2019影视IP剧粉丝经济研究报告.pdf

研究报告 （ 2020年第 15期 总第 96期） 2020 年 11 月 11日 2019 影视 IP剧粉丝经济研究报告 探究 IP剧影响力与变现的 相关 因素 文创金融研究中心 温静 金焕鑫 戎静 数据提供 清博大数据 【摘要】 近年来， 影视 IP剧 不断涌现爆款，短时间内 迅速崛起并快 速发展，具有广阔的商业价值。 IP剧的发展一定程度上依托粉丝经济 变现，将内容转化为消费。 而 日新月异的 泛娱乐化时代， 粉丝经济的 发展也在发生巨大的变化。 本 研究 以 2019影视 IP剧粉丝经济作为研 究对象，通过双变量相关性分析、典型相关性分析等方法，对 IP 剧 原著、主演、主创、营销与 IP 剧影响力及变现之间的关系进行深入 分析，探究影视 IP 剧变现的影响因素 ，以期对 影视 IP 剧 粉丝经济的 发展有更深刻的理解 。 通过 本研究发现： 高热度的原著可以全方位提 升 IP剧表现及变现 ； “ 流量明星 ” 对 IP剧仍存在巨大营销价值 ； 相 较于制片人，导演编剧更易引起公众对于剧集的关注 ； 营销行为可以 多方位提振影视剧表现 。 关键词 ： IP剧 ； 粉丝经济 ； 原著 ； 主演 ； 主创 ； 营销 目 录 1 引言 . 1 1.1 研究背景 . 1 1.2 数据与指标 . 4 2 描述性统计及正态验证 . 5 3 2019IP剧粉丝经济研究双变量相关性分析 . 7 3.1 IP原著：自带受众流量，创意核心与情绪资本 . 7 3.1.1 IP原著与 IP 剧影响力的关系 . 9 3.1.2 IP原著与 IP 剧变现的关系 . 12 3.2 IP剧主演：迎合粉丝喜好，符号价值与情感认同 . 13 3.2.1 IP剧主演与 IP剧影响力的关系 . 15 3.2.2 IP剧主演与 IP剧变现的关系 . 20 3.3 IP剧主创：形成品牌效应，通过品质提升口碑 . 21 3.3.1 IP剧主创与 IP剧影响力的关系 . 23 3.3.2 IP剧主创与 IP剧变现的关系 . 26 3.4 IP剧营销：增强粉丝黏性，提高热度以突破圈层 . 27 3.4.1 IP剧营销与 IP剧影响力的关系 . 30 3.4.2 IP剧营销与 IP剧变现的关系 . 32 4 2019IP剧粉丝经济研究典型相关性分析 . 33 4.1 IP原著与 IP剧影响力及变现之间的关系 . 40 4.2 IP剧主演与 IP 剧影响力及变现之间的关系 . 42 4.3 IP剧主创与 IP 剧影响力及变现之间的关系 . 44 4.4 IP剧营销与 IP 剧影响力及变现之间的关系 . 45 4.5 IP剧表现与变现之间的关系 . 46 5 结论 . 48 参考文献 . 53 Research Report November 11, 2020 The fan economy of IP Teleplays Research Report 2019 A study of the factors concerning IP Teleplays influence and cashability Center for Cultural and Creative Finance WEN Jing, JIN Huanxin and RONG Jing Abstract: Recently, “IP Teleplays” appear continuously, which have rapidly risen and developed in a short time with enormous commercial value. To a certain extent, the development of IP Teleplay relies on the realization of fan economy, turning its content into consumption. In the ever-changing era of pan-entertainment, the development of fan economy is also undergoing tremendous changes. This research focuses on the fan economy of IP Teleplays in 2019, which analyzes the influence and cashability of their original work, main actors, creative teams and marketing through bivariate correlation analysis and canonical correlation analysis. It aims to having a more profound understanding of the development of IP Teleplays fan economy. Through this study, it is found that popular original works can comprehensively improve the performance of IP Teleplays and superstars still have great marketing value to IP Teleplays. Meanwhile, directors and writers are more likely to attract public attention to teleplays than producers. At the same time, marketing behavior can also boost the performance of IP Teleplays in various aspects. Keywords: IP Teleplay, Fan Economy, Original Work, Main Actors, Creative Team, Marketing 1 1 引言 1.1 研究背景 IP全称 Intellectual Property，本意为知识产权，在影视 行业内更多指代网络小说、游戏、漫画等作品形式，在这其中网 络小说又是 IP 剧市场的主力，通过这种艺术形式改编成影视剧 已经在近年成为了新趋势。 IP剧的变化历程主要可以分为三个阶段。 第一阶段：早期 IP 剧时期 以金庸剧为代表的剧集阶段并不是当下意义的 IP 剧，但其 奠定了绝大多数翻拍影视剧的基调。金庸作品 1955 年开始在报 纸上连载，一直持续到 1972年结束，在 1970年金庸也开始了长 达十年的对自己作品的修改工作，后来的二十余年里除了港台地 区，新加坡等周边国家也加入了这波潮流， 21 世纪以后金庸 IP 开始在大陆市场爆发。 第二阶段：从上星剧到网剧 早期的 IP剧和其他剧集一样，唯一的发行放映渠道是卫视。 例如当时改编自同名小说的步步惊心成为首部单集网络播放 量破亿的电视剧，并帮助获得其首播权的湖南卫视在放映期间牢 牢占据收视冠 军的地位，后又被环球影业购买版权成为了早期 “走出去”的代表。 2 2010 年以后随着互联网的加速普及，网剧的发展逐渐成为 剧集的另一个出口。太子妃升职记在 2015 年上映 48 小时移 动端放映数破千万成为现象级剧集，也是乐视同年取得新增 220 万会员优秀成绩的主要推手。低制作、小成本，依靠优秀的制作 口碑发酵的打法助力 2015年成为了“网剧元年”。 第三阶段： IP剧爆发阶段 IP 剧的发展离不开政策因素， 2014 年广电总局颁布了“两 剧一星”新规，新政策的颁布施行从根本上改变了行业格局。迫 使视频网站聚集编剧、剧本，与影视公 司合作尝试自制剧。随即 一批高质量作品的出现一度把网剧发展推到了高潮。 到了现在 IP 剧的发展暂时告别粗放发展，进入精耕细作阶 段。自 2015 年以来， IP 剧数量占据到了八成，主要 IP 剧的豆 瓣评分也从 4分快速上升。 2018年主要 IP剧豆瓣平均分已经超 过 6 分，我们搜集的 2019 年上映的 39 部 IP 剧平均分更是达到 了 7.3分。 IP剧的快速发展引起了行业内各方对 IP的重新审视。 视频平台方面，优爱腾早已大规模布局 IP 生态。腾讯将文 学网站阅文收入旗下，爱奇艺也启动了“云腾计划”打通文学、 网剧和网大的 IP生态，优酷所属的阿里 通过阿里文学 IP影视顾 问团，扶持作家打造“超级 IP生态圈”，斥资上亿元签约网络作 家，并投入超过 2000万元奖励原创作品。 3 制作公司方面， 涌现了一批 创作出热门、 甚至 爆款 IP 剧的 公司， 如 慈文传媒 、 正午阳光 等 。 粉丝经济 目前已经成为社会热门话题，其 泛指架构在粉丝和 被关注者关系之上的经营性创收行为，是一种通过提升用户粘性 并以口碑营销形式获取经济利益与社会效益的商业运作模式。现 在，互联网突破了时间、空间上的束缚，粉丝经济被宽泛地应用 于文化娱乐、销售商品、提供服务等多领域。商家借助特定的平 台，通过某个兴趣点聚集朋友圈、粉丝圈，给粉丝用户提供多样 化、个性化的商品和服务，实现盈利。 IP 剧也是这样的商品或服务，其在影视行业多指拥有较大 粉丝基础的文学作品等作为原始素材被授权给影视公司进行深 度开发与传播，是具有高辨识度、自带流量、变现能力强和变现 周期长的文化符号。 2018 年 TOP50 的剧集中，有 32 部是 IP 改 编剧。据中国电视剧风向标报告 2019，截止到 2019年 11月， 播放量排名前 10 的网络剧中就有 9 部属于 IP 改编剧。 IP 剧带 来的还有从“观众”到“粉丝”的转变。不同于一般观众， IP 剧 粉丝会在观剧过程中积极进行信息反馈、交流互动和生产创造， 并在这样的过程中由原本独立的个体粉丝逐渐演变成粉丝社群， 拥有强大的消费能力和创造能力，从而形成支撑 IP 剧存活和发 展的重要动力。 那么 ， 在 IP 剧 形成 社会 影响力以及变现 的过程中 ， 粉丝 的 4 影响究竟如何 呢？ 本报告 通过搜集以 粉丝 为核心 展开 的相关数 据 ， 探 究 影响 IP剧影响力以及变现的 相关 因素 。 1.2 数据与指标 数据来源是清博大数据通过公开资料全网搜集，选取的对象 是宣发、播放等流程均在 2019年内完成的 39部 IP剧，包括陈 情令、亲爱的热爱的、长安十二时辰等热门剧集。为 了刻画 IP 剧 及粉丝 的特点，我们从“原著”、“主演”、“主 创”、“营销”四个方向共计 112个维度进行数据搜集，例如粉 丝量、粉丝画像、全网 传播量 等角度。 在 IP 剧影响力及 变现 方 面，搜集了这 些 剧集的粉丝量、 播放量 、 传播量 以及 剧集周边产 品销量、 广告 植入等 21个 维度的数据 。 从数据上看整体有如下几个特点： 1、原著总体质量很高， 豆瓣平均分达 7.3 分； 2、 IP 剧整体质量尚可， 6.2 的平均分略 高于大陆影视剧的豆瓣均分 5.6分； 3、 IP剧舆情热度差距极大， 在这 39 部 IP 剧中微信提及数差距接近 6000 倍，微博提及数差 距更是接近 20万倍； 4、女性观众是粉丝经济的主力，在观剧上 暗恋橘生淮南、八分钟的温暖、满满喜欢你、最 动听的事等剧，女粉丝占比超过 80%，而即使如长安十二时 辰等以男性视角出发的 IP剧，女粉占比也达到 49%，总体而言 女粉平均占比为 68%；在原著上平均女粉占比超过 70%，女粉占 5 比不到一半的原著小说仅有 5部；在主演上官方宣布主演的前 2 位，粉丝画像里女粉占比均超过 65%。 下文数据均采用 IBM SPSS Statistics 24.0 统计软件进行 统计学分析，由于不符合 正态 分布，因此选用斯皮尔曼等级相关 和典型相关性。 P40%的数据集也仅有 这一组。变差信息量 10%被认为该要素在典型相关结构分析中 信息提取不足 (Cohen et al.,1983)，信息量提取不理想的数据 36 集多为典型相关系数不显著的数据集，这里的第一典型变量无此 情况。 （ 2） 主演数据集 该数据集涉及 6 个要素，共计 38 个指标。目 前提取的典型 相关系数并检验为显著或极显著的数据集有 5对，主要体现为主 演吸粉能力、 IP剧吸粉能力、主演专业能力、主演百度指数、 IP 剧变现能力和主演舆情建立起相关性。第一典型变量组内方差解 释量最大可达 75.3%，是主演吸粉能力 -IP 剧吸粉能力的 B 组。 其他 40%者有主演专业能力 -IP 剧吸粉能力的 A、 B 组，主演百 度指数 -IP剧变现能力的 A、 B组，主演吸粉能力 -IP剧变现能力 的 A、 B 组，主演舆情 -IP 剧变现能力的 B 组。在第一典型变量 中没有信息提取不足的情况。 （ 3） 其他主创数据集 该数据集涉及 4 个要素，共计 25 个指 标。目前提取的典型 相关系数并检验为显著或极显著的数据集有 2对，主要体现为编 剧舆情、 IP 剧吸粉能力、导演舆情、 IP 剧舆情建立起相关性。 第一典型变量组内方差解释量最大可达 89.3%，是编剧舆情 -IP 剧吸粉能力的 B组。其他没有 40%的数据集。有 1对数据集信息 提取不足的情况，为导演舆情 -IP剧舆情的 B组。 （ 4） 营销数据集 该数据集涉及 2 个要素，共计 24 个指标。是在营销效果和 37 IP剧吸粉能力之间建立相关性，方差解释量可达 92.9%，为营销 效果 -IP剧吸粉能力的 B组。 38 表 4.3 2019IP 剧典型相关方程 维度 数据集 典型相关方程 1 典型相关方程 2 原著 原著吸粉能力 /IP剧吸粉能力 U1=-1.516x1+0.528 x2 V1=0.069 y1-0.662y2-0.399y3 / 原著舆情 /IP剧吸粉能力 U1=0.103x1-2.724x2-0.131x3+1.034x4+0.039x5+0.048x6- 0.193x7+1.178x8+0.019x9-0.053x10+0.009x11- 0.165x12+0.521x13+0.252x14-0.681x15+0.026x16 V1=0.06y1+0.592y2-1.642y3 U2=0.07x1-9.381x2-7.231x3+2.888x4+7.328x5- 0.061x6+1.117x7+4.059x8-2.586x9+2.393x10-0.263x11- 0.689x12-3.023x13-1.301x14+5.497x15-0.434x16 V2=-2.025y1+2.265y2-0.455y3 原著舆情 /IP剧舆情 U1=-0.065x1+2.443x2+0.659x3-0.92x4-1.123x5- 1.72x6+0.408x7-0.569x8+0.086x9- 0.033x10+0.017x11+0.117x12+0.249x13+0.064x14- 0.401x15+0.04x16 V1=0.029y1-0.706y2-0.376y3+0.456y4+0.592y5+0.046y6- 0.504y7+0.05y8 U2=-0.154x1-7.349x2-1.335x3+2.794x4-1.219x5- 0.455x6+0.805x7+7.018x8+0.211x9+0.106x10+0.129x11- 0.075x12+1.02x13-0.184x14-1.232x15-0.154x16 V2=-1.194y1-0.825y2-6.751y3+0.884y4+8.666y5+0.374y6- 3.594y7+2.288y8 主演 主演吸粉能力 /IP剧吸粉能力 U1=-0.628x1-0.644x2 V1=-1.238y1+0.639y2-0.346y3 / 主演专业能力 /IP剧吸粉能力 U1=-0.712x1-0.473x2 V1=-1.472y1+1.512y2-0.889y3 / 主演百度指数 /IP剧变现能力 U1=-1.147x1+1.441x2+2.068x3-3.173x4 V1=-0.994y1-0.098y2 / 主演吸粉能力 /IP剧变现能力 U1=-0.542x1-0.723x2 V1=-0.554y1-0.827y2 / 39 维度 数据集 典型相关方程 1 典型相关方程 2 主演舆情 /IP剧变现能力 U1=-1.167x1+0.871x2+3.316x3+0.363x4-3.798x5- 0.327x6+1.427x7-1.315x8-1.153x9- 0.304x10+3.902x11+0.259x12+0.115x13+0.105x14-1.86x15- 0.392x16 V1=0.983y1+0.177y2 / 其他 主创 IP剧吸粉能力 /编剧舆情 U1= -0.204x1+0.426x2+0.751x3 V1= -0.076y1+0.907y2-0.715y3+1.314y4+0.614y5- 1.993y6+0.612y7-0.158y8 U2= 2.121x1-0.941x2-0.845x3 V2=1.634y1-1.772y2+6.755y3-1.436y4-3.085y5-1.436y6- 2.255y7+1.986y8 导演舆情 /IP剧舆情 U1=-0.015x1-0.195x2-1.293x3-1.047x4-0.46x5+2.15x6- 0.009x7+0.041x8-0.053x9 V1= -1.268y1-4.615y2-0.211y3-0.307y4+15.108y5+1.219y6- 11.74y7+1.884y8 U2=-0.145x1-2.13x2-0.986x3+2.601x4-0.49x5+1.54x6- 0.073x7-0.818x8-0.114x9 V2=-3.747y1-3.402y2+9.646y3-1.79y4- 5.412y5+0.442y6+0.42y7+3.885y8 营销 营销效果 /IP剧吸粉能力 U1=-0.330 x1-0.353x2+0.190 x3-0.106x4+1.285x5+0.184x6- 1.771x7+0.425x8+0.325x9+0.177x10+0.157x11+2.406x12- 1.074x13-0.105x14-0.041x15-1.483x16+1.149x17- 0.234x18+0.753x19-0.997x20-1.125x21+0.478x22-0.212x23- 0.118x24 V1=-0.013y1-0.212y2-0.778y3 U2=-6.231x1+6.305x2-1.73x3+1.246x4-0.723x5-0.116x6- 0.402x7-1.011x8+1.838x9-22.941x10- 17.633x11+6.215x12+31.648x13+1.097x14- 1.038x15+0.567x16+9.407x17-0.512x18+6.336x19- 6.006x20+0.142x21+2.495x22-6.052x23-1.211x24 V2= 1.438y1-6.57y2+5.274y3 40 4.1 IP原著与 IP剧影响力及变现之间的关系 表 4.4 典型相关性分析表（原著吸粉能力 -IP 剧吸粉能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.986 35.447 0.23 63.763 6.000 68.000 0.000 2 0.412 0.205 0.830 . . . . H0 for Wilks 检验是指当前行和后续行中的相关性均为零 原著吸粉能力 -IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出原著超话粉丝数量（ x1） 、原著超话帖子数量（ x2） 2 个指标。 IP剧吸粉能力典型变量分离出剧粉丝数（ y1）、剧超话 个数（ y2）、剧超话粉丝数（ y3） 3个指标。这两项的相关方程见 表 4.3，第一典型相关性为 0.9860.9，属于高度相关。 表 4.5 典型相关性分析表（原著舆情 -IP 剧吸粉能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.995 97.205 0.001 12.234 48.000 60.279 0.000 2 0.877 3.324 0.084 3.424 30.000 42.000 0.000 3 0.797 1.746 0.364 2.743 14.000 22.000 0.017 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 原著舆情 -IP剧吸粉能力数据集中，原著舆情可分离出原著 微信提及数（ x1）、原著微博提及数（ x2）、原著网页提及数（ x3）、 原著论坛提及数（ x4）、原著客户端提及数（ x5）、原著报刊提及 数（ x6）、原著头条提及量（ x7）、原著视频提及量（ x8）、原作者 微信提及数（ x9）、原作者微博提及数（ x10）、原作者网页提及数 （ x11）、原作者论坛提及数（ x12）、原作者客户端提及数（ x13）、原 作者报刊提及数（ x14）、原作者头条提及量（ x15）、原作者视频提 及量（ x16） 16 个指标。 IP 剧吸粉能力典型变量分离出剧粉丝数 41 （ y1）、剧超话个数（ y2）、剧超话粉丝数（ y3） 3个指标。这两项 的相关方程见表 4.3，第一典型相关性为 0.9950.9，属于高度 相关。 表 4.6 典型相关性分析表（原著舆情 -IP 剧舆情） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 1.000 1094.907 0.000 19.405 128.000 120.883 0.000 2 0.997 181.617 0.000 10.266 105.000 111.720 0.000 3 0.972 16.934 0.000 5.950 84.000 101.129 0.000 4 0.964 13.295 0.001 4.713 65.000 89.008 0.000 5 0.913 4.989 0.012 3.327 48.000 75.229 0.000 6 0.858 2.799 0.075 2.555 33.000 59.628 0.001 7 0.796 1.730 0.283 1.846 20.000 42.000 0.047 8 0.476 0.294 0.773 0.718 9.000 22.000 0.688 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 原著舆情 -IP剧舆情数据集中，原著舆情可分离出原著微信 提及数（ x1）、原著微博提及数（ x2）、原著网页提及数（ x3）、 原著论坛提及数（ x4）、原著客户端提及数（ x5）、原著报刊提及 数（ x6）、原著头条提及量（ x7）、原著视频提及量（ x8）、原作 者微信提及数（ x9）、原作者微博提及数（ x10）、原作者网页提 及数（ x11）、原作者论坛提及数（ x12）、原作者客户端提及数（ x13）、 原作者报刊提及数（ x14）、原作者头条提及量（ x15）、原作者视 频提及量（ x16） 16 个指标。 IP 剧舆情典型变量分离出剧微信提 及数（ y1）、剧微博提及数（ y2）、剧网页提及数（ y3）、剧论坛 提及数（ y4）、剧客户端提及数（ y5）、剧报刊提及数（ y6）、剧 头条提及量（ y7）、剧视频提及量（ y8） 8个指标。这两项的相关 方程见表 4.3，第一典型相关性为 1.000.9，属于高度相关。 42 4.2 IP剧主演与 IP 剧影响力及变现之间的关系 表 4.7 典型相关性分析表（主演吸粉能力 -IP 剧吸粉能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.869 3.071 0.194 14.425 6.000 68.000 0.000 2 0.460 0.296 0.788 . . . . H0 for Wilks 检验是指当前行和后续行中的相关性均为零 主演吸粉能力 -IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出主演 1超话粉丝量（ x1）、主演 2超话粉丝量（ x2） 2 个指标。 IP剧吸粉能力典型变量分离出剧粉丝数（ y1）、剧超 话个数（ y2）、剧超话粉丝数（ y3） 3 个指标。这两项的相关方程 见表 4.3，第一典型相关性为 0.70.8690.9，属于中度相关。 表 4.8 典型相关性分析表（主演专业能力 -IP 剧吸粉能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.674 0.834 0.517 4.422 6.000 68.000 0.001 2 0.226 0.054 0.949 . . . . H0 for Wilks 检验是指当前行和后续行中的相关性均为零 主演专业能力 -IP剧吸粉能力数据集中，主演专业能力典型 变量可分离出主演 1 获奖数（ x1）、主演 2 获奖数（ x2） 2 个指 标。 IP剧吸粉能力典型变量分离出剧粉丝数（ y1）、剧超话个数 （ y2）、剧超话粉丝数（ y3） 3个指标。这两项的相关方程见表 4.3， 第一典型相关性为 0.6740.7，属于低度相关。 表 4.9 典型相关性分析表（主演百度指数 -IP 剧变现能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.856 2.748 0.259 7.967 8.000 66.000 0.000 2 0.173 0.031 0.970 0.351 3.000 34.000 0.789 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 43 主演百度指数 -IP剧变现能力数据集中，主演百度指数典型 变量可分离出主演 1播剧前一年百度指数（ x1）、主演 1开播期 间及至播放后 3个月（ x2）、主演 2播剧前一年百度指数（ x3）、 主演 2开播期间及至播放后 3个月（ x4） 4个指标。 IP剧变现能 力典型变量分离出周边销量前十（ y1）、广告植入总和（ y2） 2个 指标。这两项的相关方程见表 4.3，第一典型相关性为 0.70.8560.9，属于中度相关。 表 4.10 典型相关性分析表（主演吸粉能力 -IP 剧变现能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.499 0.331 0.748 2.729 4.000 70.000 0.036 2 0.060 0.004 0.996 0.132 1.000 36.000 0.719 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 主演吸粉能力 -IP剧变现能力数据集中，原著吸粉能力典型 变量可分离出主演 1超话粉丝量（ x1）、主演 2超话粉丝量（ x2） 2 个指标。 IP 剧变现能力典型变量分离出周边销量前十（ y1）、 广告植入总和（ y2） 2个指标。这两项的相关方程见表 4.3，第一 典型相关性为 0.4990.7，属于低度相关。 表 4.11 典型相关 性分析表（主 演舆情 -IP 剧变现能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.880 3.435 0.094 2.969 32.000 42.000 0.001 2 0.764 1.400 0.417 2.053 15.000 22.000 0.061 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 主演舆情 -IP剧变现能力数据集中，原著舆情典型变量可分 离出主演 1 微信提及数（ x1）、主演 1 微博提及数（ x2）、主演 1 网页提及数（ x3）、主演 1论坛提及数（ x4）、主演 1 客户端提 44 及数（ x5）、主演 1报刊提及数（ x6）、主演 1头条提及量（ x7）、 主演 1 视频提及量（ x8）、主演 2 微信提及数（ x9）、主演 2 微 博提及数（ x10）、主演 2网页提及数（ x11）、主演 2论坛提及数 （ x12）、主演 2客户端提及数（ x13）、主演 2报刊提及数（ x14）、 主演 2头条提及量（ x15）、主演 2视频提及量（ x16） 16个指标。 IP剧变现能力典型变量分离出周边销量前十（ y1）、广告植入总 和（ y2） 2个指标。这两项的相关方程见表 4.3，第一典型相关性 为 0.70.8800.9，属于高度相关。 45 表 4.13 典型相关性分析表（导演舆情 -IP 剧舆情） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.960 11.813 0.003 3.147 72.000 141.400 0.000 2 0.922 5.707 0.038 1.925 56.000 129.170 0.001 3 0.767 1.432 0.256 0.933 42.000 116.022 0.591 4 0.489 0.315 0.621 0.430 30.000 102.000 0.995 5 0.301 0.100 0.817 0.274 20.000 87.182 0.999 6 0.237 0.059 0.898 0.247 12.000 71.727 0.995 7 0.216 0.049 0.952 0.235 6.000 56.000 0.963 8 0.043 0.002 0.998 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 导演舆情 -IP剧舆情数据集中，导演舆情典型变量可分离出 导演微博粉丝量（ x1）、导演微信提及数（ x2）、导演微博提及数 （ x3）、导演网页提及数（ x4）、导演论坛提及数（ x5）、导演客 户端提及数（ x6）、导演报刊提及数（ x7）、导演头条提及量（ x8）、 导演视频提及量（ x9） 9个指标。 IP剧舆情典型变量分离出剧微 信提及数（ y1）、剧微博提及数（ y2）、剧网页提及数（ y3）、剧 论坛提及数（ y4）、剧客户端提及数（ y5）、剧报刊提及数（ y6）、 剧头条提及量（ y7）、剧视频提及量（ y8） 8个指标。这两项的相 关方程见表 4.3，第一典型相关性为 0.9600.9，属于高度相关。 4.4 IP剧营销与 IP 剧影响力及变现之间的关系 表 4.14 典型相关性分析表（营销效果 -IP 剧吸粉能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.995 105.210 0.000 9.050 72.000 36.724 0.000 2 0.967 14.585 0.017 3.811 46.000 26.000 0.000 3 0.860 2.846 0.260 1.811 22.000 14.000 0.127 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 46 营销效果 -IP剧吸粉能力数据集中，营销效果典型变量可分 离出剧直播微信提及数（ x1）、剧直播微博提及数（ x2）、剧直播 网页提及数（ x3）、剧直播论坛提及数（ x4）、剧直播客户端提及 数（ x5）、剧直播报刊提及数（ x6）、剧直播头条提及量（ x7）、 剧直播视频提及量（ x8）、剧见面微信提及数（ x9）、剧见面微博 提及数（ x10）、剧见面网页提及数（ x11）、剧见面论坛提及数（ x12）、 剧见面客户端提及数（ x13）、剧见面报刊提及数（ x14）、剧见面 头条提及量（ x15）、剧见面视频提及量（ x16）、剧活动微信提及 数（ x17）、剧活动微博提及数（ x18）、剧活动网页提及数（ x19）、 剧活动论坛提及数（ x20）、剧活动客户端提及数（ x21）、剧活动 报刊提及数（ x22）、剧活动头条提及量（ x23）、剧活动视频提及 量（ x24） 24个指标。 IP剧吸粉能力典型变量分离出剧粉丝数（ y1）、 剧超话个数（ y2）、剧超话粉丝数（ y3） 3个指标。这两项的相关 方程见表 4.3，第一典型相关性为 0.9950.9，属于高度相关。 4.5 IP剧表现与变现之间的关系 表 4.15 典型相关性分析表（ IP剧吸粉能力 -IP 剧变现能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.521 0.373 0.701 2.198 6.000 68.000 0.054 2 0.193 0.039 0.963 . . . . H0 for Wilks 检验是指当前行和后续行中的相关性均为零 IP 剧吸粉能力 -IP 剧变现能力数据集中， IP 剧吸粉能力典 型变量可分离出剧粉丝数（ x1）、剧超话个数（ x2）、剧超话粉丝 数（ x3） 3个指标。 IP剧变现能力典型变量分离出周边销量前十 47 （ y1）、广告植入总和（ y2） 2个指标。这两项的相关方程见表 4.3， 第一典型相关性为 0.5210.7，属于低度相关。 表 4.16 典型相关性分析表（ IP剧舆情 -IP 剧变现能力） 相关性 特征值 威尔克统计 F 分子自由度 分母自由度 显著性 1 0.638 0.688 0.515 1.426 16.000 58.000 0.162 2 0.362 0.150 0.869 0.645 7.000 30.000 0.716 H0 for Wilks 检验是指当前行和后续行中的相关性均为零 IP剧舆情声量 -IP剧变现能力数据集中， P剧舆情典型变量 分离出剧微信提及数（ x1）、剧微博提及数（ x2）、剧网页提及数 （ x3）、剧论坛提及数（ x4）、剧客户端提及数（ x5）、剧报刊提 及数（ x6）、剧头条提及量（ x7）、剧视频提及量（ x8） 8个指标。 IP剧变现能力典型变量分离出周边销量前十（ y1）、广告植入总 和（ y2） 2个指标。这两项的相关方程见表 4.3，第一典型相关性 为 0.6380.7，属于低度相关。 48 5 结论 影视作品是包着艺术外壳的标准化工业品，影视剧摄制也是 系统性工程。其在生产过程中需要大量人力及资源参与其中共同 打造，剧本选择、导演制片编剧主演等人员确定并签约、拍摄、 后期、宣发等等流程协同配合，最终呈现给观众数十集的作品。 本文通过搜集整理公开渠道数据进行分析，试图探索 IP 影视剧 影响力 和变现能力的影响因素。 （一） 高人气、高传播热度的 原著可以全方位提升 IP 剧表 现及变现 ，而原著的豆瓣评分、女性粉丝的占比则并没有这一结 论。 原著粉丝的高价值 已经被近年来 IP 剧热潮反复试验，粉丝 文化也成为影视剧行业内研究受众的新课题。原著粉丝是一批在 影视创作过程里已经被预定为观众的群体，很多 IP 剧成功的一 大机制就在于通过原著粉丝的情感共鸣去制造宣传和口碑的联 动效应，加大作品的影响力和热度。文中的数据表明对于销量、 粉丝体量、舆情口碑较好的原著，它们改编的 IP 剧更可能拥有 强大吸引粉丝能力，社会舆论场中曝光量以及变现能力。 但是其中需要注意的是 ， 根据 数据 ，原著的豆瓣评分只对少 量指标有影响，例如更优质 的作品更利于得到网络平台的放映机 会，以及优质的文本作品也有助于改编后影视作品的艺术水准。 49 但是在更多的指标中，并无法直观感受到更受认可的原著可以简 单地换来改编后 IP 剧的热度。同样“她经济”虽然被屡次提及， 但显然并不能在此处适用。除了可以显著增加观剧人群中的女性 占比，但无法在更多维度有突出贡献。 （二） “ 流量明星 ” 对 IP 剧仍存在巨大营销价