电影口碑和观众预期的力量如何影响票房.pdf

识别风险， 发现价值 请务必阅读末页的免责声明 1 / 17 专题研究 |传媒 2018 年 07 月 15 日 证券研究报告 本报告联系人： 朱可夫 18810157148 吴桐 18621843968 Tabl e_Title 传媒行业 电影口碑和观众预期的力量 如 何影响票房 ? Table_Aut horHorizontal 分析师： 旷 实 S0260517030002 010-59136610 kuangshigf Table_Summary 核心观点 ： 18H1 国产电影 总体上 内容质量改善明显， Top100 影片的猫眼加权评分从 8.74 提升至 8.84，豆瓣评分从 6.17提升至 6.77，主要原因系头部影片如红海行动、我不是药神带动了总体评分的上行（我们是以票房作为权数进行加权的）。 从结构上来说影片的口碑分化同样明显， 我们检测到 Top100 电影的豆瓣评分标准差变大了， 而今年的电影观众只会给顶级口碑的电影较长的票房回报期，而评分平庸或者较差的电影的生命周期在迅速缩窄， 18H1 一轮游的影片增多。 决定单片票 房的核心因素主要包括：票价、放映场次、场均人次。我们认为 国内市场目前放映场次已经不能决定票房的 增长，而正式 进入口碑驱动场均人次上行带动票房的阶段，而从我们对猫眼的统计来看，评分在8.7 分以上的电影，其首日票房倍数（总票房 /首日电影票房 ，该指标越大说明票房生命周期越长，后同 ）约为10X 以上，首周票房倍数（总票房 /首周电影票房）达到 2.5-3.5X 左右，而猫眼评分在 8.0-8.7 分之间的 电影，首日票房倍数和首周票房倍数仅为 5.5X 和 1.8X 左右。顶级优质影 片的票房倍数相比去年有所扩大，说明口碑对票房的决定作用正在加强 。 总体来看，我们认为我国已经逐渐由放映场次驱动过渡到内容质量驱动的阶段，同时仍将享受一 段时间的类型补缺的工业化红利。而在投资上的映射主要包括两个方面：第一是在这样的市场环境当中，塑造口碑的发行能力和制片能力，而不是商务渠道能力，将 成为一家电影内容商的核心竞争力 ；第二是市场分化预示着头部影片的投资回报率 极其 丰厚，我们或需要更加科学地利用 3 个时间窗口 （上映前、上映首个周末、上映后的第二个周末） 把握单片驱动的行情。长期来看我们或许需要关注已经拥有大 IP 的稳定制片公司，和有部分平台属性的电影综合集团，如光线传媒、万达电影 （停牌） 等。 风险提示： 国家内容政策 监管趋严， 暑期档增速低于市场预期的风险，影片 质量持续低于预期导致观众转向其他娱乐形式的风险 。 Table_Report 相关研究 ： 传媒行业 :广视点 |腾讯头条开战：一次对企鹅外围护城河的试探 2018-07-13 传媒行业 :广视点 | 创造 101 和明星偶像的定价 2018-06-27 传媒行业 :我们或正处于电影行业工业化的前夜 2018-02-21 好莱坞并购史回顾 :美国电影百年荣光与微暗；巨头入局将重塑中国电影产业格局 2018-02-14 识别风险， 发现价值 请务必阅读末页的免责声明 2 / 17 专题研究 |传媒 目录索引 一、拒绝平庸，顶级口碑才能驱动票房超预期 增长 . 4 1.1 我们的电影内容总体口碑正在逐渐改善 . 4 1.2 但结构上影片口碑之间的分化在加剧，票房生命周期也在分化 . 6 1.3 口碑的分化导致了头部效应的加剧和影片观影预期的错配 . 8 二、再论电影工业化红利：长期来看，观众预 期的力量将引发行业的正向循环 . 9 2.1 拆解单个影片的核心驱动因素：票价、放映场次、场均人次 . 10 2.2 近年来驱动因素上场次因素减弱，口碑因素越来越突出 . 10 2.3 电影工业化红利： 18H1 各个细分领域的影片内容口碑都有所提升 . 12 三、投资映射：我们仍需等待内容全面改善的 质变和适应更难的单片驱动行情 . 14 3.1 内容的竞争力仍将逐渐提升，塑造口碑的相关发行能力将更加重要 . 14 3.2 单片驱动的行情更需要把握时间窗口 . 15 识别风险， 发现价值 请务必阅读末页的免责声明 3 / 17 专题研究 |传媒 图表索引 图 1： 2015 年以来我们的高票房高分电影显著增多 . 4 图 2： 18H1 豆瓣的加权评分显示电影质量在边际改善 . 5 图 3： 18H1 豆瓣的加权评分显示国产电影质量在边际改善 . 5 图 4： 18H1 猫眼的加权评分显示电影质量在边际改善 . 6 图 5： 18H1 猫眼的加权评分显示国产电影质量在边际改善 . 6 图 6： Top200 影片的豆瓣评分标准差在 18H1 有所扩大 . 7 图 7：首日票房占比上 18H1 整体有所提升 . 7 图 8：首日票房占比和首周票房占比的标准差在 18H1 提升明显 . 8 图 9：只有内容评价最顶级的电影的首日电影票房倍数在增加，生命周期拉长 . 8 图 10： 18H1 首日票房占比大于 25%和首周票房占比大于 70%的影片有所增加 . 9 图 11：单片票房的主要驱动因素 . 10 图 12： 2015 年 -2018 年放映场次约提升了一倍 . 11 图 13：非重要档期日里的影迷增长速度已经放缓 . 11 图 14： 18H1 上映的剧情片、科幻片和惊悚片猫眼加权平均分上升明显 . 12 图 15： 1986 年以来美国各个类型影片票房分布情况 . 13 图 16： 2012 年以来我国各个类型影片票房分布情况 . 13 图 17： 18H1 豆瓣评分当中国产影片口碑已经非常接近进口影片 . 14 图 18：单片票房驱动的股价上行主要需要注意 2-3 个时间窗口 . 15 图 19：顶级影片的首周票房倍数可以达到 2.5-3.5X 的区间之内 . 16 识别风险， 发现价值 请务必阅读末页的免责声明 4 / 17 专题研究 |传媒 我们曾于我们或正处于电影行业工业化的前夜的报告当中阐述，国内内容质量回暖将是受惠于电影行业工业化的长期趋势，而非市场预期的短期异常点。暑期档我不是药神高分开画部分验证了我们此前的观点。而我们认为部分高完成度的电影工业品的出现，长期来看将引导观众向理性预期靠拢，引导行业走向 “生产高质量电影 观众给予票房上的正反馈 优秀的制作人员有更多资金制作好电影 ”的良性循环。而短期将导致行业的不确定性进一步加深，单片带来的 EPS超预期行情更难把握。 一、拒绝平庸，顶级口碑才能驱动票房超预期增长 1.1 我们的电影内容总体口碑正在逐渐改善 年初以来，根据我们对猫眼和豆瓣上电影评分的统计，电影质量仍在持续回暖中。我们首先将 2015-18H1历年的 Top100票房的影片列示如下，横轴代表票房（单位为亿元），纵轴代表猫眼评分（单位为分），可以发现代表 2016年的灰点出现了很多评分较低的低票房片。而代表 2018H1的蓝点则有较多出现在右上角，代表评分和票房双高。 图 1： 2015年以来我们的高票房高分电影显著增多 数据来源：猫眼专业版 App，广发证券发展研究中心 我们用更加详细的豆瓣和猫眼评分来说明内容质量改善的趋势： a）我们首先选取我国票房前 200名的电影的豆瓣和猫眼评分，基本能够覆盖 95%以上的票房范围。 b）然后用票房作为权数进行加权，其现实意义是观众愿意为某个 “电影消费集 ”（一般是某一年的所有影片）花费的每 1元评多少分，分值越高证明消费者认定这部分电影的内容质量越高，消费价值越大。 56789100 5 10 15 20 25 302 0 1 8 H12 0 1 72 0 1 62 0 1 5票房 （ 亿元 ）评分识别风险， 发现价值 请务必阅读末页的免责声明 5 / 17 专题研究 |传媒 从豆瓣评分来看， 2017年以来 18H1的豆瓣加权评分出现了明显的上升， Top10电影的豆瓣加权评分从 2017年上升至 18H1的 7.18分，创下 2013年以来评分的新高；Top100的电影豆瓣评分由 2017年的 6.57分上升至 18H1的 6.87分，同样是 2013年以来的新高。如果我们只考虑国产影片，内容质量提升趋势更加明显， Top10当中的国产电影的加权评分达到 6.94分，高于 2017年的 6.66分和 2016年的 6.22分； Top100当中的国产影片豆瓣加权评分达到 6.77分，高于 2017年的 6.17分和 2016年的 5.85分。 图 2： 18H1豆瓣的加权评分显示电影质量在边际改善 数据来源：豆瓣，猫眼专业版 App，广发证券发展研究中心 图 3： 18H1豆瓣的加权评分显示国产电影质量在边际改善 数据来源：豆瓣，猫眼专业版 App，广发证券发展研究中心 在票房评价拟合上，猫眼的评分往往表现更好，我们用猫眼的指标来看同样呈现出明显的影片质量改进趋势。 2018H1Top10票房电影的猫眼加权评分约为 8.99分，基本上与 2017年的 9.07分持平，相比 2016年的 8.69分有了比较明显的提高；而 Top100票房电影的加权评分约为 8.75分，相比 2017年的 8.66分和 2016年的 8.43分有比较明显的提升。如果从国产电影的角度来说， Top10中国产电影的 9.06分相比 2017年的识别风险， 发现价值 请务必阅读末页的免责声明 6 / 17 专题研究 |传媒 9.1分基本持平，明显高于 2016年的 8.42分。而暑期档随着动物世界（ 8.5分）、我不是药神（ 9.7分）等优质影片的上线，猫眼的评分有望持续走高。 图 4： 18H1猫眼的加权评分显示电影质量在边际改善 数据来源：豆瓣，猫眼专业版 App，广发证券发展研究中心 图 5： 18H1猫眼的加权评分显示国产电影质量在边际改善 数据来源：豆瓣，猫眼专业版 App，广发证券发展研究中心 1.2 但结构上影片口碑之间的分化在加剧，票房生命周期也在分化 虽然总体上内容质量上升，但影片的口碑分化却在迅速加剧。我们统计了 Top200影片的豆瓣评分， 2016-2017年豆瓣评分的标准差一直在回落， 2016年约为 1.52分，2017年约为 1.48分，而 18H1高达 1.66分，说明上映的影片之间观众的认知分歧在逐渐扩大，简单来说就是 “好的更好，差的更差 ”。这而观众的众口难调和认知分歧造成了两方面的后果：第一是增加了票房预测的不确定性，口碑起到的杠杆效应正在变大；第二是反映了观众预期的错配，部分评价较好但非最顶级的电影票房遭到错杀，票房潜力未能完全释放，现实变成了只有最顶级的头部影片能够挣钱。 识别风险， 发现价值 请务必阅读末页的免责声明 7 / 17 专题研究 |传媒 图 6： Top200影片的豆瓣评分标准差在 18H1有所扩大 数据来源：猫眼专业版 App，广发证券发展研究中心 口碑的分化导致了整体票房生命周期缩短和市场的不确定性增加。 电影口碑对票房的影响在于，如果口碑较好，则会有更多的路人粉丝选择消费该影片，整体票房的走势曲线会被拉长拉平，票房的生命周期就长；而如果口碑较差，则会导致整体票房集中在首周和前几天，票房走势曲线会变陡，生命周期就偏短。因此首日和首周电影票房占总票房生命周期的比例可以代表口碑给影片带来的杠杆效应，首日票房占比越高，代表负面口碑越明显，首日票房占比越低，则代表正面口碑突出。 而根据我们对于 2013年以来首日票房占比的统计来看， 2016年由于整体影片质量较差，其首日的票房占比达到了一个峰值，平均首日票房占总票房的比例达到 19.5%，即一部影片会有接近 1/5的票房在首日释放，这一票房生命周期是非常短的。出乎意料的是，我们发现电影质量明显改善的 18H1同样出现了首日票房占比的回升，达到了 18.7%，我们认为这主要是由于口碑的分化造成的，部分低分影片票房的高首日票房占比拉低了整体的这一指标。 图 7：首日票房占比上 18H1整体有所提升 数据来源：猫眼专业版 App，广发证券 发展研究中心 首日票房占比的标准差验证了我们对于市场分化的判断。 根据我们的统计，首日票房占比的标准差在 18H1达到了近 4年的峰值，为 21.6%；首周票房占比的标准差在18H1达到了 17.6%，是 2013年以来的最高值。这代表目前口碑对于票房的杠杆影响识别风险， 发现价值 请务必阅读末页的免责声明 8 / 17 专题研究 |传媒 作用越来越大，而且分化的口碑又导致了票房表现的分化。 图 8：首日票房占比和首周票房占比的标准差在 18H1提升明显 数据来源：猫眼专业版 App，广发证券发展研究中心 1.3 口碑的分化导致了头部效应的加剧和影片观影预期的错配 口碑极度分化带来的另外一个负面影响是用户的观影预期和实际影片的内容是错配的，只有最顶级的电影内容才能够穿透人群走出非常好的票房曲线，头部效应加剧。我们将 2013年以来的影片分为三个评价档次，猫眼 8.7分以上、猫眼评分 8-8.7分左右和猫眼 8分以下的电影，我们用首日票房占比的倒数代表首日票房的倍数，其含义是最终的票房是首日票房的多少倍，这一倍数指标越高，就说明该影片的生命周期越长。三档影片当中，只有 8.7分以上的顶级电影才出现了首日票房倍数的增加，从2017年的 9.8倍左右增加至 18H1的 11.2倍 左右 ；而 8.0-8.7分中等档次的影片倍数出现了较大程度的下滑，从 2017年的 6.2倍下降至 18H1的 4.5倍左右，基本上与 8分以下的影片首日票房倍数相仿。 图 9：只有内容评价最顶级的电影的首日电影票房倍数在增加，生命周期拉长 数据来源：猫眼专业版 App，广发证券发展研究中心 识别风险， 发现价值 请务必阅读末页的免责声明 9 / 17 专题研究 |传媒 也就是除了头部影片之外，腰部和长尾的电影生命周期在缩短，投资回报率在下降。我们统计了历年 Top100当中首日票房占比大于 25%的影片和首周票房占比大于 70%的影片的数量，这类电影我们一般称为 “一轮游 ”电影。我们发现 18H1这类影片的数量迅速增多， Top100的影片当中有 19部影片首日票房大于 25%， 16部首周票房大于70%，远高于 2017年 10部和 12部的数量。结合我们之前的分析，说明目前市场口碑的分化导致了观众只会给最顶级口碑的内容较好的票房回报，而腰部和长尾电影的生命周期被不突出的口碑压缩了。 图 10： 18H1首日票房占比大于 25%和首周票房占比大于 70%的影片有所增加 数据来源：猫眼专业版 App，广发证券发展研究中心 我们认为未来观众预期和内容质量之间的匹配有望解决这个问题。 根据凡影的研究，腰部和长尾电影的票房潜力并未完全释放的原因是因为电影营销的不到位导致了观众预期和电影实际内容的不匹配，压低了影片的口碑。举个例子是，一个主打爱情的影片，但在宣传上并未找准自己的受众，而只找到了被非目标的受众如战争片的粉丝，因此影片的口碑扩散就会受到压制，在其测算下，因为电影口碑的错配使整个电影市场损失了 30%的票房。我们认为，随着各个细分领域影片内容质量和发行营销能力的提升，影片口碑的错配有望被打破，腰部和长尾影片的生命周期有望被重新拉长。 二 、再论电影工业化红利：长期来看，观众预期的力量将引发行业的正向循环 正如我们此前在我们或正处于电影行业工业化的前夜中强调的，目前行业人口红利逐渐到顶，电影行业未来的增长空间或主要来自于内容质量的提升所带来的人均观影频次的提升。今年电影行业内容评分的上升已经部分说明了这一趋势，但我识别风险， 发现价值 请务必阅读末页的免责声明 10 / 17 专题研究 |传媒 们也可以看到目前内容质量的提升主要是来自于部分头部影片的口碑极度突出带来的，从我们检测的 评分数据来看，剧情、科幻等领域电影内容质量有明显提升。我们认为后续的电影内容供给端仍有工业化和类型片的红利可以挖掘，直到国产电影内容在各个细分类型上的质量实现全面提升。 2.1 拆解单个影片的核心驱动因素：票价、放映场次、场均人次 我们如果将单部影片的票房进行详细的拆分，可以归类为一个简单的公式：单片票房 =放映场次 *场均人次 *票价。其中：票价相对来说由影片类型决定，且国内票价一直处于下降通道，并非是单片票房增长的主要驱动因素。放映场次主要取决于国内大盘单日的可放映总场次和排片率，前者的增长是 2015年之前单 片票房不断突破新高的主要动力。场均人次等于场均座位数乘以上座率，而单个影厅的排座数基本稳定，所以影响场均人次的主要系上座率，而上座率主要由竞争情况和影片口碑决定。 图 11：单片票房的主要驱动因素 数据来源：猫眼专业版 App，广发证券发展研究中心 2.2 近年来驱动因素上场次因素减弱，口碑因素越来越突出 2015年以后放映场次带来的增长红利基本已经消失殆尽。 根据中影营销的数据，2015年工作日日均放映场次约为 12.8万场，周末三天日均放映场次为 15.9万场，而18H1工作日放映场次高达 26.9万场，周末场次日均放映约 29.6万场。总的放映场次同比分别增长了 110%和 86%。而 2015-2017年票房增速仅为 27%。单片的放映场次增加了却没有带来票房的提升，这或预示着放映场次不再是单片增长的主要驱动力。