網(wǎng)絡(luò)口碑對電影票房影響及干擾因素分析

近年來，數(shù)字經(jīng)濟的崛起為電影產(chǎn)業(yè)的變革迎來了機遇，電影消費方式及受眾群體相應發(fā)生了變化。在此背景下，電影產(chǎn)業(yè)發(fā)展擁有更多的消費動機，影響票房收益的環(huán)境因素也變得更為復雜。本文立足數(shù)字經(jīng)濟消費環(huán)境下的網(wǎng)絡(luò)口碑，力求準確理解網(wǎng)絡(luò)口碑對電影票房的影響，消除票房的不確定性，引導電影行業(yè)科學認識網(wǎng)絡(luò)評分的利弊。

一、票房預測研究的數(shù)字化轉(zhuǎn)向

1937年，蓋洛普（Gallup）成立了觀眾調(diào)查所，利用截面取樣的方法搜集電影觀眾的準確截面，開創(chuàng)了電影觀眾研究的先河。1950年，漢德爾（Handel）出版了《好萊塢如何讀懂觀眾》（Hollywood Looks at the Audience：A Report of Film Audience Research），研究內(nèi)容更加系統(tǒng)。這兩位學者的研究為后續(xù)電影票房的預測提供了基礎(chǔ)框架。1989年，李特曼（Litman）在《電影經(jīng)濟成功預測：基于八十年代人的經(jīng)驗》一書中建立了李特曼電影預測模型，促進了電影票房預測的科學化。早期的票房預測模型主要以統(tǒng)計模型作為研究的基礎(chǔ)。[1]

隨著數(shù)字經(jīng)濟的發(fā)展，對于電影消費影響因素的研究隨之擴展，社交媒體話題、搜索引擎等因素均被學者給予了充分考量。只有真正將具有數(shù)字消費內(nèi)涵的因素納入原有的研究框架，才能切實掌握這個時代背景下電影票房的變量。

2010年，Sitaram Asur和 Bernardo A. Huberman發(fā)表了Predicting the Future With Social Media一文。[2]該文開啟了以社交媒體來預測電影票房的新篇章，主要根據(jù)推特上的聊天內(nèi)容分析預測票房收入。[3]

頗有異曲同工之意味的是，國內(nèi)學者也運用網(wǎng)絡(luò)社交渠道來預測票房收入。2015年，王偉發(fā)表了《基于微博數(shù)據(jù)的電影票房預測研究》一文，通過提取微博數(shù)據(jù)來建立電影票房預測模型。[4]2017年，魏明強、黃媛發(fā)表了《網(wǎng)絡(luò)評價對電影票房走勢的影響》一文，以國內(nèi)網(wǎng)站的電影評分作為研究切入點，分析不同階段網(wǎng)絡(luò)評分與電影票房之間的關(guān)系。[5]

2019年，程立茹發(fā)表了《我國電影產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型問題研究》一文，文中抓住了數(shù)字經(jīng)濟時代電影產(chǎn)業(yè)變革的關(guān)鍵點，將社交媒體及數(shù)字營銷活動納入需要關(guān)注的影響因素，借助特征學習模型及預測排序模型，構(gòu)建了一個新的電影票房預測框架。[6]由此可見，數(shù)字經(jīng)濟時代下的電影票房預測需要進一步運用大數(shù)據(jù)及機器學習方法，這樣才能有效提高票房預測的精確度。

2021年，楊帆和吳孝靈發(fā)表了《基于在線評分的電影用戶數(shù)量預測模型》一文，聚焦電影在線評分，將此作為考察電影質(zhì)量的重要指標，并延伸到對于用戶數(shù)量的預測，構(gòu)建了電影用戶追隨者的影響系數(shù)模型。[7]

總而言之，隨著數(shù)字經(jīng)濟時代的發(fā)展，電影票房的預測研究發(fā)生了轉(zhuǎn)向。在傳統(tǒng)預測模型中，研究者主要將視角放于線性影響上，這已經(jīng)不符合數(shù)字經(jīng)濟時代下復雜的電影消費環(huán)境。何琦、袁芳英的研究結(jié)果顯示：“數(shù)字時代電影消費影響因素不僅重視編劇、演員、電影類型等核心文化創(chuàng)意價值特征，更呈現(xiàn)出顯著的數(shù)字化特征，前十位的影響因素中數(shù)字化的營銷活動、輿論熱點營造、網(wǎng)絡(luò)口碑占據(jù)了半壁江山?！盵8]

二、數(shù)字社交背景下的網(wǎng)絡(luò)口碑

（一）數(shù)字社交屬性影響消費偏好

電影作為一種文化產(chǎn)品，消費者在消費時往往以個人審美偏好作為主要選擇依據(jù)。消費者的個人特質(zhì)在消費過程中處于主導位置。不過，數(shù)字化時代的來臨在一定程度上改變了人們的生活及思維方式，如拓展了人們的社交圈、改變了人們的圈層定位，這種數(shù)字社交也對個人的選擇造成了一定影響，這就是消費者本身所發(fā)生的變化。

個人在消費過程中會受到社群特征的影響，特別是當選擇電影產(chǎn)品舉棋不定時會出現(xiàn)一定的從眾心理，將電影產(chǎn)品的品牌效應納入考慮范疇。同時，數(shù)字經(jīng)濟時代下社交網(wǎng)絡(luò)的影響力逐漸增大，消費者也會受網(wǎng)絡(luò)達人的意見影響。所以，在網(wǎng)絡(luò)上評分、排名靠前的電影更容易受到消費者的青睞。

當然，也有相反的意見。何萍提出，“對于中國電影來說，電影評分對票房影響并不大”，影響票房的核心產(chǎn)品因素主要是電影類型、文化熟悉度、明星和導演、發(fā)行檔期等。[9]

（二）數(shù)字環(huán)境影響因素

數(shù)字經(jīng)濟時代，電影營銷方式發(fā)生變革，營銷團隊為了增強電影產(chǎn)品與觀眾的互動性，往往借助社會化媒體開展一系列活動，如此既可以縮短與消費者的距離，也能達到刺激消費的目的，可謂是一舉兩得。

由此可見，社會系統(tǒng)要素對于電影消費的影響更為復雜。營銷團隊在制訂營銷計劃時需要充分考慮社會支持、社會化營銷及網(wǎng)絡(luò)口碑等因素，這樣能自如地應對電影產(chǎn)品復雜營銷環(huán)境中的潛在風險。

當消費者在搜集相關(guān)產(chǎn)品信息時會對電影產(chǎn)品進行功能認知比較，這既是消費者進行內(nèi)化學習的過程，也能通過模仿學習機制，表現(xiàn)出典型的個體間觀點或行為的趨同特征。

（三）宣傳發(fā)行的數(shù)字渠道變革

數(shù)字經(jīng)濟時代為電影制作與發(fā)行營造了更加良好的發(fā)展環(huán)境，既滿足了電影制作與發(fā)行的技術(shù)要求，也滿足了民眾碎片化的情感需求。在當前的發(fā)展背景下，電影的制作需要將特定品牌與產(chǎn)品進行商業(yè)化包裝，堅持以內(nèi)容創(chuàng)新為出發(fā)點，走專業(yè)化的制作路線，這樣既能保證電影的質(zhì)量，又能產(chǎn)生經(jīng)濟效益。

現(xiàn)代宣傳方式對電影票房的促進作用高于傳統(tǒng)宣傳方式?！半娪昂?、劇照等傳統(tǒng)宣傳方式，雖然在電影宣傳上仍具有不可替代的優(yōu)勢，但這些靜止凝固的視覺表現(xiàn)形式遭到了網(wǎng)絡(luò)技術(shù)和多媒體等現(xiàn)代傳播手段的巨大的沖擊，使得海報、劇照等傳統(tǒng)宣傳方式對票房的促進作用減少，甚至不顯著?！盵10]電影進入發(fā)行階段之后，應充分借助融媒體媒介，選擇多渠道發(fā)行手段，根據(jù)不同網(wǎng)站設(shè)置選擇有針對性的推廣方式。

（四）監(jiān)測網(wǎng)絡(luò)口碑的導向性

數(shù)字經(jīng)濟時代的開放性增強了電影產(chǎn)業(yè)與受眾之間的互動，同時存在一定的負面效應，建立完善的網(wǎng)絡(luò)口碑監(jiān)測系統(tǒng)對于提高電影產(chǎn)業(yè)的收益有著至關(guān)重要的作用。一方面，電影生產(chǎn)者應及時發(fā)現(xiàn)電影內(nèi)容中的糟粕并主動剔除；另一方面，電影行業(yè)傳播正確價值觀或提供積極輿論引導。

三、網(wǎng)絡(luò)口碑背后的干擾因素

通常來講，導演的知名度和美譽度、電影類型、排片等因素對票房影響非常大，但這些因素是相對恒定的，與是否邁入數(shù)字經(jīng)濟時代無關(guān)。因此，本文仍然從社交干擾角度來分析，哪些干擾因素會影響電影的網(wǎng)絡(luò)口碑。

網(wǎng)絡(luò)評分和口碑與票房收入呈正相關(guān)關(guān)系。不過，有幾個表現(xiàn)仍然值得特別關(guān)注。

首先，網(wǎng)絡(luò)評分、口碑與票房呈正相關(guān)關(guān)系，這為電影宣發(fā)提供了有益的改進思路。應當重視復合型推廣手段，利用社交網(wǎng)絡(luò)設(shè)置與電影相關(guān)的話題，增加群眾對于電影的討論熱度。“電影自身因素、消費者自身因素和市場因素對票房的影響都是顯著的，打破了以往在分析影響因素時僅分析電影自身因素的思維。”電影發(fā)行方的宣發(fā)能力是取得成功票房的重要一環(huán)，應該引起足夠的重視，改變只關(guān)注電影制作的傳統(tǒng)觀念[11]。

其次，網(wǎng)絡(luò)評分、口碑與票房兩者之間不一定存在顯著因果關(guān)系。學者王一帆的研究表明，豆瓣評分每提高1分，電影票房收入平均增加3573.97萬元。但是，網(wǎng)上評分對電影票房的影響并非最顯著，原因在于我國評分機制不健全：（1）在一部電影下架后，人們可以通過網(wǎng)上資源觀看然后對其評價，而在電影上映前也可以根據(jù)主觀判斷對其進行預期評價，所以評分與票房沒有直接因果關(guān)系；（2）人們根據(jù)自己的喜好對一部電影進行評價，評分的高低受評分群體特征的影響很大，不能代表一部電影的票房收入。[12]

同時，電影觀眾特別是新興的年輕群體并非盲目接受，而是有選擇性的，這種獨立自主的選擇會影響票房預測的準確性?！霸陔娪霸u分回歸分析中不顯著，原因是當今主要消費群體基本上都是90后和00后，有個性的新一代更加追求的是個人的主觀感受，不再輕易地受他人推薦等客觀原因，所以電影評分對于新一代來說不會很大程度上影響他們的觀影決策；在選擇觀看哪部影片時，更加關(guān)注的是影片的內(nèi)容?！盵13]

再次，要看到網(wǎng)絡(luò)口碑好壞，可能受到人為造假的影響。近年來，網(wǎng)絡(luò)平臺操縱評分的惡劣行為屢有曝光。有些電影在豆瓣評分初期較高而后暴跌，也可能存在某個平臺評分很低其他平臺評分很高的現(xiàn)象，背后人為干擾的因素很大。華銳、王森林等人指出，如果為了片面追求票房而人為炒作，可能適得其反?！安磺‘?shù)摹醋鳌?，如不切實際的評介、夸大其詞的宣傳、雇傭網(wǎng)絡(luò)水軍、‘炒作’明星隱私等，則會敗壞觀眾的胃口，最終導致票房的失敗?！盵14]

最后，票房只代表經(jīng)濟成功，網(wǎng)絡(luò)口碑始終只是票房的參考系數(shù)，社會效益仍然是文藝作品不可忽視的目標。要鼓勵電影產(chǎn)業(yè)制訂多元化的評價標準，使其處于一個風清氣正的發(fā)展環(huán)境之中。

吊詭的是，國產(chǎn)電影還存在“口碑越差票房越高”的逆增長現(xiàn)象。2013年上映的《天機·富春山居圖》在格瓦拉網(wǎng)上的評分是3.7分，被封為“史上第一爛片”，雖然被罵得體無完膚，但票房扶搖直上，兩天過億元。2014年上映的《西游記之大鬧天宮》被稱為“中國電影里程碑式的爛片”，豆瓣電影評分僅為4.3分，然而票房破10億元?！案灿诂F(xiàn)實生活是擺脫‘高票房低口碑’困境的重要手段。影視作品應注意根植于我們所處的文化環(huán)境和背景，尤其是反映當代生活，這樣才能引起共鳴?！盵15]

何琦等人提出，網(wǎng)絡(luò)話語體系容易產(chǎn)生部分網(wǎng)絡(luò)職黑、水軍等引導電影消費網(wǎng)絡(luò)評價、提供虛假信息、流量造假、熱點排行亂象等諸多問題。對應的辦法是進一步規(guī)范網(wǎng)絡(luò)環(huán)境，全面提高電影產(chǎn)業(yè)網(wǎng)絡(luò)生態(tài)治理能級，而且應當鼓勵多元化的數(shù)字內(nèi)容價值評價體系構(gòu)建，文化價值和審美體驗不能僅由一串數(shù)據(jù)體現(xiàn)，電影內(nèi)容本身的藝術(shù)審美、文化體驗價值更為重要。[16]

四、應對或改進策略

既然電影票房預測研究中存在的社交干擾現(xiàn)象有積極和消極兩種情況，根據(jù)上述研究分析，我們提出初步的應對或改進策略。

第一，數(shù)字經(jīng)濟時代下的電影票房和網(wǎng)絡(luò)口碑存在正相關(guān)性，就應根據(jù)互聯(lián)網(wǎng)互動屬性強融合傳播的特征，采取加大社交互動方面的主動介入。

第二，電影票房和網(wǎng)絡(luò)口碑之間的關(guān)系是必要條件而非充分條件，那么，要防止迷信過分干預必然拉動票房增長的錯誤認識。尤其應當防止甚至反對過度的違背公序良俗的炒作。換言之，在堅持主動介入策略的積極心態(tài)下，應當堅持謹慎適度策略。

第三，群體之間固然會因為互聯(lián)網(wǎng)社交產(chǎn)生盲從效應，但是，也有部分個性化的年輕群體不愿意隨波逐流，而是堅持自主選擇。當然，也有的電影本身就屬于精準營銷的小眾類型，盲目加大互聯(lián)網(wǎng)社交干擾力度并不明智。因此，要想達到提高票房預測的準確性和指導宣發(fā)的有效性，那就要對電影票房的社交干擾現(xiàn)象注意精準分眾策略。

第四，網(wǎng)絡(luò)口碑和電影上映時間存在時差，可能提前，也可能延后，不同觀眾會選擇在不同的時間段給出自己的預期目標或事后看法。因此，應當注意發(fā)掘事中評價的社交互動力度，發(fā)揮其積極影響，為拉動票房增長作出貢獻。

魏明強、黃媛指出，“影響票房下降率的主要指標是首周豆瓣網(wǎng)點贊點踩總數(shù)和第一周時光網(wǎng)點贊數(shù)。每周為了避免電影票房下降過快，應及時關(guān)注時光網(wǎng)和豆瓣網(wǎng)用戶對每篇長影評的點贊數(shù)量?！盵17]可見，應當有針對性地采取首周引導策略。

最后，對票房拉動來說，事前輿論熱身是必不可少的，在這期間采取主動介入策略自然也是不可少的措施。然而，要注意上映前人為評分過高可能帶來口碑斷崖式下滑的后果。如果電影上映后觀眾反響熱烈，自然會收獲更高的網(wǎng)絡(luò)評分；如果電影上映后不如預期目標而評分略有下調(diào)，不至于陷入尷尬的境地。

結(jié)語

互聯(lián)網(wǎng)的社交屬性增強了網(wǎng)民互動性、傳播即時性、認同極化等特點，給數(shù)字經(jīng)濟時代電影票房預測帶來了新的影響。正確的社交干擾策略在一定程度上能夠趨利避害，對電影票房產(chǎn)生正向拉動作用。然而，任何干擾策略都無法改變一個事實，即電影票房成功只是評價標準之一，電影自身的藝術(shù)價值和社會價值也是評價多元化的重要考量因素。

參考文獻：

[1]Litman B R， Kohl L S. Predicting financial success of motion pictures： The'80s experience[ J ]. Journal of Media Economics， 1989， 2（02）：35-50.

[2]Asur S， Huberman B A. Predicting the future with social media[C]//2010 IEEE/WIC/ACM international conference on web intelligence and intelligent agent technology.IEEE，2010（01）：492-499.

[3]王文文，周澍民.社會化媒體對電影票房的預測價值研究[ J ].新聞傳播，2013（12）：256-257

[4]王偉.基于微博數(shù)據(jù)的電影票房預測研究[D].重慶：重慶大學，2015.

[5][17]魏明強，黃媛.網(wǎng)絡(luò)評價對電影票房走勢的影響[ J ].中國傳媒大學學報（自然科學版），2017（03）：68-71.

[6]程立茹.我國電影產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型問題研究[ J ].人民論壇·學術(shù)前沿，2019（19）：55-59.

[7]楊帆，吳孝靈.基于在線評分的電影用戶數(shù)量預測模型[ J ].現(xiàn)代營銷（學苑版），2021（06）：74-77.

[8][16]何琦，袁芳英.數(shù)字經(jīng)濟時代電影消費影響因素及票房預測研究——基于機器學習與模型融合視角[ J ].

價格理論與實踐，2021（09）：163-167，204.

[9]何萍.影響電影票房的幾大因素分析[ J ].中國電影市場，2011（11）：8-10.

[10][14]華銳等.中國電影票房的影響因素研究[ J ].統(tǒng)計與決策，2019（04）：97-100.

[11]盧文景，馮曉.大數(shù)據(jù)時代電影票房影響因素證實分析[ J ].中國傳媒大學學報（自然科學版），2017（01）：41-46.

[12]王一帆.我國電影票房影響因素分析[ J ].市場研究，2015（05）：30-32.

[13]方宗琳.電影票房影響因素的研究[ J ].市場周刊，2018（10）：81-85.

[15]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 ].湖南師范大學社會

科學學報，2015（02）：152-160.