電影票房影響因素的研究

方宗琳

摘 要： 隨著經濟的發展，文化產業的日益繁榮，電影作為文化產業的代表性娛樂產品，它的發展也呈現不可阻擋之勢。電影票房的多少是衡量電影是否成功的一個重要指標，對影響電影票房的因素進行分析研究，為電影行業的發展提供不可或缺的理論依據。但專門針對電影產地的研究很少，本次調研選取2014—2018年每年票房前20部電影共100部電影作為研究數據。電影評分、評論人數、電影來源國3個因素作為自變量，電影票房作為一個因變量進行相關性檢驗及回歸分析。

關鍵詞： 電影票房;影響因素;實證研究;回歸分析

中圖分類號：F713.50????? 文獻標識碼：A????? 文章編號：1008-4428（2018）10-0081-02

一、 引言

電影作為文化產業的代表性娛樂產品，根據美國電影協會（MPAA）發布的2016年全球電影市場數據報告顯示：2016年全球銀幕數增長8 % ，總數達到164000塊。其中數字銀幕數增長17 % ，巨幕數增長11 % 。亞太地區仍是全球銀幕數增長最快的地區（中國是亞太銀幕數增長最快的地區），2016年增幅達到18 % 。作為亞太電影市場的核心，截至2016年底，中國內地總銀幕數達到41179塊，為中國電影行業發展提供了必要的“硬件基礎”。然而，來自中國大陸地區及北美電影市場的電影市場增長速度略有遲緩，本文針對近幾年國內電影業票房靠前的電影進行一個分析，進一步找出確認影響電影票房的影響因素。

二、 文獻綜述

（一）電影票房的影響因素

隨著互聯網時代的高速發展，網民在線生成人數爆炸式增長，信息交互傳遞的速度越來越快。2006年，Gilad Mishne和Natalie Glance通過分析博客中有關電影的數據，研究關于電影的口碑聲量和口碑的情感分析對票房的影響程度，最終揭示了口碑聲量的影響力更大。許敏（2013）提出影響電影票房的因素為電影得分，電影類型、票價、居民收入、續集、檔期、明星、導演但并未提出電影產地這一變量。何雙男（2017）驗證了評分次數與電影的票房表現顯著相關。結合實際操作性與進一步研究方向，本次調研把影響因素定為網絡口碑（評分、評論人數），電影來源國（電影產地）。

（二）基于網絡數據對票房影響因素的研究

在互聯網時代，電影產業報告統計結果顯示，除了傳統影響因素對電影票房的影響外，門戶網站的、社區社交網、專業網站、微博等成為電影信息的重要傳播渠道，制造話題和輿論效果，提高電影的關注度，進而提高電影票房。何曉雪（2018）基于以下網絡口碑數量數據預測電影票房的多元回歸模型。魏明強（2017）提出網絡評價會影響電影票房的走勢。它一定程度上會影響觀眾的購買傾向、決策，影響觀眾的觀影選擇，從而影響電影的總票房收入。

三、 研究方法

（一）樣本的選取

本次調研主要選取2014—2018年中國大陸上映每年票房排名前20的電影，樣本總量共100部。

（二）數據的收集

通過相關論文的借鑒與查閱，并結合電影行業的現狀，通過運用回歸分析對影響電影票房的因素的分析，構建影響電影票房因素的回歸模型。本次調研選取的變量如下：研究的因變量為電影票房。研究自變量分別為電影評分，評論人數，電影來源國。

1. 電影評分

隨著商業電影的發展壯大，電影商業模式逐漸完善。電影上映之前，電影方會進行大規模的地毯式宣傳，包括預告片、新聞發布會等各種形式的宣傳方式。雖然它們與電影品質沒有必然的關系，但是卻能在電影上映前營造聲勢，制造話題，吸引觀影者走進電影院，對電影上映前幾天以及第一周的票房產生很大的影響。隨著專業電影評論網站的建立，人們可以第一時間看到大量觀影者的“口傳”，給電影的品質做了一個較公正的評分，給觀影者一個比較理性科學的參考。雖然不乏會有網絡“水軍”的存在，但是大多數的評論還是真實可靠的，影迷的網絡評分還是一個不容忽視的影響因素。

本次調研的網絡評分數據來源于豆瓣網，網絡評分表現了觀影者對電影的認可度。以十分制為標準，分數越高，觀影者認可度越高，反之越低。

2. 評論人數

在這個互聯網時代，資源共享，人們可以對一個人、物和事件發表自己的言論，人們參與討論的熱烈度表明了人們的關注度。因此，評論人數，在一定程度上反映了大眾對電影的關注度。一部電影，評論人數越多受關注度就越高，反之越低。

本次調研評論人數是根據豆瓣網的評論量，作為評價標準。

3. 電影來源國

隨著電影市場的國際化，越來越多的國外電影涌入國內電影市場，并為我國的總票房貢獻著不容忽視的力量。國外電影質量優良，技術先進，在國內電影市場擁有一定的優勢，給國產電影帶來了不小的沖擊。

本次調研，通過對100部電影的數據分析發現電影的產地主要來源于美國和中國，數據來源于百度百科。

四、 模型的建立

獨立變量分析

本次調研通過查閱以往的論文研究，美國馬克·費茨切倫研究是從產品變量、品牌變量、發行變量和消費者變量作為四個獨立變量，研究人員根據電影的營銷特點對獨立變量進行分組，由于發行變量涉及電影發行商的一些發行數量，一定的局限性，所以本次調研獨立變量分為：電影評分，評論人數，電影來源國，因變量電影票房進行回歸分析。

五、 回歸分析

研究模型如圖1所示：

假設1：網絡評分對電影票房存在顯著相關關系。

假設2：評論人數對電影票房存在顯著的相關關系。

回歸分析研究模型一（見表1）

由表1所示，將所有自變量對因變量的相關性檢驗：發現評論人數（0.491，p<0.01）與收入票房成正相關，假設2成立。電影產地（-0.203，p<0.05）與電影票房呈顯著負相關。除此之外，網絡評分（0.099，p>0.1）與電影票房不存在顯著相關性，假設1不成立。統計結果與以往的相關文獻中的變量結果一致。

但電影評分與電影票房影響不顯著，為了引入線上口碑，于是我們進行了變量間的交互作用，把網絡口碑作為網絡評分與評分人數的交互，同時假如結果顯示的電影產地進行了進一步交互作用下的變量驗證。

回歸分析研究模型二（見圖2）

網絡口碑

由于互聯網的普及，網絡評分也在一定程度上吸引了不少觀影者，同時由于盲從性評論人數也在一定程度上影響著電影票房。其中網絡口碑來源于網絡評分和電影評論人數兩個變量的交互（Y1）。因此我們提出以下假設：

H1A：網絡口碑對電影票房存在顯著相關性。

電影產地

電影產地在一定程度上也影響電影的受眾度，因為電影產地無形之中給人一種對于制作國家的主觀意識上的認知與情感，鑒于這種情況我們進一步做了回歸，因此有假設：

H3、電影產地對電影票房存在顯著相關性。

由表2所示，網絡口碑（0.406，p<0.01）對于電影票房存在顯著的正相關，假設1A成立。電影產地（-0.203，p< 0.05）對于電影票房存在顯著的負相關，假設3也成立。

由表3所示，我們可以得出模型回歸方程式：Y（票房）=α+β1×網絡口碑+β4×電影來源國。

六、 結論

從兩個模型中各變量的t檢驗值以及顯著性水平上來看，所有變量都達到了顯著性水平（p<0.05）。說明由于科技的發展，加之網絡的影響，社交媒體越來越多，觀影者很多，人們心里都有一定的從眾心理，觀看過后的人會有一定的評論與意見，在一些社交媒體中廣泛傳播，從而影響后來者選擇決策。電影評論人數越多越會更加引起人們對該影片的好奇心，從而推動人們去選擇觀看影片。

在電影評分回歸分析中不顯著，原因是當今主要消費群體基本上都是90后和00后，有個性的新一代更加追求的是個人的主觀感受，不再輕易地受他人推薦等客觀原因，所以電影評分對于新一代來說不會很大程度上影響他們的觀影決策;在選擇觀看哪部影片時，更加關注的是影片的內容。

對于電影產地與電影票房呈現顯著的負相關，實證結果顯示更強的國家制作不一定顯著影響消費者的觀影決策，相對來說，當今人們更加關注的是國家形象弱的國家比如中國來說，在發行一部電影時須更努力更用心，反而會受到更好的評價與獎賞。人們不再是一味地以從前的刻板印象來迎合自己的心理需求。

（一）局限性

本文只采用2014—2018年的票房前20，數據有限，其次研究影響電影票房的因素，未來可以引入更多的變量。另外由于數據的單一性，本文只考慮了豆瓣網，未來研究可以考慮更大型的網站比如時光網，數據庫也可以多加入大型有效的數據來源。

（二）建議

1. 對于電影制片方來說，注重電影自身的質量，用電影帶來的品牌價值提高對觀眾的吸引力

現今，中國很多電影缺乏想象力與創造力，結構性太過于簡單，劇情人物量太少，電影的邏輯與智商大打折扣。通過本次調研可以考慮注重電影口碑的信息管理與口碑營銷，構建與觀眾的溝通平臺，將會一定程度上提高電影票房。

2. 對電影口碑進行良好的信息管理，是一個長期的維護過程，需要在拍攝一直到上映期間進行持續不斷的有效的口碑維護

雖然電影的好評對于電影票房有很大的影響，但是負面口碑影響也不容忽視。而口碑維護需要構建良好的與觀眾溝通的平臺，利用溝通平臺進行廣泛有效的口碑營銷能夠引起更多的觀眾對于電影的關注，從而影響票房。

參考文獻：

[1]王錚，許敏.電影票房的影響因素分析——基于Logit模型的研究[J].經濟問題的探索，2013（11）：96-102.

[2]何雙男.中國大陸地區電影票房影響因素實證研究[J].電影文學，2017（22）：004-008.

[3]魏明強，黃媛.網絡評價對電影票房走勢的影響[J].中國傳媒大學學報（自然科學版），2017，24（3）：68-71.

[4]Litman B R. Predicting Success of Theatrical Movies： An Empirical Study[J]. Journal of Popular Culture，2010（4）.