在线评论情感与评论观点对电影票房的影响研究

翟柯然

(西北工业大学公共政策与管理学院 陕西西安 710129)

在线评论是指消费者在网上发布的评论，用以表达评论人对产品或服务的观点与态度，主要以文本、图片、分值形式呈现[1]。在线评论平台已经成为消费者获取和分享产品信息的重要渠道，如各种门户网站、电子商务网站、第三方评价网站等。在线评论平台内容通常由消费者提出，该平台可以帮助评论浏览者增加对产品的认识，有助于消费者在购物决策时减少信息不对称。新冠疫情暴发使得各服务行业规模大幅缩水，电影行业同样遭受重创，而在疫情放开之后，人们对于电影行业等服务行业的需求呈现大规模增长，随着互联网和数字经济的发展，人们更倾向于利用在线评论去筛选值得买票观看的院线电影，同时也会在观影后对自身感受和体验进行在线表达，因此在线评论对于电影票房的影响不可忽视。本文主要研究关注消费者对在线评论的感知有用性[2]，在线评论可信度与购买意图[3]，在线评论的生成机制[4]等。从研究对象来看，基于不同类型产品信息获取存在差异，相关研究将产品分为体验产品和搜索产品。基于搜索产品的研究主要包括数码产品如相机，而对体验产品的研究主要包括书本、酒店、电影等产品。体验品的特点是在体验此类产品之前，消费者对产品难以判断，因此在线评论是此类产品购买者的重要参考。电商产品的购买者经常会受到卖家的影响，如好评返现等活动，使得电商的评论数据不能真实地反映评论者的真实感受，而影视产品评论均为观众观看之后根据自身感受进行的自发评论。影视作品具有体验品的特征，观影是一种特殊的文化消费体验，对于文化体验类产品用户更倾向于形成自己的观点并进行分享。

近年来，电影产业得到了快速发展，电影产业的发展受到电影产量和院线排片的影响，同时也受到消费者偏好的影响。票房收入是电影得到市场认可的重要指标，在线评论口碑高低是电影在消费者群体中的认可程度，因此在线评论与电影票房成为研究者关注的重要问题。消费者的在线评论能够有效影响后续观影者的观影行为，第三方平台发布的评论往往更容易受到消费者关注。电影上映通常持续数周时长，基于面板数据环境，郝媛媛等(2010)认为不同评分的评价体现了评论者的情感倾向，研究了在线评论情感倾向对票房的影响，然而其情感倾向通过评分值来体现[5]。不同评论者撰写的评论文本内容不同，文本情感分析是对蕴含情感的文本进行分析、加工、归纳和推理的过程。电子商务平台中的用户评论具有差异性，对在线评论的情感倾向性分析能够挖掘更多有价值的信息。

通过对理论与现实进行回顾，本文得到以下启示：第一，学者从不同角度对在线评价进行了研究，但对在线评价的测度深入不足，部分情感分析文章将极端评分视为情感，缺少从评论文本情感方面分析在线评论；第二，关于电影业的研究多关注评论数量与评分高低对票房收入的影响，评论文本能够反映评论的说服力，从评论文本情感属性研究电影票房的研究较少；第三，在线评论对消费者行为的影响是很有价值的研究问题，但通过问卷或数学模型开展的研究在测度结果变量上客观性不足，而基于现实网络数据与真实市场绩效开展研究更有现实意义。

基于以上研究启示，本文从评论情感与评论观点双重视角出发，以在线评论对产品市场表现的影响作为研究对象，以体验型产品电影为例，基于豆瓣网电影评论与电影票房网对应的票房与排片数据，研究在线评论对票房的影响及评论情感的调节作用。

1 文献综述

在社会化商务时代，在线评论由于能够快速传播产品信息因而成为产品扩散的重要渠道。由于票房是体现电影这类产品被消费者认可程度的重要标志，也是考察该产品在市场盈利能力的关键。在线评论大都是消费者自发创建的口碑[6]，如Amazon产品页面下方的评论、雅虎电影的评论、大众点评网的评论等；Yong等(2006)[7]研究了正负面评论数量、正负面评论比例对产品市场绩效的影响，发现在公开发行的早期阶段，评论数量与市场绩效有关，而正负面评论比例对市场绩效没有显著影响；Duan等(2008)[8]研究了总体评论数量、单日评论增量，以及节假日等因素对市场绩效的影响，发现评论数量对市场绩效有很大影响；邓卫华等(2018)以携程网如家酒店为例进行应用研究，探讨基于酒店评论的在线口碑信息内容的结构和类型特征[9]。消费者通过阅读评论来了解产品，当网络平台关于某产品的在线评论越多，其他消费者就越容易受到影响从而产生从众消费行为[10]。

在大量在线电影评论研究中，时间是一个重要因素。消费者在电影处于热映时有很多口碑传播行为，但随着时间的推移消费者口碑传播速度逐渐降低。一些学者研究评论与消费行为的关系，证实了随着时间推移影响的在线评论逐渐降低[11]。一些电影在线评论的研究也表明，电影放映开始后，随着已放映日子的增加，在线评论对票房的影响逐渐减弱[7]。Chen等(2012)认为口碑的影响具有滞后性，选取评论滞后一天作为衡量指标可有效避免反向因果关系且更符合实际情况[12]。口碑对票房影响的相关研究表明，每天的票房和在线评论数量具有动态差异性，因此在研究中以天为单位更具合理性[8]。此外，在所有影响票房的因素中，院线数量是影响消费者观影的客观因素，当影院不上映该影片时，消费者无从观看。在通过截面模型研究各因素对票房的影响中，Duan和Gu[8](2008)认为该方法因为忽视时间维度从而难以考察在线评论与其他因素对票房的动态影响。面板数据包括时间维度和截面维度，在面板数据环境下可以分析各情感倾向等级的评论对电影票房是否存在影响[5]。

在相关的在线评论中，评论内容的情感倾向越来越被认为是影响产品销售的重要因素，但将评分视为评论情感的研究并未得到有价值的发现。相关学者通过产品评分(如1～5分)来表示消费者对该产品的情感倾向。如在图书评论的研究中，Chelivier和Mayzlin[13](2006)发现差评比好评对销量的影响更大。然而，这种发现在电影评论的研究中并未得到验证，Liu[14](2006)发现好评和差评对票房均未产生显著影响。由于把评分视为评论情感存在局限性，忽视了评论文本所表达的情感倾向，而事实上文本内容往往更能影响消费者的消费行为。因此，一些学者通过专家阅读评论并进行人工标注的方法赋予评论情感值[14]，但这种方法的主观性较强。近年来，基于自然语言方法的商品评论分析，包括机器学习和基于情感词两类情感分析方法获得了发展[15]。

2 假设提出

评论数量在一定程度上反映了消费者对于该产品的关注程度，通常评论数量与消费行为、产品市场表现有显著关系[16]。在线评论的数量体现了口碑传播的效果，评论越多消费者对产品的参与就越多，导致潜在的消费者更关注产品，并可能进一步产生从众心理和行为，并最终做出购买行为[17]。杜学美等(2016)研究表明，关于某产品的在线评论数量越多，消费者愿意购买更多数量的产品[18]。在众多评论中，那些给予最高评分和最低评分的评论被称之为极端评论，相对于一般评论，极端评论更容易引起消费者的关注并会对其消费行为产生影响，相关研究表明消费者会更加关注极端评论[19]。评论极端性对不同类型产品的影响不同，与基于搜索产品相比，体验产品评论对感知有用性有更强的正向影响。由于人们对体验品更看重使用感受，更在乎那些极端评论中可能提到的使用感受，这种使用感受体现了评论者对产品的感知体验。对于产品销量而言，正面评论的数量显得更为重要，这对电影类产品而言体现为票房收入。因此，本文提出如下假设：

H1：正面评论数量对票房收入具有显著正向影响。

在第三方平台或电商网站中，消费者通常以星级打分的方式为产品或服务进行评级，这在一定程度上反映了在线口碑的高低。以往文献对极端评论或评论信息诊断能力(有效性)非常重视，发现包含正负信息的评论更有利于提高产品可信度[20]。星级评分反映了评论的极端程度，低星级评分表明评论人对产品有非常负面的看法，高星级评分表明评论人对产品有非常正面的看法，而中星级评分通常表示出温和的态度[21]。适度的态度可能是中性态度或积极态度和消极态度之间妥协的结果[22]。如果评分被用来评估评论的可诊断性，极端评分则为消费者提供判断产品质量的重要信息，而中间评分的可诊断性较低。电影页面上的总体评分通常是对所有个体消费者评分计算得出的结果，个体消费者对电影的观点会影响电影的市场效果。因此，本文提出如下假设：

H2：评论观点分值对票房收入有显著的正向影响。

在线评论是从产品使用者主观角度来描述产品品质的，消费者对产品的态度通过评论的情感倾向来表达[23]。评论情感分析是对蕴含情感的文本进行分析、加工、归纳和推理的过程，在线评论的情感倾向分析能够挖掘更多有价值的信息。早期的在线评论情感倾向研究，通常将用户对产品的评分视为情感体现。如认为不同评分的评价体现了评论者的情感倾向，研究了在线评论情感倾向对票房的影响。在情感倾向的分类中，一些研究通过赋予评论好评、差评的情感等级，计算不同等级评论数量或所占比例来表示情感倾向，研究在线评论对销量的影响。在线电影评论的情感倾向目前已成为学者研究的一个重要方面，学者主要关注评论极端性方面。评论情感附着于评论之中，评分体现了评论者对产品的好恶程度，而评论情感则能够使这种好恶程度影响到评论浏览者的认知。因此，本文提出如下假设：

H3：评论情感对票房收入有显著的正向影响；

H4：在评论观点对票房收入的影响中，评论情感有调节作用；

H4-1：在正面评论数量对票房收入的影响中，评论情感有调节作用。

H4-2：在评论观点分值对票房收入的影响中，评论情感有调节作用。

3 数据获取与研究方法

豆瓣电影是国内最具影响力的第三方电影评价网站之一，本文的在线评论数据均是从该网站收集到的，豆瓣电影评论包括的各要素符合本研究所需。笔者使用八爪鱼软件设置爬取了140部电影信息以及112819条评论信息，这140部电影选取是依据豆瓣电影中的高分院线排行榜，从豆瓣13种不同类型电影中各选取部分作为样本，其上映时间跨度为近十年，便于寻找票房和评论信息并保证样本具有广泛的代表性和可靠性。本文以天为时间节点收集电影上映30天的票房。每天的票房收入和放映场次主要从电影票房网(58921.com)获取数据。通过对在线评论与票房数据的匹配，并考虑到票房收入相对于在线评论的滞后性，因此，最终获取的在线评论与票房收入匹配面板数据时序为29～25天。

本研究从评论观点和评论情感两个方面具体分析在线评论，评论观点考虑了累计正面评论数量与累计平均评论分值。评论情感则采用Python中SnowNLP中文文本分析工具对电影评论进行情感特征提取。SnowNLP对每一条用户评论经过处理之后，得到一个取值为0～1的情感值，可以用来测度该评论的情感强度[24]。此外，考虑到电影产品的特殊性，笔者影片上映与排片情况也纳入研究中。与基于截面数据的在线评论研究不同，本研究纳入时间维度的在线评论需要考虑评论与产品销量之间的因果关系。因为大多数去电影院观看电影的行为都是由阅读电影评论引起的，即口碑影响具有时间上的滞后性[5]。因此，本文选取前t天作为评论测量的时间节点，构建动态面板数据分析模型。此外，参照前人研究，为了使研究变量间的关系趋于线性化，本文对上映天数、排片数量、票房收入取自然对数[5]。

4 数据分析

4.1 电影票房影响因素分析

使用Stata 12.0随机效应模型进行面板数据分析。为了探索口碑影响票房的滞后性，评论测量的时间节点选取1～4天的数据，即构建了动态面板数据分析模型(在解释变量中加入被解释变量(y)的滞后项)。由于评论情感与评论观点相关性较高，因此两个变量分别进入动态面板数据模型。基于动态面板数据的随机效应模型进行分析，表1列出了正面评论数量、评论观点分值、评论情感、上映天数与排片数量对票房的分析结果。

表1 票房收入的影响因素分析

通过模型Wald chi2发现，滞后1～4天的在线评论相关属性均对票房产生了正向影响，而滞后第二天的Wald chi2值最高，可以认为滞后两天的面板模型拟合效果更好。滞后两天评论对票房收入影响显著，与现实消费者评论与观影行为发生机制较符合。如一部分用户在第T+0天观影后发表评论，其他用户在第T+1天看到评论进行思考，从而作出第T+2天是否观影的决策。从表2可以发现，滞后一天、三天、四天的模型与相关变量系数依然具有显著性，这也与现实相符，即消费者的观影行为并非仅受两天前在线评论的影响。为了便于分析在线评论相关变量对票房的影响，接下来本文以滞后两天的数据进行分析。

表2 评论情感的调节作用分析

正面评论数量对票房收入有显著正向影响(β=2.042，p<0.01)，支持了本文的假设H1。正面评论数量的增加显著影响两天后的观影人数。正面评论即对电影的好评口碑，好评不仅能使那些持观望态度的消费者转化为实际消费者，还能使那些本不具有观影意愿的消费者转化为潜在观影者，从而促使其前往观影。评论观点对票房收入有显著影响(β=0.672，p<0.01)，支持了本文的假设H2。这个发现表明在线评论所形成的电影评分会显著影响观影人数。区别于文字型评论，数值型评分是每条评论的必备元素，也是评论阅读者最直观获取该电影质量高低的方式。评论观点对票房收入的影响显著与现实情况相符，因为在浏览在线评论时，消费者首先关注的就是历史总体的评分星级情况。

评论情感对票房收入有显著正向影响(β=4.106，p<0.01)，支持了本文的假设H3。评论情感的分析表明，观影前的在线评论情感越高，消费者因为浏览到情感高的评论而增加观影的可能性就越高，从而票房收入越高。上映天数的负向影响作用表明，随着上映天数的延长，观影人数必定经历了由高到低变化的过程，直到影片下映。与前人研究一致，排片数量依然是决定票房收入的重要因素，排片数量对票房收入具有显著正向影响。

4.2 评论情感的调节效应分析

关于评论观点、评论情感对电影市场绩效的关系，在票房收入影响因素模型的实证中得到了发现和检验。然而，通常认为具有较高情感倾向的评论更具“煽动性”，因此对于在线评论对票房收入的影响中可以考虑评论情感的调节作用。

同样以滞后两天的数据为例进行分析。在调节作用检验方面，可以做自变量调节变量乘积的偏回归系数检验，若显著则调节效应显著。表2列出了评论情感的调节作用。具体而言，在正面评论数量对票房收入的影响中，评论情感并未起到显著调节作用，即假设H4-1未能验证；在评论观点对票房收入的影响中，评论情感起到显著正向调节作用(β=1.001，p<0.01)，即H4-2得到验证。因此，评论情感不调节正面评论数量对票房收入的影响，调节评论观点分值对票房收入的影响。当正面评论数量较多时，评论情感增加并不能使电影市场绩效明显上升。情感强度能够使在线评论的影响力更强，当评论分值很高时，评论情感使电影市场绩效明显上升。评论观点体现了对电影比较认可的口碑，且当这些口碑体现的情感强度更高时，即评分高且评论文字具有很强情感影响力的评论对票房收入的影响更加明显。

5 结语

本文采用面板数据的随机效应模型，以电影这类具有较强体验性的产品为例，从在线评论观点与在线评论情感检验了在线评论与产品市场绩效的影响关系。本研究的创新与主要工作体现在以下方面：从评论情感与评论观点双重维度研究在线评论，构建了在线评论情感与在线评论观点对电影票房影响的理论模型；爬取现实网络评论数据与真实电影票房数据，构建了动态面板模型对假设进行了检验，发现了滞后两天的面板模型拟合效果更好，即滞后两天的评论对票房收入影响显著。考虑了评论情感属性可能会影响评论阅读者对该评论的感知，揭示了在评论观点与票房的关系中，评论情感起到的调节作用。

本研究得到以下结论：其一，排片数量、上映天数分别对票房有显著的正向与显著的负向影响作用，滞后两天的面板模型拟合效果较好，即在线评论的正面评论数量、评论观点对之后两天的票房影响更为显著；其二，正面评论数量、评论观点、评论情感对票房收入具有显著正向影响，其中评论情感的影响更为明显，即观影前的正面评论数量越多、评价观点越高、评论情感越高，则票房越高；其三，在评论观点对票房收入的影响中，评论情感起到显著正向调节作用，即评分高且评论文字具有很强情感影响力的评论对票房收入的影响更加明显。

对于电影发行方与院线而言，可根据前两天的正面评论数量、评论星级来安排排片，因为在线评论会通过劝说或从众效应使得观影者数量持续增加。在通过评论内容判断市场反应时，应多关注具有较高情感倾向的评论，因为这些评论更具影响力和引导能力。本研究也具有一定的局限性：在线评论一方面影响消费者的观影意愿，另一方面也促使商家增加该影片的排片。本研究对排片与在线评论分别对票房收入的影响进行了深入研究。因此，在未来的研究中，在线评论与排片数量具有何种关系，以及这种关系如何影响票房收入值得进一步探索。