在線影評(píng)和在線短評(píng)對(duì)票房收入影響的比較研究

石文華，鐘碧園，張 綺

(北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100876)

在線影評(píng)和在線短評(píng)對(duì)票房收入影響的比較研究

石文華，鐘碧園，張 綺

(北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100876)

在線評(píng)論是近幾年學(xué)者十分關(guān)注的問(wèn)題，隨著信息載體的豐富，在線評(píng)論的形式也越來(lái)越多樣化，現(xiàn)今 研究在線評(píng)論數(shù)據(jù)來(lái)源主要有第三方專業(yè)評(píng)論和非專業(yè)評(píng)論兩大類，但并未有研究對(duì)比過(guò)兩類評(píng)論對(duì)之間的差異。 本文將在線電影評(píng)論進(jìn)一步區(qū)分為較長(zhǎng)且專業(yè)的影評(píng)和較短且非專業(yè)的短評(píng)，首先結(jié)合前人研究成果構(gòu)建了電影 在線評(píng)論對(duì)票房影響的綜合模型，然后從豆瓣電影爬取了不同電影的在線評(píng)論，利用eviews7.0在面板數(shù)據(jù)的環(huán)境 下對(duì)比分析了影評(píng)與短評(píng)對(duì)票房收入的影響。研究發(fā)現(xiàn)，第一，影評(píng)數(shù)量對(duì)票房收入無(wú)影響，而短評(píng)數(shù)量對(duì)票房收 入的影響呈倒U 形變化；第二，影評(píng)極端性對(duì)票房收入的影響持續(xù)至第三周，而短評(píng)極端性對(duì)票房收入影響持續(xù)至 第五周；第三，無(wú)論是數(shù)量還是極端性，短評(píng)在每周的回歸結(jié)果中均比影評(píng)的影響大。結(jié)論表明，在線電影評(píng)論中 起到更重要作用的評(píng)論形式為短評(píng)。通過(guò)本文研究，可以豐富在線評(píng)論對(duì)銷量影響的研究，并能夠給在線電影評(píng)論 網(wǎng)站以及電影出品方提供有針對(duì)的可行性營(yíng)銷建議。

在線評(píng)論；評(píng)論數(shù)量；評(píng)論極端性；票房收入

1 引言

在線評(píng)論是消費(fèi)者發(fā)布在網(wǎng)絡(luò)上，以文本形式為主對(duì)商品的評(píng)價(jià)，這些評(píng)價(jià)包括對(duì)商品的肯定、不滿或個(gè)人對(duì)特定產(chǎn)品服務(wù)的購(gòu)買和使用感受[1]。隨著電子商務(wù)的發(fā)展，在線評(píng)論已經(jīng)成為消費(fèi)者購(gòu)買產(chǎn)品或服務(wù)的重要信息來(lái)源，可以幫助消費(fèi)者降低商品信息的不確定性和購(gòu)物風(fēng)險(xiǎn)，進(jìn)而進(jìn)行購(gòu)物決策[2-3]。近年來(lái)，有關(guān)在線評(píng)論課題的研究主要集中在在線評(píng)論基本要素對(duì)產(chǎn)品銷量的影響，對(duì)感知有用性、可信度和購(gòu)買意愿等消費(fèi)者行為的影響，以及與品牌互動(dòng)關(guān)系的研究。其中在線評(píng)論基本要素對(duì)產(chǎn)品銷量的影響方面，主要通過(guò)研究在線評(píng)論評(píng)論數(shù)量、情感傾向、情感傾向方差、評(píng)論長(zhǎng)度等維度與產(chǎn)品銷量的關(guān)系[4-7]。

隨著在線評(píng)論對(duì)銷量影響相關(guān)研究的深入，已有很多研究從不同對(duì)象、不同來(lái)源、不同產(chǎn)品生命周期進(jìn)行分類研究，深入地觀察在線評(píng)論的 影響。從研究對(duì)象來(lái)看，主要分為搜索型產(chǎn)品和體驗(yàn)型產(chǎn)品，針對(duì)搜索型產(chǎn)品的研究主要選取相機(jī)等數(shù)碼產(chǎn)品[8-9]，針對(duì)體驗(yàn)型產(chǎn)品的研究主要選取圖書、電影這類由于無(wú)形性與經(jīng)驗(yàn)性因素導(dǎo)致消費(fèi)者在使用前很難判斷其質(zhì)量的產(chǎn)品[10-12]，消費(fèi)者使用這類產(chǎn)品需要通過(guò)在線評(píng)論來(lái)收集信息，正如Scholz和Dorner[13]研究發(fā)現(xiàn)，體驗(yàn)型產(chǎn)品評(píng)論比功能型產(chǎn)品評(píng)論得到的有用票數(shù)多，因此體驗(yàn)型產(chǎn)品對(duì)在線評(píng)論的研究至關(guān)重要。從研究來(lái)源來(lái)看，在線評(píng)論研究的數(shù)據(jù)來(lái)源也主要有兩大類，一類是第三方專業(yè)評(píng)論(Third-Party Product Reviews)，如Chen Yubo[14]等曾提出類似電影、電子產(chǎn)品等在產(chǎn)品推出前及推出期間，第三方專業(yè)評(píng)論會(huì)對(duì)公司市值有顯著影響；另一類是非專業(yè)評(píng)論，即普通消費(fèi)者的口碑，現(xiàn)有的關(guān)于在線評(píng)論的研究數(shù)據(jù)多是來(lái)源于非專業(yè)評(píng)論，如亞馬遜、雅虎電影、大眾點(diǎn)評(píng)等[12,15-16]。其中以電影為對(duì)象的研究大多是采取雅虎電影網(wǎng)站的數(shù)據(jù)，不同學(xué)者從不同角度研究在線電影評(píng)論對(duì)票房的影響,如Dellaroca等[17]從評(píng)論數(shù)量、平均情感傾向維度來(lái)研究在線評(píng)論對(duì)銷量的影響；Yong Liu人等[11]研究了評(píng)論數(shù)量、正負(fù)面評(píng)論的比率對(duì)銷量的影響，發(fā)現(xiàn)評(píng)論數(shù)量與銷量相關(guān)尤其在公映早期，而正負(fù)評(píng)論比率對(duì)銷量影響不顯著；Duan Wenjing[18]等研究了累積評(píng)論數(shù)、日評(píng)論數(shù)、用戶等級(jí)以及是否周末對(duì)銷量的影響，得出評(píng)論數(shù)量對(duì)銷量有顯著影響，而評(píng)論平均情感傾向影響不顯著。這些研究解釋了在線電影評(píng)論在不同時(shí)期的影響模式，得出了結(jié)論也趨于一致，即評(píng)論數(shù)量影響顯著而平均情感傾向影響不顯著。

然而已有研究并未對(duì)比專業(yè)的評(píng)論與非專業(yè)評(píng)論之間的差異，而現(xiàn)實(shí)環(huán)境中確實(shí)存在這兩類不同類型的評(píng)論，如相較于雅虎電影均是非專業(yè)的用戶評(píng)論而言，豆瓣電影將評(píng)論劃分為了影評(píng)和短評(píng)兩種，而影評(píng)屬于偏專業(yè)性的在線電影評(píng)論。從數(shù)據(jù)角度看，短評(píng)數(shù)量較影評(píng)數(shù)量有壓倒性的優(yōu)勢(shì)；從評(píng)論特征角度看，影評(píng)字?jǐn)?shù)要求在140以上，內(nèi)容精彩豐富，邏輯性較強(qiáng)，而短評(píng)要求在140以內(nèi)，內(nèi)容簡(jiǎn)單隨意，邏輯性較弱；從消費(fèi)者認(rèn)知角度看，短評(píng)容易閱讀，消費(fèi)者能夠迅速獲知與電影相關(guān)的信息，而影評(píng)較長(zhǎng)，消費(fèi)者無(wú)法快速直接的獲取評(píng)論的核心觀點(diǎn)。這些差異會(huì)對(duì)消費(fèi)者最終的購(gòu)買決策產(chǎn)生不同的影響進(jìn)而對(duì)票房也有不同的影響。

本文將從評(píng)論形式的角度區(qū)別偏專業(yè)性的在線影評(píng)和非專業(yè)性的在線短評(píng)兩種不同的信息載體，以新型電影評(píng)論網(wǎng)站為研究對(duì)象，基于面板數(shù)據(jù)，將影評(píng)與短評(píng)對(duì)票房的影響進(jìn)行比較研究，分析不同信息載體的在線電影評(píng)論對(duì)電影票房的影響在電影發(fā)布后各階段的差異性，以及考察影響隨電影生命周期階段推移的動(dòng)態(tài)變化性，對(duì)新產(chǎn)品開(kāi)發(fā)、娛樂(lè)市場(chǎng)、服務(wù)市場(chǎng)和口碑研究具有理論和實(shí)踐意義。本文的內(nèi)容組織如下：首先根據(jù)相關(guān)理論和文獻(xiàn)研究提出理論假設(shè)并建立在線電影評(píng)論對(duì)票房收入的影響關(guān)系各模型，其次，說(shuō)明收集數(shù)據(jù)和實(shí)證分析的過(guò)程，并對(duì)分析結(jié)果進(jìn)行闡釋，最后進(jìn)行總結(jié)并指出研究不足與未來(lái)研究方向。

2 假設(shè)與模型

本文研究的重點(diǎn)在于對(duì)比分析偏專業(yè)性評(píng)論和非專業(yè)性評(píng)論對(duì)銷量影響的差異。電影作為一類典型的體驗(yàn)型產(chǎn)品，存在偏專業(yè)的影評(píng)和非專業(yè)的普通消費(fèi)者發(fā)布的短評(píng)，因此本研究選擇電影作為研究對(duì)象。另外還考慮到電影業(yè)有著兩大普遍的特點(diǎn)使其被認(rèn)為電影口碑能影響觀眾，首先，作為一種流行文化，電影往往獲得公眾極大的興趣和關(guān)注。因此，積極的關(guān)于電影的人際溝通是期望存在的，并且根據(jù)信息可獲得性和影響的理論，它會(huì)影響觀眾；其次，電影屬于體驗(yàn)型產(chǎn)品，它的無(wú)形性與經(jīng)驗(yàn)性因素導(dǎo)致在觀看前很難判斷它的質(zhì)量，當(dāng)產(chǎn)品很難在購(gòu)買前被評(píng)估，消費(fèi)者往往通過(guò)口碑以收集更多的信息[19]。通過(guò)對(duì)在線評(píng)論定義的回顧，本文將在線電影評(píng)論定義為：在線電影評(píng)論是消費(fèi)者根據(jù)自己觀看電影的經(jīng)歷，通過(guò)電影評(píng)論網(wǎng)站對(duì)特定電影發(fā)表自己的意見(jiàn)和建議，可以是正面也可以是負(fù)面的信息。本研究將在在線評(píng)論對(duì)銷量影響模型的基礎(chǔ)上，進(jìn)行在線評(píng)論的分類，探索偏專業(yè)的影評(píng)和非專業(yè)的短評(píng)對(duì)銷量影響的差異。

2.1在線評(píng)論數(shù)量

評(píng)論數(shù)量在一定程度上顯示了評(píng)論中所包含信息內(nèi)容的總量[20]，大量的研究都發(fā)現(xiàn)評(píng)論數(shù)量與消費(fèi)者行為和產(chǎn)品市場(chǎng)表現(xiàn)有顯著關(guān)系[21-23]。對(duì)于在線評(píng)論的數(shù)量與消費(fèi)者總體購(gòu)買行為或市場(chǎng)產(chǎn)出的關(guān)系，其受到重視的原因是在線評(píng)論數(shù)量能反映口碑的知曉效應(yīng)，評(píng)論數(shù)量越多，說(shuō)明越多的消費(fèi)者參與到對(duì)一個(gè)產(chǎn)品的評(píng)價(jià)討論中，也反映了消費(fèi)者對(duì)該產(chǎn)品討論的熱度，這會(huì)引起潛在消費(fèi)者更加關(guān)注該商品，并且可能進(jìn)一步產(chǎn)生從眾心理和行為，最終引起購(gòu)買行為[24]，如杜學(xué)美等研究表明在線評(píng)論數(shù)量越多，消費(fèi)者的購(gòu)買意愿越強(qiáng)[25]。并且許多關(guān)于在線電影評(píng)論對(duì)票房影響的研究都支持評(píng)論數(shù)量與銷量的正相關(guān)，如Duan Wenjing等[26]通過(guò)分析Yahoo網(wǎng)站上每天的消費(fèi)者評(píng)論信息，發(fā)現(xiàn)評(píng)論數(shù)量對(duì)電影的票房收入有顯著影響。Rui Huaxia等[27]則利用twitter中信息推送的方式直接測(cè)量接受到評(píng)論信息的人數(shù)，發(fā)現(xiàn)評(píng)論數(shù)量對(duì)于電影票房收入有很強(qiáng)的解釋力度。本文選取滯后一天的評(píng)論數(shù)量作為測(cè)量指標(biāo)，這可以有效避免反向因果的問(wèn)題，也更加符合實(shí)際情況，因?yàn)榍巴霸河^看電影的行為大多是發(fā)生在前一天消費(fèi)者閱讀評(píng)論之后，口碑的影響具有滯后性[14]，因此做出如下假設(shè)：

H1：滯后一天的在線電影評(píng)論數(shù)量對(duì)票房有顯著的正向影響

H1a：滯后一天的影評(píng)數(shù)量對(duì)電影票房具有顯著的正向影響

H1b：滯后一天的短評(píng)數(shù)量對(duì)電影票房具有顯著的正向影響

2.2在線評(píng)論極端性

評(píng)論的情感傾向同樣受到許多學(xué)者的關(guān)注，它反映了口碑的勸說(shuō)作用[28]。評(píng)論的情感傾向是消費(fèi)者對(duì)產(chǎn)品的態(tài)度表明，從產(chǎn)品已使用者的角度反映了商品質(zhì)量的好壞，而評(píng)論閱覽者會(huì)根據(jù)產(chǎn)品已使用者的口碑評(píng)價(jià)對(duì)產(chǎn)品質(zhì)量做出判斷，進(jìn)而決定是否購(gòu)買。在線電影評(píng)論的情感傾向作為一個(gè)重要的維度已經(jīng)被許多學(xué)者考察過(guò)，有些學(xué)者研究表明評(píng)論情感傾向?qū)ζ狈繜o(wú)顯著影響[11,18]，而郝媛媛等[16]以電影作為研究對(duì)象，發(fā)現(xiàn)影評(píng)中蘊(yùn)含的不同的情感傾向會(huì)對(duì)電影的票房產(chǎn)生不同的影響；此外，不同的情感等級(jí)在影響的效果上也存在著差異。目前大部分學(xué)者的研究集中在評(píng)論的極端性上，如Dellarocas等[29]在電影的在線評(píng)論研究中發(fā)現(xiàn)，人們會(huì)把注意力更多的放在極端評(píng)論而非中間評(píng)論，因?yàn)閷?duì)產(chǎn)品極端正向或負(fù)向的體驗(yàn)更容易引發(fā)口碑交流行為。Ghose和Ipeirotis[30]針對(duì)體驗(yàn)型商品和搜索型商品進(jìn)行分別研究，結(jié)果表明對(duì)體驗(yàn)型產(chǎn)品來(lái)說(shuō)，極端評(píng)論更有用。同樣，江曉東[31]的研究也表明產(chǎn)品類型在評(píng)分極端性對(duì)感知有用性的影響中起到調(diào)節(jié)作用，相比于搜索型產(chǎn)品，體驗(yàn)型產(chǎn)品評(píng)分極端性對(duì)感知有用性的正向影響更強(qiáng)。這是由于針對(duì)體驗(yàn)型商品，人們將更多的注意力給予極端評(píng)論，使得極端評(píng)論表達(dá)的極端情感更容易引起用戶共鳴[17]。在線電影評(píng)論極端性與銷量的關(guān)系則很少被考察，一些學(xué)者以其他產(chǎn)品做了相關(guān)研究，得出正負(fù)情感方差顯著影響銷量的結(jié)論[32-33]?；诳诒绊懙臏笮?，本文以滯后一天的評(píng)論情感傾向方差作為評(píng)論極端性的測(cè)量指標(biāo)，作出如下假設(shè)：

H2：滯后一天的評(píng)論極端性對(duì)票房具有顯著的正向影響

H2a：滯后一天的影評(píng)極端性對(duì)票房具有顯著的正向影響

H2b：滯后一天的短評(píng)極端性對(duì)票房具有顯著的正向影響

2.3影評(píng)與短評(píng)

評(píng)論者發(fā)布信息的長(zhǎng)度，從一定程度上反映了評(píng)論者對(duì)該產(chǎn)品的了解詳細(xì)程度和對(duì)發(fā)布此條評(píng)論信息的重視程度。一般認(rèn)為高質(zhì)量的評(píng)論包含明確的觀點(diǎn)、具體的事例、詳細(xì)的信息等[34]，而信息所包含的內(nèi)容越廣泛、越好，消費(fèi)者越容易感到滿意，對(duì)消費(fèi)者更有用，影響也就越大。Mudambi和Schuff[35]的研究指出較長(zhǎng)的在線評(píng)論可能會(huì)刺激閱讀者進(jìn)行瀏覽，加深或改變?cè)懈兄岣邔?duì)商品或服務(wù)的認(rèn)知度，抵消用戶的不確定性。Ghose等人[30]研究初始語(yǔ)氣評(píng)論平均句子越長(zhǎng)，評(píng)論的可讀性越差，閱讀評(píng)論的認(rèn)知成本越高，從而導(dǎo)致評(píng)論的有用性降低，結(jié)果卻得出相反的結(jié)論，即評(píng)論句子越長(zhǎng)，評(píng)論的有用性越高。另外，內(nèi)容豐富的評(píng)論還會(huì)影響消費(fèi)者的感知可信度，可以增加信息的可認(rèn)知性，尤其對(duì)那些取得這些信息無(wú)需成本的消費(fèi)者來(lái)說(shuō)更加有利，如Hyunmi等人[36]通過(guò)對(duì)亞馬遜評(píng)論數(shù)據(jù)的分析，驗(yàn)證了字符總數(shù)會(huì)對(duì)評(píng)論質(zhì)量造成影響，進(jìn)而影響消費(fèi)者對(duì)評(píng)論的信任程度。Tversk[37]的研究也表明，掌握更多的信息會(huì)增強(qiáng)消費(fèi)者在進(jìn)行決策時(shí)的信心，并有學(xué)者基于手機(jī)銷售數(shù)據(jù)，分析得出評(píng)論長(zhǎng)度對(duì)產(chǎn)品銷量有顯著正向影響[38]。影評(píng)的深度和廣度均高于短評(píng)，所以，本文認(rèn)為影評(píng)和短評(píng)對(duì)票房收入的影響模式會(huì)有區(qū)別，因此提出如下假設(shè)：

H3：影評(píng)較短評(píng)對(duì)票房的影響力較影評(píng)更大

H3a: 影評(píng)數(shù)量對(duì)票房的影響力較短評(píng)數(shù)量更大

H3b：影評(píng)極端性對(duì)票房的影響力較短評(píng)極端性更大

2.4在線電影評(píng)論對(duì)銷量影響的動(dòng)態(tài)性

在對(duì)在線電影評(píng)論的許多研究中，時(shí)間是一個(gè)重要的影響因素，早期的消費(fèi)者對(duì)電影處于熱度較高的階段，會(huì)產(chǎn)生大量的口碑傳播行為，但隨著時(shí)間的推薦，消費(fèi)者的熱度減淡，慢慢停止了口碑傳播行為，傳播速度逐漸下降，傳播影響不斷減弱，就無(wú)法刺激潛在消費(fèi)者去消費(fèi)，有的學(xué)者研究了相機(jī)這一產(chǎn)品，證實(shí)了在線評(píng)論的影響力隨著時(shí)間而降低[8]，一些關(guān)于在線電影評(píng)論的研究也揭示了電影發(fā)布之后在線評(píng)論對(duì)票房的影響基本呈逐漸減弱的趨勢(shì)[11,39]。因此，我們提出以下假設(shè)：

H4：上映天數(shù)對(duì)票房收入有顯著的負(fù)向影響

在本研究中，我們想要探討影評(píng)和短評(píng)對(duì)銷量影響的不同模式，將在線評(píng)論分成了影評(píng)和短評(píng)兩部分。之前關(guān)于在線電影評(píng)論對(duì)票房影響的研究中，在線電影評(píng)論主要包括了評(píng)論數(shù)量、評(píng)論情感傾向、評(píng)論極端性三個(gè)解釋變量，由于評(píng)論情感傾向被許多學(xué)者證實(shí)對(duì)票房收入無(wú)顯著影響，因此不被納入本模型中。圖 1顯示了本研究的研究模型， 除了一些核心變量外，一些研究也指出了與票房收入相關(guān)的重要變量，如放映場(chǎng)次，它反映了觀眾對(duì)電影的實(shí)際可獲得性，與票房收入呈現(xiàn)顯著的正相關(guān)關(guān)系[11]；另外，是否節(jié)假日也會(huì)顯著影響電影的票房收入，有的學(xué)者觀察票房每日變動(dòng)情況發(fā)現(xiàn)周末票房會(huì)達(dá)到一個(gè)局部的高峰，本文認(rèn)為假日效應(yīng)會(huì)影響電影的票房收入，為了提高對(duì)票房收入的解釋力，需將這些重要的變量納入模型中。

圖1 影評(píng)和短評(píng)對(duì)票房影響的動(dòng)態(tài)比較模型

基于上述所建模型，本研究建立公式(1)所示的初始面板數(shù)據(jù)線性回歸方程。各變量的解釋如表 1。其中參考多數(shù)研究文獻(xiàn)的做法，本研究對(duì)模型中的連續(xù)型變量采用自然對(duì)數(shù)的形式，這不僅與多階段消費(fèi)者決策過(guò)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。另外，模型中引入固定效應(yīng)αi來(lái)捕捉模型中所有未被包含但對(duì)票房有影響的非時(shí)變因素在不同電影間的變異(如明星影響力、電影類型、電影預(yù)算等)，通過(guò)固定效應(yīng)來(lái)控制截面變異是面板數(shù)據(jù)模型對(duì)于截面數(shù)據(jù)模型的一大優(yōu)勢(shì)所在。

LNBoxofficei,t=Coust+αi+β1LNReviewnumi,t+β2LNCommentnumi,t+β3LNReviewnvari,t+β4LNCommentvari,t+β5LNScreeni,t+β6LNAget+β7LNHolidayi,t+εi,t

(1)

表1 模型中各變量的解釋說(shuō)明

3 實(shí)證結(jié)果與分析

3.1數(shù)據(jù)獲取

在線評(píng)論的數(shù)據(jù)是從國(guó)內(nèi)最大的電影分享與評(píng)論社區(qū)豆瓣電影網(wǎng)站收集(http://movie.douban.com)，它作為電影一個(gè)很好的在線評(píng)論來(lái)源有如下原因：首先，它是最流行的電影網(wǎng)站之一；其次，網(wǎng)站的結(jié)構(gòu)設(shè)計(jì)精心，

因此，查找和收集信息相對(duì)簡(jiǎn)單，從而減少了數(shù)據(jù)收集過(guò)程中出現(xiàn)錯(cuò)誤的可能性；最后，在線評(píng)論在其發(fā)布當(dāng)日就以時(shí)間被記錄，因此也可以按照時(shí)間進(jìn)行索引，易于筆者跟蹤監(jiān)測(cè)到電影運(yùn)營(yíng)期特定的在線評(píng)論歸屬。

鑒于Duan 在電影行業(yè)口碑對(duì)票房影響的研究中指出，每天特別是電影首映周中每天的票房收入和在線評(píng)論數(shù)量的波動(dòng)均較大，以天為時(shí)間單位分析影響關(guān)系較為合理，本研究選取了豆瓣電影排行榜中2013年上映的67部電影，以天為時(shí)間節(jié)點(diǎn)收集每部電影上映8周(56天)的在線評(píng)論[18]。其他數(shù)據(jù)來(lái)自其他渠道，每天的票房收入和放映場(chǎng)次主要是從網(wǎng)票網(wǎng)的獲取數(shù)據(jù)，網(wǎng)票網(wǎng)是國(guó)內(nèi)最專業(yè)的電影票網(wǎng)購(gòu)，覆蓋全國(guó)40多個(gè)城市，由于真實(shí)票房難以獲取，我們認(rèn)為網(wǎng)票網(wǎng)的票房具有代替真實(shí)票房的能力。除去關(guān)于相關(guān)變量沒(méi)有可靠信息的電影后，最終的數(shù)據(jù)集包含43部電影，有614982條在線評(píng)論，其中影評(píng)10233條，短評(píng)604749條。表 2提供了樣本的基本匯總數(shù)據(jù)統(tǒng)計(jì)，前五周的票房占據(jù)了電影總票房收入的90%以上，因此本文重點(diǎn)考察電影上映后前五周(35天)的在線評(píng)論及電影票房。剔除一些無(wú)法獲取有效數(shù)據(jù)的樣本，最后得到容量為1505(43個(gè)截面成員*35個(gè)觀測(cè)點(diǎn))的非平衡面板數(shù)據(jù)。

表2 各變量的描述性統(tǒng)計(jì)

3.2在線電影評(píng)論的動(dòng)態(tài)特征

每條在線電影評(píng)論都是有時(shí)間標(biāo)簽的，因此很容易通過(guò)網(wǎng)站爬取的數(shù)據(jù)跟蹤分析在線電影評(píng)論的動(dòng)態(tài)特征，不同時(shí)間段電影的在線評(píng)論會(huì)呈現(xiàn)不同的狀況。同時(shí)隨著時(shí)間的推移，還會(huì)發(fā)生相應(yīng)的變化。

圖 2解釋了在線評(píng)論的數(shù)量隨著時(shí)間的推移而變化的情況。下圖主要描述了樣本為43部電影的影評(píng)數(shù)量和短評(píng)數(shù)量總和的變化情況。從折線圖情況可以看出電影在在線評(píng)論在首映周最為活躍，然后逐漸減小，影評(píng)和短評(píng)具有相同的模式。大多數(shù)電影在首映周會(huì)達(dá)到最大的在線評(píng)論的量，平均每部電影191條影評(píng)發(fā)布，9768.40條短評(píng)發(fā)布。第二周影評(píng)數(shù)量以56.36%的幅度降低，短評(píng)數(shù)量以40.37%的幅度下降。從第三周開(kāi)始，評(píng)論數(shù)量持續(xù)下降，但下降幅度有所降低，進(jìn)入平緩下降階段，這說(shuō)明電影在第三周開(kāi)始過(guò)了熱映期。第四周電影評(píng)論數(shù)量趨于穩(wěn)定。具體情況如下圖所示。

圖2 影評(píng)數(shù)量與短評(píng)數(shù)量的動(dòng)態(tài)變化

圖3解釋了在線電影評(píng)論極端性隨著時(shí)間的推移而變化的情況。影評(píng)極端性變化較大，而短評(píng)極端性則較為平穩(wěn)，變化不大。從折線圖的情況可看出，短評(píng)方差一直處于較高水平，每一周的方差值均高于影評(píng)方差值，可見(jiàn)，短評(píng)的討論比影評(píng)更為激烈，爭(zhēng)議更大，影評(píng)在后期討論的激烈程度淡化。這一現(xiàn)象可以解釋為短評(píng)較為隨意且簡(jiǎn)潔，用戶不需要花大量時(shí)間來(lái)編輯即可發(fā)布，所以很容易用戶之間產(chǎn)生較為激烈的爭(zhēng)論。影評(píng)需要用戶仔細(xì)思考后才會(huì)撰寫，在電影上映的前兩周消費(fèi)者表達(dá)的意愿較為強(qiáng)烈，所以影評(píng)還能保持著激烈的討論，但隨著上映時(shí)間推移，關(guān)于電影的高質(zhì)量討論會(huì)越來(lái)越弱化，所以影評(píng)的極端性在后期降幅較大。具體情況如下圖所示。

圖3 評(píng)論極端性的動(dòng)態(tài)變化

3.3短評(píng)與影評(píng)對(duì)票房影響的比較研究

為了考察影評(píng)、短評(píng)對(duì)票房的影響，需要對(duì)電影上映后各周影評(píng)數(shù)量、短評(píng)數(shù)量、影評(píng)極端性、短評(píng)極端性的影響以及這些影響在各周的變化情況分別進(jìn)行估計(jì)。本研究所分析的數(shù)據(jù)屬于一組面板數(shù)據(jù)，并且是由樣本結(jié)果對(duì)總體進(jìn)行分析，因此先選用隨機(jī)效應(yīng)模型作為面板數(shù)據(jù)模型，再利用Hausman檢驗(yàn)驗(yàn)證固定效應(yīng)和隨機(jī)效應(yīng)模型何者更適合。鑒于各自變量間可能存在影響不顯著或多重共線性，本文采用面板數(shù)據(jù)的廣義最小二乘法來(lái)估計(jì)參數(shù)，在建模過(guò)程中先單獨(dú)輸入各自變量，檢查單獨(dú)的影響效應(yīng)，如果單獨(dú)影響效應(yīng)顯著，再采用逐步回歸方法引入影響顯著的變量。解釋變量之間多重共線性情況及對(duì)票房影響的顯著情況在各周有所不同，因此采用逐步回歸法建立的各周的模型也有所差異[16]。基于前述所構(gòu)建的初始面板數(shù)據(jù)線性回歸模型，通過(guò)網(wǎng)頁(yè)抓取收集到的43個(gè)樣本電影面板數(shù)據(jù)，并采用Eviews7對(duì)模型進(jìn)行估計(jì)，得到結(jié)果如表 3所示。其中，第五周通過(guò)回歸檢驗(yàn)發(fā)現(xiàn)，短評(píng)極端性和短評(píng)數(shù)量存在較高相關(guān)性，并且單獨(dú)引入短評(píng)極端性和短評(píng)數(shù)量時(shí)均影響顯著，同時(shí)引入時(shí)發(fā)現(xiàn)短評(píng)數(shù)量變?yōu)椴伙@著，但由于調(diào)整R2變動(dòng)不大，可忽略第五周模型存在的多重共線性問(wèn)題，因此需要將兩個(gè)自變量單獨(dú)納入模型中進(jìn)行估計(jì)(見(jiàn)表 3模型5-1和模型5-2)。各模型F檢驗(yàn)均拒絕原假設(shè)，各模型的調(diào)整R2較高(0.742-0.875)說(shuō)明各模型整體擬合情況較好。

由電影上映各周模型的參數(shù)估計(jì)結(jié)果可發(fā)現(xiàn)，影評(píng)數(shù)量對(duì)票房的影響不顯著，這一結(jié)果否定了H1a，這是因?yàn)橛霸u(píng)需要消費(fèi)者更多的時(shí)間和精力進(jìn)行編輯，每天產(chǎn)生的影評(píng)很少，影評(píng)數(shù)量本身在時(shí)間上的變化也就不明顯，影評(píng)數(shù)量的變化刺激達(dá)不到一個(gè)行為反應(yīng)所需要的最小刺激強(qiáng)度，既刺激閾值，低于閾值的刺激不能導(dǎo)致行為釋放。其次，短評(píng)數(shù)量對(duì)票房的影響呈倒U形變化，首映周就有較強(qiáng)的正向影響(0.243)，第二周影響繼續(xù)擴(kuò)大(0.481)，隨后影響逐周減弱(支持了假設(shè)H1b)。這一結(jié)果與目前大多數(shù)評(píng)論數(shù)量對(duì)票房收入影響的研究結(jié)果一致[12,14]。由結(jié)果可見(jiàn)，只有短評(píng)數(shù)量對(duì)票房有著正向的影響，而影評(píng)數(shù)量無(wú)影響，這一結(jié)果否定了假設(shè)H3a。該結(jié)果原因在于短評(píng)數(shù)量在在線電影評(píng)論數(shù)量中占據(jù)絕大部分比例，可以反應(yīng)口碑的知曉作用，它的擴(kuò)散比影評(píng)更加快，提升了消費(fèi)者的認(rèn)知度。其次，消費(fèi)者偏好在電影理論生命周期的早期呈現(xiàn)差別，早期消費(fèi)者(在首映周)對(duì)電影懷有極大的興趣(例如他們是某位明星、導(dǎo)演等的粉絲)，這一部分自我選擇的消費(fèi)者可供參考的口碑信息很少，并且其他人的意見(jiàn)對(duì)他們沒(méi)有太大的影響，然而，之后的消費(fèi)者大多是被口碑信息所驅(qū)使的，因此短評(píng)數(shù)量在第二周的影響會(huì)增加[40]。最后，隨著時(shí)間的推移，電影宣傳力度和最初對(duì)電影的熱度在逐漸減弱，同時(shí)早期消費(fèi)者的熱度減淡使其逐漸停止口碑傳播行為，而與早期消費(fèi)者相比，仍未觀看電影的潛在消費(fèi)者又屬于較為理性的潛在消費(fèi)者，因此傳播速度逐漸下降，傳播影響不斷減弱的情況下，必然會(huì)產(chǎn)生短評(píng)數(shù)量對(duì)潛在消費(fèi)者的影響減弱的趨勢(shì)[11]。

表3 電影發(fā)布五周內(nèi)各模型參數(shù)估計(jì)結(jié)果

注：**表示0.05水平顯著；***表示0.01水平顯著；‘-’表示相應(yīng)自變量未納入到模型。

影評(píng)極端性從首映周起就對(duì)票房有顯著的正向影響(0.123)，隨后呈減弱的趨勢(shì)，第四、五周則沒(méi)有顯著的影響(支持了假設(shè)H2a)。短評(píng)極端性從首映周起，對(duì)票房有顯著的正向影響(0.224)，第二周的影響大幅下降(0.155)，與影評(píng)極端性的影響模式一樣，隨后幾周逐周減弱(支持了假設(shè)H2b)。由結(jié)果可見(jiàn)，無(wú)論是影評(píng)還是短評(píng)的極端性對(duì)票房有著正向的影響，且短評(píng)在每周的影響都要比影評(píng)大，這一結(jié)果否定了假設(shè)H3b。極端性越大，說(shuō)明消費(fèi)者對(duì)電影持有的意見(jiàn)分歧越大，對(duì)電影討論的激烈程度也越大，部分潛在消費(fèi)者會(huì)對(duì)這種分歧產(chǎn)生興趣，于是決定去通過(guò)自己的親身體驗(yàn)來(lái)驗(yàn)證這種分歧。

對(duì)比短評(píng)和影評(píng)，可以發(fā)現(xiàn)二者對(duì)票房的影響模式有差異，短評(píng)數(shù)量有影響而影評(píng)數(shù)量無(wú)影響，短評(píng)極端性的影響大于影評(píng)極端性，且短評(píng)極端性的影響效應(yīng)延伸至第五周，影評(píng)極端性的影響效應(yīng)在第三周就終止了?？梢?jiàn)消費(fèi)者更多的會(huì)關(guān)注短評(píng)而非影評(píng)，該結(jié)果與感知理論不符，且與早先的研究結(jié)果不符。著名的弗萊施公式也指出句子越短，字?jǐn)?shù)越少，可讀性越大，我們認(rèn)為具備較長(zhǎng)的平均詞長(zhǎng)和句長(zhǎng)的評(píng)論會(huì)消耗用戶更多的時(shí)間和精力，導(dǎo)致用戶不愿閱讀，所以影評(píng)的影響力弱于短評(píng)。

另外，評(píng)論的數(shù)量和極端性對(duì)票房的影響都會(huì)隨著時(shí)間的變化，并且是逐漸減弱的變化。早期消費(fèi)者度對(duì)電影熱情高漲，會(huì)產(chǎn)生大量的口碑傳播，但隨著時(shí)間的推移，消費(fèi)者熱度下降，逐漸減少口碑傳播行為，使得在線評(píng)論對(duì)票房的影響沒(méi)有早期強(qiáng)。

對(duì)假設(shè)結(jié)果的總結(jié)如下：

表4 假設(shè)結(jié)果匯總

4 結(jié)語(yǔ)

本文研究的目的是希望通過(guò)結(jié)合國(guó)內(nèi)評(píng)論網(wǎng)站的新特點(diǎn)的實(shí)證研究，擴(kuò)充在線評(píng)論對(duì)票房影響的模型，豐富在線評(píng)論對(duì)銷量影響的研究，并能夠給在線電影評(píng)論網(wǎng)站以及電影出品方提供有針對(duì)的可行性營(yíng)銷建議。首先，電影上映的最初階段做好宣傳推廣工作，鼓勵(lì)消費(fèi)者多發(fā)表短評(píng)。在電影上映的最初階段，短評(píng)數(shù)量的影響較大，因此，在電影發(fā)布的前兩周應(yīng)該進(jìn)行大力的宣傳，在各類社交媒體或各種平臺(tái)上發(fā)動(dòng)相應(yīng)話題，促進(jìn)消費(fèi)者之間簡(jiǎn)短的口碑交流，充分發(fā)揮在線短評(píng)的知曉作用，使得電影票房得到快速增長(zhǎng)；其次，電影出品方重點(diǎn)關(guān)注和跟蹤在線評(píng)論的情感傾向。雖然許多研究證實(shí)了在線電影評(píng)論的情感傾向?qū)ζ狈繘](méi)有顯著影響，但是評(píng)論的極端性卻能票房產(chǎn)生影響。這些發(fā)現(xiàn)要求影院管理人員對(duì)口碑傳遞的觀察與反應(yīng)，尤其是在電影上映后的前三周內(nèi)需同時(shí)監(jiān)測(cè)影評(píng)和短評(píng)的極端性，第四、第五周時(shí)段重點(diǎn)關(guān)注短評(píng)的極端性，管理人員的監(jiān)測(cè)與反饋對(duì)調(diào)整電影的市場(chǎng)宣傳營(yíng)銷策略或電影的生命周期策略有著重要的作用。

本研究也有一定的局限性：第一，社會(huì)科學(xué)研究中很多變量是無(wú)法捕獲的，僅僅追蹤影評(píng)和短評(píng)的數(shù)量與極端性信息是不夠的，還有許多其他屬性難以納入模型，現(xiàn)有的模型更多是依賴于網(wǎng)站已提供的信息，對(duì)于那些獲取不到的信息，研究者很少思考它們是否應(yīng)該進(jìn)入模型；第二，本文僅對(duì)電影這類體驗(yàn)型產(chǎn)品的在線評(píng)論進(jìn)行研究，結(jié)論是否可以推廣到其他產(chǎn)品還有待驗(yàn)證。未來(lái)的研究者可對(duì)不同的研究對(duì)象做進(jìn)一步的研究，納入新的研究變量，豐富在線評(píng)論與銷量的研究。

[1] 殷國(guó)鵬. 消費(fèi)者認(rèn)為怎樣的在線評(píng)論更有用？社會(huì)性因素的影響效應(yīng)[J]. 管理世界, 2012，(12):115-124.

[2] Lee E，Shin S Y． When do consumers buy online product reviews? Effects of review quality，product type，and reviewer’s photo[J]. Computers in Human Behavior, 2014, 31(1):356-366.

[3] 楊銘,祁巍,閆相斌．在線商品評(píng)論的效用分析研究[J].管理科學(xué)學(xué)報(bào),2012,15(5):65-75.

[4] 廖俊云,黃敏學(xué).基于酒店銷售的在線產(chǎn)品評(píng)論、品牌與產(chǎn)品銷量實(shí)證研究[J].管理學(xué)報(bào),2016,13(1):122-130.

[5] Korfiatis N, García-Bariocanal E, Evaluating content quality and helpfulness of online product reviews: The interplay of review helpfulness vs. review content [J]. Electronic Commerce Research and Applications, 2012，(11):205-217.

[6] Cui Geng,Lui H K,Guo Xiaoning.The effect of online consumer reviews on new product sales[J]. International Journal of Electronic Commerce, 2012, 17(1):39-57.

[7] Ho-Dac N N, Carson S J, Moore M L.The effects of positive and negative online customer reviews: Do brand strength and category maturity matter? [J]. Journal of Marketing, 2013, 77(6):37-53.

[8] Chen Yubo, Wang Qi, Xie Jinhong. Online social interactions: A natural experiment on word of mouth versus observational learning [J]. Journal of Marketing Research, 2011, 48(4):238-254.

[9] 方佳明, 王鈺瑩,趙志榮.不同產(chǎn)品品牌聲譽(yù)對(duì)在線評(píng)論有用性影響因素的調(diào)節(jié)效應(yīng)[J].軟科學(xué),2016,30(3):108-112.

[10] Cheema A, Papatla P. Relative importance of online versus offline information for Internet Purchases: Product category and Internet experience effects [J].Journal of Business Research, 2010，63(9-10):979-985.

[11] Liu Yong. Word of mouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 70(7):74-89

[12] Chevalier J A, Mayzlin D. The effect of word of mouth on sales: Online book reviews [J]. Journal of marketing research, 2006, 43(3): 345-354.

[13] Scholz M, Dorner V. The recipe for the perfect review? An investigation into the determinants of review helpfulness [J]. Business & Information Systems Engineering, 2013, 5(3):141-151.

[14] Chen Yubo, Liu Yong, Zhang Jurui. When do third-party product reviews affect firm value and what can firms do? The case of media critics and professional movie reviews [J]. Journal of Marketing, 2011, 75: 116-134.

[15] Weathers D, Swain S D, Grover V. Can online product reviews be more helpful? Examining characteristics of information content by product type [J]. Decision Support Systems, 2015, 79:12-23.

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

[17] Dellarocas C. The digitization of word of mouth: Promise and challenges of online feedback mechanisms [J]. Management Science, 2003, 49(10):1407-1424.

[18] Duan Wenjing, Gu Bin, Whinston A B, The dynamics of online word-of-mouth and product sales—An empirical investigation of the movie industry [J]. Journal of Retailing, 2008，84(2): 233-242.

[19] Jiménez F R, Mendoza N A. Too popular to ignore: The influence of online reviews on purchase intentions of search and experience products [J]. Journal of Interactive Marketing, 2013, 27(3):226-235.

[20] Park D, Kim S. The effects of consumer knowledge on message processing of electronic word-of-mouth via online consumer reviews [J]. Electronic Commerce Research and Applications, 2008, 7(4): 399-410.

[21] Van D B C, Lilien G L. Medical innovation revisited: Social contagion versus marketing effort [J]. American Journal of Sociology, 2001, 106(5):1409-1435.

[22] Bowman D, Narayandas D. Managing customer-initiated contacts with manufacturers: The impact on share of category requirements and word-of-mouth behavior [J]. Journal of Marketing Research, 2001, 38 (3):281-297.

[23] 龔詩(shī)陽(yáng),劉霞,趙平.線上消費(fèi)者評(píng)論如何影響產(chǎn)品銷量——基于在線圖書評(píng)論的實(shí)證研究[J].中國(guó)軟科學(xué),2013,(6):171-183.

[24] Godes D, Mayzlin D, Using online conversations to study word-of-mouth communication [J]. Marketing Science, 2004,23(4):545-560.

[25] 杜學(xué)美,丁璟妤,謝志鴻,等.在線評(píng)論對(duì)消費(fèi)者購(gòu)買意愿的影響研究[J].管理評(píng)論,2016,28(3):173-183.

[26] 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.

[27] Rui Huaxia, Liu Yizao, Whinston A B. Chatter matters: How twitter can open the black box of online word-of-mouth [A]// ICIS 2004 proceedings. Saint Louis, Missouri: ICIS Press, 2010.

[28] Racherla P, Mandviwalla M, Connolly D J. Factors affecting consumers' trust in online product reviews [J]. Journal of Consumer Behaviour, 2012, 11(2): 94-104.

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

[30] Ghose A, Ipeirotis PG. Designing ranking systems for consumer reviews: The impact of review subjectivity on product sales and review quality[C]//Proceeding of the ninth international conference on electronic commerce, 2007.

[31] 江曉東.什么樣的產(chǎn)品評(píng)論最有用？—在線評(píng)論數(shù)量特征和文本特征對(duì)其有用性的影響研究[J].外國(guó)經(jīng)濟(jì)與管理，2015,37(4):41-56.

[32] Clemons E K, Gao Guodong, Hitt L M. When online reviews meet hyper differentiation: A study of the craft beer industry [J]. Journal of Management Information Systems, 2006, 23(2): 149-171.

[33] Ye Qiang, Law R, Gu Bin, et al. The influence of user-generated content on traveler behavior: An empirical investigation on the effects of E-WOM to hotel online bookings [J]. Computers in Human Behavior, 2011，27(2): 634-639.

[34] 周梅華,李佩镅,牟宇鵬. 在線評(píng)論對(duì)消費(fèi)者購(gòu)買意愿的影響——心理距離的中介作用[J]. 軟科學(xué),2015,29(1):101-104.

[35] Mudambi S, Schuff D. What makes a helpful online review? A study of customer reviews on Amazon.com [J]. MIS Quarterly, 2010, 34(1):185-200.

[36] Hyunmi B, Joong H A, Youngseok C. Helpfulness of online consumer reviews: Readers’objectives and review cues [J]. International Journal of Electronic Commerce, 2012, 17(2):99-126.

[37] Tversky A, Kahneman D. Judgment under uncertainty: Heuristics and biases [J]. Science, 1974, 185(4157):1124-1131.

[38] 王君珺,閆強(qiáng).不同熱度搜索型產(chǎn)品的在線評(píng)論對(duì)銷量影響的實(shí)證研究[J].中國(guó)管理科學(xué),2013,21(S1):406-411.

[39] Godes D, Mayzlin D, Using online conversations to study word-of-mouth communication [J]. Marketing Science, 2004，23(4):545-560.

[40] Li Xinxin, Hitt L M. Self-selection and informatiyon role of online product reviews [J]. Information Systems Research, 2008, 19(4):456-474.

ComparingtheEffectsofOnlineReviewsandOnlineCommentsonBox-officeIncomes

SHIWen-huaZHONGBi-yuanZHANGQi

(School of Economics and Management， Beijing University of Posts and Telecommunications, Beijing 100876, China)

Online reviews have been hot issues of researches in recent years. With the wealth of information carrier, the form of online reviews is more and more diversified. Nowadays the data source of research on online reviews mainly has two types: third-party product reviews and non-professional comment. However, there is little study about comparing the differences between two types of online reviews. In this article, the online movie review is divided into long review and short comment. Firstly, based on the review of literature, a conceptual framework is proposed to examine the impact of movie reviews on box-office. Then the online reviews data is collected from Douban movie Web site. The effects of review and comment on box-office incomes based on panel data are compared. The results show that review volume has no significant impact on box-office. Furthermore，the effect of comment volume weakened by week after reaching a peak. Besides，the influence of review valence variance doesnit exist until third week, but the comment valence variance continues to fifth week. Whether in volume or valence variance, comment has great influence on sales than review. The result indicates that the comment playas more important role in online movie reviews. This study is not only helyful for the further research of the impact of reviews on sales, but also optimizethes marketing strategies for movie producer and movie review site.

1003-207(2017)10-0162-09

10.16381/j.cnki.issn1003-207x.2017.10.017

F49

A

2016-02-21；

2016-06-29

國(guó)家自然科學(xué)基金資助項(xiàng)目(71371034,71372194)

石文華(1976-)，男(漢族)，江蘇江州人， 北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，研究方向：在線評(píng)論，E-mail:ebiz@bupt.edu.cn.

Keywords： online reviews; volume; extremity；box-office