对中国电影院线提高收益方法的探讨

马千里

(山东财经大学经济学院，济南 250014)

一、研究背景

随着中国人均收入水平的提高，娱乐消费在人们消费结构中的比例不断增大，而电影消费作为娱乐消费中十分重要的一部分，其研究价值不言而喻。笔者认为中国的电影产业潜力还是十分巨大的，这可以通过以下几组数据来说明:2014年中国的人均观影次数仅为1次，而韩国为4.12次，美国为3.88次，澳大利亚为3.75次，法国为3.43次。同时，中国作为拥有13.6亿人口的大国，2014年总影院数仅为5813家，拥有屏幕24，317块;而2014年美国的人口为3.18亿，总屏幕数却达到了42，067块。[1]因此，在现在的经济基础下，人们的电影消费潜力还没有得到充分挖掘。笔者将站在院线的角度，分析影响票房的潜在因素，并根据这些因素为院线提高收益提供合理化的建议。

二、国内外研究概况

目前国内外鲜有站在院线角度对提高票房的研究。国外学者对电影产业的研究较之国内学者更加精细，已经可以进行定量分析。例如巴里·利特曼的《大电影产业》中介绍并发展了斯泰勒-欧文-怀特曼大众媒体供应模型，解释了媒体内容供应商如何在供给能力有限的情况下选择最热门的媒体内容进行播放。但是，国外的论文鲜有着眼于电影的票房和其他真实数据进行的实证研究。相形之下，国内的研究就更捉襟见肘了，基本上还只停留在定性分析的阶段，而这主要归因于中国的院线制改革尚处于初级阶段，还属于新事物。但是，国内的研究好在更加“接地气”，即比较能够反映中国院线制的真实情况和独特之处。总的来讲，对中国的院线制改革的研究，迫切需要从定性分析转换到定量分析。唯有真实的数据支撑的模型，才可以为中国的院线制改革提供最正确和最有力的指导。而这也是这篇论文的初衷。

三、实证分析

(一)电影产业的产业结构和院线在电影产业中充当的角色

1.中国的电影产业结构和院线在产业结构中所处的位置

中国的电影产业结构可以通过以下的结构图来说明。[2]

影视制作公司(内容端)制作→影视发行公司(渠道端1)宣发→院线、影院(渠道端2)放映→观众(客户端)

由此可知，院线处于整个电影产业链的下游，并直接面向观众。在此，还需要清楚院线和影院之间的联系和区别:院线是影院的管理公司，实质上是一个连锁实体，这个连锁实体之下有多家影院。它负责与发行方沟通制定影院的拍片放映，并管理旗下的影院的排片、供片以及以票房分账的方式拿到电影拷贝;影院则是电影产业链的终端，实质上是院线连锁的分店，是影片放映的实际场所和票房回收的直接环节。另外，它还是爆米花、可乐等附加产品以及电影衍生产品的销售场所。

2.院线拥有的权利和义务以及票房分配比例

中国的电影产业呈现出制片方、发行方和院线之间的多方博弈态势。其中尤以发行方和院线之间的博弈最为激烈。一般来讲，发行方掌握院线电影放映权的授予，因此院线作为电影产业链的下游相当程度地受发行方的制约。一般情况下，发行方受制片方的委托，会要求院线在某一个时间点开始上映某部电影并安排一定的排片率。而院线在追求利益最大化的情况下，有只放映最卖座的电影的倾向。这就表现为制片方、发行方和院线之间的矛盾。在中国，制片商、发行商关注的是大的档期概念，比如暑假、新年;而具体的放映时间和放映场次，院线则更有发言权。中国大陆院线的经营者们在营销上还是坚持以票房作为衡量电影产业的第一指标，哪部电影卖座就给它让档期或者延长放映期限，哪部电影多卖票，就多给它一张银幕。因此，才会导致像2009年1月贺岁片《非诚勿扰》公映后，《叶问》《女人不坏》等都没了放映空间。[2]

在定价权方面，中国的院线相比于外国院线，有更多的自主权。为了讨论的方便，这里假设中国的院线具有完全的自主定价权。在票房的分账方面，中国国内电影一般是按影院50%左右、院线7%-10%、片方35%-43%的比例分配。[2](其中片方指的是制片方和发行方的合称)。为了讨论的方便，在这里假设院线能得到总票房的55%。设总票房为y，则院线能得到的收入为 0.55y。

(二)影响票房潜在因素的实证分析

上面已经说过，院线和影院是直接面向观众的，也是票房收回的直接环节。院线的收益，乃至包括制片方和发行方的整个电影产业的收益，都直接依赖于院线营销策略的优劣。下面作者将分析影响电影票房的几个潜在因素并找出这些潜在因素中哪些是决定院线销售策略的直接因素。

影响一部电影票房的潜在因素有:电影的制作成本、票价、电影的搜索热度和场次等。表1是2013-2015年每年票房排在前25名的电影中的进口电影的相关信息。(只选取进口电影是因为中国的电影产业还未规范化，许多国产电影的相关信息，例如制作成本和世界票房等，都不能得到。)

1.制作成本

制作成本实际上反映了一部影片的质量。一部影片的制作资金往往被用在购买好的剧本，邀请著名演员以及聘请优秀的后期制作团队上，所以一部电影的制作成本从理论上应该能够一定程度上影响电影的票房。

运用Eviews软件对X1和Y1进行拟合分析，所得数据见表2。

通过分析可知，Y1i=0.499422X1i+122000000+ui。但是拟合度R2=0.125740，小于0.5，只能说明两者存在一定的正相关关系。这一点无疑印证了电影投资的高风险性。现实世界中的电影投资方往往会面对这种收不回成本的风险。而导致这种风险的原因是多样的:首先，高投资并不意味着电影的高质量。其次，一部电影档期的安排也是十分关键的，暑期档和新年档的电影往往收获较高的票房，而国产电影如果在上映期间碰到好莱坞大片，则往往会遭遇票房的滑铁卢。

2.电影的平均票价

电影作为一种娱乐产品，虽然对于现在的国人消费水平来讲算不上奢侈品，但绝对不是生活必需品。因此，对于大多数普通消费者来讲，电影的需求弹性较高。不过，对于一些铁杆影迷来讲，电影价格的波动并不会影响他们的需求。

运用Eviews对X2和Y1进行拟合分析，所得数据见表3。

通过分析可知，Y1i=38899708X2i-871000000+ui，但是拟合度R2=0.061337，小于0.5，因此并不能说明两者之间存在线性关系。此外，仅通过回归分析我们发现价格和票房之间是正相关关系。由于样本中的电影绝大多数为好莱坞的科幻和动作电影，因此产品之间具有较强的可比性，我们可以粗略地将其看作同一件商品在不同价位下的销售额。因此，销售额与产品的价格之间的正相关关系说明从总体上来讲，人们对好莱坞进口电影的需求弹性＜1。这说明对于想看好莱坞进口电影的人们来讲，价格并不是他们在决定是否进行消费时优先考虑的因素。

3.人们对电影的关注度

通过上面的分析，我们已经知道，价格并不是影响一部好莱坞电影的中国票房的主要因素。笔者认为，电影作为一种创意产品，其消费具有极大的主观性，因此，潜在观众在其消费之前对哪部电影更关注往往最终决定他决定观看哪部电影。因此，一部电影的关注度应该是决定它最终票房的重要因素。在此，为了量化一部电影的关注度这个变量，笔者采用了公映前一个月的百度搜索指数和公映期间的百度搜索指数这两个指标来进行回归分析。

运用Eviews分别对X4和Y1进行拟合分析所得数据见表4。

通过分析可知Y1i=4517.633X4i+153000000+ui，而且拟合度R2=0.870954＞0.8，具有高度线性相关性。自相关检验采用DW检验法。在样本量为34，解释变量的数目为1的情况下，经查表得dL=1.393，du=1.514。由上表可知DW=2.121185，因此du＜DW＜4-dt。因此并不存在自相关问题。对于异方差问题的检验，笔者采用了White检验。表5为White检验的结果。其中，nR2=1.166662 ＜X20.05(2)=5.9915。所以接受原假设，拒绝备择假设，表明模型不存在异方差。这说明人们对一部电影的关注度是影响该票房的主要因素。

接下来，再对X3、X4和Y1进行回归分析。

通过分析发现，X3的加入并没有显著提高拟合度，而且X3的P值太大，F统计量明显减小，说明发生了严重的多重共线性。对X3和X4做辅助回归之后发现两者存在一定的线性相关性，拟合度达到0.415931，因此我们有理由剔除变量X3。

表1 2013-2015年中国上映的进口电影的分类信息表

4.场次

场次对票房的影响是显而易见的，场次越多，看的人就会越多，票房就会越多。关键是场次究竟在多大程度上影响一部电影的票房。表7是对X5和Y1之间进行回归分析所得数据。

表2 运用Eviews软件对X1和Y1进行拟合分析所得数据

表3 运用Eviews对X2和Y1进行拟合分析所得数据

表4 运用Eviews对X4和Y1进行拟合分析所得数据

通过分析可知，Y11=1714.114X5i-31000000+ui，拟合度R2=0.805084＞0.8，属于高度线性相关。在样本量为34，解释变量的数目为1的情况下，经查表得dL=1.393，du=1.514。由上表可知DW=1.990445，因此du＜DW＜4-dL。对于异方差问题的检验，笔者同样采用了White检验。下图为White检验的结果。其中，nR2=1.953101＜X20.05=5.9915*2(2)。所以接受原假设，拒绝备择假设，表明模型不存在异方差，并不存在自相关问题。因此，场次也是一个直接影响票房的因素。

5.结果分析

通过以上的分析，我们可以得出如下结论:电影的制作成本和平均票价并不是影响电影票房的主要因素。影响票房的主要因素是观众对一部电影的关注度以及影院为一部电影安排的场次。但是，能不能同时用X4和X5来描述Y1呢?以下是用X4和X5拟合Y1的结果:

我们发现，虽然拟合度R2得到了进一步的提高，但是C的P值有略微升高，更严重的是，X4和X5的系数都发生了严重的改变，这说明X4和X5之间存在多重共线性。这一点也是可以解释的，院线一般都会为关注度高的电影分配更多的场次，两个自变量之间本来就有紧密的因果关系。因此，Y1i=4517.633X4i+153000000+ui和Y1i=1714.114X5i-311000000+ui这两个方程其实是分别站在票房实现的交易双方——院线和观众的角度得出的票房决定式。

表5 异方差检验结果

表6 对X3、X4和Y1进行回归分析所得数据

表7 对X5和Y1之间进行回归分析所得数据

表8 Heteroskedasticity Test:White

表9 用X4和X5拟合Y1所得数据

但是这两个式子存在巨大的差异，主要体现在发生时间的不同上:一部电影的搜索热度往往在电影公映初期甚至是上映前就已经知道，因此可以通过搜索热度来预期票房。然后，院线可以根据预期的票房带入第二个式子进而得到最佳的场次安排数量，对影院的电影安排策略产生重要的指导意义。

假设一家院线占市场总份额的比例为k，有3D影厅m个，2D影厅n个。(现实情况中，院线中放映厅的档次远不止这两档，比如万达院线有IMAX巨幕厅，世贸电影有SPC大电影，这里仅是为了分析的方便。要将模型运用到现实情况中，推理的道 理是一样的)。一部电影在3D厅放映时的场均人次为rm，平均票价是pm，每次放映时的边际成本是cm;在2D厅放映时的场均人次为rn，平均票价是pm，每次放映时的边际成本是cn。并且我们可以假设在短期内一家院线的市场份额k，3D厅和2D厅的比例m/n，以及边际成本cm、cn都是不变的。

那么，一部电影的票房就是:

文章开头已经说明，平均来讲，影院可以分到一部电影的55%，所以影院的收入Ii=0.55Y1i。院线在一部电影上所获得的收益为:

一年之中，院线所获得总收益为:

四、策略和建议

(一)短期内的营销策略

由于其他的变量是不能在短期内被院线改变的，因此院线的短期营销策略主要集中在对pmi、rmi和X5i的影响上。

1.影响pmi的营销策略:提高平均票价，加大价格歧视

在前面平均票价对票房的影响的探讨上，我们已经得到电影的需求弹性小于1的结论，因此我们可以断定，院线适当提高每部电影的供应期内的平均价格pmi，至少不会使rmi减少。因此，pmi和rmi的乘积会增大，从而提高票房。但是，我们还要意识到，虽然总体上来讲，电影的需求弹性小于1，但是还存在一个不可忽略的消费者群体对票价高度敏感，因此其需求弹性大于1。这部分人的需求也是不可忽视的。针对这部分人的需求，影院可以推出低价票，并且压缩低价票电影的场次，例如采用限时抢购和饥饿营销的方法，从而赚取更多的消费者剩余，实现利润的最大化。

2.影响rmi的营销策略:提高影院的年度总体平均上座率rmi

∑rmi=nrmi，因此提高rmi对提高影院利润的作用是显而易见的。从另一个方面讲，平均上座率的提高意味着单位边际成本可以赚取更多的边际收益。提高rmi的具体做法是尽量安排搜索热度高的电影的排片率。

3.影响X4i的营销策略:提高电影的关注度

具体做法是，院线可以联合发行方，为即将上映的电影造势并制作精美的预告片等。此外，选择合适的档期也十分重要。例如在情人节和光棍节前后安排相关概念的电影首映，一般就会提高该电影的关注度。在院线的各项策略中，影响X4i的策略无疑是最重要的。因为只有这些策略可以促使潜在顾客进入电影市场，也只有这种策略旨在将客户基数做大，将市场的蛋糕做大，而非从已经进入该市场的顾客身上获得更多利润。

(二)长期内的营销策略

1.影响k的宏观策略:努力提高市场份额

通过公式我们可以很清楚看到，市场份额k的提高可以增加一个院线的利润水平。不过需要指出的是，这种策略对于提高全行业的利润水平并无作用。

2.影响m/n的宏观策略:对固定资产进行升级，调整3D厅和2D厅的比例。

院线需要结合自身的情况，比较得出∑(rmi·pmi-cmi)和 ∑(rni·pni-cmi)的大小，如果∑(rmi·pmi-cmi)较大，就扩大3D影厅的比例，反之扩大2D影厅的比例。

(三)其他策略

1.经营电影周边产品，如电影主角的玩偶及印有电影场景的服装和海报等等。

2.售卖爆米花、饮料等副产品。

3.营造良好的侯影环境，设置咖啡厅、甜品站等。

结语

本文的主要目的在于引导中国学者对电影产业的研究从定性分析转到定量分析的轨道上来，毕竟靠数字说话才是最可靠的。本文运用的分析方法是独创的，对于今后的深入研究有指导意义。当然，本文研究中可能存在的问题是进口电影并不能完全代表中国的电影市场。只可惜，国内电影的相关数据并不完整，希望读者可以在作者的基础上继续研究，改进研究方法，增加模型的精细度和普适型。

[1]中国影协.2014年中国电影产业研究报告[R].2014.

[2]金冠军，王玉明.电影产业概论[M].上海:复旦大学出版社，2012.

[3]信息来自于中国票房榜:www.cbooo.cn.

[4]信息来自于美国亚马逊旗下的票房统计网站:box office mojo:www.boxofficemojo.com.

[5]信息来自于百度指数:index.baidu.com，分别取公映前一个月和公映期间每天搜索指数的平均值.