網絡評價對電影票房走勢的影響

魏明強，黃媛

(中國傳媒大學 理學院，北京 100024)

網絡評價對電影票房走勢的影響

魏明強，黃媛

(中國傳媒大學 理學院，北京 100024)

票房與網絡評價之間存在著數據上、邏輯上的關聯，本文將理論分析與實證分析相結合，利用clementine軟件基于神經網絡模型根據豆瓣網網絡評價和時光網網絡評價分析網絡評價對電影票房走勢的影響。分析表明在各個階段，影響票房的網絡評價指標各不相同卻又有一定的關聯性。電影制作公司應該根據各個時期影響票房的網絡評價指標作出不同的反應決策，提高電影票房，降低票房下降率。

電影票房；網絡口碑；趨勢；時機

1 研究背景及意義

據數據顯示，第一季度國內累計票房95.84億，刷新歷史最高增幅同比上漲41.65%。預計到4月第一個周末將突破百億關口，這也就意味著中國電影將首次創造百天內(95天)突破百億關口的最快紀錄。2014年剛剛來到300億門口，2015年又沖擊400億元票房歷史新高。

中國電影市場的火熱不禁讓人思考，是什么因素催生了電影市場的繁榮？ 受眾想從各種渠道知道這電影到底好不好，最先關注的就是相關網站的評論。本文以豆瓣電影和時光網為例，對中國市場電影網絡口碑進行分析，探索網絡口碑與電影票房的關系。

2 數據的說明

網絡口碑數據均來自豆瓣電影(http：//movie.douban.com/)和時光網(http：//www.mtime.com/)。每部影片的數據來自該影片的頁面，對同一部影片的評分、評論、討論等集中在該頁面上，并構成頁面的主要內容(對豆瓣電影來說尤其如此)。

電影票房數據的來源指標為電影票房數據庫網站，網絡評價指標來源于豆瓣網和時光網。豆瓣網主要采集的是：樣本電影下用戶發布的長影評、該用戶對該部電影的評分，以及其他用戶對該長影評的點贊數量、點贊及點踩總數量、回復數量6項。時光網主要采集的也是樣本電影下用戶發布的長影評、該用戶對該部電影的評分，以及其他用戶對該長影評的點贊數和評論數。除去這些電影的網絡評標指標和票房指標，本文還采集了電影的兩個本身屬性指標，包括制作國家和影片第一類型以及排片當天是否為節假日這個指標。

3 票房預測模型構建

3.1 預測第一周電影票房

預測首周電影票房主要利用上映前時光網的4個網絡評價指標，豆瓣網5個網絡評價指標，上映的第一周的節假日天數指標，制作國家指標，電影類型指標，共計12個指標。被解釋變量為上映第一周的電影平均票房。

從模型結果可知在時光網發表長影評的用戶的評論數對電影首周票房影響最大，其次是時光網發表長影評的用戶的評分，居于第三的網絡評價指標是豆瓣網的長評論數。電影觀眾一般都是看過比較專業的長影評之后，對電影有個大致的了解，感覺電影比較適合自己的品味，再去選擇觀看。觀眾在長影評下的評論，進一步加深了觀眾對于這部電影的關注度，一般都是選擇去觀看影片的關注，才會在長影評下發表自己的評論。

3.2 預測第二周電影票房

從模型結構可知第一周的電影票房對第二周電影票房的重要性最大。首周電影票房是網絡評價指標、電影屬性指標的綜合體現。一般首周票房高的電影都是比較賣座，市場續航能力強的電影，因此第二周的票房也會較其他電影高。

網絡評價指標重要性排在前三位的分別是上映前豆瓣點贊點踩總數、上映第一周時光網長評論下的點贊數和豆瓣網長評論下的點贊數。從模型可以看出第一周的評分比上映前的評分重要性系數更大，這與普通電影觀眾的習慣也是相符合的。一般來說，電影放映首周，觀眾都是先看上映前的網絡評價，特別是選擇關注一些專業的影評人發表的比較專業的網絡評價。電影放映的第二周，觀眾就關注，看過該部電影的觀眾發布的網絡評價，通過這些用戶的評價來選擇是否觀看該部電影，從而影響到了這部電影的票房。

表1 第一周票房指標重要性

表2 第二周票房指標重要性

模型的擬合值與實際值見圖1，從圖1可以直觀的看出模型的擬合度是非常好的。

圖1 第二周票房預測值與實際值比較

3.3 預測票房下降率

雖然每一周的電影票房都會減少，但是如果能降低每一周電影票房的減少幅度，對于電影發行公司來說也是非常重要的，這里所指的電影票房下降率的計算公式是：

票房下降率=(第二周日平均票房-第一周日平均票房)/第一周日平均票房

利用電影票房下降率指標來分析網絡評價對電影票房的影響可以利用較少的指標來進行電影之間票房走勢的影響。一般來說電影票房受本身的制作、發行方的發行、觀眾的口碑等眾多方面的影響。如果要研究電影票房的下降趨勢，可以從兩個方面來進行研究。一方面就是通過比較單部電影的網絡評價來看電影票房的下降趨勢，這種方法主要由幾個方面的不足：(1)單部電影不具有代表性，并且每部電影之間不能夠進行比較；(2)大部分電影的網絡評價指標較少，如果按天來進行分析，會出現連續幾天數據缺失的情況，如果按周分析，那么只能分析前兩周的網絡評價對電影票房的影響。仍然只是針對單部電影來進行分析，沒有實際的應用意思。另一方面就是通過比較樣本中的每一部電影的網絡評價來看電影票房的下降趨勢，這種方法也有幾個不足：(1)有的電影的票房差距特別大，必須找到特別好的方法來剔除量綱對分析結果的影響；(2)必須綜合考慮全部影響票房的因素或者提取出最為主要的因素，這樣的話對數據采集要求比較高，而且工作量相對來說比較大，模型的結果誤差也大；(3)由于考慮的指標比較多，分析結果可能不是網絡評價對電影票房的影響占主要指導作用，可能網絡評價指標的差異性不大，不能夠判斷是哪個網絡指標對電影票房產生的影響。通過研究票房下降率可以有效地解決以上兩個問題帶來的影響。

表3 票房下降率指標重要性

從表3可知上映第一周時光網長評論的點贊數和上映前豆瓣網長評論下點贊點踩數量總和的重要系數最大，說明點贊數越多，觀眾對這部電影越認可，票房持續穩定增長，票房下降率會降低。

模型的擬合值與實際值見圖2，圖標顯示模型的擬合度也是非常好的。

圖2 票房下降率預測值與實際值比較

4 研究結論及營銷建議

(1)電影票房變化趨勢與網絡口碑具有相關性。 影響首周票房的口碑因素中，占權重較大的因素是時光網的評論，第二周票房占權重較大的因素是上映前的豆瓣網點贊點踩總數和上映第一周的時光網點贊數。

(2)影響票房下降率的主要指標是首周豆瓣網點贊點踩總數和第一周時光網點贊數。 每周為了避免電影票房下降過快，應及時關注時光網和豆瓣網用戶對每篇長影評的點贊數量。

(3)營造后背效應，提高電影關注度。電影是典型的“體驗性消費”，消費者無法再觀影之前準確預知電影給其帶來的觀影感受，只能借助與電影有關的相關信息幫助其作出是否觀看一部電影的決策，因此關于電影所引發的任何話題都可以形成一定的口碑效應，提高觀眾對于電影的知曉度和關注度。高知曉度和高關注度正是一部電影獲得高票房的前提條件。對于電影制片方和發行方而言，為提高電影的宣傳效果，可以制造一系列話題為電影營造口碑效應，增強電影宣傳效果，提高電影吸引力。

(4)及時采集分析電影觀眾對電影的評價態度，可以有效地利用網絡評價指標，以便做出不同的反應策略幫助有效提高電影票房，減緩每周電影票房的下降速率。

[1]華繼東.負面網絡口碑對消費者行為意愿的影響研究[D].山東大學博士論文，2010.

[2]孫蓓蕾.基于網絡和新人理論的消費者在線口碑傳播實證研究[D].浙江大學博士論文，2008.

[3]費翠.網絡市場行家理論驗證與延伸——網絡信息搜尋，口碑傳播，線上購物行為及個人特質研究[D].臺灣：政治大學廣告研究所，2001.

[4]高誠，馬映紅.網絡口碑傳播效應研究[J].現代商貿工業，2009(19)：132.

[5]金立印.網絡口碑信息對消費者購買決策的影響：一個實驗研究[J].經濟管理，2007，29(22)：36-42.

[6]張琳.2009-2011進口片網絡口碑與票房[D].清華大學碩士論文，2012.

[7]馬艷茹.網絡口碑對于電影票房的影響研究[D].首都經濟貿易大學碩士論文，2014.

(責任編輯：宋金寶)

The Influences of Internet Critics to Box-office

WEI Ming-qiang，HUANG Yuan

(School of Science，Communication University of China，Beijing 10024，China)

The box-office are logically related to the Internet critics of the film which is also shown in the data collected.This paper combines the theoretical analysis and empirical analysis，using Clementine，which based on Neural Network Model.Considered Douban network evaluation and Time network evaluation，it analyses how the evaluation influences the box-office.And it shows that in every stage，affecting evaluation indexes are different but they have certain relevance.Film production companies should make different stage of network evaluation index to improve the movie box-office，reducing the rate of sales decline.

box-office；internet word of mouth；trends；timing

2017-03-07

魏明強(1991-)，男(漢族)，江西南昌人，中國傳媒大學碩士研究生.E-mail：weimingqiang@cuc.edu.cn

F

A

1673-4793(2017)03-0068-04