建模環境下分析豆瓣評分對票房的影響

李慧雯

摘要：隨著互聯網經濟時代的到來，越來越多的人通過網絡獲取影片信息。消費者往往通過電影口碑和網絡評論作出觀影決策，各大電影點評網也都提供了電影評分與交流的平臺。文章以豆瓣網為例，研究分析豆瓣評分、評論人數和票房的相關性。

關鍵詞：豆瓣評論 票房 皮爾森相關性分析

一、研究背景

中國電影票房一直都是被討論的熱點話題。根據中國電影產業發布的數據顯示，我國的電影票房逐年上升。2014年我國電影票房達296.39億元，2015年達到440.69億元，2016年達到445.21億元。到2017年，電影票房達到558.89億元，創下十五年來最高電影票房記錄，位居全球第二。我國電影市場的規模不斷擴大，票房紀錄不斷刷新。前不久，《我不是藥神》火爆上映，豆瓣評分高達8.9分。隨著電子商務和互聯網的發展，網絡已經成為消費者了解電影、作出觀影決策的重要信息來源。由于電影這類體驗性產品具有經驗性和無形性，消費者在觀看前很難判斷其質量。消費者往往通過網絡交流獲取信息，從而選擇性地進行電影消費。各大電影網站，例如時光網、豆瓣網、淘票票、貓眼、萬達等，都提供了交流與評論的平臺。豆瓣網作為最負盛名的電影點評網，豆瓣評論在一定程度上會影響消費者決策。

二、研究目的與方法

選取2017年在中國上映且票房排名前一百的電影作為樣本，豆瓣網上電影的評論人數和評分作為自變量的樣本，計算分析豆瓣評分的高低是否對消費者的觀影決策產生影響，評論人數是否影響影片票房，進一步研究豆瓣評分、評論人數和票房的相關性，從而了解中國電影市場存在的規律，對中國電影產業的發展具有重要意義。

三、研究過程與結果

1.模型假設

關于網絡評論對影片票房的研究，眾多專家學者都進行了深入的探討。例如，Shugan的研究表明，網絡評論往往在影片上映初期對消費行為決策產生影響。專業的影評和消費者行為之間通常存在正相關性。Duan的研究表明，影片上映最初的兩個星期，每天的網絡評價和票房之間正相關。周明升把票房當做自變量，研究了網絡評分、評論數和票房的關系。結果表明，網絡評論和票房存在顯著的相關性。綜合國內外對票房的各項研究，網絡評論和票房存在正相關性。鑒于前人的研究結果，本文也提出網絡評論和票房存在正相關關系。

由于豆瓣網自身擁有較為科學的計算方法，自動排除了無效數據，提供了評論人數和評論分數，數據來源較為可靠。本文以豆瓣評論數量、評論分數作為自變量，把影片票房作為因變量，構建影片網絡評價模型。

本文提出兩個假設：假設一，豆瓣評論數量和影片票房存在相關性。以及假設二，豆瓣評論分數和影片票房存在相關性。

2.選取自變量的樣本并統計分析

如表格1，在選取的100本電影樣本中，豆瓣評分的極大值為2.8，而極小值僅為2.8，均值為6.524。由此可見，消費者對不同電影的認可度不同，所以豆瓣評分相差較大。評論人數的極大值為554178，極小值為6793。消費者對于不同的電影，評論人數相差較大。

3.自變量相關性分析

如表格2，豆瓣網的評論人數與票房的相關系數達到0.811，存在正向相關性。由此可見，評論人數越多，影評本身就對電影票房作出了貢獻。當豆瓣評論數量增加時，票房也會增加。同時，也說明影評人對影片持有較高關注度。隨著關注度的增加，影評數量也隨之增加。驗證了前面的假設一，即豆瓣的評論數量和影片票房間存在相關性，并且是正向相關。

豆瓣評分和票房的相關系數為0.302，且P值<0.05。結果表明，豆瓣評分和票房相關性較低，正向關系較弱。即當前評分很高的影片，票房不一定高。高票房低口碑和高口碑低票房的現象都可能出現。例如豆瓣評分7.6的《芳華》，票房達到14.23億人民幣，而豆瓣評分8.4的《相愛相親》，票房僅1824.5萬人民幣。高票房高評分的電影，如豆瓣評分9.1。票房12.95億人民幣的《摔跤吧！爸爸》，只占一小部分，不能衡量整個2017年中國電影市場。驗證了前面的假設二，即豆瓣的評論分數和影片票房間存在相關性，但是正向關系較弱。

四、研究結論

在人們的普遍認識中，高評分的影片應與高票房相匹配。但實證結果表明并非如此。豆瓣評分、評論人數都對票房存在正相關性。但豆瓣評分對票房的相關性比較低，高評分的影片票房不一定高，高票房的影片評分也不一定高。而評論人數與票房存在顯著的正向相關性，評論人數越多，票房越高。因此，中國電影市場需要提升影片質量，營造良好的環境，增加消費者對影片的期待，從而改善電影市場。