網(wǎng)絡(luò)口碑對(duì)電影票房影響實(shí)證研究

趙亞凡 劉偉

[提要] 本文以2015年上映影片的125組數(shù)據(jù)，從影片的網(wǎng)絡(luò)熱議度、口碑效價(jià)以及好評(píng)/差評(píng)率等方面，對(duì)移動(dòng)互聯(lián)網(wǎng)時(shí)代的網(wǎng)絡(luò)口碑與電影票房收入關(guān)系進(jìn)行實(shí)證分析。結(jié)果表明：網(wǎng)絡(luò)熱議度與電影票房收入積極相關(guān)，但相關(guān)度會(huì)隨時(shí)間遞減；網(wǎng)絡(luò)口碑具有消極偏向，即相對(duì)于正面口碑，負(fù)面口碑對(duì)票房收入有更顯著的負(fù)向影響，尤其是在上映期的前兩周。本文研究結(jié)論不僅是前人關(guān)于口碑營銷研究的拓展，并且能對(duì)電影發(fā)行團(tuán)隊(duì)如何在移動(dòng)互聯(lián)網(wǎng)時(shí)代借助網(wǎng)絡(luò)口碑進(jìn)行電影營銷來提高票房收益產(chǎn)生新的啟示。

關(guān)鍵詞：網(wǎng)絡(luò)口碑；熱議指數(shù)；電影票房

中圖分類號(hào)：F272 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2016年3月1日

一、引言

中國的移動(dòng)互聯(lián)網(wǎng)時(shí)代已經(jīng)全面來臨，“十二五”期間，移動(dòng)互聯(lián)網(wǎng)呈現(xiàn)井噴式發(fā)展，根據(jù)中國互聯(lián)網(wǎng)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的過去五年里我國互聯(lián)網(wǎng)發(fā)展十大亮點(diǎn)報(bào)告數(shù)據(jù)：我國手機(jī)網(wǎng)民規(guī)模達(dá)5.94億，使用手機(jī)上網(wǎng)比率相比PC端多20.5%，手機(jī)超越電腦成為中國網(wǎng)民第一大上網(wǎng)終端。移動(dòng)互聯(lián)網(wǎng)時(shí)代是互聯(lián)網(wǎng)的“自媒體”時(shí)代，網(wǎng)絡(luò)口碑對(duì)電影票房的影響可能是最顯著的。本文提出這樣的推斷源于兩個(gè)原因：一是基于電影產(chǎn)業(yè)互聯(lián)網(wǎng)化的現(xiàn)實(shí)發(fā)展現(xiàn)狀；二是基于學(xué)術(shù)界相關(guān)研究現(xiàn)狀。

一方面，縱觀近幾年電影產(chǎn)業(yè)的發(fā)展，可以發(fā)現(xiàn)移動(dòng)互聯(lián)網(wǎng)和它的融合是深入而緊密的，尤其是阿里巴巴、騰訊、百度等互聯(lián)網(wǎng)企業(yè)和資本開始大規(guī)模介入電影產(chǎn)業(yè)，電影產(chǎn)業(yè)對(duì)接“互聯(lián)網(wǎng)思維”，似乎成為制作方在電影宣傳階段面向市場(chǎng)溝通時(shí)的一門必修課。互聯(lián)網(wǎng)正在用自己的方式來重塑電影行業(yè)的風(fēng)貌，以購票終端為例，手機(jī)購買電影票和在線電影選座已經(jīng)成為大眾電影消費(fèi)的主要方式，2015年7月的中國電影市場(chǎng)總票房54.9億元，其中電商票務(wù)就占據(jù)46%的份額（約合25.3億元）。最重要的是，移動(dòng)互聯(lián)網(wǎng)讓信息更加透明，流動(dòng)更快，縮短了電影發(fā)行公司和消費(fèi)者及院線之間的信息不對(duì)稱性，賦予市場(chǎng)更快的反應(yīng)速度，幾個(gè)小時(shí)影片口碑就被傳遍全國，影響消費(fèi)者的觀影決策和院線排片決策，從而影響電影票房表現(xiàn)。

另一方面，電影是生命周期短暫的體驗(yàn)型產(chǎn)品，現(xiàn)有眾多研究表明，網(wǎng)絡(luò)口碑和電影市場(chǎng)表現(xiàn)存在積極的相關(guān)關(guān)系。國外學(xué)者關(guān)注社會(huì)化媒體用戶在線情感表達(dá)與電影票房的關(guān)系，研究認(rèn)為，用戶在博客、Twitter、影評(píng)網(wǎng)站等社交平臺(tái)上對(duì)影片的評(píng)論都對(duì)電影票房有顯著影響，線上網(wǎng)友的評(píng)論是觀影經(jīng)驗(yàn)較少的消費(fèi)者觀影決策的重要參考。國內(nèi)有關(guān)網(wǎng)絡(luò)口碑與電影票房表現(xiàn)關(guān)系的實(shí)證研究還處于探索階段，學(xué)者們從不同角度進(jìn)行了如下研究：第一，網(wǎng)絡(luò)口碑情感表達(dá)的預(yù)測(cè)作用研究。史偉（2015）等學(xué)者基于新浪微博情感分析構(gòu)建電影票房預(yù)測(cè)模型，證實(shí)用戶評(píng)論的情感表達(dá)在電影票房預(yù)測(cè)中扮演了很重要的因素；第二，網(wǎng)絡(luò)口碑?dāng)?shù)量的知曉效應(yīng)和口碑效價(jià)的說服效應(yīng)研究。汪旭暉（2015）以格瓦拉網(wǎng)站的55部國產(chǎn)電影為樣本，實(shí)證分析了網(wǎng)絡(luò)口碑與電影票房的內(nèi)在影響機(jī)制，證明網(wǎng)絡(luò)口碑的數(shù)量對(duì)電影票房有顯著的正向影響，而口碑的效價(jià)對(duì)電影票房有顯著的負(fù)面影響；第三，網(wǎng)絡(luò)口碑形式的用戶行為數(shù)據(jù)研究。周明升（2014）將票房作為自變量，分析了用戶評(píng)分、評(píng)論數(shù)與票房的關(guān)系，實(shí)證結(jié)果表明網(wǎng)絡(luò)口碑存在明顯的自相關(guān)性，電影票房對(duì)網(wǎng)絡(luò)口碑有顯著影響。綜合目前國內(nèi)外成果來看，現(xiàn)有研究雖然普遍認(rèn)同口碑?dāng)?shù)量與電影票房的高度相關(guān)性，但有關(guān)口碑效價(jià)作用的驗(yàn)證結(jié)果卻存在一定的分歧；此外，現(xiàn)有實(shí)證研究大多采用單一平臺(tái)數(shù)據(jù)，靜態(tài)數(shù)據(jù)進(jìn)行分析，存在局限和不足。

本文在前人研究的基礎(chǔ)上，立足于移動(dòng)互聯(lián)網(wǎng)時(shí)代的中國電影市場(chǎng)，著重研究網(wǎng)絡(luò)口碑對(duì)電影票房市場(chǎng)表現(xiàn)的影響，選取2015年上映的25部電影為研究樣本，在“豆瓣電影”和“新浪微博”兩個(gè)平臺(tái)上采集網(wǎng)絡(luò)口碑相關(guān)數(shù)據(jù)，分析網(wǎng)絡(luò)口碑的效價(jià)、好評(píng)率/差評(píng)率的作用機(jī)理，與前人的研究不同，本文以影片的網(wǎng)絡(luò)熱議度取代網(wǎng)絡(luò)口碑?dāng)?shù)量，驗(yàn)證口碑傳播的知曉效應(yīng)，并通過每周相關(guān)動(dòng)態(tài)數(shù)據(jù)的分析，探討在電影上映周期的不同階段網(wǎng)絡(luò)口碑影響的動(dòng)態(tài)變化，希望能對(duì)電影發(fā)行公司通過戰(zhàn)略管理口碑營銷來提高影片票房收益提供參考。

二、理論假設(shè)與模型

眾多實(shí)證研究均支持口碑?dāng)?shù)量與票房收入之間的正相關(guān)關(guān)系，認(rèn)為口碑?dāng)?shù)量具有“知曉效應(yīng)”。Godes和Mayzlin的研究發(fā)現(xiàn)，對(duì)某商品的討論越多，就越有可能受到更多的關(guān)注，由此可能引發(fā)更多的購買行為。前人的研究中，口碑?dāng)?shù)量其實(shí)反映的是熱議度對(duì)電影票房收入的影響。得益于移動(dòng)互聯(lián)網(wǎng)時(shí)代大數(shù)據(jù)的時(shí)代特征，海量的用戶行為數(shù)據(jù)已經(jīng)能被互聯(lián)網(wǎng)記錄并加以分析，通過某一關(guān)鍵詞在網(wǎng)絡(luò)中被主動(dòng)搜索、討論或關(guān)注的加權(quán)和值運(yùn)算得出的“熱詞指數(shù)”能更直觀科學(xué)地衡量口碑的知曉效應(yīng)。因此，本文采用“新浪微博”統(tǒng)計(jì)的電影在微博平臺(tái)的 “熱詞指數(shù)”取代口碑?dāng)?shù)量，基于前人關(guān)于口碑?dāng)?shù)量和票房收入的研究結(jié)果，提出假設(shè)H1。

H1：熱議度與電影市場(chǎng)表現(xiàn)顯著相關(guān)，正向影響票房收入。

眾多研究表明，基于用戶網(wǎng)絡(luò)評(píng)分的網(wǎng)絡(luò)口碑效價(jià)會(huì)影響消費(fèi)者的評(píng)價(jià)和判斷，從而影響消費(fèi)者觀影決策。但綜合目前國內(nèi)外研究成果來看，有關(guān)網(wǎng)絡(luò)口碑效價(jià)作用的驗(yàn)證結(jié)果存在一定的分歧，有認(rèn)為口碑效價(jià)具有說服效應(yīng)，能引導(dǎo)消費(fèi)者觀影意愿，也有認(rèn)為口碑效價(jià)對(duì)票房收入的影響并不顯著，甚至?xí)胸?fù)面影響。基于上述分歧，本文將進(jìn)一步驗(yàn)證網(wǎng)絡(luò)口碑效價(jià)的作用，結(jié)合消費(fèi)者行為決策理論，本文認(rèn)為網(wǎng)絡(luò)口碑效價(jià)是大眾在線情感表達(dá)的體現(xiàn)，影響消費(fèi)者感知價(jià)值和感知風(fēng)險(xiǎn)等消費(fèi)心理，是消費(fèi)者觀影意愿的重要信息參考，提出如下假設(shè)：

H2：消費(fèi)者觀影決策受網(wǎng)絡(luò)口碑效價(jià)影響，口碑效價(jià)和票房收入正向相關(guān)。

此外，有研究表明，負(fù)面口碑對(duì)于降低產(chǎn)品銷量的作用比正面口碑帶來的銷量上升的效果更加顯著。Skowronski&Carlston關(guān)于印象形成中負(fù)面偏好的研究和Hardie等人基于掃描面板數(shù)據(jù)的厭惡損失研究也有類似的發(fā)現(xiàn)，負(fù)面信息比正面信息會(huì)產(chǎn)生更大的影響，即否定性偏見?；谶@些論點(diǎn)，本文提出了如下假設(shè)：

H3：負(fù)面口碑對(duì)票房的傷害作用大于正面口碑的幫助作用。

最后，考慮到移動(dòng)互聯(lián)網(wǎng)時(shí)代的網(wǎng)絡(luò)口碑傳播速度的影響，引入時(shí)間軸，進(jìn)行每周獨(dú)立回歸，觀察網(wǎng)絡(luò)口碑的影響是如何隨時(shí)間變化的，也彌補(bǔ)了前人研究中缺乏動(dòng)態(tài)性這一不足，提出如下假設(shè)進(jìn)行驗(yàn)證：

H4：熱議度對(duì)票房收入的影響隨時(shí)間的推移逐漸減少。

H5：口碑效價(jià)對(duì)票房收入的影響隨時(shí)間的推移逐漸減少。

三、實(shí)證研究

（一）數(shù)據(jù)與變量。本文中的研究數(shù)據(jù)有三類，分別來自如下三個(gè)平臺(tái)：①電影票房信息：藝恩咨詢中國票房網(wǎng)（http：//www.cbooo.cn/），獲取周票房信息；②熱詞指數(shù)：新浪微指數(shù)數(shù)據(jù)庫（http：//data.weibo.com/index），獲取根據(jù)片名關(guān)鍵詞匯總整理的影片在社交平臺(tái)的討論熱度指數(shù)；③網(wǎng)絡(luò)口碑效價(jià)信息：豆瓣電影（http：//movie.douban.com/），獲取總評(píng)分（1～10分）、每周好評(píng)率（4星及以上）、每周差評(píng)率（2星及以下）等信息。

各指標(biāo)在模型中的變量名稱及定義如表1所示。（表1）

本文選取的研究樣本是2015年2月至8月在中國大陸上映，且在每月票房前10名榜單中的25部電影。中國電影市場(chǎng)影片上映周期為3～11周，本研究樣本的平均上映期為5.64周，取前6周，上映期不足6周的，以實(shí)際周數(shù)為準(zhǔn)，共計(jì)125組數(shù)據(jù)。其中，參考多數(shù)研究文獻(xiàn)的做法，本文對(duì)除比例型變量以外的連續(xù)型變量均取自然對(duì)數(shù)形式，這種變換不僅與多階段消費(fèi)者決策過程的相關(guān)理論模型相符合，還可以平滑模型中變量的分布，使變量間關(guān)系趨于線性化。

（二）實(shí)驗(yàn)?zāi)Ｐ?/p>

首先，假設(shè)1、2、3討論網(wǎng)絡(luò)口碑和票房收入的相關(guān)關(guān)系，以每周票房收入的對(duì)數(shù)為因變量，通過運(yùn)算時(shí)間序列截面回歸函數(shù)進(jìn)行回歸分析，研究每周票房收入與熱議度、口碑效價(jià)、好評(píng)率/差評(píng)率的關(guān)系，同時(shí)引入固定效應(yīng)？滋i來控制由遺漏變量（影片類型、明星影響力等）引起的內(nèi)生性影響，以及時(shí)間趨勢(shì)變量Trendi來控制時(shí)間趨勢(shì)的變化對(duì)票房收入產(chǎn)生的影響。模型如下：

Ln Revenueit=？琢0+？琢1Ln Hotit+？琢2Ln Valit+？琢3PosRatioit+？琢4NegRatioit+？琢53egio

其中，i=1，2，…，N為電影樣本數(shù)；t=1，2，…，N為電影放映周數(shù)。

其次，參照Eliashberg和Shugan等的做法，以每周票房收入的對(duì)數(shù)為因變量，進(jìn)行每周獨(dú)立回歸，研究網(wǎng)絡(luò)口碑對(duì)影片票房收入的影響是如何隨上映周期變化的，模型如下：

Ln Revenueit=？琢0+？琢1Ln Hotit+？琢2Ln Valit+？琢3NegRatioit+？著it

其中，i=1，2，…，N為電影樣本數(shù)；t=1，2，…，N為電影放映周數(shù)。

（三）結(jié)果與分析。先通過Eviews 8.0運(yùn)行實(shí)驗(yàn)1的時(shí)間序列截面模型，回歸模型結(jié)果見表2。（表2）

采取逐步回歸的方法來進(jìn)行分析。模型1僅對(duì)時(shí)間趨勢(shì)變量進(jìn)行回歸分析，結(jié)果顯示為顯著的負(fù)向影響（=-1.235，？籽<0.001），表明票房收入存在趨勢(shì)性下降的情況，影片的上映時(shí)間越長，周票房收入越低，因此在模型中引入時(shí)間趨勢(shì)變量來去除趨勢(shì)的影響是有必要的。模型2和模型3分別加入熱議度和網(wǎng)絡(luò)口碑效價(jià)變量之后，模型的R2和調(diào)整后的R2值都變大了，且F-statistic結(jié)果也顯示新加入的解釋變量都是顯著地增加了對(duì)因變量的解釋力度（？籽<0.001），說明網(wǎng)絡(luò)口碑能夠顯著影響票房收入。Ln Hot和Ln Val的系數(shù)都是正向且顯著的（？籽<0.001），這似乎表明大眾對(duì)影片的熱議程度和在線評(píng)分都能顯著影響票房收入的增加，即網(wǎng)絡(luò)熱議程度越高，票房越高，網(wǎng)絡(luò)口碑效價(jià)越好，票房越好。但是，值得注意的是，當(dāng)將Ln Hot和Ln Val放入同一個(gè)模型（模型4）分析時(shí)，回歸結(jié)果表明，雖然模型的解釋力度顯著變強(qiáng)了（R2=0.869>0.859 or 0.822），但是Ln Val的系數(shù)變成了負(fù)值，且顯著性降低了（=-2.611，？籽<0.01），而Ln Hot的系數(shù)值增加了且仍為正，顯著性不變（=0.964，？籽<0.001，表示當(dāng)網(wǎng)絡(luò)口碑效價(jià)和熱議程度同時(shí)對(duì)票房收入產(chǎn)生影響時(shí)，口碑效價(jià)與低票房收入顯著相關(guān)，熱議度和高票房收入顯著相關(guān)。綜合模型2、3、4的結(jié)果來看，影片熱議度能夠正向影響票房收入，假設(shè)H1成立，這個(gè)結(jié)果和前人通過口碑?dāng)?shù)量指標(biāo)進(jìn)行分析的結(jié)果是一致的，進(jìn)一步說明了在移動(dòng)互聯(lián)網(wǎng)時(shí)代，影片的廣泛討論能夠有效提高影片的知曉程度，帶動(dòng)票房收入的增加。而關(guān)于網(wǎng)絡(luò)口碑效價(jià)的影響，鑒于模型3、4回歸結(jié)果的分歧，本文通過在模型4的基礎(chǔ)上分別加入解釋變量好評(píng)率和差評(píng)率進(jìn)行模型5和模型6的回歸分析，對(duì)網(wǎng)絡(luò)口碑效價(jià)的影響進(jìn)行補(bǔ)充討論。結(jié)果顯示，雖然加入新變量后，兩個(gè)模型的R2值又增加了，且模型6的R2和調(diào)整后的R2都略大于模型5 （0.876>0.872），說明好評(píng)/差評(píng)率使模型的擬合優(yōu)度得到了明顯的提升。但好評(píng)率的系數(shù)雖然是正值但是其實(shí)是不顯著的（=4.723，？籽<0.05），而差評(píng)率的回歸結(jié)果是負(fù)值且十分顯著（=-4.802，？籽<0.001），表明正面口碑并不重要，負(fù)面口碑卻很重要，假設(shè)H3成立。結(jié)合模型5、6和模型3、4的回歸結(jié)果，發(fā)現(xiàn)熱議度、網(wǎng)絡(luò)口碑效價(jià)、好評(píng)/差評(píng)率同時(shí)作用于票房收入時(shí)，回歸模型的解釋力度會(huì)顯著變強(qiáng)，說明移動(dòng)互聯(lián)網(wǎng)絡(luò)口碑對(duì)票房收入有十分重要的影響。其中，口碑效價(jià)和好評(píng)/差評(píng)率等解釋變量的加入后，Ln Val的系數(shù)仍舊是負(fù)值，和模型4結(jié)果對(duì)比發(fā)現(xiàn)模型5的結(jié)果是系數(shù)絕對(duì)值變大，顯著性不變，而模型6的結(jié)果是系數(shù)絕對(duì)值變大，顯著性變強(qiáng)（？琢2-Posratio=-4.102，？籽<0.01；？琢2-Negratio=-3.538，？籽<0.001），表明口碑效價(jià)并不能正向影響票房收入，假設(shè)H2不成立，這也驗(yàn)證了楊揚(yáng)（2015）和汪旭輝（2015）等人的研究結(jié)論。

表3所示是實(shí)驗(yàn)2運(yùn)行每周獨(dú)立回歸模型的結(jié)果，僅僅涉及了3個(gè)解釋變量（Negratio，Ln Hot，Ln Val），分別對(duì)電影上映后6周內(nèi)每周的網(wǎng)絡(luò)口碑對(duì)票房收入的影響進(jìn)行回歸分析，分析網(wǎng)絡(luò)口碑對(duì)處于不同周期的電影票房收入的影響。（表3）

結(jié)果顯示，在6周的上映周期內(nèi)，影片熱議度對(duì)每周票房收入都有顯著的正向影響，在上映首周，影響最大（=0.8），第2周小幅下降至0.781，第3周開始衰減至0.639，顯著性也從第5周開始下降，假設(shè)H4成立。影片熱議度在電影上映初期會(huì)與電影票房的收入有較高相關(guān)性，但其影響會(huì)隨上映期的增長而降低。關(guān)于網(wǎng)絡(luò)口碑效價(jià)，由表2的回歸分析結(jié)果可知，當(dāng)和熱議度同時(shí)作用于票房收入時(shí)，網(wǎng)絡(luò)口碑效價(jià)在6周的上映周期內(nèi)會(huì)表現(xiàn)為顯著的負(fù)向影響，但表3的每周獨(dú)立回歸結(jié)果顯示，口碑效價(jià)只在上映首周對(duì)票房收入有較顯著的負(fù)向影響，且影響系數(shù)較小，從第2周開始并沒有顯著的影響，假設(shè)H2依然不成立，H5部分成立。據(jù)表2所示的回歸結(jié)果分析，正面口碑對(duì)票房收入并沒有顯著的影響，而負(fù)面口碑有顯著的負(fù)向影響，因此實(shí)驗(yàn)2僅采用差評(píng)率變量作為口碑效價(jià)影響的補(bǔ)充。表3結(jié)果顯示，負(fù)面口碑只在上映首周和第2周對(duì)票房收入有顯著的影響，尤其是在第2周，差評(píng)率每增加1%，票房收入會(huì)降低5.898%。第3周之后，負(fù)面口碑的影響也不再顯著了，假設(shè)H5成立。

四、結(jié)論及啟示

本文以移動(dòng)互聯(lián)網(wǎng)時(shí)代電影行業(yè)為研究背景，使用國內(nèi)領(lǐng)先的社交網(wǎng)絡(luò)平臺(tái)“新浪微博”統(tǒng)計(jì)的影片網(wǎng)絡(luò)熱議度數(shù)據(jù)和國內(nèi)最大的電影愛好者集聚平臺(tái)“豆瓣電影”統(tǒng)計(jì)的電影評(píng)分和好評(píng)/差評(píng)率數(shù)據(jù)，結(jié)合電影每周票房收入，對(duì)網(wǎng)絡(luò)口碑和電影票房收入的關(guān)系進(jìn)行實(shí)證分析，主要結(jié)論和營銷啟示如下：

（一）網(wǎng)絡(luò)熱議度在電影上映的前6周均對(duì)電影每周票房收入有顯著的正向影響，但其影響效應(yīng)呈隨時(shí)間遞減的變化趨勢(shì)。這不僅補(bǔ)充驗(yàn)證了前人有關(guān)網(wǎng)絡(luò)口碑知曉效應(yīng)的研究，同時(shí)從最簡單的營銷層面上啟示我們，任何電影營銷活動(dòng)都應(yīng)當(dāng)以引發(fā)網(wǎng)絡(luò)廣泛討論為前提，尤其是在電影上映期前的造勢(shì)和上映周期前兩周宣傳擴(kuò)散。例如，可以在社交平臺(tái)上引爆與潛在消費(fèi)者有強(qiáng)相關(guān)性的電影相關(guān)話題，來引起大眾對(duì)電影的關(guān)注；或者借助明星社會(huì)網(wǎng)絡(luò)資源，運(yùn)用“粉絲效應(yīng)”帶動(dòng)影片的熱議度。

（二）口碑效價(jià)反映的是廣大消費(fèi)者對(duì)電影質(zhì)量的個(gè)人判斷，在一定程度上會(huì)影響潛在消費(fèi)者的觀影決策。本文的研究結(jié)果表明，負(fù)面口碑對(duì)電影票房的傷害作用大于正面口碑的助力作用，尤其是在上映期的前兩周，有顯著的負(fù)向影響。因此，盡管電影發(fā)行方更希望影片獲得更多的好評(píng)，但在成本有限的情況下，相對(duì)于促進(jìn)正面口碑的營銷活動(dòng)，營銷團(tuán)隊(duì)?wèi)?yīng)更多的將資金用于成本效益更高的，可以控制負(fù)面口碑影響的活動(dòng)。比如，當(dāng)預(yù)估電影口碑可能不好或不符合主流市場(chǎng)消費(fèi)者的品位時(shí)，發(fā)行方應(yīng)當(dāng)放棄提前點(diǎn)映活動(dòng)以延遲負(fù)面口碑的發(fā)酵期。電影《一步之遙》就是一個(gè)很好的反面例子，近3，000名觀眾的首映式囊括了各路精英人士，造足了勢(shì)頭，然而影迷看完之后紛紛在微博表示“看不懂”，上映18天，票房5.04億元，而第18天的票房僅111萬元，距離一開始夸口的20億票房有天壤之別，一部寫輿論殺人的電影結(jié)果在移動(dòng)互聯(lián)網(wǎng)時(shí)代的口碑輿論上馬失前蹄。

主要參考文獻(xiàn)：

[1]第36次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R].CNNIC，2015.

[2]安迪·塞諾維茲.口碑的力量[M].臺(tái)海出版社，2014.9.

[3]Mishne G，Glance N.Predicting moviesales from blogger sentiment[C].//AAAI2006 Spring Symposiumon Computational Approaches to Analysing Weblogs. MenloPark，CA：AAAI Press，2006.

[4]Chakravarty A，Liub Y，Mazumdar T.The differential effects of online word-of-mouth and criticsreviews on pre-release movie evaluation[J].Journal of Interactive Marketing，2010.24.3.

[5]Zhang W，Skiena S.Improving Movie Gross Prediction Through News Analysis[C].//Proceedingsof the 2009 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology.IEEE Computer Society，2009.

[6]Sitaram A，HubermanB.A.Predicting the future with social media[C].//2010IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology（WI-IAT）.IEEE Computer Society，2010.

[7]史偉，王洪偉，何紹義.基于微博情感分析的電影票房預(yù)測(cè)研究[J].華中師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2015.49.1.

[8]汪旭暉，王軍.網(wǎng)絡(luò)口碑如何影響電影票房——中國電影“高票房低口碑”現(xiàn)象反思[J].湖南師范大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2015.2.

[9]周明升，韓冬梅.基于社交媒體用戶評(píng)論和關(guān)注度的電影票房預(yù)測(cè)模型[J].微型機(jī)與應(yīng)用，2014.18.

[10]Godes D，Mayzlin D.Using Online Conversations to Study Word of Mouth Communication[J].Marketing Science，2002.23.

[11]Chevalier J A，Mayzlin D.The Effect of Word of Mouth on Sales：Online Book Reviews[J].Nber Working Papers，2004.43.3.

[12]Carlston D E，Skowronski J J.Linking versus thinking：evidence for the different associative and attributional bases of spontaneous trait transference and spontaneous trait inference[J].Journal of Personality & Social Psychology，2006.89.6.

[13]Hardie B G S，F(xiàn)ader P S. Modeling Loss Aversion and Reference Dependence Effects on Brand Choice[J].Social Science Electronic Publishing，1993.12.4.

[14]Eliashberg J，Shugan S M.Film critics：Influencers or predictors[J].Journal of Marketing，1997.61.2.