网络口碑对电影票房的影响

2.577
我们经常会发现一些电影评分较低，但票房很高，或者是评分较高，但 是票房很低，这类情况可以通过聚类分析来发现规律，为以后的电影营 销提供参考。
这种区别一般在于专业影评和评论评分和总票房的区别，所以我们考虑 这四个变量
我们把类型定位四类，做K-均值聚类，最终聚类中心如图
最终聚类中心 聚类
1
2
97
99 .182 .071 99 .274** .007 97
99 .283** .005
99 .215* .035
97
99 .527** .000
99 .383** .000
97
99 .605** .000
99 .327** .001
97
通过SPSS对相关因素进行相关性分析，如上表中，可以看到总票房和首周票房，
短评数和评论数相关性较高，且显著相关，其中与首周票房的相关性达到 0.931，；由此可以看出来，专业影评和评分对票房的影响不大，可能很多人看 电影是临时起意，不会在意网络上的评价。接下来我们建立回归方程
Volume Valence OWBOX
TBOX
网络口碑的评论数 网络口碑的评分 首周票房 总票房
相关性
票房（万） 首周票房 豆瓣影评 豆瓣短评 豆瓣评论
Pearson 相关性
1
.931**
.346**
.618**
.567**
显著性 （双尾）
.000
.000
.000
.000
N
99
99
99
源自文库
99
99
Pearson 相关性 .931**
1
.392**
.607**
.559**
显著性 （双尾） .000
.000
造成这种情况的种种原因，网络上已经有很多剖析，重要的是我们能 总结过去，预测未来
本PPT只是简单的展示了网络口碑对电影票房的影响，和一些分析，考虑有很 多不足之处，这里仅仅是展示了数据分析一些方法，和其中很小的一个应用和 可能产生的价值。
网络口碑对电影票房的影响分析
--以2014年电影票房TOP100为例
本文讨论的问题和主题
1. 网络口碑对电影票房的相关性影响 2. 相关性基础上的回归分析 3. 网络口碑对电影票房影响的聚类分析
用到的名词解释和数据来源
网络口碑：指多数潜在或实际消费者在网络环境下就其 对产品或服务的消费体验进行的沟通和交流
研究数据：2014年电影票房TOP100，包括总票房，首周票房 电影类型，发行国家（来自EBOT艺恩票房智库）；网络口碑 选取豆瓣电影上对电影的评分、评论数、短评数和影评数四个 数据。
2014年全年票房和TOP100票房
总票房（亿元）
国产片
进口片
162 135
其它 6%
TOP100（亿 元） 94%
TBOX=β0+β1Volume+β2Valence+β3OWBOX
通过SPSS做线性回归，结果如下，F值为212.901，该模型显著，R方为0.871，可知 首周票房、豆瓣评论和评分共同解释了总票房的87.1%，具体的系数给出了 一个范围如下，其中评论和评分是负向的，这种情况还需要进一步深入研究。
TOP100（亿元）
152 126
TOP100的总票房占据了全年总票房 的94%，而且国产片票房高于进口片， 说明国产片已经逐渐为国人接受。
2014年电影票房TOP100电影类型分析
TOP100中，科幻、动作、爱情 片居多，惊悚片和喜剧片的票 房也不容忽视
票房（亿元）
数量 3
22
21
29
62.3 55.0
首周票房 票房（万）
上映天数 豆瓣评分 豆瓣评论 豆瓣短评 豆瓣影评
电影产品初期销售的平均状况 电影产品的整体销售状况
电影产品的销售周期的长短状况 消费者对电影的喜恶
消费者口碑的整体规模 从一般评论者角度衡量口碑规模 从专业评论者角度衡量口碑规模
票房（万） 首周票房 豆瓣影评 豆瓣短评 豆瓣评论 豆瓣评分 上映天数
1
3
6
14
81.0
爱情
22.8 动画
动作
7.4 惊悚
3.4 剧情
科幻
18.2 魔幻
27.4 喜剧
大家都有这样的体验，看电影之前会在网络上看看相关的 评价和评分，自己看过以后，可能也会做出评价和评分， 所以网上的评价和评论可以在一定程度上预测一部电影的 总票房，那这些因素和票房的相关性如何呢，我们就来分析下 （收集的因素如下，具体数据见附EXCEL）
99 .947**
.000
N
99
99
99
99
99
Pearson 相关性 .567**
.559**
.676**
.947**
1
显著性 （双尾） .000
.000
.000
.000
N Pearson 相关性 显著性 （双尾）
N Pearson 相关性 显著性 （双尾）
N
99 .205* .042
99 .390** .000
.000
.000
N Pearson 相关性 显著性 （双尾）
N Pearson 相关性 显著性 （双尾）
99 .346**
.000
99 .618**
.000
99 .392**
.000
99 .607**
.000
99 1
99 .783** .000
99 .783** .000
99 1
99 .676**
.000
模型
模型摘要 更改统计量
R 方变 化
F 更改
df1
df2
1
.871a
212.90 1
3
95
显著性 F 更改
模型 1
.000
系数a
B 的 95.0% 置信区间
下限值
上限
（常量） -13106.475 10134.652
豆瓣评论
-.019
.078
豆瓣评分 -2023.392 2057.747
首周票房
2.101
3
票房（万） 139720 48684 16239
4 42184
豆瓣评论 150533.7 302644.0 38270.2 140259.7
豆瓣评分 5.9
8.5
5.8
7.1
豆瓣影评 1128.3 4270.3 275.1 907.1
将电影分为四类，可以看出来比较典型的，一类是网络口碑较低，但票房很高的 影片，以《变形金刚4》、《西游记之大闹天宫》为例，一类是票房较低，但网 络口碑高的，以《星际穿越》、《后会无期》为例；一类是票房和网络口碑表现 都不好的，这种类型较多，TOP100中有66部之多，种种不明的原因，恕不细说； 一类就是表现中规中矩的。