本文關(guān)鍵詞：電影票房預測研究發(fā)展史簡論，由筆耕文化傳播整理發(fā)布。

【摘要】：自上世紀四十年代起,電影票房研究至今已然走過了約七十年的歷史。然而,在漫長的電影票房研究史上,卻未出現(xiàn)此研究領(lǐng)域系統(tǒng)梳理、分期、總結(jié)的文獻。本文主要利用文獻研究法,依據(jù)各個時期不同的研究方法、內(nèi)容和特點,將電影票房研究史分為三個階段,并譯介各階段的重點科研人物、學術(shù)成果,再分別總結(jié)各階段研究的特點、影響與局限。票房研究的第一階段主要集中于上世紀四十年代。在相關(guān)文獻中,這一時期的研究更多地被稱為“觀眾研究”,然而該時期研究最終指向的目的也是理解票房成敗、促進票房提高,因此本人將該時期定義為票房研究的第一階段。該時期最著名的研究者是來自觀眾調(diào)查所的喬治·蓋洛普和來自電影研究局的里奧·漢德爾,他們主要利用各種不同的調(diào)研方法來采集觀眾反饋,以此影響與預估票房。他們的貢獻在于提取了諸多影響票房的因子,諸如演員、宣傳、故事內(nèi)容、口碑等,許多影響因子在后續(xù)研究中被不斷深入。第二階段的票房研究以巴瑞·李特曼票房預測模型的發(fā)表為標志性起點。李特曼利用多個影響票房的因子作為自變量,電影租金收入(當時不具備電影票房數(shù)據(jù))作為因變量,首次利用線性回歸建立了一個產(chǎn)生廣泛影響的電影收入預測模型。此后,第二階段研究者們的研究思路大致可分為兩個方向,一方沿用李特曼元數(shù)據(jù)、多因子的線性歸回思路,繼續(xù)改進票房預測模型,另一方則對影響票房的因子進行逐一研究,被重點探討的因子包括了明星、影評與口碑。票房研究在第三階段又出現(xiàn)了思路的轉(zhuǎn)換。研究者們一改第二階段運用元數(shù)據(jù)、多因子的方法,充分利用了網(wǎng)民在線生成的海量內(nèi)容作為預測的主要信息來源,建立了更加高效、準確的票房預測模型,包括了博客票房預測模型、推特票房預測模型、谷歌搜索引擎票房預測模型與維基百科票房預測模型等。經(jīng)過七十年的發(fā)展,電影票房預測研究已取得了長足的進步,達到了較高的水平。然而,票房研究始終應作為一個決策輔助工具,而非凌駕于一切之上的判斷準則,否則票房研究不但不能促進電影產(chǎn)業(yè)的健康發(fā)展,還可能扼殺人類的無限想象與創(chuàng)造突破。
【關(guān)鍵詞】：票房研究 預測 觀眾
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：J943
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1 緒論8-10
• 1.1 研究背景8
• 1.2 研究目標8
• 1.3 研究價值8-9
• 1.4 研究框架9-10
• 2 票房研究的第一階段10-18
• 2.1 喬治·蓋洛普（GEORGE GALLUP）的研究10-13
• 2.1.1 片名測驗11
• 2.1.2 故事測驗11-12
• 2.1.3 演員測驗12
• 2.1.4 預映研究12-13
• 2.1.5 宣傳研究13
• 2.2 里奧·漢德爾（LEO HANDEL）的研究13-16
• 2.2.1 拍攝前測試13-14
• 2.2.2 拍攝期間測試14
• 2.2.3 拍攝后測試14-16
• 2.3 第一階段票房研究總結(jié)16-18
• 2.3.1 第一階段票房研究的特點16-17
• 2.3.2 第一階段票房研究的影響17-18
• 3 票房研究的第二階段18-39
• 3.1 綜合型票房預測模型研究18-26
• 3.1.1 巴瑞·李特曼（Barry Litman）的電影票房預測模型（1989）18-21
• 3.1.2 斯格特·蘇凱（Scott Sochay）的票房預測模型（1994）21-22
• 3.1.3 好萊塢股票交易市場票房預測模型（1996 年）22-23
• 3.1.4 基于神經(jīng)網(wǎng)絡的票房預測模型（2006）23-26
• 3.2 電影票房影響因子的分類研究26-36
• 3.2.1 明星影響力的相關(guān)研究27-31
• 3.2.2 影評對票房影響力的相關(guān)研究31-34
• 3.2.3 口碑對票房影響力的相關(guān)研究34-36
• 3.3 第二階段票房研究總結(jié)36-39
• 3.3.1 第二階段票房研究的特點36-37
• 3.3.2 第二階段票房研究的影響37-39
• 4 票房研究的第三階段39-50
• 4.1 基于博客的票房預測模型（2006）39-40
• 4.1.1 基于博客的票房預測模型介紹39-40
• 4.1.2 基于博客的票房預測模型評價40
• 4.2 結(jié)合新聞報道的票房預測模型（2009）40-42
• 4.2.1 結(jié)合新聞報道的票房預測模型介紹40-42
• 4.2.2 結(jié)合新聞報道的票房預測模型評價42
• 4.3 基于推特的票房預測模型（2010）42-45
• 4.3.1 基于推特的票房預測模型介紹42-44
• 4.3.2 基于推特的票房預測模型評價44-45
• 4.4 基于谷歌搜索引擎的票房預測模型（2013）45-46
• 4.4.1 基于谷歌搜索引擎的票房預測模型描述45-46
• 4.4.2 基于谷歌搜索引擎的票房預測模型評價46
• 4.5 基于維基百科的票房預測模型（2013）46-48
• 4.5.1 基于維基百科的票房預測模型介紹46-47
• 4.5.2 基于維基百科的票房預測模型評述47-48
• 4.6 第三階段票房研究總結(jié)48-50
• 4.6.1 第三階段票房研究的特點48
• 4.6.2 第三階段票房研究的思考48-50
• 5 票房研究的未來展望50-53
• 5.1 對關(guān)注未能轉(zhuǎn)化為票房的觀眾研究50-51
• 5.2 更加細致的輿情分析研究51
• 5.3 情緒測驗法的后續(xù)研究51-52
• 5.4 觀眾觀影趣味的生命周期研究52-53
• 6 結(jié)語53-54
• 致謝54-55
• 參考文獻55-58
• 附錄58-59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;8-9月北美電影票房榜[J];電影評介;2001年10期

2 小皮,老林;香港電影票房榜[J];電影評介;2001年10期

3 ;9-10月北美電影票房榜[J];電影評介;2001年11期

4 ;香港電影票房榜[J];電影評介;2001年11期

5 ;10-11月北美電影票房榜[J];電影評介;2001年12期

6 ;香港電影票房榜[J];電影評介;2001年12期

7 ;5-6月北美電影票房榜[J];電影評介;2001年07期

8 ;香港電影票房榜[J];電影評介;2001年07期

9 ;6-7月北美電影票房榜[J];電影評介;2001年08期

10 ;香港電影票房榜[J];電影評介;2001年08期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 昝勝鋒;朱文雁;;嵌入式廣告、文化暗合與電影票房[A];建設(shè)經(jīng)濟文化強省：挑戰(zhàn)·機遇·對策——山東省社會科學界2009年學術(shù)年會文集（4）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 周南焱;北京電影票房10個月破6億元[N];北京日報;2009年

2 記者 張景華;北京2012年電影票房首超16億[N];光明日報;2013年

3 記者 李晚成;去年電影票房2.7億元[N];江西日報;2013年

4 記者 周南焱 實習生 孫杰;北京電影票房去年進賬超16億元[N];北京日報;2013年

5 記者 龔雪 通訊員 于松業(yè);去年省電影票房突破8億元[N];湖北日報;2013年

6 記者 衛(wèi)小林;海南去年電影票房歷史性突破[N];海南日報;2013年

7 呂蓁;電影票房成新型炒股風向標[N];中國文化報;2013年

8 記者 龔雪 通訊員 姚海陸 于松業(yè);春節(jié)假期電影票房超4千萬[N];湖北日報;2013年

9 記者 吳園園;電影票房：5月一周頂過去一年[N];北京商報;2013年

10 北京商報記者 吳園園;全年電影票房仍將平穩(wěn)增長[N];北京商報;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 王雪娟;電影票房預測研究發(fā)展史簡論[D];重慶大學;2015年

2 楊威;基于微博數(shù)據(jù)的電影票房預測模型研究[D];安徽大學;2014年

3 聶鴻迪;中國電影票房的影響因素及其實證研究[D];北京交通大學;2015年

  本文關(guān)鍵詞：電影票房預測研究發(fā)展史簡論，，由筆耕文化傳播整理發(fā)布。

本文編號：272409