华体会平台官网电话


华体会平台官网电话:深柳读书|主演流量、电影评分与票房粘性——基于国产电影数据的经验分析

2022-07-09 08:44:53 |来源:hth华体会最新网站 作者:hth华体会网页版

  “闲门向山路,深柳读书堂”,语出(唐)刘昚虚《阙题》。深柳掩映下的清净书堂,最是读书人向往的治学之所。由是,我们用“深柳堂”来命名《新闻与传播研究》论文推介栏目,以期让同好慢慢品读,细细体味。

  本栏目期待能够成为学者们田野归来坐而论道的一方宝地,将理论与实践结合起来,切之,磋之;也欢迎各位读者向作者提出问题,琢之,磨之;我们会精选问题予以回应,奖之,励之。

  主演流量是互联网时代赋予主演的新兴特征,衡量了主演的网络影响力。论文提出“票房粘性”假说,并用“票房粘度”加以衡量,通过分析手工收集整理的949部国产电影的微观数据,探讨了主演流量和电影评分对电影票房粘度的影响。研究发现,主演流量和电影评分在电影上映各个周期都可以显著增强电影票房粘度。主演流量在第一周期通过放大电影评分的口碑效应显著提升票房粘度,在第二、三、四周期以“明星效应”直接增强票房粘度,另外通过提高电影评分增强票房粘度;电影评分在各个周期都能显著增强票房粘度。研究验证了主演流量对于电影票房表现的积极作用,但也发现,这一作用是次要的,影响票房粘度的主导因素是电影评分。相应的对策是:只有坚持质量至上的价值取向,加强优质电影作品的有效供给,才能完成互联网产业和电影产业的良性融合,促进中国电影产业的可持续发展。

  改革开放40多年来,中国电影产业呈现迅速发展态势,从2002年到2019年,中国电影市场的票房收入从近10亿元增长到642.661亿元,占据全球票房的22%,其中国产电影占据了主导地位。中国电影市场的巨大潜力吸引大量投资者进入这一产业。然而,电影票房受到诸多因素的影响,其收益面临很大的不确定性。瓦尼(Vany)和沃尔斯(Walls)指出电影是风险最大的产品之一,电影票房收入的分布可能具有无限的方差。票房波动表现出电影产品的风险,是电影投资方、电影制作人、电影主演等利益相关者非常关注的问题。我们手动收集近年来多部国产电影的微观数据,对这些电影的票房数据进行分析,发现票房波动具有“粘性”的特点,即相邻每日票房之间,后一日票房虽然往往会下降,但仍会贴近前一日票房的高度,表现出较强的依附,呈现出粘性的特征。因此,本文引入“票房粘性”的概念来概括票房变化的这一特点,用“票房粘度”来衡量“票房粘性”的强弱程度。本文的研究目的在于,基于互联网新媒体形势,分析电影主演与网络评分对票房粘度的影响。本文可能具有的边际贡献在于两个方面:第一,提出了票房粘性理论,考察了主演流量、电影口碑等因素对票房粘度的影响,丰富了对电影票房收入影响因素的研究;第二,聚焦于国产电影,将互联网环境催生的新兴概念和国产电影商业价值与市场表现联系在一起,考察了主演流量、电影口碑在国产电影业发展中的地位和作用,有助于激励“互联网+电影”趋势下国产电影业的高质量发展。本文后续安排如下:第二部分为文献综述及假说的提出,第三部分为实证设计与数据处理,第四部分为实证结果分析,第五部分为结论和政策建议。

  学术研究中,研究票房影响因素的文献较多,但研究票房波动的文献较少。为数不多的文献中,主要研究票房存在波动性这一特点。乔希(Josi)将金融研究中的风险概念引入电影票房的波动性,他认为电影的风险和电影票房的波动程度密切相关,电影制作方偏爱票房波动较低的电影产品。戈哈莱(Gokhale)和威尔逊(Wlso)聚焦电影票房在电影生命周期内的衰减,他们以电影每周票房收入为研究对象,发现随时间推移,电影每周票房收入下降,下降的速度受到产品质量、广告支出、替代品等因素的影响。这些研究的贡献是发现票房存在波动性、具有票房衰减等特征,但并没有发掘出票房波动或者衰减中的“粘性”这一特点。从理论上讲,票房粘性存在的原因在于下列两个方面。

  第一,社会学习的“羊群效应”。行为经济学中,羊群效应称为从众效应,指的是个人的观念或行为由于真实的或想象的群体的影响或压力,而向与多数人相一致的方向变化的现象。这一现象在电影市场上的存在非常普遍。邓肯(Duncan)和艾米莉(Emiy)的研究排除了电影质量的因素,提出由于社会学习和共享经验等作用机制,前期由天气导致的非预期的票房变化会影响后期观众的消费。方娴和金刚利用中国电影市场的数据,发现了类似的效应。这说明,由于羊群效应的存在,电影的前期票房通过社会学习等机制在消费者之间传播,影响电影后续的票房表现,前期票房表现好的电影更容易受到关注从而在后期维持票房,前期表现差的电影后期票房难以突破,使电影每日票房表现出相互依附的性质。

  第二,电影传播的口碑效应。电影是一种文化类消费品,消费者和业内人士、影评家等对于电影的主观评价汇总形成了电影口碑。大卫(Davd)和克里斯多夫(Christopher)指出,对于发行范围较小的电影,专业影评人的正面评价作为一个质量信号,增加了观众对电影的消费。博特赖特(Boatwright)、巴苏罗伊(Basuroy)和镰仓(Kamakura)发现,影评人在电影行业的作用尤其突出,充当意见领袖的一部分影评人具有对票房的边际影响力。除了影评人的评价,消费者对电影的评论也不容忽视。根据穆尔(Mou),电影口碑的好坏很快就能传达到普通消费者耳中,消费者对电影期望的变化有一部分可直接或间接归因于口碑的传递。口碑的传播能迅速影响消费者的行为,对电影的市场表现产生显著影响。德拉罗卡斯(Dellarocas)、张(Zhang)和阿瓦德(Awad)利用一组扩散模型,发现将在线评论指标添加到基准模型(包括发行前营销、影院可用性和专业评论家评论)中,大大提高了对票房收入预测的准确性。以上研究说明,以影评人意见、消费者评论等形式建立、传播的电影口碑能迅速影响消费者的行为,对电影的市场表现产生显著影响。段(Duan)、顾(Gu)和温斯顿(Whinston)明确指出,口碑与票房收入之间存在一种积极的反馈机制,电影的票房收入显著影响口碑数量,口碑数量反过来又会带来更高的票房成绩,这种积极的反馈机制突出了口碑在产生和维持票房收入方面的重要性。这意味着电影的口碑带来了电影每日票房的依附性,是票房粘性的又一重要来源。

  电影“票房粘性”假说的提出,具有两个方面的实际意义。第一,票房粘性可以用来衡量电影的市场表现,判断市场对电影产品的认可,有助于发行方根据票房变化调整发行和宣传策略。第二,票房粘性能够较好地评价电影的商业价值,票房粘性越弱,电影产品获得良好收益的可能性就越低,风险越大。本文用“票房粘度”衡量“票房粘性”的强弱。这一指标的衡量方法是:将电影一个月的上映期分为四个周期,把出现连续三天以上票房上涨的少数样本剔除,以避免将向上和向下的票房变化混淆,使用标准化后的每日票房方差计算和衡量票房粘性的强弱,方差越小代表后期票房对前期票房的依附更强,即电影的票房粘性更强。

  在互联网新媒体技术下,电影主演与网络评分将影响票房粘度。本节基于票房粘性假说这一理论基础,进一步分析电影主演以及网络评分对票房粘度的影响。

  电影市场中的羊群效应强调的是消费者之间的信息互动对于票房波动的重要意义。随着互联网和新媒体的迅猛发展,消费者之间的信息互动越来越容易受到网络环境因素的影响,尤其是“主演流量”。主演流量是网络环境下主演所具备的一个新兴特征,是新媒体时代消费需求及网民偏好的产物,反映了主演在网络环境中的关注度。众多的电影经济学文献研究表明,电影主演的特征是票房收入的重要影响因素,明星演员的历史票房和艺术表现能够增加电影的预期票房收入。在互联网新媒体环境下,主演在电影上映前的历史表现和媒体曝光为主演积攒了名气,吸引了网民关注,形成了“主演流量”,这一特征将放大主演在一部电影中的“明星”地位,吸引一部分观众尤其是“粉丝”的目光,成为观影决策的影响因素之一。因此,电影主演作为电影中的核心要素,对票房具有直接的“明星效应”:主演的拥是者为了支持他们所喜爱的主演,可能保持更稳定的电影消费,帮助提升其参演电影的市场表现。由此,我们提出假设1。

  在互联网新媒体技术下,人们获取信息越来越受到网络环境的影响。网络媒介全方位、多角度介入社会各领域,极大程度上改变了人们信息获取的渠道和方式,对于文化产品的评价也是如此。网络媒介赋予了电影传播口碑效应新的内涵,电影口碑的传递不再限于社交圈之内,而是顺应网络环境中的信息发酵传播。随着在线评论网站、微博等新媒体不断涌现,网络中的消费者评论、影评人意见、文娱媒体新闻等逐渐成为观众了解电影的常用工具和获取电影信息的重要来源,网络环境中的口碑扩散深刻影响着消费者的选择。本文在一系列指标中选择电影的网络评分衡量电影口碑:一方面,参与电影评分形成的门槛较低,人数众多,因此电影评分指标相对稳定可信,而且观众本身的性质和观影目的比较接近,不像很多影评人和媒体还受到业内规则、经济利益的牵绊,因此许多观众在观影前较为看重电影网络评分的高低,电影的网络评分早已成为观众对电影进行消费选择最重要的参考;另一方面,电影的网络评分往往是电影口碑传播的终端:影评人等传统电影口碑的传播者,在互联网新媒体下更具有传播力与说服力,由于从众效应,这些评价会迅速转化为消费者的网络评分。总之,互联网新媒体放大了电影口碑效应,加速了电影口碑的传播,这为电影票房的形成带来新的变化:电影口碑通过电影评分充分暴露在观众眼前,评分较高的电影可能会受到更持久的关注和喜爱,电影评分与电影票房不断的互相反馈,让电影的每日票房产生更强的依附性。由此,我们提出假设2。

  下标i代表电影。将电影上映的前28天分为四个周期,每个周期七天,w代表电影上映的周期,分别为1、2、3、4。l n S iw 即电影i第w周期的票房粘度的对数。actorclout为虚拟变量,如果两个主演的流量都高于当年主演流量的中位数则取1,为“高流量组”,否则取0,为“低流量组”。score为电影的评分。系数β 1 衡量了高流量组和低流量组电影之间的票房粘度差异,β 2 衡量电影评分对票房粘度的边际影响,β 1 、β 2 预期为负,是本文关注的核心参数。X是其他控制变量的集合。d t 为时间固定效应,ε i 为随机误差项。

  此外,还需要选取合适的控制变量。德克特(Deuchert)和保利(Pauly)发现奥斯卡获奖或提名对票房的影响显著,埃尔贝斯(Elberse)和伊利埃伯格(Eliashberg)发现同期上映的影片可能会对电影的票房产生冲击,罗杰(Roger)等认为将要上映的影片也会对上映影片产生影响。我们借鉴这三位专家的做法,选择电影获奖或提名数、同时期影片竞争情况作为控制变量。另外,陈学民的研究总结指出电影经济学实证研究中通常以导演实力、电影类型与档期等变量作为解释变量,我们借鉴这一分析及参考林裕阳的做法,采纳导演实力、主演性别、主演所获过的奖项或提名、影片类型和档期等指标作为控制变量,但控制变量的具体定义、衡量方法及数据来源等方面不大相同。此外,考虑到现代电影厂商更主动参与电影市场竞争、延伸文化品牌价值等行为,增加了主要出品商绩效、P改编或续集变量。这些控制变量涵盖影响电影票房的重要变量,增加了模型估计时的精确性。

  S i1 、S i2 、S i3 、S i4 分别为电影四个周期的票房粘度指标。国内电影一般的上映时间为一个月左右,为了呈现电影票房在各个周期的票房粘度,将电影上映后(包括上映当天)的28天时间分为四个周期,每个周期七天,分别计算其票房粘度。电影的每日票房数量级相差很大,票房高的达到几亿,票房低的只有几十万,如果直接使用综合票房计算方差,得出的票房粘度无法相比较。于是先对综合票房进行标准化处理,对于每个周期,将每天的综合票房除以此周期票房平均数,得到标准化的票房,再计算这一周期标准化票房的方差,得到票房粘度的衡量指标。票房粘度指标的数值越小,说明票房不易下降,粘性越强。lnsi1、lnsi2、lnsi3、lnsi4分别对si1、si2、si3、si4加1再取对数。

  actorclout1、actorclout2分别为第一、二主演电影上映前两个月内百度搜索指数平均数。百度是中国互联网领域至今覆盖面最广,用户最广泛的搜索引擎。百度搜索指数以网民在百度的搜索量为数据基础,以关键词为统计对象,计算出各个关键词在百度网页搜索中搜索频次的加权,反映的是互联网用户对关键词搜索关注程度及持续变化情况。因此,百度搜索指数可以较好地衡量主演的网络关注度,即主演流量。值得一提的是,百度指数分为搜索指数和资讯、媒体指数,两者的计算之间没有直接关系,后者的计算有时因为人名的算法问题存在较大误差,而前者以用户的搜索量为基础计算,较为准确。actorcloutl、actorclout2分别根据两位主演每年百度搜索指数的中位数将电影划分为高低流量组,如果actorclout1和actorclout2都取1,则actorclout取1,否则actorclout取0。

  score1为电影的豆瓣评分,主要代表电影的口碑。豆瓣电影是日前中国最权威的电影评分平台。样本豆瓣平均分为5分左右,远低于猫眼评分score2的7分。awards为电影所获奖项或提名的数量,主要衡量电影的质量。

  stren1、stren2为第一、二主演明星在此部电影上映前所获得过的奖项或提名数,衡量演员实力。演员获奖代表了他在那部电影中的精彩表现,可能影响到这部电影之后的观众印象和评价。这两个变量不包括通过此部电影所获奖项,但包括评奖日期在此部电影上映之后、获奖电影上映日期在此部电影上映之前的奖项,比如某明星通过2012年上映的电影在2014年获得了奖项,那么他主演的在2013年上映的电影样本,会将这一奖项包括在内。

  producer为电影主要出品商在此部电影上映前两年内,其参与(包括出品、制作、发行等各种方式)并上映的电影票房之和,衡量出品商实力。如果出品商有其他电影在两年内或更早制作完成,但这部电影上映之后才面世,其票房不记录在内。conductor为导演此部电影前所获奖项或提名数,奖项、提名选取标准与stren1、stren22类似,衡量导演实力和影响力。

  将主演流量作为主要解释变量进行OLS回归。从表3第一组的回归结果来看,“高流量组”电影的票房粘度在每个周期都显著强于“低流量组”,在四个周期分别高出2.78、4.99、4.29和14.55个百分点。电影的豆瓣评分同样对每个周期的票房粘度都有显著的提升作用,电影评分每高一分,第一到第四周期的票房粘度分别平均增强5.1、1.57、3.08和6.29个百分点。

  考虑到电影数据的特殊性,本文同时使用倾向指数匹配之后的样本进行分析,以削弱协变量差异的影响。我们对原始数据协变量的平衡性进行检验(为了节省篇幅,略去检验结果),同时结合前面的描述性统计分析,可以看出,主要出品商绩效等样本协变量的平衡性不好,这是由电影产品之间存在较大的票房差异的特性所致。这一情况可能导致OLS回归结果不稳健。于是需要进一步做倾向得分匹配分析。具体做法是:对于每个周期,将此周期内的特殊样本剔别除后,估计倾向指数,再进行一对一可重复最近邻匹配,一共进行了四次。匹配后的样本协变量差异不再显著,实验组和对照组更加可比,相对于OLS回归的结果更加稳健(见表3第二组)。匹配后的回归结果,与OLS结果存在一定的差异:相较于“低流量组”,“高流量组”在第二、第四周期的票房粘度分别显著强5.56%和18.5%,但在第一、第三周期的结果不显著。这说明进行倾向指数匹配是有必要的。电影评分对票房粘度的作用仍然保持显著,在各个周期分别提升了6.34、2.67、2.37和7.03个百分点的票房粘度。此后回归中,控制变量并未调整,将电影获奖和提名数、主演一性别、主演二性别、第一主演获奖或提名数、第二主演获奖或提名数、主要出品商绩效、第一导演获奖或提名数、是否为IP改编或续集、各周期竞争情况全部编入“控制变量”,保持表格的简洁。

  为了进一步验证基准回归结果的准确性,我们使用改变周期划分、替换变量指标、进一步筛选样本等方法进行稳健性检验。

  将基准回归结果中的豆瓣评分替换为猫眼评分,表4第(一)组回归结果显示,明星流量各周期对票房粘度的作用与基准回归结果一致。

  电影票房之所以呈现周期性的变化,很大程度上是因为双休日的存在,这两天的票房往往会出现一定的反弹。现在选取在星期五上映的电影样本进入回归分析(电影选择在周五进行公映的传统起源于好莱坞,且符合片方利益要求,因此星期五上映的电影占据多数,另外其每个周期将双休日包含在内,票房走势出现割裂的可能性较小)。表4后四列第二组的结果显示,主演流量在第二、第三、第四周期对于票房粘度的提升作用显著,电影评分(豆瓣评分)在第一、二、四周期内对票房粘度的提升效应明显。

  经过上述稳健性检验方法,我们验证并补充了基准回归结果,证明了假设1和假设2是正确的,即从总体上来看,主演流量在第二、三、四周期、电影评分(猫眼评分)在每个周期可以直接影响票房粘度,同方向强化了票房粘度。

  本文所使用的样本包涵范围较广,时间跨度较大,不同上映时间和制作规模的电影之间可能存在差别,因此存在一定异质性。为了进一步探究主演流量在不同规模和电影上映时间中的作用,接下来进一步做异质性分析。

  对于不同数量级票房的电影,主演流量对于票房粘度的作用可能存在差异。根据电影票房总收入的中位数将电影分为“低票房组”和“高票房组”,分组后,组内大部分协变量差异并不显著,因此在去除了每个周期的特殊样本后,直接以匹配前的样本回归。表5结果显示,两组电影票房粘度的影响因素表现出显著的不同:对于低流量组,主演流量在第二、第四周期显著提升票房粘度,这与基准回归结果一致。电影评分的作用在中间两个周期变得不显著,反而是电影获奖或提名的影响显著,这可能和低票房电影在市场的生存状态密切相关:市场的目光往往集中在票房大片身上,而一些质量过硬、评价较高的电影,由于其受众面较窄、宣传跟不上,无法获得极高的票房,电影的口碑也很难发挥作用。对于高流量组,主演流量对于票房粘度的作用不再显著,是电影评分主导了电影票房粘度的表现,这说明对于票房收入达到一定程度的电影来说,“明星效应”难以维系更平稳的票房,只有靠坚实的口碑才能在市场上稳住阵脚。

  主演流量是互联网领域一个新兴的概念。处于互联网环境中的观众,能直观感受到明星的线年是我国“互联网+”正式启动的一年,为了进行异质性分析,我们将2016年以前上映的电影称为“早期组”,2016年及之后上映的电影称为“近期组”。由于两组电影协变量差异较大,我们使用匹配后的样本,分类后回归(见表6)。研究结果表明,主演流量在早期组各周期不显著,后期组中第二、三、四周期均显著,可见主演流量对于票房粘度的显著增强作用主要来自于后四年的电影,符合近年来电影营销注重主演流量的实际情况。电影评分系数,早期组第一、二、三周期显著,近期组第一、四周期显著。两种因素综合起来看,说明了随着互联网产业的发展,主演流量在电影产业中的作用和地位越来越明显和重要,电影评分在电影上映中期的作用逐渐被主演流量所替代,反映了消费者心理和消费选择随时间发生了变化。

  在基准回归结果和稳健性检验中,我们未考虑主演流量与电影评分的交互作用。为了进一步验证基准回归结果和稳健性检验结果的准确性,也为了进一步分析主演流量影响票房粘度的机制,我们依次在基准回归的基础上加入主演流量与电影评分和主演性别的交互项。

  根据表7第(一)组结果,在第一周期,主演流量与电影评分的交互项系数显著为负,这说明,对于票房粘度,“明星效应”和“口碑效应”在第一周期存在显著的交互,这一交互作用显著增强了电影的票房粘度。电影评分系数仍然为负显著,但主演流量系数显著为正,这说明在第一周期,主演流量对于票房粘度是一把双刃剑,主演流量可能助推了电影在上映前几天的票房,导致票房在第一周期的后期无力维系平稳的票房走势。但第一周期的票房粘度是电影评分主导的,如果电影口碑好,那么此时的主演流量就成为了电影口碑进一步发酵的重要传导一如果不考虑这种传导,将低估电影评分对票房粘度的提升作用。在其他周期,主演流量和电影评分的交互项并不显著,除了第二周期主演流量的作用不显著,主演流量、电影评分系数的显著性保持了稳健。

  根据表7第(二)组结果,主演二的性别与主演流量的交互项系数在第一周期显著为正,而主演一和主演二性别的系数仍然显著为负,这说明,主演流量可以缩减主演二性别差异对票房粘度的影响一但无法抹去这种影响,而且对于主演一性别差异对票房粘度的影响没有效果。这也说明,基准回归结果中主演性别差异对票房粘度的影响基本是不依赖于流量高低的。而且,主演一和主演二性别变量在第一周期显著为负,这说明主演一和主演二的性别在第一周期同样是对票房粘度具有直接影响力的特征,男性演员对票房粘度具有更强的影响力。这种电影市场上的性别差异其实已有国外文献研究,史密斯(Smith)等研究发现电影中的女性角色在电影中的地位不高,具有女性特色的影片数量较少。林德纳(Lindner)、林德奎斯特(Lindquist)和阿诺德(Arnold)认为性别差异对票房的影响并不代表男女演员的能力存在差异,问题可能出在产业链的上游,与整个行业的发展状况有关。

  在稳健性检验中,曾将豆瓣评分替换为猫眼评分,在第三周期电影评分对票房粘度的增强作用变得更加显著。为了进一步探究两组评分的差异,我们将第一组进一步的分析中主演流量与豆瓣评分的交互项替换为主演流量与猫眼评分的交互项(表8)。结果表明,主演流量与电影评分对票房粘度的交互作用在第一周期不再显著,但猫眼评分的提高在每个周期都显著增强票房粘度。

  两次结果的差异背后可能蕴含着两组评分不同的特点,正如我们在描述性统计中展示的,豆瓣评分和猫眼评分的平均分差了两分。进一步地,使用在第一周期匹配后的样本,将基准回归中的被解释变量分别替换为豆瓣和猫眼评分,除了影片竞争情况,其他控制变量不变,表9回归结果显示,两组电影评分的影响因素确实存在显著差异。相对于豆瓣评分,主演一的流量和性别可以显著提升猫眼评分,导演获奖或提名反而降低猫眼评分;而豆瓣评分受两位主演实力的影响更明显。

  根据王亚琪的调查,猫眼用户更多代表线下观影的场内消费者,而豆瓣更多代表线上观影的场外消费者,两类消费群体的消费理念、时间成本和观影偏好存在较大的差异。豆瓣用户更多代表线上观影者,他们大多属于电影艺术的爱好者,具有比较丰富的阅历和评价电影的强烈意愿,因此对主演的实力比较敏感;猫眼用户更多代表线下观影者,属于更愿意为电影或者参演电影的演员消费的群体,他们对流量更高的演员更加宽容。在我们的基准回归和稳健性检验中,电影评分在第三周期的作用没有保持稳健,在这里可以得到解释:相较于豆瓣评分,猫眼评分更能代表线下消费观众的评价。因此,电影评分在第三周期同样能显著增强票房粘度。这里,进一步论证了假设2关于电影评分与票房粘度正相关这一论断的正确性。

  在我们的基准回归和稳健性检验中,主演流量在第三周期的作用没有保持稳健;在机制讨论中,主演流量在第二周期的作用不显著。这同样与两组电影评分的特点有关:将主演流量与豆瓣评分的交互项替换为主演流量与猫眼评分的交互项,其系数不再显著,这是由于线下观众对于主演流量的追捧,有一部分转移到了猫眼评分上。而猫眼评分在第二和第三周期能显著增强票房粘度,因此,主演流量在第二和第三周期并非不对票房粘度产生影响,而是通过影响电影评分间接影响。这样,我们的研究进一步验证了假设1:主演流量在各个周期都与票房粘度正相关,但机制有所不同:在第一周期,主演流量通过与电影评分的交互显著增强票房粘度;在第二、三、四周期,主演流量以“明星效应”增强票房粘度;另外,主演流量通过影响电影评分的形成影响票房粘度。

  本文根据手工收集的国产电影数据,实证分析了互联网新媒体时代,主演流量、网络评分和票房粘度之间的关系。研究发现,主演流量在电影上映的整个周期能显著增强票房粘度,但机制有所不同:主演流量在第一周期通过放大“口碑效应”间接增强票房粘度;在第二、三、四周期能够直接增强票房粘度;另外主演流量还直接影响电影评分的形成,间接影响票房粘度。电影评分在各个周期都能显著增强票房粘度。通过异质性分析发现:从横向角度看,主演流量对于票房规模较小电影的生存更加重要,电影口碑对于高票房电影具有更重要的意义;从纵向角度看,随着时间推移,主演流量的作用越来越关键,电影评分的重要性有所下降。进一步的分析发现,口碑效应是影响票房粘度的主导因素,主演流量对票房粘度的作用显然居于次要。这在国产电影价值导向的实践上具有重要意义:由于网络传播的原因,主演流量作为一个不与电影质量直接相关的因素,容易扭曲电影与放映商和观众之间的关系,可能导致国产电影质量提升较慢、有效供给不足。另外,主演流量的影响范围局限在国内,无法助力国产电影与国外影片在国际市场上的竞争、促进国产电影的对外输出。因此,应辩证看待以主演流量为代表的互联网新业态对电影产业的影响,对电影质量作出更客观、更公平的评价,促进电影产业转型升级,走高质量发展道路,才能提高中国电影产业在国际上的竞争力。根据本文研究,可提出如下政策建议。

  第一,要充分重视主演在电影市场中的关注度,促进电影市场的繁荣发展。主演对于电影的重要性自电影诞生之日起就已经不言而喻,而且随着互联网和新媒体的迅速发展,主演逐渐具有了一些新的特征,比如主演在网络环境中的关注度,即主演流量。为了吸引更多的观众,增强电影产业各个环节的生机与活力,应充分利用好主演的关注度,引导其成为电影产业中一种活跃的生产要素。要尊重市场的选择,并因势利导,利用主演所具备的知名度和关注度为优秀的电影作品吸引更多的关注,防止优秀作品蒙尘,推动电影市场走向新的繁荣。

  第二,要加强社会核心价值观的建设,不让“流量”泛滥。主演流量对于市场和社会的影响是显著的,但并不是每个演员都具备正确引导粉丝和舆论的从艺道德和精神品质。要加强对演员的职业技能和人文素养的培训,完善演艺界人才的培养系统,防止出现演员德不配位的现象,扭转主演流量进入电影市场后造成的盲目追求流量、忽视质量的局面。只有正视主演流量在文化产业中的作用并正确引导,才能推动电影产业的持续健康发展。

  第三,应坚持电影制作的质量导向,追求更高的艺术价值。主演流量有助于电影取得更平稳的票房,但与电影本身的质量并没有直接的关系。如果坐视“流量至上”的风气在电影产业蔓延,不利于国产电影持续输出优秀作品。主演流量只在国内的电影市场作用突出,而要让中国电影走出国门,完成文化输出,质量才是实现这一目标的根本。可以发挥集中力量办大事的制度优势,集聚、引导电影行业的人才集思广益,形成合力,创作更多更优秀的电影作品,《我和我的家乡》就是一个不错的例子。

  第四,以人民群众的精神文化需求为先,鼓励国产电影积极有效的竞争。日前国产电影优质供给不足,而人民的文化消费需求又存在较大缺口,可能的原因是,许多电影制作和发行商看到足够的广告营销、热度的炒作、有名气的演员就足以收获更高、更稳定的票房,盲日追求电影本身质量之外的要素。但我们可以看到,其实电影的口碑才是影响电影票房表现的主导因素,应还给电影市场自主选择的能力,鼓励影院和院线更多样化的排片,给予高质量、好口碑的电影更多的机会,让电影作品得到市场最真实的反映,才能协调好电影制作和发行方和观众之间的关系,实现电影产业的良性运转。质量过硬的电影作品从来不会缺少获得高票房的潜力,而是需要真正面向市场的机会。