大數(shù)據(jù)時代電影票房影響因素證實分析

盧文景，馮曉

(中國傳媒大學信息工程學院，北京 100024)

大數(shù)據(jù)時代電影票房影響因素證實分析

盧文景，馮曉

(中國傳媒大學信息工程學院，北京 100024)

為探究電影票房影響因素，選取了2014年和2015年中國內地電影票房靠前的134部電影，以大數(shù)據(jù)為背景，提出了一套影響票房的指標體系，利用SPSS統(tǒng)計分析軟件對電影票房影響因素做了證實分析，并對評估電影票房的多個指標進行逐步多元線性回歸，構建了票房預測模型，以求對我國電影產業(yè)的研究有所裨益。

票房；影響因素；證實分析；評估模型

1 引言

我國電影產業(yè)從2003年開始至今，實現(xiàn)了連續(xù)十二年的快速增長。就票房而言，從2003年的5億元人民幣到2015年的440億元人民幣，年均超30%的增速，平均年增速約40%；電影銀幕數(shù)從2003年的2296塊增加至2015年的31627塊，較前者翻了13.7倍之多，2015年度觀影人數(shù)超12億人次，連續(xù)成為在票房僅次于美國的第二大電影市場，隨著中國電影制作水平、營銷發(fā)行能力的提高以及產業(yè)鏈的不斷完善，加之政府相關的產業(yè)扶持政策，種種跡象表明，我國電影正在朝著產業(yè)化的更深層次邁進[1]。

電影作為一種產業(yè)，其意義早已超越經濟的領域，涵蓋了政治、經濟、文化等多方面，影響作用非常大[2]。面對全球經濟一體化的趨勢，加快中國電影產業(yè)的健康快速發(fā)展，使之在國際的競爭中取得一定優(yōu)勢，無疑是非常重要的。電影產業(yè)是一個系統(tǒng)工程，只有精心操作每一個環(huán)節(jié)，使得各個階段緊密配合，才能保證電影產業(yè)鏈環(huán)環(huán)相扣，從而充分實現(xiàn)影片的商業(yè)價值和文化價值，其中資產評估在電影產業(yè)發(fā)展中發(fā)揮著越來越重要的作用，其服務于電影版權融資、版權交易、電影播放權交易等領域[3]。

因此，本文嘗試以當下消費互聯(lián)網化的特點，結合大數(shù)據(jù)應用，對電影的商業(yè)價值評估研究提供一個新的視角，以求對評估指標和以后的相關研究有所裨益，從而更好地服務于電影產業(yè)發(fā)展。

2 電影影響因素分析與指標的構建

電影票房受多方面因素影響，諸如，投資預算、劇本、導演、演員、后期制作、制片方以及出品方、媒體宣傳、電影口碑的好壞等[2]?？傮w上可將影響因素劃分為三類，即：電影自身因素、消費者自身因素和市場因素展開研究。其中電影自身因素指電影的制作成本、電影導演、電影主角、電影類型等；消費者自身因素指消費者年齡、喜好、關注心理；電影的市場因素指經濟環(huán)境產業(yè)政策、院線放映能力、發(fā)行機構、放映檔期等。結合中國當下的市場特點本文從以下因素進行分析。

2.1 電影導演

電影導演對一部電影的重要性是不言而喻的，他直接決定著一部電影的質量，當然這種質量并不是絕對的。一方面，隨著商業(yè)電影的發(fā)展，電影也越來越趨于迎合觀眾的喜好，然而，每個人對電影這種藝術品都有自己的看法，導演也不例外，這就不可避免的會發(fā)生導演和部分觀眾間的不認同；另一方面，由于導演專業(yè)水品的高低，制作的電影作品質量也有不同的差距。因此將電影導演作為電影自身因素的一個指標，根據(jù)筆者進一步分析，電影導演指標又可分為導演知名度指標和媒體關注指標，前者反映了普通觀眾對某一導演的熟知程度，后者則能反映導演的媒體曝光度和熱度。另外根據(jù)電影產業(yè)的長期發(fā)展，業(yè)界形成了一個著名導演的圈子，因此本文也引入了電影是否著名這一指標，其反應了作為導演的專業(yè)程度以及導演的實力與口碑。

2.2 電影主角

觀眾對于一部電影的第一感知無非是視覺與聽覺的交織，電影中起到這一作用的一般是由演員來完成的，當然還有場地背景、視覺特效、背景音樂，但能有極富感染力的表達時，還是會落到演員的身上，電影的主角則是這些演員的代表。所以電影主角也是本文確定電影票房評估的一個指標，以電影主角的搜索量進行度量，它能很好的反映出主角的熱度與知名度，且是站在觀眾的角度，使其更具目的性。

2.3 電影類型

電影類型反映了觀眾的觀影偏好，所以研究不同類型電影對電影票房的影響具有一定的市場價值。本文基于行業(yè)通用標準，將電影類型分為九種，分別為驚悚片、懸疑/犯罪片、傳記片、動畫片、劇情片、科幻/奇幻片、愛情片、動作片、喜劇片。再根據(jù)對藝恩網各類型電影票房統(tǒng)計的分析，將九種電影類型進行數(shù)值量化，依次取值1-9來表示。

2.4 消費者關注

一部商業(yè)電影被制作出來的受眾無疑是廣大消費者，因此本文將消費者關注度作為評估電影票房的一個重要指標，它集中反映了消費者對電影的題材內容的感興趣程度。并將消費者關注度劃分成不同角度進行度量，分別為電影搜索量、觀影期待指數(shù)和電影預告片播放量。

2.5 電影檔期

電影檔期是一個時間上的量，由于節(jié)假日的存在，電影票房不可避免的會受電影的檔期是否跨節(jié)假日而有所不同，一般而言，節(jié)假日檔期對票房具有較大的積極影響，因此本文將電影檔期作為其中的一個市場因素。

2.6 發(fā)行能力

電影的制作與宣發(fā)在美國成熟的電影市場中是具有同等的重要性，一個再好的電影作品，如果沒有得到很好的宣傳，也很難取得優(yōu)秀的票房成績，因此本文將電影的發(fā)行能力作為一個評估指標。其量化過程，本文采用了公眾影響力指數(shù)和媒體關注度來度量，分別反映了通過網絡平臺公眾對電影關注情況與媒體曝光整體情況。

綜上所述可以得到電影票房價值評估體系，如圖1所示。

3 模型建立

引入作為解釋變量的影響因素既有定量變量，又有定性變量[4]。為了能夠在同一模型中反映這些因素的影響，提高模型的精度，需要將這些定性變量進行量化，本文是通過虛擬變量來完成的，本文中引入虛擬變量為導演是否著名、電影類型量化與電影檔期量化。

根據(jù)筆者的調研，將電影票房影響因素指標做以下具體處理，見表1。

圖1 電影票房評估指標體系

指標名稱符號描 述數(shù)據(jù)來源導演知名度指標DZMD 導演被觀眾熟知度百度指數(shù)導演媒體關注指標DMGZ 導演被媒體曝光度百度指數(shù)導演是否著名DIFZ 1=著名，0=非著名豆瓣電影主角搜索量ZJSL 按中國票房網的名次選擇前六的主角的平均搜索總量中國票房網百度指數(shù)電影類型量化LXLH 1=驚悚，2=懸疑/犯罪，3=傳記，4=動畫，5=劇情，6=科幻/奇幻，7=愛情，8=動作，9=喜劇豆瓣電影電影搜索量DMSL 電影的名稱平均搜索量百度指數(shù)觀影期待指數(shù)GYQD 觀眾表達想看、期待言論艾漫數(shù)據(jù)預告片播放量YGBL 電影主要預告片播放量預告片世界網電影檔期量化DDLH 是否主要節(jié)假日1=是，0=否時光網公眾影響力GZYL 通過網絡平臺電影影響到的觀眾的力度艾漫數(shù)據(jù)電影媒體關注度DMGD 電影被媒體曝光度艾漫數(shù)據(jù)

建立多元線性回歸模型[5]，

DYPE=C+DZMD·β1+DMGZ·β2+DIFZ·β3+ZJSL·β4+LZLH·β5+DMSL·β6+GYQD·β7+YGBL·β8+DDLH·β9+GZYL·β10+DMGD·β11+μ

(1)

其中：DYPF——電影票房收入(萬元)；c為常數(shù)；μ為絕對誤差。

4 模型分析

本文以2014年62部影片和2015年72部影片，共計134部電影為研究樣本。數(shù)據(jù)選取標準：第一，年度分布較均勻且票房名次靠前具有可觀察性，數(shù)據(jù)時間較新具有時效性；第二，確保每個指標都能取得數(shù)據(jù)。

在建立的多元線性回歸模型中，DYPF、DZMD、DMGZ、ZJSL、DMSL、GYQD、YGBL、GZYL、DMGD為定量變量；DIFZ、LXLH 、DDLH為定性變量。

利用 SPSS 軟件，對模型(1)進行最小二乘法估計。結果見表2(a)和表2(b)。

表2(a) 模型1的回歸系數(shù)表

a.因變量：DYPF

表2(b) 模型1的回歸分析表

由表2(a)和表2(b)可以看出，方程通過了顯著性檢驗，擬合優(yōu)度達到71%表示擬合良好。但是方程中DMGZ，DZMD，DIFZ，YGBL，GZYL并沒有通過T檢驗，因此模型存在問題，需要改進。

在反復調試之后，剔除了導演媒體關注指標、導演知名度指標、導演是否著名和電影預告片播放量這四個指標。引入主角搜索量(次)、電影類型量化(分)、電影搜索量(次)、觀影期待指數(shù)(次)、電影檔期量化(分)、公眾影響力(次)、電影媒體關注度(次)以及因變量電影票房這八個變量進行多元線性回歸模型的模擬，采用最小二乘法進行估計，結果見表3(a)和表3(b)。

表3(a) 剔除部分指標后的回歸系數(shù)表

a.因變量：DYPF。

表3(b) 剔除部分指標后的回歸分析表

從表3(a)和表3(b)可知，該回歸方程和所有的變量均通過顯著性檢驗(sig.<0.05)，并且模型的擬合優(yōu)度較好(R平方為78.1%)，從共線性統(tǒng)計參數(shù)可看出，各影響因素的VIF均小于10，說明回歸方程不存在多重共線性問題。因此可以根據(jù)影響電影票房因素，得到評估票房的多元回歸方程，如下：

DYPF=-19488.859-0.223ZJSL+3297.64LZLH+0.965DMSL+0.929GYQD+17699.478DDLH-0.025GZYL+5.33DMGD

由表3(a)數(shù)據(jù)可知，在按給定的顯著性水平0.05的情形下，概率P值(Sig.)的順序為：電影媒體關注度(0.00)<電影搜索量(0.00)<觀影期待指數(shù)(0.00)<電影檔期(0.004)<電影主角(0.006)<電影類型(0.008)<公眾影響力(0.012)< Sig.=0.05。其中屬于電影自身因素的有2個，來自消費者自身因素的有2個，市場因素方面有3個。

(1)電影自身因素

首先將電影自身的三個因素：電影導演、電影主角和電影類型的五個指標共同與因變量電影票房作顯著性分析，結果如表4所示?？梢婋娪白陨硪蛩貙﹄娪暗钠狈坑绊懯秋@著的(Sig.=0.00<0.05)，結合表3(a)中主角搜索量絕對值為0.223小于1，說明一味地采取電影明星戰(zhàn)術并不能達到與明星投入相匹配的票房收入。在回歸模型中，選取的導演影響因素表現(xiàn)并不顯著，這表明觀眾在選擇看某一部電影時考慮導演因素較少，但在134部電影中，著名導演指導的有37部，票房平均值為41995(萬元)，非著名導演的作品有97部，票房平均值為14238(萬元)，說明著名導演指導作品的票房要遠好于非著名導演的作品，之所以沒有通過顯著性檢驗，原因可能是當下很多非導演的知名人士參與指導電影而對電影票房產生了很大的影響，例如《小時代》系列的郭敬明，《分手大師》的鄧超，《煎餅俠》的董成鵬，《左耳》的蘇有朋等。

表4 電影自身因素回歸分析表

a.因變量：DYPF。 b.預測變量：(常量)，LXLH，DMGZ，DIFZ，ZJSL，DZMD

(2)消費者自身因素

采用同樣的方法，將消費者自身因素的三個指標共同與因變量電影票房作顯著性分析，結果如表5所示?？梢娤M者自身因素對電影的票房影響是顯著的(Sig.=0.00<0.05)，也就是說當觀眾對某一部電影產生濃厚的興趣時，會通過主動搜索，觀看電影預告片等形式去了解電影詳情，形成潛在的消費群體。結合表3(a)中電影搜索量與觀影期待指數(shù)的顯著性Sig.值均為0.00，表明其對電影票房的影響十分顯著，即電影的題材內容能夠引起觀眾興趣，迎合觀眾的喜好，會使觀眾對該影片產生期待，觀影的意愿大幅增加，進而提升票房。

表5 消費者自身因素回歸分析表

a.因變量：DYPF。

b.預測變量：(常量)，YGBL，DMSL，GYQD。

(3)市場因素

從表3(a)中可以看出，市場因素的三個指標均很好地通過了回歸模型的顯著性檢驗，這一點在表6市場因素的三個指標共同與因變量電影票房作顯著性分析中也得到驗證。這表明電影發(fā)行方的發(fā)行能力和上映檔期對電影票房的影響是非常顯著的，即發(fā)行方對電影的宣發(fā)能力越強越有助于提升票房甚至決定票房。結合表3(a)中公眾影響力指標絕對值為0.025小于1，說明在網絡平臺上并非是電影影響到的人越多就一定能取得越高的票房，也就是說電影影響到的人不一定能形成合力去買電影的賬，而媒體的關注則具有很強的引導作用，這也說明了口碑的重要性。電影上映檔期如果是在重要的節(jié)假日上，如暑期檔、賀歲檔、春節(jié)、國慶，可以較其他時間快速的聚集大量的觀影群體形成集聚效應，從而促進票房增長。

表6 市場因素回歸分析表

a.因變量：DYPF。

b.預測變量：(常量)，DMGD，DDLH，GZYL。

5 結語

電影產業(yè)最近年來發(fā)展迅速，票房節(jié)節(jié)攀升，為探究影響票房背后的原因，本文針對國內電影市場(動畫片除外)，在考慮我國實際情況下，提出了一套評估票房的指標體系，并通過數(shù)據(jù)分析證實了選取指標的科學性。

結果表明，影響票房三個方面的因素：電影自身因素、消費者自身因素和市場因素對票房的影響都是顯著的，打破了以往在分析影響因素時僅分析電影自身因素的思維。對具體的因素分析可得：電影如果是著名導演執(zhí)導的，其票房在很大程度上高于非著名導演作品的票房；一味地采用明星堆積出來的作品并不能達到與明星投入相匹配的票房收入；電影的類型反映著觀眾的喜好，喜劇、動作、愛情類型的電影依然是高票房的聚集地；能夠成功吸引消費者的注意力，即電影的題材內容是觀眾產生觀影決策的重要指標；電影上映檔期選在重要的節(jié)假日上有助于電影票房的增長；電影發(fā)行方的宣發(fā)能力是取得成功票房的重要一環(huán)，應該引起足夠的重視，改變我國只關注電影制作的思維觀念。

[1]夏丹.我國3D 電影票房影響因素的實證分析[J].現(xiàn)代傳播，2012，(09).

[2]胡小莉，李波，吳正鵬.電影票房的影響因素分析[J].中國傳媒大學學報，2013，(02).

[3]劉云波，李挺偉.探索大數(shù)據(jù)在文化產業(yè)版權資產價值評估中的應用[J].無形資產評估，2015，(2).

[4]BabuNahata，StaffanRingbom.Price Discrimination using Linearand Nonlinear PricingSimultaneously[J].Economics Letters，2007，(2).

[5]Basuroy，Suman，SubimalChatterjee.Fast andFrequent：Investigating Box Office Revenues of Motion Picture Sequels [J].Journal of Business Research，2008， (61) ：798-803 .

[6]百度指數(shù)[DB/OL].http：//index.baidu.com/.

[7]豆瓣電影[DB/OL].http：//movie.douban.com/.

[8]中國票房網[DB/OL].http：//www.cbooo.cn/.

[9]艾漫數(shù)據(jù)[DB/OL].http：//ifilm.iminer.com/.

[10]時光網[DB/OL].http：//www.mtime.com/.

[11]藝恩網[DB/OL].http：//www.entgroup.cn/.

[12]預告片世界網[DB/OL].http：//www.yugaopian.com/.

(責任編輯：王謙)

The Confirmatory Analysis of the Influence Factors of Movie Box Office in the Era of Big Data

LU Wen-jing，F(xiàn)ENG Xiao

(College of Information Engineering，Communication University of China，Beijing 100024，China)

In order to explore the influence factors of movie box office，the top 134 movies were selected in 2014 and 2015，In the background of big data，the index system of an impact at the box office was proposed，which used SPSS statistical analysis software on the factors affecting the film at the box office to do the analysis confirming，and multiple indicators to assess the movie box office was done with stepwise multiple linear regression，and the box office forecasting model was constructed，in order to benefit the study of China's film industry.

box office factors；confirmatory analysis；evaluation model

2016-03-21

盧文景(1990-)，男(漢族)，安徽亳州人，中國傳媒大學碩士研究生.E-mail：837420130@qq.com

J943

A

1673-4793(2017)01-0041-06