。

電影競爭變量為本文核心解釋變量，主要分為兩大類：目標(biāo)電影上映第二、三、四周每周新上映電影數(shù)據(jù)與每周正在上映電影數(shù)量；網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影數(shù)量、每周最高網(wǎng)絡(luò)口碑評分與網(wǎng)絡(luò)口碑評分與目標(biāo)電影相近的電影數(shù)量。其中，網(wǎng)絡(luò)口碑評分與目標(biāo)電影相近的標(biāo)準(zhǔn)為：與目標(biāo)電影網(wǎng)絡(luò)口碑評分一致、高于或低于目標(biāo)電影0.1分之內(nèi)，不包含0.1分。

本文將目標(biāo)電影本身的網(wǎng)絡(luò)口碑作為控制變量，主要包括目標(biāo)電影上映第二、三、四周每周平均網(wǎng)絡(luò)口碑評分、每周網(wǎng)絡(luò)口碑總數(shù)量和每周微信指數(shù)。詳見表1。

表1 變量定義表

續(xù)表

注：①口碑突出標(biāo)準(zhǔn)：本文選取的175部電影其上映第二、三、四周總平均網(wǎng)絡(luò)口碑評分為6.216，因此將每周網(wǎng)絡(luò)口碑平均效價突出的標(biāo)準(zhǔn)定為周網(wǎng)絡(luò)口碑評分大于或等于8.00，并統(tǒng)計(jì)目標(biāo)電影上映第二、三、四周每周網(wǎng)絡(luò)口碑評分突出的電影數(shù)量。經(jīng)篩選，僅有25部電影在上映后第二、三、四周中存在周網(wǎng)絡(luò)口碑評分突出的情況。

②票房突出標(biāo)準(zhǔn)：175部電影上映第二、三、四周電影周總票房的平均值為2260萬元，因此將每周電影總票房突出的標(biāo)準(zhǔn)定為每周電影票房大于或等于2500萬元。經(jīng)統(tǒng)計(jì)，電影上映第二、三、四周電影每周總票房突出的電影有43部。

3 實(shí)證分析

為探究新上映電影、正在放映電影和目標(biāo)電影之間的競爭關(guān)系，我們采用固定效應(yīng)模型的方法進(jìn)行回歸分析。

由于控制變量中有些變量存在個體固定效應(yīng)，不隨電影上映時間而改變，只與電影個體有關(guān)，存在個體固定效應(yīng)，不適合用固定效應(yīng)模型進(jìn)行估計(jì)，因此我們將這類變量分組為：含個體效應(yīng)的其他控制變量(下文稱：其他控制變量)，包括：電影網(wǎng)絡(luò)口碑評分(valence)、每周網(wǎng)絡(luò)口碑評分突出的電影數(shù)量(vbest)、電影上映檔期(dq1、dq2、dq3和dq4)、是否存在原IP(ipxj)、主演粉絲數(shù)量(fan)、導(dǎo)演號召力(director)、是否為進(jìn)口片(input)、是否為3D電影(d)和電影類型(lxi，i=1，...13)；并且在固定效應(yīng)模型的回歸中不加入這些控制變量?？刂谱兞棵恐茈娪捌狈客怀龅碾娪皵?shù)量(bbest)在回歸結(jié)果中不顯著，所以刪除此變量。對于不存在個體控制效應(yīng)的控制變量，我們將其分類為主要控制變量，包括：每周微信指數(shù)(wx)和網(wǎng)絡(luò)口碑?dāng)?shù)量(volume)。其他控制變量OLS回歸結(jié)果均顯著；主要控制變量使用固定效應(yīng)模型回歸后，回歸結(jié)果均顯著。

在考察高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分是否會對其票房產(chǎn)生影響時，由于數(shù)據(jù)統(tǒng)計(jì)時存在缺失值和目標(biāo)電影本身為周網(wǎng)絡(luò)口碑評分最高的情況，因此分別引入虛擬變量：xg與rg，這兩個變量的定義如下：

本文在使用固定效應(yīng)模型進(jìn)行估計(jì)時，加入了主要控制變量：隨電影上映時長而變化的每周微信指數(shù)與每周網(wǎng)絡(luò)口碑?dāng)?shù)量。

對于新上映電影對目標(biāo)電影的影響，我們使用H1、H3和H4進(jìn)行說明。

表2中第1列使用固定效應(yīng)進(jìn)行對H1回歸。H1認(rèn)為新上映電影的數(shù)量對目標(biāo)電影的票房有正向影響。變量new在1%的顯著性水平上顯著為正，完全支持H1。在對H1的檢驗(yàn)中，我們認(rèn)為由于電影消費(fèi)存在一定的風(fēng)險(xiǎn)性，新上映的電影雖然存在口碑信息，但是與已經(jīng)放映至少一周的目標(biāo)電影相比，缺乏具體的觀影體驗(yàn)與口碑信息的傳播時間，因此即使消費(fèi)者面臨更多的觀影選擇，也有極大機(jī)率優(yōu)先選擇有更多參考信息的目標(biāo)電影，目標(biāo)電影的票房相對增加。

表2第3列是對H3進(jìn)行固定效應(yīng)估計(jì)的結(jié)果，H3為本周新上映電影高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有負(fù)向影響。xg在1%的顯著性水平上顯著為正，與H3預(yù)期符號相反。原因可能是在進(jìn)行樣本數(shù)據(jù)統(tǒng)計(jì)時，新上映的電影并不包括與目標(biāo)電影同日上映的電影，新上映的電影在當(dāng)周內(nèi)至少晚于目標(biāo)電影一天上映，甚至是當(dāng)周最后一天上映的。因此，即使新上映的電影網(wǎng)絡(luò)口碑評分高于目標(biāo)電影，也會因?yàn)槿鄙僮銐虻膫鞑r間而流失一部分票房，目標(biāo)電影的票房因此增加。

表2中第4列為對于與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分對目標(biāo)電影票房有正向影響的檢驗(yàn)。在第4列中，xy在10%的顯著性水平上顯著為正，可以證實(shí)H4，認(rèn)為本周新上映電影與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有正向影響。這是因?yàn)椋弘娪暗捏w驗(yàn)性特征使得消費(fèi)者在進(jìn)行消費(fèi)時，需要承擔(dān)一定的消費(fèi)風(fēng)險(xiǎn)。與正在上映的電影相比，網(wǎng)絡(luò)口碑評分相近的情況下，新上映的電影參考信息較少，觀看新上映的電影消費(fèi)者需要承擔(dān)更多的風(fēng)險(xiǎn)，因此消費(fèi)者會優(yōu)先選擇可以有更多參考信息的正在上映的電影。

正在放映的電影對目標(biāo)電影票房的影響，通過H2、H5、H6和H7說明。

表2中第2列中可以看出，變量re在1%的顯著性水平上顯著為負(fù)，可以證實(shí)H2，即正在放映的電影數(shù)量對目標(biāo)電影的票房有負(fù)向影響。與正在放映的電影相比，目標(biāo)電影的上映時間晚于這類電影，正在放映的電影有相對充足的時間傳播自己的口碑和觀影體驗(yàn)，觀眾基于電影消費(fèi)的風(fēng)險(xiǎn)性，正在放映的電影數(shù)量越多，觀眾的選擇越豐富，選擇正在放映的電影的可能性越高，目標(biāo)電影的票房由此減少。

第5列的回歸結(jié)果為對H5的檢驗(yàn)。rg在1%的顯著水平上顯著為負(fù)，回歸結(jié)果完全支持H5，即本周正在放映電影高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有負(fù)向影響。正在上映的電影中，網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影存在一定的觀眾基礎(chǔ)，觀眾所需要承擔(dān)的消費(fèi)風(fēng)險(xiǎn)較小，因此這類電影會與目標(biāo)電影產(chǎn)生激烈的競爭。因此，可以進(jìn)一步得出結(jié)論：正在放映電影中網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影是目標(biāo)電影的競爭對手，二者之間存在替代關(guān)系。

H7的檢驗(yàn)結(jié)果在第7列。rv在5%的顯著水平上顯著為正，可以證實(shí)H7，即本周正在放映電影中存在的最高網(wǎng)絡(luò)口碑評分對目標(biāo)電影的票房有正向影響。由于電影屬于體驗(yàn)型產(chǎn)品，消費(fèi)者在觀看電影時會承擔(dān)一定的風(fēng)險(xiǎn)，同時，網(wǎng)絡(luò)口碑是消費(fèi)者消費(fèi)決策中重要的影響因素之一，同期上映的電影中，消費(fèi)者會優(yōu)先選擇網(wǎng)絡(luò)口碑高的電影進(jìn)行觀看，所以，每周最高網(wǎng)絡(luò)口碑評分的電影是消費(fèi)者的優(yōu)先選擇。但Ho et al.(2016)發(fā)現(xiàn)隨著時間的推移，已經(jīng)上映的電影會逐漸失去對消費(fèi)者的吸引力，消費(fèi)者偏好降低[12]。當(dāng)最高網(wǎng)絡(luò)口碑評分的電影觀看完畢后，消費(fèi)者再次進(jìn)入影院時會選擇未觀看的電影進(jìn)行消費(fèi)。因此，正在上映的電影中，每周網(wǎng)絡(luò)口碑評分最高的電影會對目標(biāo)電影的票房產(chǎn)生正向影響，即增加目標(biāo)電影票房。

對H6的檢驗(yàn)結(jié)果參加下表中第6列。在第6列中，ry的回歸結(jié)果不顯著，無法支持H6，說明正在放映電影中與目標(biāo)電影相近的網(wǎng)絡(luò)口碑效價對目標(biāo)電影的票房沒有影響。產(chǎn)生這種情況的原因一是當(dāng)周正在放映電影中不存在與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分；二是當(dāng)周正在放映的電影中雖然存在與目標(biāo)電影相近的網(wǎng)絡(luò)口碑評分，但是在這種情況下，正在放映的電影中均存在高于目標(biāo)電影的網(wǎng)絡(luò)口碑評分，無論是目標(biāo)電影還是正在放映電影中與目標(biāo)電影擁有相近網(wǎng)絡(luò)口碑評分的電影，其競爭對手都是網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影。

第8列是被解釋變量對所有核心解釋變量的回歸?？梢钥闯鲎兞縩ew、xg與re均在1%的顯著性水平上顯著，變量rg與變量xg均為虛擬變量，二者存在完全共線性，因此在固定效應(yīng)的回歸中被系統(tǒng)刪除。

綜上所述，在目標(biāo)電影放映期間，正在放映的電影數(shù)量越多，對目標(biāo)電影票房的負(fù)向影響越明顯；且網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影與目標(biāo)電影之間存在替代關(guān)系。正在放映的電影中，與目標(biāo)電影網(wǎng)絡(luò)口碑評分相近的電影，與目標(biāo)電影既不存在替代關(guān)系，也不存在互補(bǔ)關(guān)系。新上映的電影則與目標(biāo)電影之間存在互補(bǔ)關(guān)系，對目標(biāo)電影的票房存在正向影響。

4 研究結(jié)論與建議

本文利用2017年中國電影消費(fèi)市場的數(shù)據(jù)，通過固定效應(yīng)模型分析了電影在上映期間的競爭對手，發(fā)現(xiàn)正在放映的電影中，網(wǎng)絡(luò)口碑評分高于目標(biāo)電影的電影與目標(biāo)電影存在替代關(guān)系，是目標(biāo)電影的主要競爭對手。正在放映的電影數(shù)量對目標(biāo)電影的票房存在負(fù)向影響。對于目標(biāo)電影的票房存在正向影響的因素有：目標(biāo)電影上映當(dāng)周最高網(wǎng)絡(luò)口碑評分的電影，新上映電影的數(shù)量，和新上映電影中網(wǎng)絡(luò)口碑評分比目標(biāo)電影高或與目標(biāo)電影相近。正在放映的電影中，與目標(biāo)電影網(wǎng)絡(luò)口碑評分相近的電影對目標(biāo)電影票房既不存在正向影響，也不存在負(fù)向影響。

表2 固定效應(yīng)模型回歸結(jié)果

注：括號中數(shù)字為t統(tǒng)計(jì)量；*、**和***分別代表在10%、5%和1%水平顯著。

基于以上結(jié)論，本文提出以下三點(diǎn)建議：第一，在保持影片神秘感的情況下，上映前加強(qiáng)對電影的宣傳，擴(kuò)大影片的觀眾基礎(chǔ)。利用消費(fèi)者的獵奇心理，通過跌宕起伏的預(yù)告片與適當(dāng)?shù)狞c(diǎn)映，擴(kuò)大潛在觀眾的基礎(chǔ)。第二，在上映過程中加強(qiáng)電影口碑宣傳，提升電影網(wǎng)絡(luò)口碑。第三，通過上映檔期選擇電影競爭對手，避開賀歲檔等大片集中上映的檔期。類似賀歲檔這樣的檔期中，上映的影片大多為制作精良、上映后口碑良好的影片。制片方與發(fā)行方需要對影片進(jìn)行合理定位，選擇合適的上映檔期以獲得盡可能高的電影票房。