移动网络时代的社会化媒体关注度对电影票房收入的影响研究

发布时间：2017-08-08 17:22

  本文关键词：移动网络时代的社会化媒体关注度对电影票房收入的影响研究

  更多相关文章： 电影票房 社会化媒体关注度 热议度 网络口碑 面板数据模型

【摘要】：作为推动中国文化产业发展、提升文化软实力的重要组成部分,中国电影自1992年正式提出电影改革以来,市场化改革不断深入,并在最近十年取得了很大的进展。尤其是在移动网络时代,电影产业加码互联网化进程与产业整合力度,加之电影外部环境利好,产业规模增长,在移动互联网创新作用下,呈现出一种“改朝换代”感,带来了中国电影市场高位增长新常态的局面。移动网络时代也是社会化媒体盛行的“眼球经济”时代,电影产业对接“互联网思维”,似乎成为了电影发行方在电影宣传阶段面向市场沟通时的一门必修课,微博、微信等新兴的社会化媒体,不仅使得人人都有“麦克风”,还使得人人手上都握有“引爆器”,品牌或产品在社会化媒体上的关注度就意味着商机。社会化媒体应用平台已成为电影公司进行营销发行的重要阵地。早在移动网络技术产生之前,社会化媒体应用在互联网1.0时代已经出现,市场营销学界围绕社会化媒体营销展开了一系列研究,理论和实践的研究都表明社会化媒体能以较低的成本获得可观的传播效果和影响深度。而移动网络和移动通信技术推动了社会化媒体的空前发展,也催生了很多的新兴研究领域,基于信息技术研究的社会化媒体关注度研究就是其中最为重要的研究热点之一。电影经济学领域对公众关注度和电影收益的关系也一直持有浓厚的兴趣,因为众多围绕电影票房影响因素的研究都表明,这些因素引发的不同程度的公众关注与消费者的观影意愿息息相关,进而影响到电影收益。电影营销领域敏锐的意识到公众关注度和电影票房之间的强相关性,试图从不同角度进行研究来解释公众关注度的问题。早前的研究学者们一般利用网络口碑、话题活跃度以及影片被搜索量等间接度量指标作为公众关注度的代理变量。但一方面,这些指标并不能直接衡量公众关注的强弱和变化趋势,另一方面,已有的研究大多采用单一平台数据或者单一代理变量,不能较为立体的体现社会化媒体关注度对电影票房的影响和作用机理。而信息技术和数据分析技术的发展使社会化媒体记录的用户行为数据采集与分析得以实现,这就为研究社会化媒体关注度提供了一个精准又直观的度量指标。本文以中国电影市场为研究对象,采用“新浪微博”和“豆瓣”两个平台上的电影“热议指数”和“网络口碑”数据,构建热议度、网络口碑两个维度共计6个社会化媒体公众关注度代理变量,以2015年在中国大陆上映,且在每月票房前十名榜单的52部电影为研究样本,并手工收集了样本前五周的电影票房、热议指数、网络口碑的3大类型数据,构建面板数据模型,从热议度效应和口碑效应两个方面,并结合生命周期效应,实证分析了社会化媒体关注度和电影票房收入的关系。本文共分为六章:第一章阐述研究背景、研究问题与意义,梳理国内外研究现状,确定研究的主要内容和技术路线;第二章对社会化媒体关注度相关理论展开系统梳理,包括社会化媒体概述、社会化媒体营销理念、社会网络理论和消费者行为决策理论;第三章进行了社会化媒体关注度对电影票房收入影响的实证研究设计,包括假设分析、研究样本和数据采集来源确定、变量设置等;第四章主要采用面板数据模型进行社会化媒体关注度对电影票房影响的回归分析和假设检验,并结合截面回归方法进行每周独立回归诊断公众关注度影响的生命周期效应;第五章给出了研究结论,并提出了对移动网络时代电影社会化媒体营销的一些启示;最后一章是对本文的研究创新和研究局限的总结。本文的研究表明:(1)电影在社会化媒体上的热度指数与票房收入有显著的正相关关系,尤其是在电影院线生命周期的早期,其影响效应呈随时间递增的变化趋势,而在生命周期的晚期,更是推动票房收入增长的主要力量。(2)社会化媒体上的网络口碑效价,即网络评分,对票房收入有积极影响,且不论是正面口碑还是负面口碑都和电影票房显著相关;其中,负面口碑对电影票房的伤害作用大于正面口碑的助力作用,尤其是在电影上映期的中后期,负面口碑对票房收入的边际递减效用越发突出。(3)热议度和网络口碑互为条件又互相影响,在消费者有限理性的调节下,社会化媒体关注度不同维度的信息在电影院线生命周期的不同阶段,交互作用于消费者的实际购买行为,影响电影票房的市场表现。本文的研究能对电影发行公司在移动网络时代布局社会化媒体营销战略提供参考,有助于高质量电影能更好的获得市场认可,从而有利于推动中国电影产业健康发展,实现“票房大国”到“电影大国”的升华。
【关键词】：电影票房 社会化媒体关注度 热议度 网络口碑 面板数据模型
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：J943
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-27
• 1.1 研究背景9-14
• 1.1.1 移动互联网的热潮爆发9-10
• 1.1.2 社会化媒体营销的盛行10-11
• 1.1.3 电影产业的“互联网化”11-12
• 1.1.4 社会化媒体关注度的营销价值12-14
• 1.2 研究问题及意义14-17
• 1.2.1 研究问题14-15
• 1.2.2 研究意义15-17
• 1.3 国内外研究综述17-24
• 1.3.1 社会化媒体营销的研究现状17-21
• 1.3.2 电影票房影响因素的研究现状21-23
• 1.3.3 公众关注度代理变量的研究现状23-24
• 1.4 研究内容和框架24-27
• 1.4.1 篇章结构24-26
• 1.4.2 技术路线26-27
• 第二章 社会化媒体关注度的相关理论阐释27-43
• 2.1 社会化媒体概述27-32
• 2.1.1 社会化媒体的概念27-28
• 2.1.2 社会化媒体的涵盖范围28-30
• 2.1.3 移动网络时代的社会化媒体特征30-31
• 2.1.4 公众在社会化媒体中的行为和影响31-32
• 2.2 社会化媒体营销理念：营销组合的第5个P32-34
• 2.3 社会化媒体关注度研究的理论背景34-41
• 2.3.1 社会网络理论34-36
• 2.3.2 消费者行为决策理论36-41
• 2.4 对社会化媒体关注度研究的启示41-43
• 第三章 社会化媒体关注度对电影票房影响的实证研究设计43-63
• 3.1 研究对象——中国大陆电影市场43-47
• 3.1.1 中国电影产业环境分析43-44
• 3.1.2 中国电影产业规模分析44-47
• 3.2 研究构思47-48
• 3.3 理论分析与研究假设48-52
• 3.3.1 热议度49-50
• 3.3.2 网络口碑效价50-51
• 3.3.3 负面口碑51
• 3.3.4 生命周期效应51-52
• 3.4 研究样本52-57
• 3.4.1 样本的选择52-53
• 3.4.2 样本基本特征分析53-57
• 3.5 变量设置57-59
• 3.6 数据采集与来源59-63
• 3.6.1 新浪微博59-60
• 3.6.2 豆瓣60-61
• 3.6.3 艺恩咨询61-63
• 第四章 面板数据回归模型的分析与假设检验63-77
• 4.1 面板数据模型的基本原理63-66
• 4.1.1 面板数据模型63-64
• 4.1.2 固定效应模型和随机效应模型64-65
• 4.1.3 模型设定检验65-66
• 4.2 对全部样本的分析66-68
• 4.2.1 描述性统计分析66-67
• 4.2.2 相关分析67-68
• 4.3 模型的选择与回归分析68-71
• 4.3.1 回归分析68-70
• 4.3.2 面板数据模型的设定与检验70-71
• 4.4 社会化媒体关注度对票房收入的影响分析71-74
• 4.5 社会化媒体关注度的生命周期效应分析74-77
• 第五章 结论与启示77-81
• 5.1 主要研究结论77-78
• 5.2 对电影社会化媒体营销的启示78-81
• 第六章 总结81-83
• 6.1 可能的创新点81
• 6.2 局限与不足81-83
• 致谢83-85
• 参考文献85-93
• 附录A：作者在攻读硕士学位期间发表的论文93-94
• 附录B：样本电影信息汇总94-95

，

本文编号：641147