替代還是互補？
——網(wǎng)絡(luò)口碑對電影市場競爭關(guān)系影響的實證研究

李思沅

(中國傳媒大學經(jīng)濟與管理學院，北京 100024)

伴隨著電影制作技術(shù)的進步與電影消費需求的增加，電影市場競爭愈發(fā)激烈。電影制片方與發(fā)行方雖然制定了營銷策略，但是僅依賴于電影營銷而忽略電影的競爭對手究竟是誰并不可行。2017年，中國內(nèi)地市場全年上映影片共726部，基本以每天1.99部的速度上映電影，正在放映的電影在上映期間幾乎每天都要面對新增加的競爭對手。電影之間的競爭體現(xiàn)在多個方面，如：劇本、制作成本、主演、導演等(唐玲玲，2009)[1]。從消費者角度看電影之間的競爭，除了電影制作的專業(yè)性，電影口碑是不可忽視的一個重要因素。

當前的研究中，學術(shù)界普遍認為口碑是影響電影票房的主要因素之一?？诒ǔＪ侵竿ㄟ^人與人之間通過口頭傳遞的信息。網(wǎng)絡(luò)口碑是消費者憑借網(wǎng)絡(luò)發(fā)表對產(chǎn)品或服務(wù)的評價與體驗，共享口碑，形成的新的口碑傳播方式。電影是經(jīng)驗性產(chǎn)品，且每一部電影都是獨一無二的，消費者很難在購買前做出判斷與評估(Vany，2004)[2]，因此消費者主動地就某一部電影的質(zhì)量進行評估并相互交流傳播其看法，由此電影口碑產(chǎn)生。Chaffee和Steven(1982)就信息可訪問性和可影響性理論，證實群體之間關(guān)于電影存在一定的交流，并且這種交流會顯著影響消費者的購買決策[3]。互聯(lián)網(wǎng)的發(fā)展延伸了電影消費者交換電影口碑的能力，催生了全新的口碑傳播方式——網(wǎng)絡(luò)口碑，這不僅助力于電影消費者的購買決策，還加深了口碑對電影票房的影響(王德勝等，2014)[4]。

本文主要采用網(wǎng)絡(luò)口碑評分、網(wǎng)絡(luò)口碑數(shù)量和網(wǎng)絡(luò)社交媒體的口碑信息衡量電影的網(wǎng)絡(luò)口碑。電影的網(wǎng)絡(luò)口碑會對電影的票房產(chǎn)生一定的影響。在現(xiàn)有的文獻中，Hsu和Jane(2016)認為在短期內(nèi)，評論數(shù)量和電影票房體現(xiàn)出了因果關(guān)系，網(wǎng)絡(luò)口碑與電影票房存在雙向因果關(guān)系[5]。在Chintagunta et al.(2011)的研究中，網(wǎng)絡(luò)評分對電影票房收入有顯著且重要的影響，網(wǎng)絡(luò)口碑數(shù)量與網(wǎng)絡(luò)口碑分布離散則對電影票房無明顯影響[6]。但是，陳素白等(2016)通過研究網(wǎng)絡(luò)口碑領(lǐng)域中的錨定效應(yīng)發(fā)現(xiàn)，豆瓣電影的評分中存在錨定效應(yīng)；外部信息會影響消費者評分，例如：通過有意設(shè)定的高錨信息使得消費者評分偏高。而不同的網(wǎng)絡(luò)社交媒體對電影票房有不同的影響[7]。Baek et al.(2017)研究發(fā)現(xiàn)Twitter在電影上映初期對票房有顯著影響，而Yahoo!Movies因具有強大的說服力，在電影上映后期對票房影響較大；博客和YouTube因是同時具有大眾媒體和個人社交特征的傳播媒體，在電影上映初期和后期并無明顯影響差異[8]。至于國內(nèi)的社交媒體如新浪微博，由于社交媒體在早期電影營銷階段能夠有效地引起潛在消費者的關(guān)注與興趣(Ding et al.，2016)[9]，電影制片人和發(fā)行商應(yīng)該選擇新浪微博中的大V用戶及其粉絲進行宣傳與轉(zhuǎn)發(fā)，而非普通微博用戶或發(fā)表審核信息微博進行電影營銷(Xiao et al.，2017)[10]。

本文關(guān)注的焦點在于幫助目標電影分辨其上映后的競爭對手。根據(jù)不同的競爭對手，電影制片方與發(fā)行方可以制定更有效的營銷策略，延長電影的生命周期，最終達到提高電影票房的目的。

1 電影競爭的研究設(shè)計

1.1 電影競爭模型

通常而言，一部電影是否為另一部電影的競爭對手，可以從兩部電影存在替代關(guān)系還是互補關(guān)系來判斷。一般對替代品的定義是：產(chǎn)品1會減少產(chǎn)品2的邊際利潤，互補品則與之相反。但是電影的之間的替代與互補效應(yīng)無法通過這一定義進行判斷，因為在電影票價一定的情況下，隨著電影票賣出數(shù)量的不斷增加，電影的邊際成本會逐漸減少，由此邊際利潤處于變化之中，不是唯一且確定的。為了更為具體、準確地判斷電影之間的替代效應(yīng)與互補效應(yīng)，將市場上的電影進行分類：電影A上映期間，晚于電影A上映的電影稱為“新上映的電影”，早于電影A上映的電影則為“正在放映的電影”。這兩類電影對電影A票房的影響可以從兩個方面體現(xiàn)：影片的數(shù)量與網(wǎng)絡(luò)口碑評分。影片數(shù)量會給消費者更多的觀影選擇，因此會影響電影A的票房。對于網(wǎng)絡(luò)口碑評分，我們依據(jù)電影A的網(wǎng)絡(luò)口碑評分進一步細分為：網(wǎng)絡(luò)口碑評分高于A的電影和網(wǎng)絡(luò)口碑評分與A相近的電影。由此，電影總共分為四類：(1)新上映電影中，網(wǎng)絡(luò)口碑評分高于A的電影；(2)新上映電影中，網(wǎng)絡(luò)口碑評分與A相近的電影；(3)正在放映的電影中，網(wǎng)絡(luò)口碑評分高于A的電影；(4)正在放映的電影中，網(wǎng)絡(luò)口碑評分與A相近的電影。

電影特征為電影市場同時擁有許多賣者(電影)、每一部電影都略有不同和電影可以無限制地進入或退出市場，屬于壟斷競爭市場。根據(jù)Bulow et al.(1985)的研究，在壟斷競爭市場中，如果產(chǎn)品1采取更為積極的策略時，產(chǎn)品2的應(yīng)對策略不是很積極，則產(chǎn)品1與產(chǎn)品2存在替代關(guān)系，二者之間關(guān)于利潤的系數(shù)為負。如果產(chǎn)品1采取更為積極的策略時，產(chǎn)品2的應(yīng)對策略是積極的，則產(chǎn)品1與產(chǎn)品2存在互補關(guān)系，二者之間關(guān)于利潤的系數(shù)為正[11]。將這一研究結(jié)論應(yīng)用到電影競爭中：上述四類電影中，如果其中一類電影對電影A的票房存在負向影響，則這類電影與電影A之間存在替代關(guān)系，是電影A的競爭對手。如果某一類電影對電影A的票房存在正向影響，則這類電影與電影A之間存在互補關(guān)系。

基于電影競爭中替代效應(yīng)與互補效應(yīng)的產(chǎn)生條件，本文構(gòu)建了電影競爭模型，如圖1所示。除此之外，本文將電影本身的網(wǎng)絡(luò)口碑作為解釋變量，并且引入口碑突出、票房突出、電影的原IP、主演粉絲數(shù)量、導演號召力、電影類型、電影檔期、是否為進口電影和是否為3D電影共11個變量作為控制變量，研究這些變量對電影票房的影響。

圖1 電影競爭模型

1.2 研究假設(shè)

本文統(tǒng)計了175部電影的相關(guān)數(shù)據(jù)，在研究本周新上映電影與本周正在放映電影數(shù)量、網(wǎng)絡(luò)口碑評分對175部電影票房的影響時，為明確表述，將175部電影稱為“目標電影”，將電影上映第二、三、四周分別稱為目標電影的“本周”。

參考電影之間的替代與互補關(guān)系、現(xiàn)有的網(wǎng)絡(luò)口碑對電影票房存在影響的研究文獻后，結(jié)合電影競爭模型，本文提出如下假設(shè)：

H1：本周新上映電影數(shù)量對目標電影的票房有正向影響。

H2：本周正在放映電影數(shù)量對目標電影的票房有負向影響。

H3：本周新上映電影高于目標電影的網(wǎng)絡(luò)口碑評分對目標電影的票房有負向影響。

H4：本周新上映電影與目標電影相近的網(wǎng)絡(luò)口碑評分對目標電影的票房有正向影響。

H5：本周正在放映電影高于目標電影的網(wǎng)絡(luò)口碑評分對目標電影的票房有負向影響。

H6：本周正在放映電影與目標電影相近的網(wǎng)絡(luò)口碑評分對目標電影的票房有正向影響。

H7：本周正在放映電影中存在的最高網(wǎng)絡(luò)口碑評分對目標電影的票房有正向影響。

2 變量與數(shù)據(jù)

本文的被解釋變量為電影周票房，將電影票房分為上映后第二、三、四周票房，電影票房是指電影放映期間的累計總收入，電影票房數(shù)據(jù)均來自藝恩網(wǎng)。

電影競爭變量為本文核心解釋變量，主要分為兩大類：目標電影上映第二、三、四周每周新上映電影數(shù)據(jù)與每周正在上映電影數(shù)量；網(wǎng)絡(luò)口碑評分高于目標電影的電影數(shù)量、每周最高網(wǎng)絡(luò)口碑評分與網(wǎng)絡(luò)口碑評分與目標電影相近的電影數(shù)量。其中，網(wǎng)絡(luò)口碑評分與目標電影相近的標準為：與目標電影網(wǎng)絡(luò)口碑評分一致、高于或低于目標電影0.1分之內(nèi)，不包含0.1分。

本文將目標電影本身的網(wǎng)絡(luò)口碑作為控制變量，主要包括目標電影上映第二、三、四周每周平均網(wǎng)絡(luò)口碑評分、每周網(wǎng)絡(luò)口碑總數(shù)量和每周微信指數(shù)。詳見表1。

表1 變量定義表

續(xù)表

注：①口碑突出標準：本文選取的175部電影其上映第二、三、四周總平均網(wǎng)絡(luò)口碑評分為6.216，因此將每周網(wǎng)絡(luò)口碑平均效價突出的標準定為周網(wǎng)絡(luò)口碑評分大于或等于8.00，并統(tǒng)計目標電影上映第二、三、四周每周網(wǎng)絡(luò)口碑評分突出的電影數(shù)量。經(jīng)篩選，僅有25部電影在上映后第二、三、四周中存在周網(wǎng)絡(luò)口碑評分突出的情況。

②票房突出標準：175部電影上映第二、三、四周電影周總票房的平均值為2260萬元，因此將每周電影總票房突出的標準定為每周電影票房大于或等于2500萬元。經(jīng)統(tǒng)計，電影上映第二、三、四周電影每周總票房突出的電影有43部。

3 實證分析

為探究新上映電影、正在放映電影和目標電影之間的競爭關(guān)系，我們采用固定效應(yīng)模型的方法進行回歸分析。

由于控制變量中有些變量存在個體固定效應(yīng)，不隨電影上映時間而改變，只與電影個體有關(guān)，存在個體固定效應(yīng)，不適合用固定效應(yīng)模型進行估計，因此我們將這類變量分組為：含個體效應(yīng)的其他控制變量(下文稱：其他控制變量)，包括：電影網(wǎng)絡(luò)口碑評分(valence)、每周網(wǎng)絡(luò)口碑評分突出的電影數(shù)量(vbest)、電影上映檔期(dq1、dq2、dq3和dq4)、是否存在原IP(ipxj)、主演粉絲數(shù)量(fan)、導演號召力(director)、是否為進口片(input)、是否為3D電影(d)和電影類型(lxi，i=1，...13)；并且在固定效應(yīng)模型的回歸中不加入這些控制變量。控制變量每周電影票房突出的電影數(shù)量(bbest)在回歸結(jié)果中不顯著，所以刪除此變量。對于不存在個體控制效應(yīng)的控制變量，我們將其分類為主要控制變量，包括：每周微信指數(shù)(wx)和網(wǎng)絡(luò)口碑數(shù)量(volume)。其他控制變量OLS回歸結(jié)果均顯著；主要控制變量使用固定效應(yīng)模型回歸后，回歸結(jié)果均顯著。

在考察高于目標電影的網(wǎng)絡(luò)口碑評分是否會對其票房產(chǎn)生影響時，由于數(shù)據(jù)統(tǒng)計時存在缺失值和目標電影本身為周網(wǎng)絡(luò)口碑評分最高的情況，因此分別引入虛擬變量：xg與rg，這兩個變量的定義如下：

本文在使用固定效應(yīng)模型進行估計時，加入了主要控制變量：隨電影上映時長而變化的每周微信指數(shù)與每周網(wǎng)絡(luò)口碑數(shù)量。

對于新上映電影對目標電影的影響，我們使用H1、H3和H4進行說明。

表2中第1列使用固定效應(yīng)進行對H1回歸。H1認為新上映電影的數(shù)量對目標電影的票房有正向影響。變量new在1%的顯著性水平上顯著為正，完全支持H1。在對H1的檢驗中，我們認為由于電影消費存在一定的風險性，新上映的電影雖然存在口碑信息，但是與已經(jīng)放映至少一周的目標電影相比，缺乏具體的觀影體驗與口碑信息的傳播時間，因此即使消費者面臨更多的觀影選擇，也有極大機率優(yōu)先選擇有更多參考信息的目標電影，目標電影的票房相對增加。

表2第3列是對H3進行固定效應(yīng)估計的結(jié)果，H3為本周新上映電影高于目標電影的網(wǎng)絡(luò)口碑評分對目標電影的票房有負向影響。xg在1%的顯著性水平上顯著為正，與H3預(yù)期符號相反。原因可能是在進行樣本數(shù)據(jù)統(tǒng)計時，新上映的電影并不包括與目標電影同日上映的電影，新上映的電影在當周內(nèi)至少晚于目標電影一天上映，甚至是當周最后一天上映的。因此，即使新上映的電影網(wǎng)絡(luò)口碑評分高于目標電影，也會因為缺少足夠的傳播時間而流失一部分票房，目標電影的票房因此增加。

表2中第4列為對于與目標電影相近的網(wǎng)絡(luò)口碑評分對目標電影票房有正向影響的檢驗。在第4列中，xy在10%的顯著性水平上顯著為正，可以證實H4，認為本周新上映電影與目標電影相近的網(wǎng)絡(luò)口碑評分對目標電影的票房有正向影響。這是因為：電影的體驗性特征使得消費者在進行消費時，需要承擔一定的消費風險。與正在上映的電影相比，網(wǎng)絡(luò)口碑評分相近的情況下，新上映的電影參考信息較少，觀看新上映的電影消費者需要承擔更多的風險，因此消費者會優(yōu)先選擇可以有更多參考信息的正在上映的電影。

正在放映的電影對目標電影票房的影響，通過H2、H5、H6和H7說明。

表2中第2列中可以看出，變量re在1%的顯著性水平上顯著為負，可以證實H2，即正在放映的電影數(shù)量對目標電影的票房有負向影響。與正在放映的電影相比，目標電影的上映時間晚于這類電影，正在放映的電影有相對充足的時間傳播自己的口碑和觀影體驗，觀眾基于電影消費的風險性，正在放映的電影數(shù)量越多，觀眾的選擇越豐富，選擇正在放映的電影的可能性越高，目標電影的票房由此減少。

第5列的回歸結(jié)果為對H5的檢驗。rg在1%的顯著水平上顯著為負，回歸結(jié)果完全支持H5，即本周正在放映電影高于目標電影的網(wǎng)絡(luò)口碑評分對目標電影的票房有負向影響。正在上映的電影中，網(wǎng)絡(luò)口碑評分高于目標電影的電影存在一定的觀眾基礎(chǔ)，觀眾所需要承擔的消費風險較小，因此這類電影會與目標電影產(chǎn)生激烈的競爭。因此，可以進一步得出結(jié)論：正在放映電影中網(wǎng)絡(luò)口碑評分高于目標電影的電影是目標電影的競爭對手，二者之間存在替代關(guān)系。

H7的檢驗結(jié)果在第7列。rv在5%的顯著水平上顯著為正，可以證實H7，即本周正在放映電影中存在的最高網(wǎng)絡(luò)口碑評分對目標電影的票房有正向影響。由于電影屬于體驗型產(chǎn)品，消費者在觀看電影時會承擔一定的風險，同時，網(wǎng)絡(luò)口碑是消費者消費決策中重要的影響因素之一，同期上映的電影中，消費者會優(yōu)先選擇網(wǎng)絡(luò)口碑高的電影進行觀看，所以，每周最高網(wǎng)絡(luò)口碑評分的電影是消費者的優(yōu)先選擇。但Ho et al.(2016)發(fā)現(xiàn)隨著時間的推移，已經(jīng)上映的電影會逐漸失去對消費者的吸引力，消費者偏好降低[12]。當最高網(wǎng)絡(luò)口碑評分的電影觀看完畢后，消費者再次進入影院時會選擇未觀看的電影進行消費。因此，正在上映的電影中，每周網(wǎng)絡(luò)口碑評分最高的電影會對目標電影的票房產(chǎn)生正向影響，即增加目標電影票房。

對H6的檢驗結(jié)果參加下表中第6列。在第6列中，ry的回歸結(jié)果不顯著，無法支持H6，說明正在放映電影中與目標電影相近的網(wǎng)絡(luò)口碑效價對目標電影的票房沒有影響。產(chǎn)生這種情況的原因一是當周正在放映電影中不存在與目標電影相近的網(wǎng)絡(luò)口碑評分；二是當周正在放映的電影中雖然存在與目標電影相近的網(wǎng)絡(luò)口碑評分，但是在這種情況下，正在放映的電影中均存在高于目標電影的網(wǎng)絡(luò)口碑評分，無論是目標電影還是正在放映電影中與目標電影擁有相近網(wǎng)絡(luò)口碑評分的電影，其競爭對手都是網(wǎng)絡(luò)口碑評分高于目標電影的電影。

第8列是被解釋變量對所有核心解釋變量的回歸。可以看出變量new、xg與re均在1%的顯著性水平上顯著，變量rg與變量xg均為虛擬變量，二者存在完全共線性，因此在固定效應(yīng)的回歸中被系統(tǒng)刪除。

綜上所述，在目標電影放映期間，正在放映的電影數(shù)量越多，對目標電影票房的負向影響越明顯；且網(wǎng)絡(luò)口碑評分高于目標電影的電影與目標電影之間存在替代關(guān)系。正在放映的電影中，與目標電影網(wǎng)絡(luò)口碑評分相近的電影，與目標電影既不存在替代關(guān)系，也不存在互補關(guān)系。新上映的電影則與目標電影之間存在互補關(guān)系，對目標電影的票房存在正向影響。

4 研究結(jié)論與建議

本文利用2017年中國電影消費市場的數(shù)據(jù)，通過固定效應(yīng)模型分析了電影在上映期間的競爭對手，發(fā)現(xiàn)正在放映的電影中，網(wǎng)絡(luò)口碑評分高于目標電影的電影與目標電影存在替代關(guān)系，是目標電影的主要競爭對手。正在放映的電影數(shù)量對目標電影的票房存在負向影響。對于目標電影的票房存在正向影響的因素有：目標電影上映當周最高網(wǎng)絡(luò)口碑評分的電影，新上映電影的數(shù)量，和新上映電影中網(wǎng)絡(luò)口碑評分比目標電影高或與目標電影相近。正在放映的電影中，與目標電影網(wǎng)絡(luò)口碑評分相近的電影對目標電影票房既不存在正向影響，也不存在負向影響。

表2 固定效應(yīng)模型回歸結(jié)果

注：括號中數(shù)字為t統(tǒng)計量；*、**和***分別代表在10%、5%和1%水平顯著。

基于以上結(jié)論，本文提出以下三點建議：第一，在保持影片神秘感的情況下，上映前加強對電影的宣傳，擴大影片的觀眾基礎(chǔ)。利用消費者的獵奇心理，通過跌宕起伏的預(yù)告片與適當?shù)狞c映，擴大潛在觀眾的基礎(chǔ)。第二，在上映過程中加強電影口碑宣傳，提升電影網(wǎng)絡(luò)口碑。第三，通過上映檔期選擇電影競爭對手，避開賀歲檔等大片集中上映的檔期。類似賀歲檔這樣的檔期中，上映的影片大多為制作精良、上映后口碑良好的影片。制片方與發(fā)行方需要對影片進行合理定位，選擇合適的上映檔期以獲得盡可能高的電影票房。