电影票房影响因素的研究

方宗琳

摘 要： 随着经济的发展，文化产业的日益繁荣，电影作为文化产业的代表性娱乐产品，它的发展也呈现不可阻挡之势。电影票房的多少是衡量电影是否成功的一个重要指标，对影响电影票房的因素进行分析研究，为电影行业的发展提供不可或缺的理论依据。但专门针对电影产地的研究很少，本次调研选取2014—2018年每年票房前20部电影共100部电影作为研究数据。电影评分、评论人数、电影来源国3个因素作为自变量，电影票房作为一个因变量进行相关性检验及回归分析。

关键词： 电影票房;影响因素;实证研究;回归分析

中图分类号：F713.50      文献标识码：A      文章编号：1008-4428（2018）10-0081-02

一、 引言

电影作为文化产业的代表性娱乐产品，根据美国电影协会（MPAA）发布的2016年全球电影市场数据报告显示：2016年全球银幕数增长8 % ，总数达到164000块。其中数字银幕数增长17 % ，巨幕数增长11 % 。亚太地区仍是全球银幕数增长最快的地区（中国是亚太银幕数增长最快的地区），2016年增幅达到18 % 。作为亚太电影市场的核心，截至2016年底，中国内地总银幕数达到41179块，为中国电影行业发展提供了必要的“硬件基础”。然而，来自中国大陆地区及北美电影市场的电影市场增长速度略有迟缓，本文针对近几年国内电影业票房靠前的电影进行一个分析，进一步找出确认影响电影票房的影响因素。

二、 文献综述

（一）电影票房的影响因素

随着互联网时代的高速发展，网民在线生成人数爆炸式增长，信息交互传递的速度越来越快。2006年，Gilad Mishne和Natalie Glance通过分析博客中有关电影的数据，研究关于电影的口碑声量和口碑的情感分析对票房的影响程度，最终揭示了口碑声量的影响力更大。许敏（2013）提出影响电影票房的因素为电影得分，电影类型、票价、居民收入、续集、档期、明星、导演但并未提出电影产地这一变量。何双男（2017）验证了评分次数与电影的票房表现显著相关。结合实际操作性与进一步研究方向，本次调研把影响因素定为网络口碑（评分、评论人数），电影来源国（电影产地）。

（二）基于网络数据对票房影响因素的研究

在互联网时代，电影产业报告统计结果显示，除了传统影响因素对电影票房的影响外，门户网站的、社区社交网、专业网站、微博等成为电影信息的重要传播渠道，制造话题和舆论效果，提高电影的关注度，进而提高电影票房。何晓雪（2018）基于以下网络口碑数量数据预测电影票房的多元回歸模型。魏明强（2017）提出网络评价会影响电影票房的走势。它一定程度上会影响观众的购买倾向、决策，影响观众的观影选择，从而影响电影的总票房收入。

三、 研究方法

（一）样本的选取

本次调研主要选取2014—2018年中国大陆上映每年票房排名前20的电影，样本总量共100部。

（二）数据的收集

通过相关论文的借鉴与查阅，并结合电影行业的现状，通过运用回归分析对影响电影票房的因素的分析，构建影响电影票房因素的回归模型。本次调研选取的变量如下：研究的因变量为电影票房。研究自变量分别为电影评分，评论人数，电影来源国。

1. 电影评分

随着商业电影的发展壮大，电影商业模式逐渐完善。电影上映之前，电影方会进行大规模的地毯式宣传，包括预告片、新闻发布会等各种形式的宣传方式。虽然它们与电影品质没有必然的关系，但是却能在电影上映前营造声势，制造话题，吸引观影者走进电影院，对电影上映前几天以及第一周的票房产生很大的影响。随着专业电影评论网站的建立，人们可以第一时间看到大量观影者的“口传”，给电影的品质做了一个较公正的评分，给观影者一个比较理性科学的参考。虽然不乏会有网络“水军”的存在，但是大多数的评论还是真实可靠的，影迷的网络评分还是一个不容忽视的影响因素。

本次调研的网络评分数据来源于豆瓣网，网络评分表现了观影者对电影的认可度。以十分制为标准，分数越高，观影者认可度越高，反之越低。

2. 评论人数

在这个互联网时代，资源共享，人们可以对一个人、物和事件发表自己的言论，人们参与讨论的热烈度表明了人们的关注度。因此，评论人数，在一定程度上反映了大众对电影的关注度。一部电影，评论人数越多受关注度就越高，反之越低。

本次调研评论人数是根据豆瓣网的评论量，作为评价标准。

3. 电影来源国

随着电影市场的国际化，越来越多的国外电影涌入国内电影市场，并为我国的总票房贡献着不容忽视的力量。国外电影质量优良，技术先进，在国内电影市场拥有一定的优势，给国产电影带来了不小的冲击。

本次调研，通过对100部电影的数据分析发现电影的产地主要来源于美国和中国，数据来源于百度百科。

四、 模型的建立

独立变量分析

本次调研通过查阅以往的论文研究，美国马克·费茨切伦研究是从产品变量、品牌变量、发行变量和消费者变量作为四个独立变量，研究人员根据电影的营销特点对独立变量进行分组，由于发行变量涉及电影发行商的一些发行数量，一定的局限性，所以本次调研独立变量分为：电影评分，评论人数，电影来源国，因变量电影票房进行回归分析。

五、 回归分析

研究模型如图1所示：

假设1：网络评分对电影票房存在显著相关关系。

假设2：评论人数对电影票房存在显著的相关关系。

回归分析研究模型一（见表1）

由表1所示，将所有自变量对因变量的相关性检验：发现评论人数（0.491，p<0.01）与收入票房成正相关，假设2成立。电影产地（-0.203，p<0.05）与电影票房呈显著负相关。除此之外，网络评分（0.099，p>0.1）与电影票房不存在显著相关性，假设1不成立。统计结果与以往的相关文献中的变量结果一致。

但电影评分与电影票房影响不显著，为了引入线上口碑，于是我们进行了变量间的交互作用，把网络口碑作为网络评分与评分人数的交互，同时假如结果显示的电影产地进行了进一步交互作用下的变量验证。

回归分析研究模型二（见图2）

网络口碑

由于互联网的普及，网络评分也在一定程度上吸引了不少观影者，同时由于盲从性评论人数也在一定程度上影响着电影票房。其中网络口碑来源于网络评分和电影评论人数两个变量的交互（Y1）。因此我们提出以下假设：

H1A：网络口碑对电影票房存在显著相关性。

电影产地

电影产地在一定程度上也影响电影的受众度，因为电影产地无形之中给人一种对于制作国家的主观意识上的认知与情感，鉴于这种情况我们进一步做了回归，因此有假设：

H3、电影产地对电影票房存在显著相关性。

由表2所示，网络口碑（0.406，p<0.01）对于电影票房存在显著的正相关，假设1A成立。电影产地（-0.203，p< 0.05）对于电影票房存在显著的负相关，假设3也成立。

由表3所示，我们可以得出模型回归方程式：Y（票房）=α+β1×网络口碑+β4×电影来源国。

六、 结论

从两个模型中各变量的t检验值以及显著性水平上来看，所有变量都达到了显著性水平（p<0.05）。说明由于科技的发展，加之网络的影响，社交媒体越来越多，观影者很多，人们心里都有一定的从众心理，观看过后的人会有一定的评论与意见，在一些社交媒体中广泛传播，从而影响后来者选择决策。电影评论人数越多越会更加引起人们对该影片的好奇心，从而推动人们去选择观看影片。

在电影评分回归分析中不显著，原因是当今主要消费群体基本上都是90后和00后，有个性的新一代更加追求的是个人的主观感受，不再轻易地受他人推荐等客观原因，所以电影评分对于新一代来说不会很大程度上影响他们的观影决策;在选择观看哪部影片时，更加关注的是影片的内容。

对于电影产地与电影票房呈现显著的负相关，实证结果显示更强的国家制作不一定显著影响消费者的观影决策，相对来说，当今人们更加关注的是国家形象弱的国家比如中国来说，在发行一部电影时须更努力更用心，反而会受到更好的评价与奖赏。人们不再是一味地以从前的刻板印象来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，数据有限，其次研究影响电影票房的因素，未来可以引入更多的变量。另外由于数据的单一性，本文只考虑了豆瓣网，未来研究可以考虑更大型的网站比如时光网，数据库也可以多加入大型有效的数据来源。

（二）建议

1. 对于电影制片方来说，注重电影自身的质量，用电影带来的品牌价值提高对观众的吸引力

现今，中国很多电影缺乏想象力与创造力，结构性太过于简单，剧情人物量太少，电影的逻辑与智商大打折扣。通过本次调研可以考虑注重电影口碑的信息管理与口碑营销，构建与观众的沟通平台，将会一定程度上提高电影票房。

2. 对电影口碑进行良好的信息管理，是一个长期的维护过程，需要在拍摄一直到上映期间进行持续不断的有效的口碑维护

虽然电影的好评对于电影票房有很大的影响，但是负面口碑影响也不容忽视。而口碑维护需要构建良好的与观众沟通的平台，利用沟通平台进行广泛有效的口碑营销能够引起更多的观众对于电影的关注，从而影响票房。

參考文献：

[1]王铮，许敏.电影票房的影响因素分析——基于Logit模型的研究[J].经济问题的探索，2013（11）：96-102.

[2]何双男.中国大陆地区电影票房影响因素实证研究[J].电影文学，2017（22）：004-008.

[3]魏明强，黄媛.网络评价对电影票房走势的影响[J].中国传媒大学学报（自然科学版），2017，24（3）：68-71.

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