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,仍然是电影学、传播学、媒介经济学、管理学的研究热点之一。西方电影票房研究综合了上述学科的研究方法,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)可谓先驱,他的论文《电影经济成功预测:基于八十年代人的经验》(Predicting Financial Success of Motion Pictures:The 80's Experiencee)①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。 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,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。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,但可以从这里找到源头;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