Детерминанты кассовых сборов кинофильмов: анализ содержания отзывов кинокритиков

Работа посвящена выявлению факторов, связанных с величиной кассовых сборов кинофильмов, вышедших в российском прокате в период с 2014 по 2018 годы. В качестве методов моделирования используются регрессионный анализ и метод главных компонент. Показано, что при увеличении количества отзывов зрителей на 1%, боксофис фильма в российском прокате повышается на 0,4%, а рост на 1% потенциального охвата аудитории трейлера фильма увеличивает бокс-офис на 0,3%. Величина кассовых сборов связана с содержанием отзывов кинокритиков. Число отзывов, представляющих из себя утонченную похвалу («extraordinary», «magnificent», «masterpiece», «remarkable» и др.), в среднем отрицательно связано с бокс-офисом, а число отзывов, включающих в себя слова, характеризующие напряженную атмосферу («haunted», «scares», «creepy», «monster» и др.), или сцены, связанные с жестокостью и опасностью для жизни («gun», «violent», «brutal», «terrifying») – положительно. Для биографических фильмов использование критиками слов из словаря «похвала» положительно связано с величиной сборов, а из словаря «напряженность» – отрицательно. Число отзывов, содержащих описание критиками сцен, демонстрирующих жестокость, отрицательно связано с бокс-офисом фильмов жанра «триллер» или «экшн». Число отзывов, содержащих слова из тематических словарей («чувства и эмоции», «деньги», «королевство», «военная тематика», «романтика»), связано с кассовыми сборами фильмов, причем характер связи зависит от жанра. Так, использование критиками слов из словаря «деньги» положительно связано с величиной бокс офиса в среднем, но отрицательно – для анимационных фильмов.

1. Basuroy, S., Abraham R. S., Gretz, R. T., & Allen, B. J. (2020). Is everybody an expert? An investigation into the impact of professional versus user reviews on movie revenues. Journal of Cultural Economics, 44, 57–96. https://doi.org/10.1007/s10824-019-09350-7

2. Basuroy, S., Chatterjee, S., & Abraham Ravid, S. (2003). How Critical are Critical Reviews? The Box Offi ce Eff ects of Film Critics, Star Power, and Budgets. Journal of Marketing, 67(4). https://doi.org/10.1509/jmkg.67.4.103.18692

3. Chiu, Y. L., Chen, K. H., Wang, J. N., & Hsu, Y. T. (2019). The impact of online movie word-of-mouth on consumer choice: a comparison of American and Chinese consumers. International Marketing Review, 36(6), 996–1025. https://doi.org/10.1108/IMR-06-2018-0190

4. Desai, K. K., & Basuroy, S. (2005). Interactive infl uence of genre familiarity, star power, and critics’ reviews in the cultural goods industry: The case of motion pictures. Psychology and Marketing, 22(3). https://doi.org/10.1002/mar.20055

5. Ding, C., Cheng, H. K., Duan, Y., & Jin, Y. (2017). The power of the ‘like’ button: The impact of social media on box offi ce. Decision Support Systems, 94. https://doi.org/10.1016/j.dss.2016.11.002

6. Duan, W., Gu, B., & Whinston, A. B. (2008). Do online reviews matter? — An empirical investigation of panel data. Decision Support Systems, 45(4). https://doi.org/10.1016/j.dss.2008.04.001

7. Elberse, A. (2007). The power of stars: Do star actors drive the success of movies? Journal of Marketing, 71(4). https://doi.org/10.1509/jmkg.71.4.102

8. Hung, Y. C., & Guan, C. (2020). Winning box offi ce with the right movie synopsis. European Journal of Marketing, 54(3). https://doi.org/10.1108/EJM-01-2019-0096

9. Joshi, M., Das, D., Gimpel, K., & Smith, N. A. (2010). Movie reviews and revenues: An experiment in text regression. Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics.

10. Kim, Y., Kang, M., & Jeong, S. R. (2018). Text mining and sentiment analysis for predicting box offi ce success. KSII Transactions on Internet and Information Systems, 12(8). https://doi.org/10.3837/tiis.2018.08.030

11. Lehrer, S. F., & Xie, T. (2022). The Bigger Picture: Combining Econometrics with Analytics Improves Forecasts of Movie Success. Management Science, 68 (1). https://doi.org/10.1287/mnsc.2020.3911

12. Liu, Y. (2006). Word of mouth for movies: Its dynamics and impact on box offi ce revenue. Journal of Marketing, 70 (3). https://doi.org/10.1509/jmkg.70.3.74

13. Mestyán, M., Yasseri, T., & Kertész, J. (2013). Early Prediction of Movie Box Offi ce Success Based on Wikipedia Activity Big Data. PLoS ONE, 8 (8). https://doi.org/10.1371/journal.pone.0071226

14. Nagamma, P., Pruthvi, H. R., Nisha, K. K., & Shwetha, N. H. (2015). An improved sentiment analysis of online movie reviews based on clustering for box-office prediction. International Conference on Computing, Communication and Automation, ICCCA. https://doi.org/10.1109/CCAA.2015.7148530

15. Parkhe, V., & Biswas, B. (2016). Sentiment analysis of movie reviews: fi nding most important movie aspects using driving factors. Soft Computing, 20(9). https://doi.org/10.1007/s00500-015-1779-1

16. Rui, H., Liu, Y., & Whinston, A. (2013). Whose and what chatter matters? The eff ect of tweets on movie sales. Decision Support Systems, 55 (4), 863–870.https://doi.org/10.1016/j.dss.2012.12.022

17. Subramaniyaswamy, V., Vaibhav, M. V., Prasad, R. V., & Logesh, R. (2018). Predicting movie box office success using multiple regression and SVM. Proceedings of the International Conference on Intelligent Sustainable Systems, ICISS. https://doi.org/10.1109/ISS1.2017.8389394

18. Toubia, O., Iyengar, G., Bunnell, R., & Lemaire, A. (2019). Extracting Features of Entertainment Products: A Guided Latent Dirichlet Allocation Approach Informed by the Psychology of Media Consumption. Journal of Marketing Research, 56(1). https://doi.org/10.1177/0022243718820559

19. Zhang, W., & Skiena, S. (2009). Improving movie gross prediction through news analysis. International Conference on Web Intelligence. https://doi.org/10.1109/WI-IAT.2009.53