当代西方电影票房预测研究的发展演变
当代西方电影票房预测研究的发展演变
王建陵
【专题名称】影视艺术
【专 题 号】J8
【复印期号】2009年04期
【原文出处】《电影艺术》(京)2009年1期第45～49页
【英文标题】Development and Evolution of the Study on Forecast of Film Box Office in Contemporary Occident
【作者简介】王建陵，浙江大学传播所博士生，云南师范大学讲师。
【内容提要】
西方电影票房预测研究从影片创意质量、发行能力、营销能力等方面建立票房预测模型，研究方法以实证化、模型化为主。通过译介西方电影票房预测的研究成果，本文指出建立适合我国现实情况的电影票房预测模型的重要性。

    电影是高风险的文化产业，电影票房是衡量一部影片成功的重要指标，创造了电影产业的直接利润，也直接推动了DVD、电影点播、衍生产品等电影相关市场的开发。影响电影票房的因素无疑是错综复杂的，影片质量、发行及市场营销手段以及独立的第三方评价都会影响到电影票房成绩。研究具体有哪些因素影响电影票房以及这些因素之间的相互关系，对于降低电影产业的市场风险以及完善电影业的经营管理都具有重大意义。
    当代西方电影票房研究始于20世纪80年代，之后吸引了众多学者的目光，直至今天，仍然是的研究热点之一。上述学西方电影票房研究综合了电影学、传播学、媒介经济学、管理学科的研究方法，通过对影响电影票房及其经济成功的相关数据进行实证分析，建立电影票房的预测模型，实现对电影票房的成功预测，这是西方电影票房研究的基本特点。
    电影票房研究的基本模型
   
    电影票房研究始于20世纪80年代末，美国电影经济学家巴瑞·李特曼(Barry Litman)奠定了电影票房研究的基本模型和方法。他将电影票房研究的方法分为传播学方法和经济学方法。传播学方法注重个人的观影决定过程以及影片的选择，经济学方法注重影响票房的制度性因素。两种研究方法有很多变量是相同的，最大区别在于数据的来源和研究假设的检验，传播学习惯使用调查法来调查个人的观影习惯，而经济学方法侧重于使用一些权威产业数据。他把影响电影经济成功的自变量划分为三大部分：创意、发行/上映时间以及电影营销。
    李特曼收集了1981年-1986年在美国播出的697部电影作为研究样本，因为当时电影票房数据不易得到，李特曼用影片的租金收入作为考量电影票房的因变量，创意部分的变量有影片类型、美国电影协会(MPAA)的电影分级、熟悉的故事、出品国、明星、导演、生产成本、影评等，其中影片类型的确定主要参考美国杂志《电视指南》(TV Guide)。发行/上映部分的自变量有发行商、发行日期、发行模式、市场力量等，而电影营销部分的自变量有发行公司的营销能力和是否获奖等。各部分的变量及其操作定义如表1所示。
    将表1中所述自变量与因变量的影片租金收入进行层次回归，得到的回归方程式：
    Y＝-28.482×106+7.232×106顶级导演+14.846×106明星+11.818×106科幻+13.858×106续集+24.932×106奥斯卡提名－4.966×106剧情+6.972×106影评+3.814×106大发行公司。“回归分析”是通过观察数据确定存在于因变量和自变量之间的定量表达式，即回归模型的具体函数形式与模型参数的估计值，是研究变量之间非确定性相互依赖关系的经典方法之一。层次回归是指在确定理论框架的情况下，对理论的各个层面进行回归分析，在本文中李特曼就创意、发行/上映及电影营销三个层次进行了回归分析。
    以上回归方程式中，Y代表一部影片的租金收入；顶级导演是指该片由曾获过奥斯卡提名的导演执导；明星是指该片由排名前20位的明星出演；科幻是指该片类型是科幻，对票房影响为正；续集是指该片是某部电影的续集；奥斯卡提名是指该片曾获得奥斯卡提名，该片类型如果是剧情片，对票房影响为负；影评是指专业人士对该片的评价；大发行公司是指该片由大发行商发行。通过将一部影片的具体变量值代入上述回归方程式，即可得到该片用于考量票房的租金收入。
    和预期的自变量相比，一部电影由顶级导演执导、有明星出演对影片租金收入有显著影响，因而进入回归方程式；在影片类型方面，恐怖片、喜剧片都因与影片租金关系不显著而未进入回归方程式，科幻片会对影片租金收入产生显著的积极影响，而剧情片则产生负面影响；档期方面，圣诞档期失去其显著性，取而代之的是暑期档，其中的原因是各大发行商都看好圣诞档期，在这期间发行大量影片，市场竞争激烈，以至于圣诞档期不能再保证影片获得经济成功。其次，美国电影市场正由假日型向普通型转变，电影票价由昂贵到相对便宜，对于收入并不丰厚的学生族，看电影成为暑假的日常娱乐活动，暑期档成为创造电影经济成功的黄金档期。此外，由上述回归方程式还可以看出影评、续集(故事的熟悉程度)都会对影片的租金收入产生积极影响。
    李特曼的票房研究模型为后来电影票房预测以及电影经济成功的预测性研究提供了基本思路和方法。后来的研究模型加入了其他变量，名称虽然各不相同，但可以从这里到源头；在研究方法上，随后的研究基本上都是实证分析，首先建立研究样本，通过相关分析和回归分析，建立电影票房的预测模型。
    电影票房走向动态研究
    20世纪90年代电影票房研究在李特曼模型的基础上，对影响电影票房的因素进行了更加深入的研究，尤其是引入了放映周数这一因变量，让电影票房模型预测由静态走向动态。
    1994年斯格特·苏凯(Scott Sochay)的论文《电影成绩预测》(Predicting the Performance of Motion Pictures)②以1987年-1989年在北美地区发行的影片作为样本，对电影票房的预测进行了研究。该研究的因变量有国内电影租金收入和放映周数(Length of Run, LOR)。在李特曼模型基础上，苏凯对自变量做了进一步细化，分为创意、发行以及电影营销三大块共22个自变量，影片类型、美国电影协会的分级、明星、影评、获奖、暑期档、圣诞档、复活节档等自变量的操作类似于李特曼模型，苏凯增加的最重要的自变量是市场集中度。
    市场集中度(Concentration Ratio)反映了不同放映时段的市场竞争，其计算公式为：市场集中度＝排名前四或前十的电影一周收入/当周所有的电影收入，比值越大，表明该片所面临的市场竞争越强。市场集中度又细分为八个自变量。作者运用八个回归方程式来探讨市场集中度对电影经济成功的影响。
    如果一部票房排名前四的影片，第一周的租金收入＝-19.3810+0.0896×银幕数+4.1116×分级+13.2713×奥斯卡提名+17.4092×奥斯卡获奖+7.8138×暑假档期+6.2212×圣诞档期+4.7545×喜剧+6.7141×明星；以此类推，得出第二、第三、第四周的租金收入。
    如果影片票房进入前十，第一周的租金收入＝29.5122+0.0542×银幕数+3.6532×分级+13.8508×奥斯卡提名+16.3173×奥斯卡获奖+14.4073×暑期档+9.2704×圣诞档+5.1440×喜剧+6.3256×明星-62.3310×CR101，其中CR101是指该片上映一周的票房与排名前十位影片的总票房比率。以此类推，可以得出一部票房收入排行前十名的影片在第二周、第三周、第四周的租金收入。回归结果如表2。
   
    测定系数是检验回归方程效果的系数，比例越大，说明回归方程的效果越好，如CR101方程的测定系数为0.379，说明影片租金收入中的37.9％是由CR101引起的。其中原因是电影首映四周后，通过口碑、影评等传播方式，会吸引更多观众，因而该影片的租金继续增加。总体上CR10变量在解释变异时要比CR4好，CR10第一周到第四周的测定系数(0.379，0.380，0.374，0.373)分别都比CR4第一周到第四周的测定系数(0.325，0.343，0.341，0.344)要高，说明CR10模型的拟合度更好，在解释影片租金收入时解释力也更高。
    苏凯还发现圣诞档期的重要性在下降，暑期档在上升，这一点和李特曼的研究是一致的，也再次证明了美国电影市场由假日型向普通消费型的转变；在类型变量中，喜剧类型与租金成正相关，曾有研究一直表明科幻片与租金的正相关，但在苏凯的研究中，科幻片与租金之间的正相关失去了显著性。这一结果表明美国电影观众的品位处于不断变化之中，所以，电影从业人员需要随时了解观众的品位，并从中发现未来流行的新电影类型。
    苏凯将放映周数引入对获得经济成功的电影的观察，成为除影片租金之外的另一个测量影片经济成功的可靠指标。放映时间动态地反映了一部电影的产品周期，同时又通过市场集中程度这一变量，将市场竞争度纳入对电影经济成功的预测性研究中。电影票房的预测性研究模型开始向动态深化。
    电影票房研究的热门化
    电影票房研究在20世纪90年代后期热门化，吸引了众多领域如传播、经济、文化、管理等领域的研究者，推动着电影票房研究的深入，虽然结论各不相同，有些甚至矛盾，这一方面说明电影市场的多变性和复杂性，另一方面，也不断深化了我们对电影产业的认识。这些票房预测模型基本上都从电影自身因素、市场营销以及独立的第三方评价三方面入手。
    电影自身因素包括明星影响力、导演影响力、文化熟悉度、影片类型和电影分级。对明星影响力的量化很多研究都采用了《国际电影年鉴》的明星排名或者直接使用商业机构“好莱坞报道”(The Hollywood Reporter)的明星影响力指数(Star Power Index)，该指数对全世界主要国家中具有票房号召力的1000多位明星进行排名和打分，其中得分在87.5～100的明星影响力最强，为一线明星；得分在62.5～87.49的明星次之，为二线明星；得分在37.5～62.49的明星具有一定影响力，为三线明星；得分在37.49以下的影响力较小或无影响力。后者通过调查，把当今世界上的1000位明星进行了0～100分的考核，而查看“好莱坞报道”的明星影响力指数为收费服务，每查看一位明星的影响力指数，需要付费9.9美元。直接使用“好莱坞报道”明星影响力指数进行研究的还有埃尔伯思(Elberse)、伊里亚斯伯格(Eliashberg)、艾斯利(Ainslie)、德瑞泽(Dreze)和祝夫莱登(Zufryden)等。明星对电影票房的影响在美国佛罗里达大学的研究者陈白鹤(ByengHee Chang)和金云永(Eyun-Jung Ki)的研究中继续深化，基本思想认为明星影响力实际上是品牌影响力，一部电影中的明星与其他品牌要素一起，构成了电影品牌。基于此，陈白鹤和金云永选择了明星最近出演的一部电影票房成绩和该明星所有出演的电影的票房成绩之和来衡量其影响力。前者代表了该明星现在的品牌影响力，而后者则反映了该明星长期累积的品牌影响力。
    从研究结论来看，研究者对明星影响力的作用及性质颇有争议。一些研究者发现影片收入与使用明星没有显著关系，像李特曼、拉韦德(Ravid)以及埃尔伯思；而一些研究者则发现电影的总票房收入、周票房收入和首映周票房收入与明星的等级有关，一部电影中明星的等级越高，该电影的收入也越高，像李特曼和科尔(Kohl)、苏凯、艾斯利、德瑞泽和祝夫莱登。苏凯发现明星对电影租金收入的影响只存在于少数票房排行位于前四名的影片，对多数影片的租金收入影响并不显著。至于明星影响力的性质，德国魏玛大学媒介经济学家索斯顿(Thorston Hennig-Thurau)及合作者瓦尔西(Walsh)发现明星影响力对短期票房和长期票房都有着负面影响，只是这种负面影响较弱而已。作者对此的解释是明星对票房的影响只存在于少数几个巨星中。③陈白鹤和金云永的研究结果发现明星只对首映周的票房有影响，而对电影总票房的影响甚至为负。④这些看似矛盾的结论推动我们对明星影响力的思考，片酬高达几百万的明星究竟在影片的经济成功中发挥了多大的作用，这正是明星研究的新动向。
    现在还没有对导演影响力的实证研究，但导演和明星这个问题在本质上都是属于创意人才，如果明星影响力对电影票房成功有影响，那么导演的创意能力以及对这些创意能力的综合对电影票房成功具有影响也是行之有理的。在具体量化导演影响力时，索斯顿将该导演最近四年间的影片票房进行平均，来测量其影响力。⑤
    一部电影是否是续集或是否改编自其他媒介与电影的经济成功也是相关的。⑥续集从品牌意义上，是电影品牌的延伸；在内容意义上，续集加强了广义上的“文化熟悉”(cultural familarity)。熟悉的文化内容还可以通过改编进行跨媒介生产。“文化熟悉”这一变量对票房发挥着积极影响，这是为什么制片厂喜欢对熟悉的内容进行生产，并把它作为降低市场风险策略的重要因素。
    影片类型对票房的影响也颇为复杂。动作片票房成绩优秀，其中原因可能是高科技的使用和明星的加盟。⑦影片分级影响消费者的选择和兴趣，限制性分级如R级和NC-17级实际上会削弱影片长期的收入。⑧
    在市场营销方面，影片的成本、发行档期等因素会直接影响电影票房。李特曼的模型就发现了电影成本与票房之间的正相关，祝夫莱登也发现影片的成本越高，票房收入越高。⑨然而，对这些因素之间的本质关系还有待研究，也就是说，高成本究竟是一部影片取得高票房收入的预测因素还是影响因素，这还需要进一步研究。
    影片的发行档期与电影票房评价最高的电影成绩相关，这一点已经被研究证实。李特曼就发现暑期档的重要性上升，与票房收入显著相关。相对而言，圣诞档期的地位下降。
    最后是独立第三方评价会影响到电影票房。电影是融合了社会兴趣，需要受众高度参与的产品。电影的成功还会受到独立的第三方评价，如影评、观众评论、获奖等因素的影响。影评为观众提供了类似专家的“客观”信息，和电影票房相关，这一结果由李特曼、苏恒妮(Sawheny)和祝夫莱登等已经证实。但是，这些因素与电影票房是否是因果关系还颇有争议。瑞斯坦(Reinstien)和思德(Synder)⑩认为影评影响观众的选择过程，伊里亚斯伯格和舒根(Shugan)(11)反驳这种相关只反映出评论者预测电影是否成功的能力，建议将评论者的功能作为预测指标。他们认为职业评论与后期和长期的电影票房相关，对前期票房收入未成显著相关。
    由著名组织颁发的大奖如美国奥斯卡奖会定期对电影进行评选。从竞争角度来看，大奖代表着一种制度性措施。多德(Dodds)和霍尔布鲁克(Holbrook)的研究发现，一个最佳电影奖会额外产生平均3200万美元的收入(12)，这一结论在纳尔逊(Nelson)等人的研究中得到印证(13)。电影的市场成功还会受到观众对电影质量评价的影响，尤其是口碑传播引发的质量评定。索斯顿、休斯顿(Houston)和斯瑞德尔(Sridhar)在2006年的实证研究中发现，观众对电影的口碑传播是影响电影长期票房的主要决定因素。(14)最近刘勇(Liu Yong)(15)从实证角度阐述了口碑传播与电影收入之间的关系，使用了雅虎电影栏目中留言板的帖子来衡量网络口碑传播对电影票房的影响。
    总之，影响一部电影票房的因素错综复杂，这些因素与电影票房是因果关系还是相关关系尚不能盖棺定论，这些因素对电影票房的影响是直接影响还是通过其他的因素施加间接影响，也都还有待深入。
    结语
    西方电影票房研究通过分析样本中影响电影票房因素的数据，成功实现了对电影票房的预测。陈白鹤和金云永的模型就曾成功地预测了2000年-2002年间北美地区的电影票房收入，极大地降低了电影产业的市场风险。而电影票房研究也深化了我们对电影作为文化产品的生产规律的认识，并能为制作者提供相关的价值判断和策略研究。如影片类型对票房的影响力分析表明，动作片、科幻片、喜剧片对票房的影响最为显著，这也是这三种类型影片长盛不衰的原因，但观众品位在不断变化，电影界需要紧跟观众品位变化的变化并适时做出预测。对电影制片厂和发行公司而言，圣诞档期重要性的下降以及暑期档对票房的显著贡献，可为制片厂和发行公司在制定发行战略时提供实际的指导意义。
    西方当代电影票房研究基本以好莱坞电影为样本，以预测美国或北美的票房为目标，较少关注其他国家的情况。这也提醒我们需要根据我国的实际情况，在借鉴西方票房研究模型及方法的基础上，对我国的电影市场做出预测，实现我国电影产业的持续健康发展，本文抛砖引玉，借此希望引起对电影票房数理研究的更多关注。
    注释：
    ①Litman, B. R. (1989). Predicting Success of Theatrical Movies: The 80's Experience. Journal of Media Economics, 2, 35-50.
    ②Sochay, S.(1994). Predicting Performance of Motion Pictures. Journal of Media Economics, 7, 1-20.
    ③⑤Hennig-Thurau Thorsten, Houston B. Mark, and Walsh, Gianfranco(2007). Determinants of Motion Picture Box Office and Profitability: An Interrelationship Approach, Review of Managerial Science.
    ④Byeng-Hee Chang and Eyun-Jung Ki(2005). Devising a Practical Model for Predicting Theatrical Movies Success: Focusing on the Experience Good Property. Journal of Media Economics, 18, 247-269.
    ⑥Sood, Sanjay and Dreze, Xavier(2006). Brand Extension of Hedonic Goods: Movies Squeal Evaluations. Journal of Consumer Research, 33, 352-360.
    ⑦Elberse, Anita and Eliashberg, Jehoshua(2002). The Drivers of Motion Picture Performance: The Need to Consider Dynamics, Endogeneity and Simultaneity, working paper, The Wharton School, University of Pennsylvania.
    ⑧Sawhney, Mohanbir S. and Eliashberg, Jehoshua(1996). A Parsimonious Model of Forecasting Gross Box-Office Revenues of Motion Pictures, Marketing Science 15: 113-131.
    ⑨Zufryden, Fred(2000). New Film Website Promotion and Box-office Performance. Journal of Advertising Research. 40(1/2):55-64.
    ⑩Reinstein, David A. and Snyder, Christopher M.(2000). The Influence of Expert Reviews on Consumer Demand for Experience Goods: A Case Study of Movie Critics. working paper, George Washington University.
    (11)Eliashberg, Jehoshua and Shugan, Steven M.(1997). "Film Critics: Influencers or Predictors?" Journal of Marketing, 61(April): 68-78.
    (12)Dodds, John C and Holbrook, Morris B(1988). What's an Oscar Worth? An Empirical Estimation of the Effects of Nominations and Awards on the Movie Distribution and Revenues. Current Research in Film: Audiences, Economics and Law 4: 72-87.
    (13)Nelsoon, Randy A, Donbihue, Michael, R, Waldman, Donald M, and Wheaton, Calbraith(2001). What's an Oscar Worth?. Economic Inquiry 39(January): 1-16.
    (14)Hennig-Thurau, Thorsten, Houston, MarkB and Walsh, Gianfranco(2006). The Differing Roles of Success Drivers Across Sequential Channels: An Application to the Motion Picture Industry. Journal of the Academy of Marketing Scienece. 34(Fall): 559-575.
    (15)Liu Yong (2006). Word of Mouth for Movies: Its Dynamics and Impact on Box Office Revenues. Journal of Marketing 70(July): 74-89.^

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。