融媒體與大數據環境基于ANP-TOPSIS的電影IP價值評價

沈 鵬 齊 林

[1.北京信息科技大學 經濟管理學院，北京 100192；2.智能決策與大數據應用北京市國際科技合作基地，北京 100192；3.北京世界城市循環經濟體系(產業)協同創新中心，北京 100192]

2015年是IP電影元年，改編自各種IP資源的IP電影項目井噴式出現，構成了標志性的創作風景與可觀的票房成績。IP電影創作勢頭不減，推動IP電影產業快速發展，連續開發出眾多的IP電影。然而，IP電影行業也出現了一些亂象：IP資源交易定價缺乏依據；不具備價值判斷能力與開發實力的資本紛紛注資；優質IP資源不能被全面深度開發，造成IP貶值與破壞；注重短期收益，對新IP資源缺乏培育；過分迎合用戶需求和依靠用戶體驗，導致電影喪失藝術性；過于重視產權而忽視創意等。

關于電影IP的范圍，學術界還沒有形成一個統一的、令人信服的、精確的界定，相關文獻中將各方面達到很高水平并且具備隨時開發轉化條件的知識形態作為高級IP(成熟期)。本研究認為，成熟期的高級IP是電影IP的最終形態，可以對其進行價值評價。目前實踐上對電影IP主要關注票房、流量、用戶數量，側重于評價經濟效益、產業價值，評價準則不甚完備。理論上主要關注電影IP概念界定、IP電影對整個電影產業格局以及發展前景的影響等宏觀理論問題,而對電影IP價值評估、風險控制、轉換機制等微觀應用問題研究不多。在價值評估方面，錢重遠學者從價值(Value)、主創(Creator)、內容(Content)、營銷(Marketing)四個方面，按照IP電影市場價值開發的VCCM模型進行價值評估。邱章紅學者借鑒“消費者的品牌資產模型”(CBEE)和“層次分析模型”(AHP)建立了“用戶情感利益”“市場資源黏合力”“價值轉換能力”“時效性元素”以及“版權歸屬元素”五個方面的電影IP資源價值評估系統。綜合來看，電影IP價值評價過程具體矛盾體現在：對于評價指標單一的，評價數據容易獲取但是評價不夠全面；對于評價指標復雜的，在融媒體環境下，由于存在跨媒介傳播，需要跨媒介跨領域進行評價，借助常規的數據分析手段往往難以獲取和處理數據；此外，評價普遍都缺乏對主流文化價值導向的關注。

大數據技術特別是自然語言處理技術的發展，給電影IP價值評價提供了新思路。憑借逐步強大的大數據處理技術,可以增強價值評價模型的精確度、有效性與預測能力。應用大數據技術，能綜合處理從不同媒體獲得的結構化和非結構化數據，并能在此基礎上分析情感和價值導向，破解了傳統評價指標和數據的內在矛盾。基于此，本研究開展融媒體與大數據環境基于ANP-TOPSIS的電影IP價值評價，構建一個兼具有綜合性、全面性和系統性的電影IP價值評價的方法，并驗證方法的適用性。

一、評價指標的設計

準確理解電影IP的內涵，在融媒體環境深度開發電影IP，才能在社會主義市場經濟中，做大做強IP電影。在文獻研究的基礎上，基于電影IP特征，綜合考慮評價數據的客觀性、可以量化和可比較，認為電影IP價值體現在用戶、流量、內容、成長和保護五個基本方面。

第一，從用戶方面(P1)來看，電影IP價值經受用戶和時間的考驗。“用戶情感共鳴”是電影IP概念里面核心組成部分。用戶參與時間是其他方面的基礎，沒有用戶參與就沒有其他方面的要素產生。因此用戶參與度(P11)使用電影觀看次數來反映用戶情感傾向。電影IP的用戶年齡結構應趨于均衡，只適合單一年齡階段的電影IP，顯然價值不高。因此,使用用戶廣泛度(P12)，通過計算信息熵考察用戶的年齡結構，衡量IP是否能得到不同年齡階段的情感驗證。電影IP價值能得到大眾的普遍認知，因此,使用用戶滲透度(P13)作為用戶知曉群體的規模反映。

第二，從流量方面(P2)來看，追求平臺流量是電影IP營銷的共同話題，流量變現是電影IP開發中的重要環節，流量一定程度上反映了市場中電影IP價值。融媒體環境下，各種媒介載體被充分利用，跨媒介敘事是融媒體時代產生的一種全新的電影生產方式。本研究根據媒介載體的不同，將電影IP形成的流量分為傳統媒體流量(P21)和新媒體流量(P22)進行分別統計，其數據作為指標值參與評價。考慮到電影IP應用到游戲領域，使用線上交互流量(P23)作為游戲PC端和APP端流量的反映。電影IP促使線下體驗館、主題公園的形成，產生的流量作為線下體驗流量(P24)。基于粉絲的情感認同感和群體歸屬感來促進銷售，是IP改編影視劇獲取利潤的關鍵方式。電影IP具有情感的凝聚性，粉絲對電影IP未來的開發存在關注和期待，將粉絲數量作為未來潛在流量(P25)。

第三，從內容方面(P3)來看，電影IP的優質內容能獲得一致性認可。電影IP獲得的獎項數量作為業內評價(P31)衡量其內容的內部價值，基于用戶的口碑評分(P32)衡量其內容的外部評價。基于網絡評論的價值不僅可以體現在相關主體和媒介,并且最終可以體現在電影價值上。運用自然語言處理方法進行網絡評論的文本進行情感分析，用戶正面情感的比例反映了整個電影IP的價值觀(P33)傳達效果。IP電影通常伴隨大量資本進入，在前期資方購買IP時投入大量資本，按照市場規律大量生產迎合人們感性娛樂需求的產品，要求后期迅速取得收益，能否持續維持價值在于電影IP的文化價值。識別電影IP的中國文化符號使用數量，以區分具有文化傳承(P34)的電影IP和迎合消費者和市場需求而具有高流量特征、低文化價值的電影IP。

第四，從成長方面(P4)來看，電影IP的成長是未來達到更大預期價值的保證。本文將電影IP在各個領域的產品總數與電影IP年齡的比值作為開發度(P41)，衡量時間與市場雙重考驗下的價值。根據IP的衍生規律，電影IP衍生開發在文化產業鏈上進行，即電影IP開發具備從一個電影領域拓展到文化產業生態鏈全部領域的特性，考察電影IP涉及的文化產業領域的數量作為生態鏈拓展度(P42)衡量電影IP價值轉換的橫向能力或縱向能力。電影IP的國際化程度顯示出電影IP的國際價值，電影IP具備全球延伸的能力，高價值電影IP不僅要發掘本土優秀文化，還要注重文化的國際化和普適性。根據電影IP跨文化觀念全球擴張的難度，將全球劃分為亞洲、美洲、歐洲、其他地區，統計電影IP在全球的產品情況。

第五，從知識產權保護方面(P5)來看，電影IP的價值離不開法律保護，電影IP運營是圍繞知識產權轉移而展開，電影IP開發過程總是伴隨著侵權的產生與維權的進行。本文將電影IP的知識產權保護情況(P51)作為法治環境中電影IP價值的體現。

基于以上五個方面，共計設計五個一級指標及16個二級指標，指標體系如表1所示。

表1 電影IP價值評價指標及指標說明

(續表)

二、指標權重的獲取

根據表1中指標體系的構成，可知指標之間并不是完全獨立，存在相互影響、相互反饋的可能性。另外，單一的評價方法無法滿足指標權重的獲取和進行客觀評價的要求。目前使用TOPSIS法進行評價的文獻雖然權重設定方法不同，但都引入權重參與評價。因此本研究采用網絡層次分析法(ANP)獲得權重，同時借助Super Decisions(超級決策)軟件獲取權重，更好地對定性分析做定量化處理。網絡層次分析法獲得權重的過程如下。

第一，構建電影IP價值評價的ANP結構模型。ANP中控制層準則有P，P，…，P，網絡層有元素組為C，C，…，C，其中有指標C，C，…，C，i=1，2，…，n。參考網絡層次分析法的典型結構模型，構建如圖1所示的電影IP價值評價的ANP結構模型。

第二，構造ANP超矩陣計算權重。本研究基于ANP計算的原理，借助Super Decisions軟件獲得權重。首先根據1-9標度法，建立五個元素組之間的判斷矩陣,確定控制層準則的權重。然后將控制層指標P作為一級準則，將C中指標Cj1作為二級準則，根據1-9標度法建立判斷矩陣。以P11為準則，元素組P1中的元素按照對P1的影響大小進行比較，建立判斷矩陣，得到歸一特征向量(w，w，…，w)。同樣方法得到所有判斷矩陣及其余指標的歸一特征向量，進而得到一個超矩陣記為W。接著在P準則下，獲得超矩陣W，同樣方法獲得其余控制指標的超矩陣。在P準則下，P下指標C(j=1，2，…，N)對準則的重要性進行比較，得到一個歸一化的列向量為(a，a，…，a)，進而得到一個加權矩陣，如式(1)所示。

圖1 電影IP價值評價的ANP結構模型

∑a=1(i=1，2，…，N，j=1，2，…，N)

(1)

根據式(2)構建加權超矩陣。

(i=1，2，…，N，j=1，2，…，N)

(2)

最后，使用冪指數法計算極限超矩陣，計算極限排序向量直至各列矩陣向量保持不變，得到指標權重向量W=(w，w，…，w)。

上述過程人工計算煩瑣，通常借助 Super Decisions軟件得到未加權超矩陣、加權超矩陣、極限超矩陣以及得到指標權重。

三、指標數據的獲取

指標數據的獲取源于“先分解后整合”綜合集成系統思維。根據指標的特點，綜合集成了指標值的獲取方法。指標P1的數據經問卷調查處理后得到，其中用戶廣泛度P12首先將用戶年齡劃分為10周歲以下、10～20周歲、20～30周歲、30～40周歲、40～50周歲、50～60周歲、60周歲以上七個年齡段，然后由式(3)計算得到年齡結構的信息熵，式中P是第i個年齡段在調查問卷中出現的概率。

(3)

指標P2的數據采用骨朵數據網(http://data.guduodata.com/)數據，指標P3的數據使用豆瓣網(https://www.douban.com/)和時光網(http://www.mtime.com/)的數據作為原始數據，其中價值觀P33基于Python中文文本挖掘庫SnowNLP進行文本情感分析得到指標數據值，文化傳承P34基于《符號中國:中國傳統文化精要圖鑒》，識別中國文化符號使用數量。指標P4和P5的數據通過網絡調查法獲得。

四、評價方法的使用

電影IP價值比較主觀，難以直接進行評價，本研究采用ANP-TOPSIS法進行排序，從而間接比較，TOPSIS法處理被評價對象指標數據的具體過程如下。

首先根據原始指標數據，利用標準化公式對指標數值進行標準化處理，得到標準化矩陣P。然后由標準化矩陣P=(p)和網絡層次分析法(ANP)獲得的權重向量W=(w，w，…，w)構成加權規范化矩陣，如式(4)所示。

R=(r)=(wp)

(4)

接著確定理想解和負理想解，分別得到理想解D和負理想解D，如式(5)、式(6)所示。

D={r}，r=max(r，r，…，r)

(5)

D={r}，r=min(r，r，…，r)

(6)

再由式(7)計算指標值到理想解的距離，由式(8)計算指標值到負理想解的距離。

(7)

(8)

根據式(9)計算各評價對象評價值與理想解的貼近程度。

(9)

最后按照T的數值大小對被評價對象進行排序,T值越大,說明被評價對象的評價結果越好。

五、實例分析

第一，實例的選取。考慮到電影IP原生領域不同，但都開發形成了電影IP，選取六個原生領域不同的典型電影IP：盜墓筆記(原生領域：網絡文學)、狐妖小紅娘(原生領域：漫畫)、捉妖記(原生領域：電影)、畫江湖之不良人(原生領域：動畫)、武林外傳(原生領域：電視劇)、仙劍奇俠傳(原生領域：游戲)作為實例進行評價。

第二，指標權重的獲取。在兩兩判斷矩陣都通過一致性檢驗的條件下，Super Decisions軟件計算出的指標權重向量為：W=(0.055，0.050，0.052，0.021，0.031，0.022，0.018，0.033，0.079，0.165，0.018，0.036，0.105，0.077，0.066，0.172)。

第三，指標數據的獲取。根據指標數據的獲取和處理方法得到六個電影IP價值評價的指標數據值，如表2所示。

表2 六個電影IP價值評價的指標數據值

(續表)

第四，運用ANP-TOPSIS法做出評價。首先利用標準化公式對指標數據值進行標準化處理。然后按照TOPSIS法處理過程可得貼近程度T，再按照T數值進行排序，排序結果如表3所示。根據貼近程度最大為最優的評價規則，對參與評價的電影IP進行排序，從而對不同電影IP價值進行評價。根據評價規則，I1盜墓筆記的T最大，說明電影IP價值相對于其他五個電影IP高。

表3 六個電影IP價值評價排序結果

六、結論與啟示

每個國家都有其獨特的文化與情感，隨著國人的文化自信不斷提升，中國電影IP的開發在未來必定成為市場的趨勢。基于ANP-TOPSIS的電影IP價值評價體系既可以用來衡量不同電影IP之間的價值次序，又可以用來衡量不同時期同一電影IP的價值差異，同時為新時代其他文化IP資源價值評價提供思路的參考。在實踐上，研究為融媒體環境下電影IP價值評價提供了包含用戶、流量、內容、成長和保護等方面的客觀完備的評價指標體系；在理論上，研究為電影IP資源價值評價引入ANP-TOPSIS量化管理評價方法，在大數據環境下運用大數據技術分析電影影評的價值觀，并將其結果作為指標參與價值評價過程。

融媒體與大數據環境電影IP價值評價體系同時為電影IP增值提供了路徑參考。2019年暑期上映的動畫《哪吒之魔童降世》市場火爆，用戶定位是不同年齡層的觀眾，首播超過三億播放量。但是從衍生產品市場上看,其正版產品的開發落后于市場需求，市場被盜版產品占據。根據本文提出的電影IP價值評價體系，《哪吒之魔童降世》應扶持成長，加強保護。一方面，進行文化產業多領域開發，比如進行游戲制作、建設主題公園、及時開發周邊以及拓寬海外市場等；另一方面，加強知識產權保護，保護產權方正當權益。另外，《哪吒之魔童降世》影片內容傳承中華傳統文化，顛覆性重構了傳統神話里的哪吒形象，重新定義了IP電影改編的模式。啟示后來的電影IP增值需要加強文化傳承，積極在內容層面應用中國文化元素，傳達正向的價值觀，真正講好中國文化故事。