電影預(yù)告片在線投放對票房的影響
——基于文本情感分析方法

孫春華，劉業(yè)政

(合肥工業(yè)大學(xué)管理學(xué)院，安徽 合肥 230009)

電影預(yù)告片在線投放對票房的影響
——基于文本情感分析方法

孫春華，劉業(yè)政

(合肥工業(yè)大學(xué)管理學(xué)院，安徽 合肥 230009)

預(yù)告片是電影上映之前的一種營銷方式。過去，預(yù)告片主要通過影院或者電視平臺進行傳播，現(xiàn)在，預(yù)告片更多被投放在網(wǎng)絡(luò)視頻播放平臺上。本文研究預(yù)告片的在線投放策略對預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感的影響，以及預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對影片票房的影響?；诩儽┞独碚?、消費者參與理論提出了研究假設(shè)，從視頻網(wǎng)站時光網(wǎng)(www.mtime.com)和電影數(shù)據(jù)庫網(wǎng)站藝恩網(wǎng)(www.entgroup.cn)采集了研究數(shù)據(jù)，對預(yù)告片評論文本進行了文本情感分析，建立模型并對模型參數(shù)進行了估計。研究結(jié)果表明：(1)預(yù)告片的投放時間、數(shù)量、長度對預(yù)告片關(guān)注數(shù)量有顯著作用。提前投放和密集投放會提高預(yù)告片的營銷效果。(2)預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對影片票房有顯著作用。關(guān)注數(shù)量越多，積極情感詞匯越多，票房越高。(3)影片上映之前，預(yù)告片評論中的“樂”、“哀”詞頻對票房有顯著作用。影片上映期間，預(yù)告片評論中的“好”、“惡”詞頻對影片票房有顯著作用。研究結(jié)論可以為電影營銷策略制定和營銷資源分配提供支持。

電影預(yù)告片；在線投放；關(guān)注；情感；票房

1 引言

預(yù)告片是電影正式上映之前的一種營銷手段，通過對影片題材、風(fēng)格、情節(jié)的提前展示，提高觀眾對影片的關(guān)注和期待[1]。過去，預(yù)告片主要是在影院和電視平臺進行播放。現(xiàn)在，電影營銷者將預(yù)告片投放在視頻網(wǎng)站上，使其成為影音產(chǎn)品的新興渠道[2]。除了觀看預(yù)告片以外，一些視頻網(wǎng)站還設(shè)置了交流區(qū)，用戶可以對預(yù)告片進行評價和參與討論，實現(xiàn)了口碑傳播的目的。從視頻分享平臺可以看到，一些預(yù)告片引起了密集的討論，另一些卻悄無聲息。有的預(yù)告片對觀眾喜好產(chǎn)生正面作用，有的預(yù)告片則產(chǎn)生負面作用[3]。預(yù)告片對觀眾行為及影片票房的作用機制引起了研究者的關(guān)注。

相關(guān)的研究包括：(1)預(yù)告片研究?，F(xiàn)有研究主要聚焦于預(yù)告片的內(nèi)容和設(shè)計要素方面[3-6]。Finsterwalder等[4]研究了預(yù)告片的人物、風(fēng)格、故事、音樂、流派等因素如何激發(fā)觀眾對影片的期待；Sauer[5]研究了預(yù)告片中的一些啟發(fā)式線索，例如不知名電影與知名電影之間的關(guān)聯(lián)是否會影響觀眾對不知名電影的評價；Suckfüll等[6]將預(yù)告片分為故事型、情感型和質(zhì)量型，檢驗了觀眾的信息接受模式與觀眾對預(yù)告片的評價之間的關(guān)系；Hou Yimin等[3]研究了預(yù)告片的顏色、運動及鏡頭等多媒介特征對Youtube網(wǎng)站上用戶喜好的影響。(2)電影票房研究。電影票房預(yù)測一直是研究者關(guān)注的熱點問題。早期的研究主要是基于影片自身特征、營銷要素特征、競爭影片特征等建立預(yù)測模型，近年來的研究開始關(guān)注消費者生成的在線評論、在線搜索等信息對票房的預(yù)測作用。例如，Duan Wenjing等[7]研究了在線評論的數(shù)量和極性對電影票房的作用；Gopinath等[8]研究了電影上映前后的博客對票房的作用。Karniouchina[9]從雅虎評論中區(qū)分出電影和演員兩種蜂鳴(Buzz)，研究了兩種蜂鳴產(chǎn)生的前向影響因素，以及它們對影片票房的作用。國內(nèi)研究方面,也有一些研究成果。例如，郝媛媛等[10]研究了在線評論情感傾向?qū)﹄娪捌狈渴杖氲挠绊?；王煉等[11]建立了基于網(wǎng)絡(luò)搜索的票房預(yù)測模型。上述研究并未涉及預(yù)告片，使用的在線評論是電影評論而非預(yù)告片評論。目前，也有研究者將預(yù)告片觀看和轉(zhuǎn)發(fā)等數(shù)據(jù)納入了票房預(yù)測模型。例如，Oh 等[2]以40部電影為樣本，為每一部電影選擇具有最大點擊數(shù)的預(yù)告片為代表，檢驗了預(yù)告片觀看時長、評論數(shù)量、分享數(shù)量與票房之間的關(guān)系，發(fā)現(xiàn)在電影上映期間，預(yù)告片的每日觀看時長和評論數(shù)量正向地影響每日分享數(shù)量，每日分享數(shù)量正向地影響日票房；Apala等[12]基于影片上映之前的在線社交媒介數(shù)據(jù)，包括Twitter上的導(dǎo)演粉絲數(shù)量、演員粉絲數(shù)量、Youtube上的預(yù)告片觀看數(shù)量、預(yù)告片評論數(shù)量等建立分類模型，用于票房預(yù)測；Oh 等[13]基于電影上映之前多個社交媒介的用戶參與行為數(shù)據(jù)，包括預(yù)告片觀看數(shù)、影片粉絲數(shù)，微博數(shù)等，驗證了用戶參與行為對電影首周票房的正面作用。(3)文本情感分析和文本回歸。情感分析是通過自然語言處理或者機器學(xué)習(xí)自動識別出文本情感特征的方法。Archak等[14]指出，在線文本中包括各種混合的產(chǎn)品特征與觀點，對文本內(nèi)容的挖掘可以用于消費者偏好學(xué)習(xí)和銷售變化建模與預(yù)測。Joshi等[15]將文本分析與回歸結(jié)合的方法稱為“文本回歸”，該研究基于文本回歸方法預(yù)測電影票房，發(fā)現(xiàn)在模型中加入文本特征確實能夠提高預(yù)測效果。Rui Huaxia等[16]和史偉等[17]在電影票房研究中，也使用了文本情感分析方法。

本文研究的是預(yù)告片的投放策略，包括投放時間、數(shù)量和長度對觀眾的關(guān)注和情感反應(yīng)的影響，以及觀眾的關(guān)注和情感反應(yīng)對影片票房的影響。本文與先前研究的不同之處在于：(1)本研究更關(guān)注預(yù)告片的投放策略。我們認為，預(yù)告片的內(nèi)容在很大程度上取決于影片本身。例如，預(yù)告片的情節(jié)和畫面往往直接來自于影片。因此，預(yù)告片內(nèi)容的作用可以被視為影片固定效應(yīng)的一部分。而且，對于電影制片商和營銷者而言，預(yù)告片投放策略更容易控制和調(diào)整。(2)本研究使用文本分析方法，提取了預(yù)告片評論中的“好”、“惡”、“樂”、“哀”類情感詞，計算了情感詞頻及情感極性，并用于預(yù)告片評論作用的統(tǒng)計檢驗。(3)本研究比較了影片上映之前和影片上映期間的預(yù)告片作用差異。發(fā)現(xiàn)了預(yù)告片投放時間、預(yù)告片評論情感詞頻等因素在兩個時間階段上的作用差異。

2 理論依據(jù)與研究假設(shè)

2.1預(yù)告片投放策略的作用

先前研究中，預(yù)告片對電影票房的作用主要從兩個方面進行解釋。一方面，電影是一種短生命周期產(chǎn)品，上映期只有一個月左右，有必要在影片正式上映之前進行廣告宣傳，起到“預(yù)熱”作用。預(yù)告片作為一種廣告形式，有助于在影片上映之前創(chuàng)建觀眾對電影品牌的意識[1]。另一方面，電影又是典型的體驗型產(chǎn)品，消費者很難在實際消費之前判斷產(chǎn)品質(zhì)量。與電影海報等其他形式的廣告相比，預(yù)告片是電影的“縮減版”，類似于新產(chǎn)品開發(fā)中的“樣品”，它為消費者提供了提前嘗試產(chǎn)品的機會[2]，有助于觀眾對影片質(zhì)量及風(fēng)格是否符合個人偏好進行判斷。

過去，預(yù)告片主要在影院和電視平臺播放，由于播放時間和費用方面的限制，制片商往往只為一部電影制作一兩段預(yù)告片。在線渠道的出現(xiàn)打破了播放時間與費用的限制。制片商可以為一部電影制作十幾段、甚至幾十段預(yù)告片，并進行投放。預(yù)告片的投放時間、投放數(shù)量、曝光程度均可能對預(yù)告片的營銷效果產(chǎn)生影響。

純暴露理論認為只要廣告的出現(xiàn)頻率夠高、即便只是簡單的接觸，也足以使受眾對新的產(chǎn)品產(chǎn)生積極的態(tài)度，甚至在受眾還沒有對接觸的信息進行認知加工時也是如此。Ehrenberg[18]的研究顯示，重復(fù)的預(yù)先投放廣告可以提高信息不足的消費者的意識，最終增加新產(chǎn)品的銷量。Karray 等[1]在研究預(yù)告片的內(nèi)容和執(zhí)行特征對好萊塢虛擬股票交易市場上累計平均異常回報的作用時發(fā)現(xiàn)，首段預(yù)告片更早發(fā)行會正向影響電影回報，作者解釋為預(yù)告片的投放時間傳遞了電影拍攝進展順利、能夠如期上映的信號。本研究認為，預(yù)告片作為一種廣告形式，同樣存在上述規(guī)律，即無論預(yù)告片內(nèi)容如何，預(yù)告片投放越早、數(shù)量越多、長度越長，則曝光程度越高，所引起的關(guān)注水平也就越高，預(yù)告片的高頻率投放策略吸引了更多觀眾的注意。由此提出假設(shè)：

H1a：預(yù)告片的投放策略對預(yù)告片關(guān)注數(shù)量有影響。預(yù)告片投放越早、投放數(shù)量越多、視頻長度越長，則預(yù)告片關(guān)注數(shù)量越多。

新產(chǎn)品擴散研究表明，新產(chǎn)品的擴散是一個過程，包括意識和采納兩個階段[19]，產(chǎn)品預(yù)投放時期的營銷活動通過改變消費者意識而發(fā)生作用[20]。市場上的消費者們對產(chǎn)品的意識和偏好隨著時間而變化，早期產(chǎn)生產(chǎn)品意識的消費者有更多的時間去影響剩余的市場并成為意見領(lǐng)袖，后期產(chǎn)生產(chǎn)品意識的消費者由于近因效應(yīng)的存在，對新產(chǎn)品的反應(yīng)更為強烈[20]。就電影產(chǎn)品而言，一些人對影片信息更敏感，他們早在電影放映之前就看過所有預(yù)告片，對影片內(nèi)容比較熟悉，另一些人直到電影上映了、身邊的人開始熱烈討論電影內(nèi)容，才知道有這樣一部電影，此時，這些人會借助于搜尋和觀看預(yù)告片以決定是否值得去觀看這一部電影。因此，預(yù)告片的作用不止發(fā)生在影片上映之前，也發(fā)生在影片上映期間。習(xí)慣于在上映之前觀看預(yù)告片的人和在上映期間觀看預(yù)告片的人屬于不同的類型，預(yù)告片對他們的作用有所不同。例如，預(yù)告片投放時間的早晚只會影響早期意識者，對于那些后期意識者而言，預(yù)告片投放時間的早晚并沒有什么區(qū)別。由此提出假設(shè)：

H1b：影片上映之前和影片上映期間，預(yù)告片投放時間、數(shù)量、長度對預(yù)告片關(guān)注數(shù)量的作用不完全相同。

2.2預(yù)告片關(guān)注和情感的作用

消費者參與(Consumer engagement)，指消費者與公司、品牌或者產(chǎn)品之間的關(guān)聯(lián)，是一種心理結(jié)構(gòu)，包括認知、情感和行為維度，表現(xiàn)為消費者對公司、品牌、產(chǎn)品的關(guān)注或者興趣等等，消費者參與可以帶來消費者滿意、信任、承諾等[13]。社交媒介上的消費者參與行為有信息搜尋、建立標(biāo)簽、發(fā)表評論、參與討論、推薦、寫博客或者微博等[2]。本研究認為，人們觀看預(yù)告片和分享自己的觀影感受都屬于消費者參與行為，觀看預(yù)告片說明觀眾對電影產(chǎn)生了興趣，發(fā)表評論說明觀眾在觀看過程中產(chǎn)生了積極或者消極的情感反應(yīng)。當(dāng)觀眾觀看并發(fā)表評論之后,觀眾與影片之間已經(jīng)建立了關(guān)聯(lián)。Cross等[21]的研究發(fā)現(xiàn),電影作為一種享樂型產(chǎn)品，可以激發(fā)觀眾的正面情感，例如快樂、有趣、滿足、搞笑，也可以激發(fā)觀眾的負面情感，例如憂慮、悲傷、憤怒、失望。預(yù)告片作為電影的“樣品”，同樣可以引起觀眾的情感反應(yīng)[3]。如果觀眾在觀看預(yù)告片過程中產(chǎn)生的情感反應(yīng)是正面的、積極的，他在未來就會更加關(guān)注這部影片，更有可能做出觀影的決策。

此外，預(yù)告片的關(guān)注和情感會作為一種口碑信息對后來消費者的決策產(chǎn)生影響。對于電影這類體驗型產(chǎn)品，口碑信息能夠消除購買者的不確定性，輔助其進行決策[22]，口碑中的產(chǎn)品特征和觀點可以用來預(yù)測消費者的購買意向[23]。Divakaran 等[24]的研究發(fā)現(xiàn)，與電影評論家評論相比，社區(qū)成員評價對于票房更有預(yù)測效力。Moon等[20]的研究也表明，消費者的意識和偏好對影片銷售有預(yù)測作用。

由此提出假設(shè)：

H2a：預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對影片票房產(chǎn)生影響。關(guān)注數(shù)量越多，積極情感越多，票房越高。

先前研究檢驗了在線評論的數(shù)量與極性對電影票房的作用。但是，研究結(jié)論并不一致，一些研究發(fā)現(xiàn)了在線評論的數(shù)量與極性對于票房的作用[10，17，25]，另一些研究發(fā)現(xiàn)只有評論數(shù)量對票房有作用，而評論極性則不產(chǎn)生作用[7，9，26]，Gopinath等[8]的研究得到了一個有趣的發(fā)現(xiàn)：首日票房只受到評論數(shù)量的影響，而后期的票房則受到評論極性的影響，本研究認為這反映了上映之前和上映期間的評論作用差異。在電影上映之前，很少有人看過完整的電影，所給出的評論只是基于信息片段的推測，缺少說服力[27]，而上映期間的評論是早期嘗試者在觀影之后的反饋，更加有說服力。由此提出假設(shè)：

H2b：影片上映之前和影片上映期間，預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對票房的作用不完全相同(如圖1)。

圖1 預(yù)告片的影響過程

3 數(shù)據(jù)收集與處理

3.1數(shù)據(jù)收集

本研究首先抽取了2013至2015年期間上映的65部影片為研究樣本，其中，國產(chǎn)影片33部，進口影片32部，涉及了喜劇、動畫、科幻、動作、驚悚、劇情、戰(zhàn)爭、魔幻、愛情、文藝等10個流派。然后，以時光網(wǎng)(www.mtime.com)為視頻收集平臺，查找上述影片的所有預(yù)告片，共計找到464段預(yù)告片。在每一段預(yù)告片下方的用戶討論區(qū)有該預(yù)告片的評論。時光網(wǎng)也提供有電影評論和電影評分。與電影評論相比，預(yù)告片評論多數(shù)出現(xiàn)在電影上映之前，文本更為簡短，反應(yīng)的是觀眾對影片的期待和初步判斷。本文研究的是預(yù)告片的作用，因此只對預(yù)告片評論進行了收集和文本處理。本研究收集了464段預(yù)告片的全部評論，共計6920條預(yù)告片評論。樣本影片的預(yù)告片投放數(shù)量和預(yù)告片評論規(guī)模的統(tǒng)計描述見表1。

表1 樣本概述

經(jīng)過初步統(tǒng)計，發(fā)現(xiàn)：65部影片都有預(yù)告片，一部影片最多擁有34段預(yù)告片，最少擁有1段預(yù)告片。在65部影片中，36部影片的預(yù)告片有上映前評論，13部影片的預(yù)告片沒有上映前評論，但是有上映后評論，16部影片的預(yù)告片沒有評論。

本研究從藝恩網(wǎng)(www.entgroup.cn)收集了上述65部影片的周票房、總票房、上映時間、制片公司、導(dǎo)演、演員、海報、新聞等數(shù)據(jù)。為了對數(shù)據(jù)進行核實，本研究還收集了電影票房數(shù)據(jù)庫(58921.com)中的票房、放映場次、觀影人次等數(shù)據(jù)，并對數(shù)據(jù)一致性進行了分析。

3.2文本處理

本研究對時光網(wǎng)的6920條預(yù)告片評論進行了文本處理，目標(biāo)是識別出其中的情感詞匯。文本更能夠表達真實情感，并為消費者決策提供進一步支持[28]。文本處理的具體步驟為：(1)將預(yù)告片評論按照發(fā)表時間排序，應(yīng)用中國科學(xué)院計算技術(shù)研究所的ICTCLAS分詞系統(tǒng)對評論進行分詞和詞性標(biāo)注，由于評論語料存在規(guī)范性和口語化等問題，所以采用人工方式對分詞結(jié)果進行了判定和修正。(2)將影片上映日之前的預(yù)告片評論保存為文本集1，共計4017條。(3)影片的上映周期通常為1個月左右，本文統(tǒng)一以1個月為上映期，將上映之日起1個月之內(nèi)的預(yù)告片評論保存為文本集2，共計1628條。(4)情感主要表現(xiàn)為形容詞和動詞形式，也有少數(shù)名詞帶有情感傾向。我們依據(jù)詞性標(biāo)注結(jié)果提取文本集中所有形容詞、動詞和名詞，按照其在文本集中出現(xiàn)的頻次進行排序，過濾其中低頻詞匯，人工剔除無關(guān)情感詞匯，得到情感詞集合。(5)情感詞之前出現(xiàn)“不”、“無”、“沒”、“沒有”、“失”、“失去”等否定詞的，連同否定詞一起作為情感詞短語。(6)參考大連理工大學(xué)的情感詞匯本體的結(jié)構(gòu)[29]，并結(jié)合預(yù)告片評論文本的特點，對提取出來的情感詞及短語進行歸類，歸類采用人工投票策略。大連理工大學(xué)的情感詞匯本體包括“樂”、“好”、“怒”、“哀”、“懼”、“惡”、“驚”7個情感大類，每個大類下又包括若干子類，共計21個情感類。通過歸類發(fā)現(xiàn)，情感詞集中于“好”、“樂”、“惡”、“哀”四個大類，“懼”、“怒”、“驚”很少出現(xiàn)，因此采用“好”、“樂”、“惡”、“哀”四個大類對情感詞匯進行歸類， “懼”“怒”、“驚”只有極個別詞匯，按照接近程度將“懼”歸于“哀”類，將“怒”、“驚”歸于“惡”類。預(yù)告片評論中的高頻情感詞匯及歸類結(jié)果如表2所示。

表2 預(yù)告片評論中的高頻情感詞匯及歸類示例

3.3情感值計算

我們對照上述的情感詞匯表，對每一條評論進行查找，找到其中的情感詞，歸入情感大類，并統(tǒng)計各個情感大類上的詞頻數(shù)。最終，得到預(yù)告片評論在“好”、“樂”、“惡”、“哀”四大類別上的詞頻數(shù)，計為一個四元組(g,h,d,s)。

以影片為單位，按照評論發(fā)表時間進行累計，可以得出每一部影片的上映前情感詞頻，以及影片上映期間的每周情感詞頻。

本研究對預(yù)告片評論的情感極性進行了計算，SenVal=g+h-d-s。如果預(yù)告片評論中“好”、“樂”詞頻之和大于“惡”、“哀”類詞頻之和，則該預(yù)告片評論的情感極性為正，如果預(yù)告片評論中“惡”、“哀”詞頻之和大于“好”、“樂”類詞頻之和，則該預(yù)告片評論的情感極性為負。

3.4變量描述

3.4.1 預(yù)告片投放變量

預(yù)告片投放的相關(guān)變量：(1)預(yù)告片投放時間。影片的拍攝需要一段時間，有些電影在拍攝之初就開始了宣傳，另一些電影直至拍攝即將完畢才開始營銷。本研究以天為單位，計算每部電影的首段預(yù)告片發(fā)布時間與影片上映時間之間的間隔。(2)預(yù)告片投放數(shù)量。一些電影制片方會提前制作一系列的預(yù)告片，每隔一段時間投放一段預(yù)告片，以達到保持觀眾注意、避免遺忘的目的。我們對預(yù)告片數(shù)量進行了統(tǒng)計。(3)預(yù)告片長度。我們以秒為單位，度量了每段預(yù)告片的長度以及每一部影片的所有預(yù)告片的平均長度。

3.4.2 預(yù)告片的觀眾反應(yīng)變量

預(yù)告片的觀眾反應(yīng)變量包括：(1)預(yù)告片關(guān)注數(shù)量。時光網(wǎng)沒有提供預(yù)告片觀看數(shù)量，本文以預(yù)告片評論數(shù)量為預(yù)告片關(guān)注數(shù)量的替代變量。本文認為，評論是一種消費者參與行為，發(fā)表評論這一行為意味著消費者觀看了預(yù)告片，而且在心理上與影片之間建立了關(guān)聯(lián)，預(yù)告片評論數(shù)量可以作為預(yù)告片關(guān)注數(shù)量的替代。(2)預(yù)告片評論情感。本研究計算了每一部影片在上映之前和上映期間的預(yù)告片評論中的情感詞頻，共計得到四個情感大類上的詞頻，分別為“好”詞頻、“樂”詞頻、“惡”詞頻和“哀”詞頻。本研究也計算了上映之前和上映期間的預(yù)告片評論情感極性值。

3.4.3 票房變量

藝恩網(wǎng)提供了每部影片的總票房和周票房。每部影片的上映期并不完全一樣，絕大多數(shù)的影片上映期在4-5周，本文的周票房數(shù)據(jù)統(tǒng)一計算至上映后5周。另外，本文對藝恩網(wǎng)的票房數(shù)據(jù)與電影票房數(shù)據(jù)庫的票房數(shù)據(jù)進行了一致性檢驗，兩組數(shù)據(jù)的Pearson相關(guān)系數(shù)為0.9941(p<0.001)，數(shù)據(jù)之間的一致性較高。

3.3.4 其他控制變量

其他可能對票房產(chǎn)生影響的因素主要有：(1)影片的相關(guān)特征，包括制片公司影響力、導(dǎo)演影響力、演員影響力、影片是否續(xù)集、影片的國別、上映時間是否假日等。(2)其他的營銷策略，包括海報、新聞等。本研究對這些因素進行了度量，并作為協(xié)變量加入模型。

制片公司、導(dǎo)演及演員影響力在先前研究中有兩種度量方法，一是基于網(wǎng)絡(luò)搜索指數(shù)、粉絲數(shù)等指標(biāo)來度量[12]，二是使用以往獲獎記錄或者參與高票房影片的記錄來度量，并設(shè)定為虛擬變量[30-32]。本研究的樣本包括國內(nèi)和國外影片，這兩部分樣本在中文搜索引擎上的指數(shù)值不具有可比性，所以本研究采用了第二種度量方法。制片公司影響力依據(jù)以往的高票房影片產(chǎn)出情況，設(shè)定為知名和非知名兩個等級。導(dǎo)演及演員影響力依據(jù)以往的國際與國內(nèi)獲獎情況，設(shè)定為國際獎、國內(nèi)獎、非獲獎三個等級。影片是否續(xù)集、影片國別、上映日是否假日均設(shè)置為虛擬變量。

海報和新聞數(shù)據(jù)均來自時光網(wǎng)。時光網(wǎng)提供了每部影片的劇情介紹、圖片、新聞等信息。劇情介紹為統(tǒng)一格式的文本，圖片包括海報、桌面、DVD封套等，新聞指所有與影片相關(guān)的新聞，并帶有時間標(biāo)簽?？紤]到預(yù)告片、海報、新聞是最常用的影片營銷方式，本研究將海報數(shù)量和新聞數(shù)量納入了控制變量的范圍。

主要研究變量的描述性統(tǒng)計結(jié)果如表3所示。

4 模型建立與擬合

4.1預(yù)告片投放策略對預(yù)告片關(guān)注數(shù)量的影響

如前文所述，一部分預(yù)告片在投放之后所獲得的關(guān)注數(shù)量為0，另一部分預(yù)告片所獲得的關(guān)注數(shù)為正整數(shù)值，由于數(shù)據(jù)的這一特點，本研究使用Hurdle 模型來檢驗預(yù)告片投放策略對預(yù)告片關(guān)注數(shù)量的影響。Hurdle模型將數(shù)據(jù)中的零計數(shù)和正計數(shù)分開，分別進行概率估計。因此，模型包括兩個部分：一個二分類模型和一個截斷計數(shù)模型，前者用于判斷事件是否發(fā)生的概率，后者用于處理“零”值數(shù)據(jù)截斷之后的計數(shù)。

本研究使用R軟件的pscl程序包對Hurdle模型的兩個部分進行參數(shù)估計。為了能夠區(qū)分上映之前和上映期間的作用差異，本文將影片上映前的預(yù)告片關(guān)注數(shù)量(是否受關(guān)注和受關(guān)注頻次)和影片上映期間的預(yù)告片關(guān)注數(shù)量(是否受關(guān)注和受關(guān)注頻次)分開進行了估計，結(jié)果如表4所示。

表3 主要研究變量的描述性統(tǒng)計

表4 預(yù)告片投放策略對預(yù)告片關(guān)注數(shù)量的影響

注：***顯著性水平0.001，**顯著性水平0.01，*顯著性水平0.05。

由表4可以看出：(1)影片特征及預(yù)告片投放策略更多影響關(guān)注程度，而不是關(guān)注與否。只有國別這一個因素顯著地影響預(yù)告片的關(guān)注與否。兩個模型的zero hurdle成分的參數(shù)估計結(jié)果完全相同，是因為上映前關(guān)注數(shù)為0的影片，其上映后關(guān)注數(shù)也為0，這一部分樣本完全重疊。(2)預(yù)告片的投放策略顯著影響預(yù)告片的關(guān)注數(shù)量。影片上映之前，預(yù)告片投放越早、投放數(shù)量越多，關(guān)注數(shù)量就越高。影片上映期間，預(yù)告片數(shù)量越多，關(guān)注數(shù)量就越高。另外，預(yù)告片的長度并非越長越好，簡短的預(yù)告片受到了更多關(guān)注。因此，假設(shè)H1a得到了部分支持，其中預(yù)告片投放時間和數(shù)量的作用與研究預(yù)期一致，而預(yù)告片長度的作用與預(yù)期不一致，這一點可以理解為，預(yù)告片長度過長可能導(dǎo)致觀眾認知負荷大、觀看興趣下降，這阻礙了預(yù)告片的傳播效果。(3)影片特征也對預(yù)告片的關(guān)注數(shù)量產(chǎn)生影響。制片公司影響力、導(dǎo)演影響力對預(yù)告片關(guān)注數(shù)量有顯著的正向作用，但這一作用僅限于影片上映之前。演員影響力對預(yù)告片關(guān)注數(shù)量有正向作用，明星的吸引效應(yīng)在上映前和上映后始終存在。國產(chǎn)影片比進口影片受到更多關(guān)注，這可能與國內(nèi)觀眾的文化背景以及國產(chǎn)影片的主場營銷優(yōu)勢有關(guān)。

影片上映之前與影片上映期間，影響預(yù)告片關(guān)注數(shù)量的因素有所不同，主要表現(xiàn)在預(yù)告片投放時間、制片公司影響力和導(dǎo)演影響力上，它們的作用只發(fā)生在影片上映之前。本研究認為，預(yù)告片及預(yù)告片網(wǎng)頁上的評論起著創(chuàng)建產(chǎn)品意識和傳播產(chǎn)品體驗的作用。影片上映之前，預(yù)告片投放越早，投放數(shù)量越多，越容易提高觀眾的產(chǎn)品意識。影片上映之后，預(yù)告片仍然發(fā)生作用，看過電影的人在這里發(fā)表感想，沒看過的人來這里搜尋信息。后者是新產(chǎn)品擴散過程中的跟隨者，預(yù)告片的投放時間對他們而言并不重要，他們關(guān)注的是當(dāng)前的熱門影片。另外，大制作的電影，其預(yù)告片一旦發(fā)出就會引起人們關(guān)注，這種電影自帶的光環(huán)及對市場的吸引力，是那些小制作電影所不具備的，小制作電影的預(yù)告片在投放之后往往沒有多少市場反應(yīng)，直到電影上映之后才開始為眾人所知曉，預(yù)告片的關(guān)注數(shù)量迅速上升。因此，上述變量的作用只發(fā)生在影片上映之前。假設(shè)H1b得到了支持。

4.2預(yù)告片關(guān)注數(shù)量及情感反應(yīng)對票房的影響

為了檢驗預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對票房的作用，本文分別建立了兩個模型：(1)對首周票房建立了截面數(shù)據(jù)模型，用于檢驗上映前的預(yù)告片關(guān)注數(shù)量、預(yù)告片評論情感對于首周票房的作用。(2)對后續(xù)周票房建立了面板數(shù)據(jù)模型，用于檢驗上映期間的周預(yù)告片關(guān)注數(shù)量、周預(yù)告片評論情感對后續(xù)周票房的作用。面板數(shù)據(jù)模型中加入了被解釋變量(周票房)的滯后項。

模型的形式如下所示：

BoxOpeninglyi=γ0+γ1*ViewBeforei+γ2*SentBeforei+γ3*Posteri+γ4NewsBeforei+γ5X+εi

(1)

BoxWeeklyit=γ0+γ1*viewWeeklyit+γ2*SentWeeklyit+γ3*BoxWeeklyi,t-1+γ4*Posteri+γ5*NewsWeeklyit+γ6*Xi+μi+ξit

(2)

模型(1)中，BoxOpeningly為首周票房，ViewBefore和SentBefore分別表示影片上映之前的預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感值，Poster表示海報數(shù)量，NewsBefore表示上映之前的新聞數(shù)量，X為一組與影片相關(guān)的變量，包括投資額、制片公司影響力、導(dǎo)演影響力、演員影響力、影片是否續(xù)集、影片是否國產(chǎn)、上映日是否假日。下標(biāo)i表示第i部電影。

模型(2)中，BoxWeekly為周票房，ViewWeekly和SentWeekly分別表示影片上映期間的周預(yù)告片關(guān)注數(shù)量和周預(yù)告片評論情感值，Poster表示海報數(shù)量，NewsWeekly表示上映期間的周新聞數(shù)量，X為一組與影片相關(guān)的變量，包括投資額、制片公司影響力、導(dǎo)演影響力、演員影響力、影片是否續(xù)集、影片是否國產(chǎn)、上映是否假日。下標(biāo)i表示第i部電影，下標(biāo)j表示第j周。

本研究使用R軟件的lm函數(shù)和plm程序包對模型(1)和模型(2)進行了參數(shù)估計，結(jié)果如表5和表6所示。

表5 首周票房的模型估計結(jié)果

注：***顯著性水平0.001，**顯著性水平0.01，*顯著性水平0.05，·顯著性水平0.1。

表5的1-4列顯示了不同情感度量方法和不同控制變量組合下的參數(shù)估計結(jié)果。由表5可以看出：(1)影片上映之前的預(yù)告片關(guān)注數(shù)量正向影響首周票房，而預(yù)告片評論總體情感極性的作用不顯著。(2)如果使用各類情感詞頻來替代情感極性，則預(yù)告片關(guān)注數(shù)量和部分情感詞頻的作用是顯著的。其中，“樂”、“哀”類情感詞頻對票房的作用顯著，而“好”“惡”類的情感詞頻對票房的作用不顯著。(3)使用情感詞頻替代總體情感極性之后，模型的擬合程度和顯著性水平得到較大程度的提升，R方和調(diào)整R方均提高20%左右。(4)影響首周票房的因素還包括上映日是否假日、影片是否續(xù)集、影片國別。

表6 后續(xù)周票房的模型估計結(jié)果

注：***顯著性水平0.001，**顯著性水平0.01，*顯著性水平0.05，·顯著性水平0.1。本次研究對模型選擇進行了PF檢驗，按照PF檢驗的結(jié)果，選擇了混合模型。

表6的1-4列顯示了不同情感度量方法和不同控制變量組合下的參數(shù)估計結(jié)果。由表6可以看出：(1)影片上映期間，“樂”、“哀”類情感詞頻對票房的作用不顯著，而“好”“惡”類的情感詞頻，尤其是 “惡”類詞頻對票房有顯著作用。(2)除了預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感之外，后續(xù)周票房還受到前一周票房和當(dāng)前周新聞數(shù)量的影響。如果模型不包含被解釋變量的滯后變量，影片是否續(xù)集對后續(xù)周票房也有顯著的作用。

結(jié)合表5和表6的結(jié)果發(fā)現(xiàn)，整體而言，預(yù)告片關(guān)注數(shù)量和評論情感對票房有作用。上映之前，預(yù)告片評論中“樂”“哀”類的情緒詞頻對票房有作用。上映期間，預(yù)告片評論中“好”“惡”類的評價詞頻對票房有作用。因此，假設(shè)H2a和H2b得到了支持。正如前文所述，在影片上映之前，觀眾對電影的了解非常有限，這一時期的評價(“好”或者“惡”)往往基于一些信息片段的推測，在傳播過程中不具備足夠的說服力，所產(chǎn)生的作用非常有限。與“好”“惡”不同的是，“樂”或者“哀”是觀眾自身的情緒反應(yīng)。在影片正式上映之前，情緒反應(yīng)更為自然真實、有感染力。在影片上映之后，一些觀眾已經(jīng)去影院看過電影，對電影有所感觸并發(fā)表觀點，這一時期的評價比上映之前的評價更具備說服力。

表7 預(yù)告片、海報、新聞對票房作用的比較

注：***顯著性水平0.001，**顯著性水平0.01，*顯著性水平0.05，·顯著性水平0.1。

由表5和表6還可以發(fā)現(xiàn)，新聞數(shù)量只在后續(xù)周票房模型中發(fā)生作用，海報的作用則不顯著。為了比較預(yù)告片、海報和新聞對票房的作用差異，本研究分別以總票房和周票房為因變量，以預(yù)告片、海報和新聞的數(shù)量為自變量，建立回歸模型。結(jié)果顯示：(1)對總票房影響最大的是預(yù)告片，其次是新聞，這與以往的研究結(jié)論一致[33]。(2)第一周至第五周的五個周內(nèi)，預(yù)告片對票房的影響都是顯著的。隨著時間推移，預(yù)告片的影響程度有所減弱。新聞在前兩周中的作用不顯著，后期開始產(chǎn)生作用(見表7)。

5 結(jié)語

本文研究預(yù)告片投放對觀眾反應(yīng)的作用，以及觀眾反應(yīng)對票房的作用。主要結(jié)論如下：(1)預(yù)告片的投放時間、數(shù)量、長度對預(yù)告片關(guān)注數(shù)量有顯著的作用，提前投放和密集投放會提高預(yù)告片的營銷效果，但是預(yù)告片并非越長越好，過長的預(yù)告片會增加觀眾的認知負荷、降低觀眾的觀看興趣。(2)預(yù)告片關(guān)注數(shù)量和預(yù)告片評論情感對影片票房有顯著的作用。預(yù)告片投放之后，只有被觀眾關(guān)注了，產(chǎn)生情感上的共鳴，預(yù)告片對票房的促進作用才能得以實現(xiàn)。如果預(yù)告片投放之后，沒有得到關(guān)注，或者受到大量的負面評價，則預(yù)告片沒有起到預(yù)期的作用甚至產(chǎn)生負面作用。(3)影片上映之前，預(yù)告片評論中的“樂”、“哀”詞頻對票房有顯著的作用，影片上映期間，預(yù)告片評論中的“好”、“惡”詞頻對影片票房有顯著作用。在影片上映之前，電影市場上的“嘗鮮者”開始意識到影片的存在，觀眾對電影的了解非常有限，此時的評價缺乏足夠的說服力，而觀眾自身的情緒反應(yīng)更為自然真實、有感染力。在影片上映期間，一些觀眾已經(jīng)去影院看過電影，這一時期的評價比上映之前更具備說服力，電影市場上的“追隨者”開始關(guān)注熱門影片。本文的研究結(jié)論可以為電影營銷策略制定和營銷資源分配提供支持。

本文研究還存在著兩個方面的局限性。第一，本文只研究了預(yù)告片投放的時間、數(shù)量、長度的作用，沒有考慮每一段預(yù)告片的邊際效應(yīng)和組合效應(yīng)，未來可以分析每一段預(yù)告片的邊際貢獻，預(yù)告片之間的相關(guān)性及其對于組合效應(yīng)的影響，并對同一部影片的不同預(yù)告片的作用差異進行比較。第二，本文沒有考慮影片類型對預(yù)告片營銷效果的調(diào)節(jié)作用，不同類型的影片，其預(yù)告片作用可能有所不同，未來可以做進一步研究。

[1] Karray S, Debernitz L. The effectiveness of movie trailer advertising [J].International Journal of Advertising Research,2017,36(2):368-392.

[2] Oh S, Ahn J, Baek H. Viewer engagement in movie trailers and box office revenue[C]//Proceedings of 2015 48th Hawaii International Conference on System Sciences, Kauai,HI,USA,January, 5-8,2015.

[3] Hou Yimin, Xiao Ting, Zhang Shu, et al.Predicting movie trailer viewer’s “l(fā)ike/dislike” via learned shot editing patterns [J]. IEEE Transactions on Affective Computing, 2016, 7(1):29-44.

[4] Finsterwalder J, Kuppelwieser V G, Villiers M D.The effects of film trailers on shaping consumer expectations in the entertainment industry [J]. Journal of Retailing and Consumer Services, 2012, 19(6): 589-595.

[5] Sauer M. Cue-recognition effects in the assessment of movie trailers [J]. Journal of Retailing and Consumer Services,2014, 21 (3):376-382.

[6] Suckfüll M, Moellering K. The differential success of movie trailers [J]. Journal of Retailing and Consumer Services, 2015, 22:138-144.

[7] Duan Wenjing, Gu Bin, Whinston A B.Do online reviews matter? An empirical investigation of panel data [J].Decision Support Systems, 2008, 45(4):1007-1016.

[8] Gopinath S,Chintagunta P K, Venkataraman S. Blogs, advertising and local-market movie box-office performance [J]. Management Science, 2013, 59(12):2635-2654.

[9] Karniouchina E V. Impact of star and movie buzz on motion picture distribution and box office revenue [J]. International Journal of Research in Marketing, 2011, 28 (1):62-74.

[10] 郝媛媛，鄒鵬，李一軍,等.基于電影面板數(shù)據(jù)的在線評論情感傾向?qū)︿N售收入影響的實證研究[J].管理評論,2009,21(10):95-103.

[11] 王煉,賈建民.基于網(wǎng)絡(luò)搜索的票房預(yù)測模型——來自中國電影市場的證據(jù)[J]. 系統(tǒng)工程理論與實踐，2014,34(12):3079-3090.

[12] Apala K R, Jose M, Motnam S, et al. Prediction of movies box office performance using social media [C]// Proceedings of 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining,Niagara Falls,ON,Canada,August,25-28,2013.

[13] Oh C, Roumani Y, Nwankpa J K, et al. Beyond likes and tweets: Consumer engagement behavior and movie box office in social media [J]. Information &Management.2017,54(1):25-37.

[14] Archak N, Ghose A, Ipeirotis P G. Deriving the pricing power of product features by mining consumer reviews [J]. Management Science, 2011, 57(8): 1485-1509.

[15] Joshi M, Das D, Gimpel K, et al. Movie reviews and revenues: An experiment in text regression [C]//Proceedings of the 2010 Annual Conference of the North American Chapter of the ACL, Los Angeles,Califonia,USA,June 2-4,2010.

[16] Rui Huaxia, Liu Yizao, Whinston A. Whose and what chatter matters? The effect of tweets on movie sales [J]. Decision Support Systems, 2013, 55(4): 863-870.

[17] 史偉,王洪偉,何紹義. 基于微博情感分析的電影票房預(yù)測研究[J].華中師范大學(xué)學(xué)報(自然科學(xué)版),2015,49(1):66-72.

[18] Ehrenberg A S C. Repetitive advertising and the consumer [J]. Journal of Advertising Research,2000, 40(6): 39-48.

[19] Kalish S, A new product adoption model with price, advertising, and uncertainty[J]. Management Science, 1985, 31(12): 1569-1585.

[20] Moon S, Kim J, Bayus B L, et al. Consumers’ pre-launch awareness and preference on movie sales [J]. European Journal of Marketing, 2016, 50(5/6): 1024-1046.

[21] Cross J J, Levenson R W. Emotion elicitation using films [J]. Cognition and Emotion. 1995, 9(1): 87-108.

[22] 郝媛媛,葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報,2010,13(8):78-88.

[23] 王偉,王洪偉.特征觀點對購買意愿的影響:在線評論的情感分析方法[J].系統(tǒng)工程理論與實踐,2016,36(1):63-76.

[24] Divakaran P K P, N?rskov S. Are online communities on par with experts in the evaluation of new movies? Evidence from the Fandango community [J]. Information Technology & People, 2016, 29(1): 120-145.

[25] Asur S,Huberman B A. Predicting the future with social media [C]//Proceedings of the 2010 IEEE/WIC/ACM International Conference on Web Intellingence and Intelligent Agent Technology,Washington,DC,USA,August 31-September 03,2010.

[26] Liu Yong. Word-of-mouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 70(3):74-89.

[27] Ghiassi M, Lio D, Moon B. Pre-production forecasting of movie revenues with a dynamic artificial neural network [J].Expert Systems with Applications, 2015, 42(6):3176-3193.

[28] 施曉菁,梁循,孫曉蕾.基于在線評級和評論的評價者效用機制研究[J].中國管理科學(xué),2016,24(5):149-157.

[29] 徐琳宏,林鴻飛,潘宇,等.情感詞匯本體的構(gòu)造[J].情報學(xué)報,2008,27(2):180-185.

[30] Hur M, Kang P, Cho S. Box-office forecasting based on sentiments of movie reviews and Independent subspace method [J].Information Sciences, 2016,372: 608-624.

[31] Niraj R, Singh J.Impact of user-generated and professional critics reviews on Bollywood movie success [J]. Australasian Marketing Journal, 2015, 23(3):179-187.

[32] Kim SH, Park N, Park SH .Exploring the effects of online word of mouth and expert reviews on theatrical movies' box office success [J]. Journal of Media Economics, 2013, 26(2):98-114.

[33] Eliashberg J, Jonker JJ, Sawhney MS, et al. MOVIEMOD: An implementable decision support system for pre-release market evaluation of motion pictures [J].Marketing Science, 2000,19(3):226-243.

TheEffectsofOnlinePre-launchMovieTrailersontheBoxOfficeRevenue——Based on Text Sentiment Analysis Method

SUNChun-hua，LIUYe-zheng

(School of Management，Hefei University of Technology，Hefei 230009, China)

Trailers are the most widely used method of movie advertising, with the purpose of building consumer awareness and expectations before the release of the movie. In the past, movie trailers were shown at the cinema or on television. Nowadays, trailers appear on the video websites. The effects of online pre-launch movie trailers include two periods:before the release of the movie and after the release of the movie. In the paper, the effects of movie trailers on the viewers' awareness and preference and the effects of the viewers' awareness and preference on the movies' box office revenue are studied. Based on the theories of pure exposure and consumer engagement, the research hypothesis is put forward. Data is collected from mtime.com(www.mtime.com)and entgroup.com(www.entgroup.cn) and text sentiment analysis methods are used to extract the sentiment words from the viewer comments of the movie trailers. A hurdle model is established to examine the effects of movie trailers on the viewers' awareness and preference. A cross section data model and a panel data model are established to examine the effects of the viewers' awareness and preference on the openingweek box office revenue and the weekly box office revenue. The results show that: (1) the release time, the number and the length of movie trailers have effects on the number of the viewer comments.(2) The number of viewer comments and the frequencies of sentiment words have effects on the box office revenue.(3)Before the release of the movie, the frequencies of the words about “joy” and “sadness” have effects on the box office revenue. After the release of the movie, the frequencies of the words about“l(fā)ike”and“dislike” have effects on the box office revenue. The conclusions of the study can provide support for movie marketing strategy development and marketing resource allocation.

1003-207(2017)10-0151-11

10.16381/j.cnki.issn1003-207x.2017.10.016

F713.36

A

2016-08-31；

2017-01-05

教育部人文社會科學(xué)研究資助項目(15YJC630111)；國家自然科學(xué)基金重大研究計劃資助項目(71490725)；國家自然科學(xué)基金資助項目(71501057)

劉業(yè)政(1965-)，男(漢族)，安徽和縣人，合肥工業(yè)大學(xué)管理學(xué)院教授，博士生導(dǎo)師，研究方向：電子商務(wù)、數(shù)據(jù)挖掘,E-mail:liuyezheng@hfut.edu.cn.

Keywords： movie trailers； online pre-launch； awareness； sentiment；box office revenue