电影票房预测研究发展史简论

发布时间：2017-03-28 14:09

  本文关键词：电影票房预测研究发展史简论，由笔耕文化传播整理发布。

【摘要】：自上世纪四十年代起,电影票房研究至今已然走过了约七十年的历史。然而,在漫长的电影票房研究史上,却未出现此研究领域系统梳理、分期、总结的文献。本文主要利用文献研究法,依据各个时期不同的研究方法、内容和特点,将电影票房研究史分为三个阶段,并译介各阶段的重点科研人物、学术成果,再分别总结各阶段研究的特点、影响与局限。票房研究的第一阶段主要集中于上世纪四十年代。在相关文献中,这一时期的研究更多地被称为“观众研究”,然而该时期研究最终指向的目的也是理解票房成败、促进票房提高,因此本人将该时期定义为票房研究的第一阶段。该时期最著名的研究者是来自观众调查所的乔治·盖洛普和来自电影研究局的里奥·汉德尔,他们主要利用各种不同的调研方法来采集观众反馈,以此影响与预估票房。他们的贡献在于提取了诸多影响票房的因子,诸如演员、宣传、故事内容、口碑等,许多影响因子在后续研究中被不断深入。第二阶段的票房研究以巴瑞·李特曼票房预测模型的发表为标志性起点。李特曼利用多个影响票房的因子作为自变量,电影租金收入(当时不具备电影票房数据)作为因变量,首次利用线性回归建立了一个产生广泛影响的电影收入预测模型。此后,第二阶段研究者们的研究思路大致可分为两个方向,一方沿用李特曼元数据、多因子的线性归回思路,继续改进票房预测模型,另一方则对影响票房的因子进行逐一研究,被重点探讨的因子包括了明星、影评与口碑。票房研究在第三阶段又出现了思路的转换。研究者们一改第二阶段运用元数据、多因子的方法,充分利用了网民在线生成的海量内容作为预测的主要信息来源,建立了更加高效、准确的票房预测模型,包括了博客票房预测模型、推特票房预测模型、谷歌搜索引擎票房预测模型与维基百科票房预测模型等。经过七十年的发展,电影票房预测研究已取得了长足的进步,达到了较高的水平。然而,票房研究始终应作为一个决策辅助工具,而非凌驾于一切之上的判断准则,否则票房研究不但不能促进电影产业的健康发展,还可能扼杀人类的无限想象与创造突破。
【关键词】：票房研究 预测 观众
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：J943
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1 绪论8-10
• 1.1 研究背景8
• 1.2 研究目标8
• 1.3 研究价值8-9
• 1.4 研究框架9-10
• 2 票房研究的第一阶段10-18
• 2.1 乔治·盖洛普（GEORGE GALLUP）的研究10-13
• 2.1.1 片名测验11
• 2.1.2 故事测验11-12
• 2.1.3 演员测验12
• 2.1.4 预映研究12-13
• 2.1.5 宣传研究13
• 2.2 里奥·汉德尔（LEO HANDEL）的研究13-16
• 2.2.1 拍摄前测试13-14
• 2.2.2 拍摄期间测试14
• 2.2.3 拍摄后测试14-16
• 2.3 第一阶段票房研究总结16-18
• 2.3.1 第一阶段票房研究的特点16-17
• 2.3.2 第一阶段票房研究的影响17-18
• 3 票房研究的第二阶段18-39
• 3.1 综合型票房预测模型研究18-26
• 3.1.1 巴瑞·李特曼（Barry Litman）的电影票房预测模型（1989）18-21
• 3.1.2 斯格特·苏凯（Scott Sochay）的票房预测模型（1994）21-22
• 3.1.3 好莱坞股票交易市场票房预测模型（1996 年）22-23
• 3.1.4 基于神经网络的票房预测模型（2006）23-26
• 3.2 电影票房影响因子的分类研究26-36
• 3.2.1 明星影响力的相关研究27-31
• 3.2.2 影评对票房影响力的相关研究31-34
• 3.2.3 口碑对票房影响力的相关研究34-36
• 3.3 第二阶段票房研究总结36-39
• 3.3.1 第二阶段票房研究的特点36-37
• 3.3.2 第二阶段票房研究的影响37-39
• 4 票房研究的第三阶段39-50
• 4.1 基于博客的票房预测模型（2006）39-40
• 4.1.1 基于博客的票房预测模型介绍39-40
• 4.1.2 基于博客的票房预测模型评价40
• 4.2 结合新闻报道的票房预测模型（2009）40-42
• 4.2.1 结合新闻报道的票房预测模型介绍40-42
• 4.2.2 结合新闻报道的票房预测模型评价42
• 4.3 基于推特的票房预测模型（2010）42-45
• 4.3.1 基于推特的票房预测模型介绍42-44
• 4.3.2 基于推特的票房预测模型评价44-45
• 4.4 基于谷歌搜索引擎的票房预测模型（2013）45-46
• 4.4.1 基于谷歌搜索引擎的票房预测模型描述45-46
• 4.4.2 基于谷歌搜索引擎的票房预测模型评价46
• 4.5 基于维基百科的票房预测模型（2013）46-48
• 4.5.1 基于维基百科的票房预测模型介绍46-47
• 4.5.2 基于维基百科的票房预测模型评述47-48
• 4.6 第三阶段票房研究总结48-50
• 4.6.1 第三阶段票房研究的特点48
• 4.6.2 第三阶段票房研究的思考48-50
• 5 票房研究的未来展望50-53
• 5.1 对关注未能转化为票房的观众研究50-51
• 5.2 更加细致的舆情分析研究51
• 5.3 情绪测验法的后续研究51-52
• 5.4 观众观影趣味的生命周期研究52-53
• 6 结语53-54
• 致谢54-55
• 参考文献55-58
• 附录58-59

【相似文献】

中国期刊全文数据库 前10条

1 ;8-9月北美电影票房榜[J];电影评介;2001年10期

2 小皮,老林;香港电影票房榜[J];电影评介;2001年10期

3 ;9-10月北美电影票房榜[J];电影评介;2001年11期

4 ;香港电影票房榜[J];电影评介;2001年11期

5 ;10-11月北美电影票房榜[J];电影评介;2001年12期

6 ;香港电影票房榜[J];电影评介;2001年12期

7 ;5-6月北美电影票房榜[J];电影评介;2001年07期

8 ;香港电影票房榜[J];电影评介;2001年07期

9 ;6-7月北美电影票房榜[J];电影评介;2001年08期

10 ;香港电影票房榜[J];电影评介;2001年08期

中国重要会议论文全文数据库 前1条

1 昝胜锋;朱文雁;;嵌入式广告、文化暗合与电影票房[A];建设经济文化强省：挑战·机遇·对策——山东省社会科学界2009年学术年会文集（4）[C];2009年

中国重要报纸全文数据库 前10条

1 记者 周南焱;北京电影票房10个月破6亿元[N];北京日报;2009年

2 记者 张景华;北京2012年电影票房首超16亿[N];光明日报;2013年

3 记者 李晚成;去年电影票房2.7亿元[N];江西日报;2013年

4 记者 周南焱 实习生 孙杰;北京电影票房去年进账超16亿元[N];北京日报;2013年

5 记者 龚雪 通讯员 于松业;去年省电影票房突破8亿元[N];湖北日报;2013年

6 记者 卫小林;海南去年电影票房历史性突破[N];海南日报;2013年

7 吕蓁;电影票房成新型炒股风向标[N];中国文化报;2013年

8 记者 龚雪 通讯员 姚海陆 于松业;春节假期电影票房超4千万[N];湖北日报;2013年

9 记者 吴园园;电影票房：5月一周顶过去一年[N];北京商报;2013年

10 北京商报记者 吴园园;全年电影票房仍将平稳增长[N];北京商报;2013年

中国硕士学位论文全文数据库 前3条

1 王雪娟;电影票房预测研究发展史简论[D];重庆大学;2015年

2 杨威;基于微博数据的电影票房预测模型研究[D];安徽大学;2014年

3 聂鸿迪;中国电影票房的影响因素及其实证研究[D];北京交通大学;2015年

  本文关键词：电影票房预测研究发展史简论，，由笔耕文化传播整理发布。

本文编号：272409