中國電影產(chǎn)業(yè)票房影響因素探究

1、一、引言自2002年國家把發(fā)展文化產(chǎn)業(yè)作為一項國策以來，中國文化產(chǎn)業(yè)的快 速成長在拉動國民經(jīng)濟發(fā)展、促進文化繁榮、帶動社會進步和應對國際競爭 等方面發(fā)揮著越來越重要的作用， 對于全球化文化背景下維護國家文化安全 和應對國際文化市場挑戰(zhàn)具有關(guān)鍵性的作用。在中國的文化產(chǎn)業(yè)結(jié)構(gòu)中，影視產(chǎn)業(yè)一直是中堅力量，占據(jù)著近半壁江 山?；仡櫧鼛啄晡覈娪爱a(chǎn)業(yè)發(fā)展歷程，可發(fā)現(xiàn)國產(chǎn)電影一直在保持著螺旋 式上升的趨勢。我國電影產(chǎn)業(yè)已經(jīng)連續(xù)十幾年保持增長態(tài)勢，并且在 2009 年實現(xiàn)華麗蛻變，成為在金融危機中逆勢上揚的典型代表，全年共有11部電影票房過億。然而在2010年國產(chǎn)電影不敵國外大片，上映比例走到低谷。 到了

2、2012年，國產(chǎn)電影發(fā)展迎來轉(zhuǎn)折點，并以此為分界，國產(chǎn)片產(chǎn)出量從 穩(wěn)步增長變?yōu)闇p量減速，從數(shù)量競爭正式開始進入票房競爭階段。 到了 2015 年，在消費的帶動下，中國電影產(chǎn)業(yè)規(guī)模達到了1000億元，全年上映電影449部，票房達到438.74億元，其中國產(chǎn)電影的票房占到總額的 62%,平均 每部國產(chǎn)片的票房達到8138.6萬元。中國逐漸由電影大國向電影強國轉(zhuǎn)變。 作為電影產(chǎn)業(yè)鏈的最后一環(huán)，院線上映是衡量影片投資與回報的基本因素電 影。由于其較大的商業(yè)性質(zhì)，票房總收入是衡量一部電影是否成功最直觀的 度量標準。雖然在好萊塢等電影產(chǎn)業(yè)發(fā)達地區(qū)，票房收入只占電影總體收入 一部分，銀幕上的突出成績并一定代

3、表電影自身的成功1,但對于中國這一還在發(fā)展中的電影產(chǎn)業(yè)而言，影片的票房成績?nèi)匀皇亲钪匾囊蛩亍６?、文獻綜述關(guān)于電影票房的研究方面，國內(nèi)外可以分為三類，第一類是基于西方傳媒經(jīng)濟學理論對電影產(chǎn)業(yè)和票房之間關(guān)系的探討，第二類對電影票房的預 測，第三類則是影響因素的分析。西方相比較我國電影產(chǎn)業(yè)發(fā)展較早，因此 對票房研究也相對更加成熟以及具有前瞻性，其中影響因素方面大量運用了實證模型進行分析。具體來看，主要有以下一些成果。Barry Litman (1989)開啟了西方電影票房研究的先河，最先建立電影票 房影響因素的研究模型，由于當時票房數(shù)據(jù)較難獲得，因此在其模型中，以 1981-1986年電影租金收入

4、作為因變量，將具體影響因素分為創(chuàng)意、發(fā)行/上映以及電影營銷三大方面，通過層次回歸分析得到導演以、明星以及續(xù)集有 著顯著的正向影響，科幻片能正面影響而劇情片則產(chǎn)生負向影響2。在這之后，部分西方學者繼續(xù)按照Litman的研究模型進行相應改進延續(xù)其的研究思路，還有一部分學者則開始對電影票房具體影響因素進行分類 研究。主要集中在明星影響力以及口碑等方面，研究結(jié)論也有著一定分歧， 其中Ravid(1999)發(fā)現(xiàn)明星影響力對票房并沒有顯著作用3,而Levin和Heath (1999)通過對測試者發(fā)現(xiàn)觀眾對知名演員出演的電影有著很強的好感，電 影評論家也會因此減輕對其批評4。Elberse (2007)則用

5、超過1200組明星陣 容在好萊塢股票交易市場模擬與票房的關(guān)系發(fā)現(xiàn)能夠顯著增加票房收入。06年之后隨著Twitter等社交網(wǎng)絡(luò)的崛起，對于網(wǎng)絡(luò)口碑的研究開始增多， McKenzie(2009)發(fā)現(xiàn)口碑的效價會顯著影響數(shù)量并進一步對票房產(chǎn)生顯著 作用。Henning (2014)等人進行了 Twitter效應的測試，得到用戶的口碑評 價會對其他潛在觀眾的接受度產(chǎn)生負面偏向。我國學者方面，對電影票房的研究起步較晚，前些階段主要是從藝術(shù)理論角度對單獨某部電影的定性案例分析上面。直到2009年我國逐漸開始進 行定量實證研究，其中比較具有代表性的有汪旭輝和王軍（2015）通過分析 網(wǎng)絡(luò)口碑對票房內(nèi)在機制，

6、結(jié)果表明網(wǎng)絡(luò)口碑數(shù)量顯著正向影響首周票房， 效價存在顯著負向影響。侯勇和王鐵男（2014）則發(fā)現(xiàn)前作電影票房和口碑 都可以產(chǎn)生品牌溢出效應影響續(xù)作。王錚（2013）通過設(shè)立不同臨界值進行 logistic回歸表明票價、續(xù)集、明星和導演有著顯著影響，并且發(fā)現(xiàn)明星和導 演影響力存在著“擠出效應” 6。聶鴻迪（2015）則通過OLS回歸分析得出 盜版和劇情類電影有負面影響，并通過神經(jīng)網(wǎng)絡(luò)進行預測發(fā)現(xiàn)誤差相比多元 回歸較小。綜合來看，目前國內(nèi)的研究較多還是停留在定性分析以及對某一單方面 因素的分析，而多方面的影響因素探討的文獻數(shù)量較少，并且大多為基于傳 統(tǒng)Litman模型進行影響因素的選擇，并未結(jié)合中

7、國特有市場環(huán)境進行考慮。 另一方面，較多仍然采用普通 OLS回歸分析法，但正如王錚（2013）所述, 可能會存在偏態(tài)性會使得結(jié)果不穩(wěn)健，然而 logit模型雖然消除了極值偏態(tài) 影響，但是容易使得信息利用量減少。三、研究設(shè)計（一）研究變量選取本文中我們隨機選取2015-2016年共90部國產(chǎn)電影，將票房數(shù)據(jù)作為被 解釋變量，單位為萬元，票房數(shù)據(jù)通過藝恩網(wǎng) 查詢得到。解釋變量具體可 分為如下幾類：.主創(chuàng)陣容(Director、Actor)主創(chuàng)陣容具體可分為編劇、制片人、導演以及演員，由于我國較西方制 度間的差異，創(chuàng)作中心基本以導演為主，而編劇制片人等身居幕后往往不為 人所熟知。因此本文重點選取導演

8、作為創(chuàng)作陣容中的研究變量。國內(nèi)外關(guān)于 導演影響力度量方式不盡相同，如 Litman和Kohl (1989)將導演四年間的 執(zhí)導影片是否獲得奧斯卡獎或提名作為虛擬變量衡量，Hennig-Thruau等(2006)以執(zhí)導的最近三部影片的平均票房度量7,還有的直接使用好萊 塢報道中的導演指數(shù)。本文在參考前些基礎(chǔ)之上，根據(jù)導演所獲五大華語 獎項及提名數(shù)量并結(jié)合時光網(wǎng)上導演受歡迎度評分，從低到高劃分 1-5五 個等級，并且考慮到目前一小部分的新銳跨界導演原有的粉絲基礎(chǔ)進行相應 調(diào)整。主演的明星方面，國外學者通常使用綜藝以及好萊塢報道中 的數(shù)據(jù)，我國學者中在研究中由于沒有這方面權(quán)威性排名，故與導演影響力

9、衡量方法相類似8。筆者認為，隨著網(wǎng)媒、電視綜藝等快速崛起，跨界現(xiàn)象 愈發(fā)明顯，獲取明星效應的渠道逐漸擴大，繼續(xù)以過往例如獎項數(shù)量等方法 難免有失偏頗，所以本文根據(jù)獎項、提名數(shù)量并結(jié)合2015年明星微博粉絲數(shù)排名綜合衡量，同樣劃分為1-5五個等級。.票價(Price)2012年廣電總局發(fā)布的電影票 限折令”不得低于電影院掛牌價的70%曾 一石激起千層浪引發(fā)不小的爭論，同樣，一些例如馮小剛的知名導演也曾在 兩會上聯(lián)提案實施 最高限價”。電影院在票價制定方面往往采用針對不同客 戶需求及影片屬性的彈性定價策略，經(jīng)濟學中一般稱之為價格歧視”。為了中國五大華語獎項是目前華語電影界藝術(shù)水準和認可度最高的獎項

10、，具體包括：中國電影華表獎、中國電影 金雞獎、大眾電影百花獎(從近期剛結(jié)束情況來看，質(zhì)量存疑！)、香港電影金像獎和臺灣電影金馬獎。綜藝和好萊塢報道是美國娛樂界兩大權(quán)威報刊，前者每年都會刊登具有票房價值的明星名單，后者 對全世界主要國家中具有票房號召力的明星和導演進行排名和打分形成量化影響指數(shù)。導演及演員影響力因素權(quán)重均通過 AHP決策分析法確定，限于篇幅不做列示，但留存?zhèn)渌鳌Ｌ骄科眱r對票房具體影響程度，本文選取貓眼兒網(wǎng)的每部電影全國平均票價 信息作為變量。.網(wǎng)絡(luò)口碑（WOM ）傳統(tǒng)口碑在研究領(lǐng)域的重要性通過前文的文獻綜述中已經(jīng)提到，如今隨 著互聯(lián)網(wǎng)的普及，一些專業(yè)的電影口碑評分已經(jīng)較為成熟化，

11、具給予了觀看 過電影的關(guān)注一個交流、抒發(fā)自己觀影感受的平臺。主要通過三個度量指標： 數(shù)量、效價以及離散程度。其中效價即對電影的評價，Liu（2006）認為其可以影響公眾的感知并進一步對公眾的觀影決策行為產(chǎn)生作用，有著重要的地位9。因此，本文通過對每一部電影時光網(wǎng)及豆瓣網(wǎng)基于滿分為10分的口碑評價得分取其平均值作為研究變量。.技術(shù)效果（Tech）過往的研究中學者普遍較少考慮到電影的技術(shù)效果這一影響因素。當今，隨著技術(shù)水平及觀眾觀影體驗需求的提高，電影的播放制式也有著很大的改變，具體可分為普通的2D （35mm膠片變形銀幕）、IMAX （巨形超大銀幕）、 3D （立體）及三者兩兩結(jié)合的類型。本文將

12、技術(shù)水平從低到高排序，將普通 2D設(shè)為1,含有IMAX的非3D電影設(shè)為2,含有3D技術(shù)的設(shè)定為數(shù)值3。. IP （知識產(chǎn)權(quán)）（Sequel）近年來，IP可以說是影視圈內(nèi)較火爆的名詞，一個運營十分成功的IP可以從一種媒介轉(zhuǎn)化到另一種媒介而產(chǎn)生一種極大的關(guān)注度，是一種寶貴的無形資產(chǎn)。在電影領(lǐng)域中IP主要可以分為暢銷小說改編電影例如盜墓筆 記、系列電影的續(xù)集如近期的大話西游 3、對過去經(jīng)典電影的翻拍如由 楊哥和鹿哈主演的我是證人，就是對韓國經(jīng)典電影盲證的翻拍。本文定義其為虛擬變量，當電影為IP電影時用1表示，反之為0,是否是翻拍 改編等信息通過百度百科查詢所得。.檔期(Schedule)檔期是一部電

13、影從上映到最后下映的時間間隔，過往研究表明檔期作為一種時間縱向市場也往往會對票房產(chǎn)生影響。目前而言，檔期與節(jié)假日有著 比較大的關(guān)聯(lián)，觀影活動會比其他時間集中。我國電影最熱門的檔期可以劃 分為暑期檔、國慶檔、五一以及賀歲檔 ，為此，我們選取與電影從上映到 下映平均一個月時間與上述檔期重合天數(shù)作為檔期的研究變量。.營銷熱度(Want)電影在上映前的營銷手段也是十分重要的一環(huán)，具體可包括出品方的宣傳以及基于其所引發(fā)的話題規(guī)模效應引起公眾對電影的興趣。過往研究中， 較多使用消費者的搜索量作為研究， 如Hand和Judge(2012)利用公眾對電 影的谷歌趨勢的搜索數(shù)據(jù)作為度量10,王煉(2014)等通

14、過利用數(shù)據(jù)抓取軟 件對電影上映前后百度搜索引擎數(shù)據(jù)構(gòu)建搜索指標11。由于對搜索引擎過去一段時間搜索量實現(xiàn)起來較為困難， 本文則出于數(shù)據(jù)以獲取角度考慮選取貓 眼電影網(wǎng)中每部電影的 想看指數(shù)”，其數(shù)值為每部電影從宣布檔期到上映前 一天時間段公眾想看意愿的具體人次。.電影題材每個人會對電影不同類型產(chǎn)生不同的偏好，進而影響制片方在制作前對 電影題材的考慮。由于我國電影發(fā)展還不是十分成熟，相比較西方好萊塢類 似于互聯(lián)網(wǎng)電影資料庫(IMDB)十多種明確的分類方式，我國國產(chǎn)電影則 五一：5.1-5.3日；國慶：10.1-10.7日；暑期：7.1-8.31日；賀歲：11.20-2月底，是業(yè)內(nèi)較認可劃分標準。

15、較為集中。本文根據(jù)所選取的樣本，按照其最主要的題材類型總共分為喜劇 片（Comedy）、愛情片（Romance） 動作片（Action）、驚悚片（Horror）以 及魔幻片（Magic）,分別設(shè)定為虛擬變量，是賦值 1,否則賦值為0,有關(guān) 電影類型均通過時光網(wǎng)、豆瓣網(wǎng)以及貓眼網(wǎng)等查詢 所得。（二）計量模型基于回歸的最小二乘法分析是目前學術(shù)界使用最多的方法，如前文中所述的Litman（1998）、Sochay（1994痔均以票房作為連續(xù)變量進行 OLS影響因 素研究。所以參考其首先建立多元線性回歸模型進行OLS估計，模型如下：其中，對票房總收入以及想看指數(shù)均作了自然對數(shù)處理以控制可能的異方差 問

16、題。傳統(tǒng)的線性回歸一般都采用上述 OLS來估計參數(shù)，其刻畫的是因變量 的條件均值的邊際效益或者彈性大小。另外其要求變量同時滿足隨機性、獨 立性等一系列嚴格規(guī)定，如果數(shù)據(jù)出現(xiàn)擾動項非正態(tài)分布以及異方差等情 況，結(jié)果可能表現(xiàn)出不穩(wěn)健性。而由 Koenker和Bassett （1978）所提出的分 位數(shù)回歸（Quantile Regression則能夠全方面描述因變量條件分布中不同分 位點上的解釋變量對其的影響，且其估計方法與OLS相比對離群值更加穩(wěn)健，也不要求嚴格滿足正態(tài)分布假設(shè) 12。本文中，經(jīng)過樣本的統(tǒng)計發(fā)現(xiàn)前 20%樣本影片的票房合計占到了所有電影總票房的76.84%,因此從條件分布上來看具

17、有較高的偏態(tài)性，OLS回歸可能因極值影響不穩(wěn)健且無法刻畫全 貌。因此，本文隨后進一步采用分位數(shù)回歸分析票房從低到高的不同分位數(shù) 由于我國目前還沒有一個統(tǒng)一的權(quán)威性電影分類標準，每個電影網(wǎng)站具體分類可能會略有不同。為此，筆者 選取兩個不同的網(wǎng)站對電影最主要的類型進行綜合考量。下解釋變量對因變量可能存在的不同回歸系數(shù)估計量首先，分位數(shù)的定義為對于一個隨機連續(xù)變量 y,其小于第。分位數(shù)即y y（甘氏率為r假設(shè)由n個解釋變量組成的矩陣X線性表示y的條件分位數(shù)，基本模型 為：式3中，xi= （x% X2、，xni）為解釋向量，用）=（3 包 ，）是r分位數(shù)下的系數(shù)向量。分位數(shù)回歸通常采用加權(quán)最小絕對離差

18、和法（WLAD ）求解目標函數(shù)最小值進行參數(shù)估計，展開式即：本文由此設(shè)定如下分位數(shù)回歸模型：其中，長（0,1）代表了所在的分位點，本文中我們選取0.2,、0.4、0.6以及0.8 這四個分位點分別對票房影響效應進行考察。四、實證分析模型（1）的參數(shù)估計顯示，導演及演員的影響力均在1%的水平上顯著， 二者能夠明顯增加影片的票房收入大小，并且可以看到演員的影響力大小還要略高于導演的影響力（儻=0.243,位=0.393）。導演作為我國目前以導演為 中心的的影片制作傳統(tǒng)，相比西方制片人為核心制度，具在拍攝，演員任用 等方面都有著超越創(chuàng)意范疇的無可撼動的職能和權(quán)力13。我國目前經(jīng)過統(tǒng)計進入五億元票房俱

19、樂部的導演總數(shù)為 18位，其中既包括例如馮小剛、張藝 謀、管虎等大牌知名導演，也包括一些跨界例如董成鵬、陳思誠等新銳導演， 大牌知名導演在獲獎及提名數(shù)量上具有絕對的優(yōu)勢，多年的執(zhí)導經(jīng)驗可以為 影片的質(zhì)量提供較為有力的保障；而新銳跨界導演則更多是通過原先例如演 員、作家、主持人等身份自帶強大的粉絲效應，并進一步傳播到其所執(zhí)導的 影片關(guān)注度之上。明星影響滿足默認的獨立信號 (default-independent signal) 的特點，Kirmani和Rao (2000)認為默認獨立信號便是指無論最后成品是 否履行信號所指示的內(nèi)容，生產(chǎn)者都需要支出額外前期費用的信號14。明星 對票房影片也主要體

20、現(xiàn)在兩方面：一是獲得多次獎項提名的知名演員，其精 湛的演技可以提升影片質(zhì)量，二是演員通過其他方面例如綜藝節(jié)目、特征魅 力等所獲得的高人氣吸引力。因此明星強大號召力通過提高消費者對影片的 認知以及接受程度，可以較大程度降低影片投資風險15,在一些大制作的影 片中，一線明星已然成為高票房保障的必備。網(wǎng)絡(luò)口碑總體在5%水平上顯著正向影響票房高低。 以豆瓣、時光電影評 分為代表的網(wǎng)絡(luò)口碑成為消費者對包括電影質(zhì)量、認同接受程度等綜合評價的一種量化度量方式，反映出大部分受眾群體會參考他人意見對是否觀看電 影作出相應的抉擇。由于電影的體驗性、無形性以及信息的不對稱性，消費 者很難在觀看前空6別其質(zhì)量水平16

21、,此時往往會通過向?qū)I(yè)的口碑網(wǎng)站尋求 真實觀眾評價信息來降低這種感知風險，評分的高低總體上能夠顯著影響觀 眾的觀影決策進而再影響至票房。技術(shù)效果通過5%的顯著性水平檢驗產(chǎn)生較大的正向影響。我國自 2010 年引入IMAX巨幕電影技術(shù)以來，具高底片分辨率和成像度給予了觀眾更加 清晰宏大的觀影體驗，以阿凡達為代表的國外3D電影在中國市場引發(fā)空前的觀影熱潮再造了電影的藝術(shù)形態(tài)， 也進一步加強了觀眾由單純觀看電影向體驗電影的轉(zhuǎn)變巨大需求。因此高的技術(shù)效果能夠迎合觀眾需求吸引其 進影院觀看，同時其所又t應的票價相比普通2D平均高出10-15元左右，也自然能夠提高票房的收入。想看指數(shù)在1%統(tǒng)計水平上顯著正

22、向影響票房。這表明消費者互聯(lián)網(wǎng)搜索 量以及對應片方在影片上映前的宣傳能力能夠顯著提升影片票房。影片上映前有著諸多不確定性信號，隨著新媒體以及互聯(lián)網(wǎng)的普及，制片方通過在微 博和發(fā)布會上制造相關(guān)熱門話題進行推廣及公眾討論可以一定程度上消除 部分不確定性信號。從市場營銷角度來看，這種網(wǎng)絡(luò)營銷摻雜著部分病毒營 銷的方式具有縱深性、多維性及交互性，尤其是以互聯(lián)網(wǎng)為平臺的用戶自我 人際傳播運用人為信息節(jié)點，分享為特質(zhì)，快速對受眾進行全視角、立體式 的宣傳覆蓋17,吸引其走進電影院實現(xiàn)這種被 吊胃口 ”式的預期釋放。續(xù)集翻拍等IP相比較沒有這方面的影片在5%顯著性水平上明顯能夠增 加票房收入。過往研究表明，

23、續(xù)集翻拍等受著品牌溢出效應(Brand Spillover Effect)的影響，產(chǎn)業(yè)經(jīng)濟學中通常所定義的溢出效應與外部性”這一概念相類似，具指一個經(jīng)濟組織在相關(guān)領(lǐng)域中的自我行為決策會對外部另一部分 人的利益產(chǎn)生損益的情況，而這種損失或者收益都不是相關(guān)生產(chǎn)或者消費者 等經(jīng)濟主體所獲得或者承擔的，而是一種附帶影響從而推動其他方面的發(fā)展 18。學術(shù)界通常用品牌延伸理論及信號理論對其進行解釋，Wernerfelt (1988)運用推演博弈模型，認為一些品牌相應延伸產(chǎn)品可以產(chǎn)生信號作用，Moorthy(2012)也在溢出效應的研究基礎(chǔ)之上進行改進證實了這一觀點19。本文認為電影系列作為一種品牌及延伸品

24、， 觀眾會對有著高知名度的母產(chǎn)品可能會 存在的相同故事背景、人物等產(chǎn)生某種記憶從而對子產(chǎn)品擁有相似感知性進而發(fā)生態(tài)度和印象轉(zhuǎn)移到子產(chǎn)品電影之上，這與Sood,Dreze(2006)等人觀點相類似20。從信號理論上看，續(xù)集翻拍電影有著 IP等更多的信號可以供 觀眾進行判斷，從而減少影片內(nèi)容等疑慮大大增加影片被選中的概率。雖然 電影上映之后有著口碑網(wǎng)等影評信號，但多數(shù)觀眾為了防止被劇透不會仔細閱讀具體內(nèi)容，因此原有的IP等仍然是最重要的確定性信號源。在模型2中，在加入電影題材類型的虛擬變量的同時，我們還特地引入 了 Sequel和Romance以及Tech和Action的交叉項，來分別考察是否為續(xù)

25、集 翻拍等IP對愛情片影響票房的效應以及動作片對技術(shù)效果水平影響電影票 房效應。需要說明的是，在回歸中引入交叉項可能會導致模型多重共線性方 面的問題，雖然經(jīng)過膨脹因子檢驗四者中最大的VIF值為6.2610,但為了穩(wěn)健起見，本文仍對上述變量進行中心化(Centering)處理消除共線性。結(jié)果顯示，加入題材之后，原先因子的顯著性程度基本沒有變化，喜劇、 魔幻、愛情、動作類型題材對票房都有著較為顯著的正向影響，其中喜劇的 影響程度最大。經(jīng)過上表來看，喜劇可以說是我國電影數(shù)量最多的一種題材 類型，占到了全樣本中接近45%的比例。在中國傳統(tǒng)文化中，美好”一直是一種自我追求和精神寄托，喜劇片則承載了這方面

26、較多的元素，其次大多數(shù) 喜劇都是在賀歲檔等喜慶的節(jié)假日期間上映，對于大多數(shù)希望放松壓力人來說可以帶來輕松愉悅的感受，更深層次的原因還有喜劇時代變遷”、與時俱進”的緊跟社會潮流并引發(fā)人思考的體現(xiàn)21,所以一些質(zhì)量較好的喜劇例 如夏洛特煩惱等總能以小博大較易取得不錯票房成績。與此相反，我們 也可以看到驚悚片則對票房產(chǎn)生了顯著負面影響，由于政策、受眾群體等各 方面原因，驚悚片難以沖破天花板限制只能不斷壓縮制作成本，并且目前國內(nèi)這方面題材難以蹭明星熱度，劇情又大多老套多為古宅、地窖等，粗制濫 造的質(zhì)量水平自然難以吸引觀眾群體。表2交互項均分別在5%和1%顯著，這意味著動作片能夠顯著加強技 術(shù)效果對影片

27、票房的影響。擁有IP或者翻拍等影片中，愛情的題材類型對 其票房提升能力較強。首先對于動作片提升技術(shù)效果影響力的情況來看，究 其原因，可能在于動作片較為豐富吸引人眼球的動作激斗場景可以通過 IMAX和3D技術(shù)來使得其效應得以擴大，觀眾們會更加傾向于這種更為強 烈的視覺沖擊而去選擇觀看。IP翻拍等對愛情片的影響，則同樣是受到了前 文所述的品牌溢出效應”。大多數(shù)情況下，青春愛情片的主要IP為一些著名 作家相應的暢銷小說或者如今發(fā)展極快的網(wǎng)絡(luò)文學作品，這些作品在尤其是年輕人這一高消費的群體中受歡迎程度較高，例如郭敬明的小時代、近期爆紅的顧漫的網(wǎng)絡(luò)小說微微一笑很傾城等，均有著極強的正向溢出效應”，符合前

28、文所述的品牌延伸理論機制：有過使用經(jīng)驗的消費者會對原 品牌有著特殊印象態(tài)度【22,這種態(tài)度也擴散到了改編的電影等延伸作品中。（三）進一步分析.基于分位數(shù)回歸的分析表2中模型（3）的分位數(shù)回歸可以很好幫助我們了解不同票房分為點解 釋變量不同的邊際影響效應。根據(jù)上表的參數(shù)估計結(jié)果，繪制各解釋變量的 效應變化圖如下所示：圖1-2各因素邊際效應曲線票價和檔期的邊際效應總體影響程度都較小，其中票彳僅在0.2的分位點 上表現(xiàn)出10%的顯著性。原因可能在于冷門電影有著比較固定的一類特殊的 小眾群體，具并不會受票價高低影響，增加票價可以較明顯提升票房收入。與熱門檔期重合天數(shù)則均不能對各臨界點票房大小帶來顯著影

29、響，根據(jù)藝恩咨詢的統(tǒng)計，我國電影放映量在各假期黃金檔分布較其他檔期表現(xiàn)出高密集 性，是否是在黃金檔期間上映已不再是公眾觀影抉擇的主要依據(jù)。網(wǎng)絡(luò)口碑對票房的邊際效應隨著分位點逐漸緩慢降低。其原因可能在于 冷門電影較小成本限制使其容易成為類似于驚悚片為代表的低水準化，此時電影質(zhì)量高低進而影響到口碑評分大小， 在觀眾決策過程中表現(xiàn)出更大的權(quán) 重，這種現(xiàn)象證實了 Bakos (1997)的觀點：網(wǎng)絡(luò)口碑的推進可以幫助消費 者找到符合他們偏好的非熱門產(chǎn)品23。直至到最熱門的20%電影，口碑評分 表現(xiàn)出不顯著性，通過樣本可以發(fā)現(xiàn)我國賣座電影中經(jīng)常出現(xiàn)高票房低口碑 的現(xiàn)象，如澳門風云 3、惡棍天使為代表的在

30、口碑評分中均只有4.3分超低評價的影片，卻斬獲了 6億以上的超高票房。針對這一現(xiàn)象，袁愛清(2013)從受眾心理機制方面提出動態(tài)模型，認為當今電影市場以還沒有掌 握評判電影主流話語權(quán)的年輕人作為主要受眾群體，具缺乏對電影辨識度。 因此對于他們而言，口碑重點在于是否極端能否引起規(guī)模性的輿論爭議，從 而引發(fā)其特有的獵奇心理帶動票房增長。技術(shù)效果在0.2-0.6分位點上為邊際效應遞增階段，而在0.6-0.8上顯著遞 減。票房較低的電影確實可以通過提升放映技術(shù)提升票房，但對于賣座電影 來說，較多均已實現(xiàn)IMAX或者3D技術(shù)的播放，提升空間有限。想看指數(shù)經(jīng)過對數(shù)化處理之后可以表示對影片票房的彈性大小。可

31、以看 到，在0.2-0.6分位點上較為穩(wěn)定且呈現(xiàn)小幅下降態(tài)勢，平均每增加1%,票房顯著增加0.47%左右。到了 0.8分位點處，彈性及顯著性出現(xiàn)大幅降低。對于賣座電影而言，其本身上映前通過大規(guī)模宣傳或者其自身的品牌效應已經(jīng)聚集了大量的社會關(guān)注度，進一步想看的期望對票房彈性已經(jīng)減弱，而對于相對較低票房區(qū)的電影卻是富于彈性，在影片上映前的營銷手段可以明顯提升票房。續(xù)集翻拍的邊際效應在0.2-0.4分位點平穩(wěn)之后出現(xiàn)了 10%以上水平的顯 著上升。這也印證了前文的品牌溢出效應機制，原先較高票房電影的續(xù)集以 及相應熱門IP品牌的電影延伸在賣座電影中有著較強的顯著性影響，在冷 門電影中這種現(xiàn)象則不明顯。

32、另外，電影的題材分類上來看，除了驚悚片在 0.2-0.4分位點有著顯著負向影響，其余類型都產(chǎn)生較明顯的正向影響，與前文分析的結(jié)論相吻合。.影響因素的重要性程度分析神經(jīng)網(wǎng)絡(luò)(Neural Networks)是目前廣泛運用的一種模擬計算系統(tǒng)，可 以通過對歷史數(shù)據(jù)的學習進行相應的非線性特質(zhì)預測，在市場營銷領(lǐng)域有著很強的應用性，而基于神經(jīng)網(wǎng)絡(luò)的自變量敏感性分析可以衡量的具重要性程 度即輸入變量對模型輸出的影響度大小。本文采取最常用的多層感知器(Multilayer Perceptron),其采用前饋結(jié)構(gòu)，使用誤差反向傳播 BP算法，將 數(shù)據(jù)從一個方向進入通過輸入節(jié)點等最后映射到輸出的數(shù)據(jù)集之上。其拓撲

33、結(jié)構(gòu)組成主要包括一個輸入層、一個或多個隱含層、一個輸出層，同層神經(jīng) 元之間沒有連接，相鄰層之間的節(jié)點進行兩兩連接，前一層節(jié)點輸出信號逐 層進入后一層。根據(jù)前文OLS回歸結(jié)果所得到的顯著性自變量共 11個作為神經(jīng)網(wǎng)絡(luò)的 輸入神經(jīng)元，電影票房作為唯一的輸出層神經(jīng)元，按照變量類型分類選取5個作為協(xié)變量，其余6個作為因子。隱含層數(shù)的選擇方面，Lippman ( 1989) 指出兩個隱藏層可以足夠表達任何的輸出函數(shù)，且第二隱藏層的節(jié)點數(shù)應為 輸出層的2倍，高維輸入時第一隱藏層最佳數(shù)量為第二層的三倍。由于本文 中共有11個輸入神經(jīng)元屬于高維輸入，因此最終確定第一隱含層 6個神經(jīng) 元，第二隱含層2個神經(jīng)元。

34、為了更準確進行估計，建立一個 partition計算 變量產(chǎn)生bernoulli分布數(shù)據(jù)，選取70%作為訓練集，30%作為檢驗集，通過 BP不斷調(diào)整網(wǎng)絡(luò)連接的權(quán)值提高準確率，降低誤差平方和以達到輸出期望 值范圍內(nèi)終止學習。圖3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖輸出層的激活函數(shù)選擇Sigmoid即S型函數(shù)，由于其單增以及反函數(shù)單 增、連續(xù)光滑等性質(zhì)，經(jīng)常被用作神經(jīng)網(wǎng)絡(luò)的閾值函數(shù)，具體表達式為： 1f(x) -,x R(6)1 e由于是是0-1值域內(nèi)函數(shù)，所以需要對訓練數(shù)據(jù)進行歸一化處理。最終結(jié)果顯示模型匯總得到訓練的平方誤差和為0.481,預測值的散點圖近似為一條直線，殘差散點圖較均勻的分布在0軸兩側(cè)，總體來看，模

35、型的擬合效果較好。直接觀察自變量的重要性數(shù)值大小及標準化后的重要性百 分比大小，并與前文中 OLS模型下剔除不顯著因子后的回歸模型的標準化 參數(shù)估計值進行比較，結(jié)果見表 3所示。五、結(jié)論與啟示基于上述結(jié)論，筆者簡要提出以下一些建議和相關(guān)啟示。第一，在主創(chuàng) 陣容方面，名導名演可謂是影片票房保障的堅強后盾，在制作成本允許的情 況下，可以適當通過主創(chuàng)陣容之間的聯(lián)合效應提升票房。但是需要值得注意 的是，在分位回歸的高位點上，二者均出現(xiàn)了邊際效應大幅遞減以及不顯著 性，王錚(2013)加入導演和演員的平方項分析系數(shù)顯著為負也表明了過度豪華的陣容會存在著一定 擠出效應”。近日，央視新聞頻道更是在 演員天

36、價片酬”專題中指出國內(nèi)大牌明星片酬拿走 50%以上制作費用，會為影視制 作的其他環(huán)節(jié)帶來巨大風險壓力，這與美韓等影視強國演員片酬僅占 10%-30%形成顯著差異。歸根結(jié)底，本質(zhì)原因還是因為我國專業(yè)優(yōu)秀影視演 員仍然稀缺才使得一線明星紛紛成了 搶手貨”，因此可以繼續(xù)激勵港澳臺等 優(yōu)秀演員北上，加強對社會娛樂新聞管理遏制盲目追星炒作之風，強化對影 視培訓教育體系的改革以提高優(yōu)秀人才產(chǎn)出。第二片方也可以通過提高影片 宣傳營銷方面能力促進票房收入，抓住互聯(lián)網(wǎng) +所帶來的機遇提前制定好策 略，構(gòu)建新穎立體化的發(fā)行體系，可以通過制造網(wǎng)絡(luò)熱門話題、增強影迷線 上線下互動、充分利用移動終端流量資源等以提升熱度

37、。第三，基于網(wǎng)絡(luò)口 碑對人們觀影抉擇有著越來越大的影響， 一些電影評分網(wǎng)站應該加強對影片 評價體系的建設(shè)，在防止惡意刷分的現(xiàn)象的同時，引入專業(yè)影評師及資深影 迷發(fā)揮其意見領(lǐng)袖作用引導更多客觀有見地的評論。同時，片方也可以通過 參考大眾影評及時調(diào)整營銷策略、 取長補短為以后的制作提供寶貴的經(jīng)驗教 訓。第四在題材方面，可以在充分利用喜劇片自身傳統(tǒng)優(yōu)勢以及相應IP青春愛情片的原有品牌溢出效應的同時，重視例如 3D動作片、魔幻片如今日 益受到青睞的類型。參考文獻：1234夏衛(wèi)國.電影票房營銷M.中國電影出版社，2009.Litman B R, Kohl L S. Predicting financia

38、l success of motion pictures: The80s experienceJ. Journal of Media Economics, 1989, 2(2): 35-50.Ravid S A. Information, blockbusters, and stars: A study of the film industry*J. The Journal of Business, 1999, 72(4): 463-492.Levin A M, Levin I P, Edward Heath C. Movie Stars and Authors as Brand Names: Measuring Brand Equity in Experiential ProductsJ. Advances in Consumer Research, 1997, 24(1).Hennig-Thurau T,Houston M B, Walsh G. Determinants of motion picture box office and profitability: an interrelationship approachJ. Review of Managerial Science, 2007, 1(1): 65-92.Kirmani