Een onderzoek naar de mogelijke beïnvloedende factoren van box office inkomsten

UNIVERSITEIT GENT

FACULTEIT POLITIEKE EN SOCIALE WETENSCHAPPEN VAKGROEP COMMUNICATIEWETENSCHAPPEN

Een onderzoek naar de mogelijke beïnvloedende factoren van box office inkomsten

Michaël Baes

MASTERPROEF TOT HET BEHALEN VAN DE GRAAD VAN MASTER IN DE COMMUNICATIEWETENSCHAPPEN

PROMOTOR : Prof. Dr. Biltereyst Commissaris 1: Stijn Joye Commissaris 2: Liesbeth Van de Vijver

ACADEMIEJAAR 2009 – 2010 1

2

UNIVERSITEIT GENT

FACULTEIT POLITIEKE EN SOCIALE WETENSCHAPPEN VAKGROEP COMMUNICATIEWETENSCHAPPEN

Een onderzoek naar de mogelijke beïnvloedende factoren van box office inkomsten

Michaël Baes

MASTERPROEF TOT HET BEHALEN VAN DE GRAAD VAN MASTER IN DE COMMUNICATIEWETENSCHAPPEN

PROMOTOR : Prof. Dr. Biltereyst Commissaris 1: Stijn Joye Commissaris 2: Liesbeth Van de Vijver

ACADEMIEJAAR 2009 – 2010 3

Inzagerecht in de masterproef (*) Ondergetekende, …………………………………………………….

Geeft hierbij toelating / geen toelating (**) aan derden, nietbehorend tot de examencommissie, om zijn/haar (**) proefschrift in te zien.

Datum en handtekening

…………………………..

…………………………. Deze toelating geeft aan derden tevens het recht om delen uit de scriptie/ masterproef te reproduceren of te citeren, uiteraard mits correcte bronvermelding. ----------------------------------------------------------------------------------(*) Deze ondertekende toelating wordt in zoveel exemplaren opgemaakt als het aantal exemplaren van de scriptie/masterproef die moet worden ingediend. Het blad moet ingebonden worden samen met de scriptie onmiddellijk na de kaft. (**) schrappen wat niet past.

4

Woord vooraf Het geschikte onderwerp kiezen was in eerste instantie niet eenvoudig. Maar door het keuzevak “ontwikkeling esthetiek van de film” werd het mij snel duidelijk dat ik iets in die richting van film wilde schrijven. Bovendien is film mijn grootste passie. Gezien mijn economische vaardigheden, opgedaan in eerdere studies, leek het mij interessant om film eens vanuit economische hoek te bestuderen. Uiteindelijk heb ik gekozen voor een onderzoek dat het financiële succes van film probeert te verklaren of voorspellen. Er zijn in het verleden hierover al verschillende studies verschenen, ik zal mij dan ook beperken tot de laatste paar jaren. Op die manier kan ik bepaalde vaststellingen bevestigen uit voorgaande studies of nieuwe elementen ontdekken die pas de laatste jaren aan bod kwamen. Er wordt nogal vaak gezegd dat de meeste films geld verliezen en dat al die verliezen dan moeten worden gerecupereerd door één grote kaskraker. Daarom lijkt het me ook interessant om te gaan zoeken achter succesvolle parameters. Dit werk is zeker niet het resultaat van enkel mijn inspanningen. Eerst en vooral zou ik graag Prof. Dr. Daniël Biltereyst bedanken om me verder op weg te helpen met het afbakenen van een goed onderbouwd onderwerp. Vervolgens heb ik veel steun gehad aan Thomas Roelandt, Stijn Maertens en Jan De Pelsmacker. Zij hielpen mij op verschillende vlakken. In het bijzonder wil ik Piet Pollet en Eva Bekemans bedanken voor hun toegewijde steun en hulp bij de opbouw en het verwezenlijken van dit onderzoek. Ten slotte moeten ook mijn broers Maarten Baes, Stijn Baes en mijn ouders Erik Baes en Moniek Marreyt vermeld worden. Mijn broers hebben een beperkte inbreng gehad door af en toe korte stukken te overlezen. Mijn ouders verdienen een bedanking, zoals ze die al veel hebben verdiend, omdat ik hier zonder hun steun niet zou gezeten hebben. Het zijn immers zij die er voor gezorgd hebben dat ik kan studeren wat ik wil zonder me in een bepaalde richting te duwen, en zonder me te moeten zorgen maken over de financiële kant hiervan.

5

Inhoudsopgave WOORD VOORAF.......................................................................................................................................... 5 INHOUDSOPGAVE......................................................................................................................................... 6 LIJST VAN DE TABELLEN................................................................................................................................ 7 LIJST VAN DE FIGUREN ................................................................................................................................. 8 HOOFDSTUK 1: INLEIDING ............................................................................................................................ 9 HOOFDSTUK 2: BEPALENDE FACTOREN VOLGENS DE LITERATUUR. ......................................................... 11 2.1

Starpower .............................................................................................................................. 11

2.2

Regisseurs .............................................................................................................................. 13

2.3

Genres ................................................................................................................................... 14

2.4

MPAA-ratings......................................................................................................................... 16

2.5

Aantal schermen.................................................................................................................... 18

2.6

Reclame ................................................................................................................................. 19

2.7

Recensies ............................................................................................................................... 21

2.8

Lanceringsperiode ................................................................................................................. 22

2.9

Awards ................................................................................................................................... 23

2.10

Productiebudget .................................................................................................................... 25

2.11

Pre-sold.................................................................................................................................. 26

2.12

Besluit .................................................................................................................................... 29

HOOFDSTUK 3: BEPALENDE FACTOREN VOLGENS HET ONDERZOEK ........................................................ 30 3.1

Methode ................................................................................................................................ 30

3.2

Data & steekproef ................................................................................................................. 32

3.3

Resultaten.............................................................................................................................. 37

3.3.1

Binnenlands financieel succes ....................................................................................... 37

3.3.2

Internationaal financieel succes .................................................................................... 43

3.3.3

Binnenlands + internationaal financieel succes ............................................................ 48

3.3.4

Appreciatie .................................................................................................................... 52

HOOFDSTUK 4: BESLUIT ............................................................................................................................. 57 BIBLIOGRAFIE ............................................................................................................................................. 60

6

Lijst van de tabellen Tabel 1: Overzicht van te onderzoeken variabelen ............................................................................... 33 Tabel 2: OLS regressie financieel succes binnenlands........................................................................... 37 Tabel 3: OLS regressie financieel succes internationaal........................................................................ 43 Tabel 4: OLS regressie appreciatie succes ............................................................................................. 53

7

Lijst van de figuren Figuur 1: Wereldwijde Box Office (US $ miljoenen): MPAA, screen digest, and Various Sources .......... 9 Figuur 2: Relatieve verdeling van films en omzet per genre van 1995-2009 ........................................ 15 Figuur 3: Relatieve verdeling van films en omzet per rating van 1995-2009........................................ 17 Figuur 4: Relatieve verdeling van films en omzet per categorie van 1995 - 2010 ................................ 27 Figuur 5: scatterplot van box office omzet en productiebudget (assenlogschaal) ............................... 49 Figuur 6: scatterplot van box office omzet en productiebudget .......................................................... 50 Figuur 7: Scatterplot van box office omzet en percentage recensies ................................................... 51 Figuur 8: Gemiddelde binnenlandse en internationale box office omzet samen per variabele ........... 51

8

Hoofdstuk 1: Inleiding Net als de sport, gaming, pretparken en de boekenindustrie is ook de filmindustrie een zeer belangrijke entertainmentmarkt wereldwijd. Rekening houdende met de geringe prijs per bioscoopticket is dit voor families een van de meest betaalbare uitstapjes. Een cinematicket blijft rond de 10 euro per persoon standhouden terwijl dat bij pretparken en sportevenementen meestal een stuk hoger ligt. In 2009 wordt er in de Verenigde Staten voor meer dan 10 miljard dollar cinematickets verkocht en dit cijfer blijft groeien. Op de volgende figuur kunnen we zien dat de Amerikaanse filmmarkt de laatste vijf jaar een stijgende trend volgt. Vooral internationaal hebben de Amerikaanse films het steeds veel beter gedaan ( MPAA, 2009). Figuur 1: Wereldwijde Box Office (US $ miljoenen): MPAA, screen digest, and Various Sources

Domestic

International

19,3

16,3

17,1

18,3

8,8

9,1

9,6

9,8

10,6

2005

2006

2007

2008

2009

15,7

14,3

9,2

2004

Bron gegevens: MPAA, 2009

Naar aanleiding van de nieuwste film van James Cameron, Avatar, het grootste kassucces en productiebudget in de geschiedenis, staat de media vol met te behalen records (Standaard, “Avatar haalt wereldwijd al 1 miljard dollar binnen”, 2010, 03 januari). Al decennia lang is de Verenigde Staten de onbetwiste leider op het vlak van de wereldwijde filmindustrie. De film Avatar is daar nogmaals het bewijs van (MPAA, 2009). Maar wat is hier nu precies de verklaring voor? Maken ze gewoon de beste films of zit er meer achter? Hoewel veel van de films worden gefinancierd en geproduceerd door grote Hollywood studio’s, komen er steeds meer buitenstaanders die ook een stuk van de taart willen, de zogenaamde independents. Dit zijn vaak rijke financiers, private bedrijven of andere instellingen die op zoek zijn naar een goede return on investment (ROI). Ondanks de omvang van de markt en de grote 9

investeringsbelangen blijft het produceren van een nieuwe film een riskante onderneming. Men kan vooraf moeilijk voorspellen of de film het gewilde succes zal boeken en/of voldoende ROI zal maken. De rendabiliteit verschilt dan ook sterk naar gelang de film (Metha, 23 mei, 2006). Zo zou slechts 10 % van alle films winst maken. Dit wil zeggen dat de filmindustrie een erg turbulent gegeven is. Daarom is het interessant om op zoek te gaan naar factoren die het succes van een film zou kunnen beïnvloeden. Om het succes van een film te vergroten heeft Hollywood verschillende strategieën achter de hand. Zo zijn ze al sinds de jaren 1930 bezig met het uitbouwen van een stersysteem. De studio’s maken bewust sterren van bepaalde acteurs om zo te genieten van hun beroemdheid. Op deze manier pogen ze meer mensen te lokken naar de film (Thompson & Bordwell, 1994). In de voorgaande alinea gaven we enkele mogelijke factoren die kunnen leiden tot het succes van film. Er bestaan hier echter verdeelde meningen over. Zo staaft De Vany (2003) dat er geen formules zijn voor het succes van Hollywood. Door het maken van strategische keuzes in het boeken van schermen, budgettering en het huren van de geschikte producenten, regisseurs en acteurs met voldoende waarde kan een film zijn kans op succes verhogen. Maar vanaf de lancering van een film beslist het publiek over diens lot. Volgens De Vany (2003) kunnen grote budgetten of dure sterren of zelfs grote marketingprogramma’s ook floppen. Er is nooit absolute zekerheid wat films betreft, enkel het risico kan worden verkleind. Met andere woorden, zoals Goldman (1983) zei, "nobody knows anything". Het is niet in de eerste plaats het budget, starpower of marketing die verantwoordelijk is voor het succes van de film. Het is het publiek die van een film een hit maakt (Goldman, 1983). Zo is de echte ster de film. Hoewel we het succes van een film niet volledig kunnen voorspellen zullen we toch op zoek gaan naar de factoren die de kans op succes vergroten. Dit werk zal zich enkel toespitsen op films die gemaakt zijn door de Verenigde Staten. Bovendien bekijken we enkel de cinema-inkomsten en dus geen “video/DVD-verhuur” of “video on demand” opbrengsten. We bekijken deze markt vanuit economisch perspectief. Hiermee bedoelen we dat we de bioscoopopbrengsten als basis zullen gebruiken. Deze opbrengsten zullen het referentiepunt van onze meting worden. Concreet: de inkomsten gaan we vergelijken met verschillende parameters die invloed zouden kunnen hebben op het succes van een film, zoals de titel van dit onderzoek aangeeft: “ Een onderzoek naar de mogelijke beïnvloedende factoren van box office inkomsten”. Vooreerst gaan we van start met een uigebreide literatuurstudie. We gaan op zoek naar bepaalde factoren invloed zouden kunnen hebben op het financiële succes van een film. Verder bespreken we elke invloedrijke factor uitvoerig en geven we per factor de belangrijkste resultaten van voorgaande onderzoeken weer. Na de bespreking van een bepalende factor geven we telkens een beknopt besluit. Eenmaal we de belangrijkste factoren onder de loep hebben genomen, zullen we op basis 10

van een eigen onderzoek bepalen of deze factoren wel degelijk enig effect hebben op het financiële succes. Ten slotte willen we het financiële succes en de bijhorende beïnvloedende factoren vergelijken met de appreciatie van het publiek voor de film. Aangezien er in het verleden al verschillende onderzoeken zijn gevoerd binnen dit domein, zal ons onderzoek enkel de laatste vijf jaar beslaan. Zo kunnen we zien of de resultaten nog steeds overeenkomen met de resultaten vanuit het verleden. Daarnaast kunnen door dit onderzoek eventuele nieuwe trends in de filmwereld worden ontdekt. Het voornaamste aspect van dit onderzoek is nagaan of bepaalde factoren het succes van een film kunnen beïnvloeden.

Hoofdstuk 2: bepalende factoren volgens de literatuur. Over de geschiedenis heen heeft de Amerikaanse filmindustrie verschillende strategieën ontwikkeld om meer mensen naar de cinema te lokken. Er zijn hierover al diverse onderzoeken afgewerkt. Aan de hand van een uitgebreide literatuurstudie willen we de verschillende variabelen/strategieën, die invloed hebben op het succes van een film, in kaart brengen. Litman (1983) was de eerste om een meervoudig regressiemodel te ontwikkelen in een poging om het financiële succes van films te voorspellen. De oorspronkelijke onafhankelijke variabelen in het onderzoek omvatten: filmgenre (sciencefiction, drama, actie, avontuur, comedy en musical), MPAA rating (G, PG, R en X), superster in de cast, productiekosten, release bedrijf (major of independent), Academy Awards (nominaties en winnaars in belangrijke categorieën), lanceringsdatum (Kerstmis, Pasen, zomer). Litman's model levert het bewijs dat de onafhankelijke variabelen - productiekosten criticiratings, sciencefiction genre, majors, Kerstmis lancering, Academy Award nominatie en het winnen van een Academy Award - de belangrijkste determinanten zijn voor het succes van een film. In dit hoofdstuk gaan we verder opzoek naar literatuur die ons een goed overzicht kan geven van de belangrijkste factoren in het voorspellen of verklaren van het financiële succes van films. Elk van deze factoren zullen we uitvoerig bespreken en de belangrijkste resultaten van voorgaande onderzoeken weergeven.

2.1

Starpower

Het starsystem zoals we die nu kennen is ontstaan in de vroege jaren 1930, met toen onder andere Fatty Arbuckle. De grote Hollywood-producenten waren er toen al van overtuigd dat grote steracteurs meer mensen naar de cinema zouden lokken en bijgevolg ook meer geld in het laatje zouden brengen (Thompson et al., 1994).

11

Er zijn verschillende studies over het starsysteem gemaakt, zo stelden Rosen (1981) gevolgd door Adler (1985) in hun klassieke algemene analyse de vraag, of sterren werkelijk de meest getalenteerde mensen in het beroep zijn en hun roem en fortuin “verdienen” of sterren zijn geworden om andere reden. Die vraag zouden we ons ook kunnen stellen bij het stersysteem van Hollywood. Volgens Dekom (1992, p. 130) kan een ster een film “openen”, hiermee bedoelt hij dat de ster de film onder de aandacht brengt van het grote publiek. Hierin beschrijft hij de Disney strategie/techniek waarbij hij ervan uitgaat dat eenmaal een persoon een ster is, alsook mocht die terug uitdoven, hij of zij zal worden herkend en gewaardeerd door het publiek. Dus wanneer een goed filmconcept effectief wordt gemarketeerd in combinatie met een herkenbare naam zou de film een hoge omzet moeten genereren. Verder constateert ook Litman (1983) dat sterren samen met andere determinanten erg belangrijk zijn bij het verhogen van de financiële return van een film. Sterren, content en Academy Award-nominaties of prijzen zijn volgens Litman (1983) sterk gerelateerd aan de inkomsten. Ravid (1999, p. 466) stelt in zijn studie twee hypothesen voorop, (1) dat sterren (en misschien grote budgetten) een signaal zijn voor een hoog rendement of op zijn minst hoge opbrengsten, en/of (2) dat sterren worden betaald naar hun waarde. De resultaten van een steekproef van bijna 200 films lijken aan te tonen, in tegenstelling wat Litman (1983) en Kohl (1983) beweren, dat sterren geen enkele rol spelen in het financiële succes van een film. Terwijl univariate testen de mening van de industrie bevestigen en sterren de box office inkomsten wel degelijk doen stijgen. Ook in de laatste test van Ravid (1999 p.490) stelde hij dat de deelname van een ster aan low-budget films een zwak signaal van kwaliteit kan zijn. Natuurlijk, zoals in alle empirische studies, moeten echter wel enkele voorwaarden in orde zijn. Zo zien we dat resultaten op verschillende manieren kunnen worden geïnterpreteerd en dat resultaten kunnen variëren naar gelang de test die wordt uitgevoerd. In een studie die De Vany & Walls (1999) deden binnen de periode van 1982 - 1984 kwamen ze tot de conclusie dat films met sterren voordeliger zouden zijn dan films zonder sterren. Hierbij kwamen ze tot de volgende resultaten. In de steekproef van ongeveer 200 films was de gemiddelde omzet per film 17 miljoen dollar terwijl de mediaan nauwelijks 6,9 miljoen dollar bedroeg. Wat betekent dat er enkele films relatief gezien veel grotere omzet genereren dan andere. Films met sterren hadden een mediaan omzet van 20,9 miljoen dollar en een gemiddelde per film van 41,5 miljoen dollar, terwijl films zonder sterren een mediaan hadden van 8,2 miljoen dollar en een gemiddelde van slechts 12,2 miljoen dollar. Door een Kolmorogov-smirnov test uit te voeren kon men besluiten dat films met sterren grotere omzet genereren dan films zonder sterren. Ook bleek uit het onderzoek dat films met

12

sterren ongeveer dubbel zoveel productiebudget nodig hadden om te film te produceren dan films zonder sterren. Uit de bevindingen van De Vany en Walls (1999, p.298) zien we ook dat de meeste films verlieslatend zijn. Grote budgetten en filmsterren zijn niet altijd een garantie voor succes. Zo is “Waterworld” met Kevin Costner hier het perfecte voorbeeld van. Terwijl “Home alone” met een klein budget en geen sterren een box office hit werd. Men kon uiteindelijk besluiten dat de hoogste rendementen gehaald worden uit films zonder sterren met kleine budgetten. Wat ROI betreft kunnen deze low-budget films zonder sterren erg succesvol zijn. Echter als we de absolute winst bekijken zien we films met hoge budgetten en sterren veel beter scoren dan de succesvolle low-budget films zonder sterren (De Vany & Walls, 1999) . Terwijl andere auteurs sterren zien als een mogelijke inkomstbron, beweert Albert S. (1998) dat het publiek de sterren in bepaalde categorieën onderverdeelt. Met andere woorden, sterren zorgen voor een “marker” op een film wat wil zeggen dat het publiek elke ster associeert met een bepaald type (genre) film. Albert is er zoals andere auteurs ook over eens dat sterren voor minder risico zorgen omdat deze films onder genoeg aandacht worden gebracht door de steracteur in kwestie. Toch Blijven we ons afvragen, waarom het stersysteem de hoeksteen van de Hollywood-studio’s blijft. Zo kosten sterren enorm veel geld en bovendien films zonder sterren zouden veel hoger ROI kunnen opleveren. Toch kunnen we enkele veronderstellingen maken. Men hoort vaak van films die geproduceerd worden, omdat een bepaalde ster overeengekomen is om in deel te nemen, in wezen onafhankelijk van de kwaliteitscontrole. Zo wordt een ster vaak gecast om de kans op een succesvolle film toch enigszins te vergroten. In de bestaande literatuur merken we op dat er diverse meningen bestaan over sterren en of ze al dan niet bijdragen tot een hoger rendement of omzet van films. Toch kunnen we vaststellen dat Hollywood zelf hierin blijft geloven. De resultaten van verschillende onderzoeken zijn dan ook steeds voor eigen interpretatie vatbaar. Daarom lijkt het ons interessant om hierin op door te gaan in ons eigen onderzoek.

2.2

Regisseurs

Net als bij bekende acteurs (sterren) zijn ook bekende regisseurs volgens De Vany et al. (1999) erg belangrijk. Regisseurs die reeds een gevestigde waarde zijn in de filmwereld zorgden volgens hen ook voor meer aandacht van het publiek. Er zullen dus meer cinematickets worden verkocht wanneer pak weg Steven spielberg de film heeft geregisseerd. Ook hier zouden regisseurs volgens De Vany en Walls een soort marker voor een bepaald type film zijn. 13

De Vany et al. (1999) stellen in hun onderzoek regisseurs en acteurs aan elkaar gelijk onder dezelfde noemer “stars”. Zij maken dus geen onderscheid tussen de twee. Op die manier kunnen we moeilijk nagaan of bekende regisseurs nu meer of minder invloed hebben op verkoopresultaten. In Europese landen zouden filmregisseurs een groter effect hebben op het commerciële succes dan de acteurs (Bagella & Becchetti 1999, Delmestri, Montanari & Usai 2005 in Italië, Jansen 2005 in Duitsland). In Hollywood verwacht men eerder het omgekeerde. Wegens gebrek aan literatuur gaan we niet dieper in op de factor regisseur. Bovendien lijkt deze factor erg goed op de vorige factor steracteur. We kunnen deze factor gemakkelijk in ons eigen onderzoek verder bestuderen.

2.3

Genres

In de hedendaagse cinema vinden we ongeveer 14 verschillende genre films, een pak meer dan in het verleden. Zo zijn er: actie, avontuur, animatie, zwarte komedie, komedie, documentaire, drama, fantasie, horror, musical, romantische komedie, Sciencefiction, western en thriller. Elk genre heeft zo zijn eigen stijl en veelal ook specifieke acteurs. Zo acteert Bruce Willis bijvoorbeeld vooral in actiefilms of Jim Carrey die vooral in komedies doet (http://www.the-numbers.com/). Op de volgende grafiek kunnen we zien welke genres de laatste 15 jaar het populairst waren. Zo zien we dat “Comedy” wat betreft omzet ongeveer een kwart van de filmmarkt beslaat. Terwijl er duidelijk veel meer drama’s en veel minder avonturenfilms worden gemaakt. Zo kunnen we ruwweg stellen dat er meer te verdienen valt met avonturen films dan met drama’s of komedies. Dit geldt ook voor het genre actie. Terwijl we duidelijk zien dat drama en komedie de populairste genres zijn in Amerika.

14

Figuur 2: Relatieve verdeling van films en omzet per genre van 1995-2009

percentage aantal films

marktaandeel in omzet

40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00%

Bron: http://www.the-numbers.com/market/Genres/ Uit de bevindingen van De Vany et al. (1999) zien we opnieuw de 4 grootste genres (komedie, avontuur, drama en actie) naar bovenkomen. Bij de website “the numbers” maakt men weliswaar geen extra onderscheid voor het genre animatie. Toch blijkt dit genre(animatie) volgens De Vany et al. (2004, pp. 130 – 140) erg effectief. Zo worden de meeste animatiefilms onder het genre avontuur geplaatst. Dat is dan ook te zien aan het succes van het genre “adventure” op de figuur hierboven. Ook blijkt uit hun onderzoek dat de variabele “genre” opzich niet significant is inzake box office omzet. Toch kunnen we uit vorige tabel afleiden dat bepaalde genres meer zekerheid bieden wat betreft ROI of omzet. Al mogen we volgens hen er niet zomaar van uitgaan dat een bepaalde film uit een bepaald genre een gegarandeerd succes zal worden. Echter als je de factor genre samenneemt met de factor rating zou dit wel significant verschillen wat betreft box office inkomsten. In een ander onderzoek van Simonoff & Sparrow (2000) merken we opnieuw op dat het animatiegenre het wel erg goed doet. Zij plaatsen de animatiefilms onder de categorie “childern’s” genre samen met de “live-action” films voor kinderen. De “live-action” films voor kinderen doen het in tegenstelling tot de animatie films erg slecht in de box office opbrengsten behalve dan misschien de films “Home and alone” of “Free willy”. Andere genres die volgens hen ook opmerkelijk hogere omzet genereren zijn actie, horror en sciencefiction. Het komedie en drama genre, de meest

15

populaire genres, zouden volgens het onderzoek eerder slecht presteren op de box office (Simonoff & Sparrow, 2000). Dit komt overeen met de resultaten die we zien in figuur 2. Al zouden de grote studio’s liever meer films produceren uit de meer lucratieve genres zoals actie en sciencefiction, brengt dat ook veel meer risico met zich mee. Zo heeft men gemiddeld 70 tot 100 miljoen dollar nodig om dergelijke films te produceren plus nog eens 30 tot 40 miljoen om de films te promoten. Als een film dan niet voldoende aanslaat kan men met erg grote verliezen te maken hebben (Simonoff & Sparrow 2000). In tegenstelling tot sommige eerdere studies beweren Sharda & Delen (2006) dat de variabelen, zoals concurrentie, MPAA ratings, en de meeste genres niet echt een belangrijke bijdrage leveren aan het voorspellen van box office succes. We kunnen hier besluiten dat de meeste auteurs toch nog twijfelachtig staan tegenover de resultaten of genres nu al dan niet kunnen bijdragen tot het succes van een bepaalde films. De factor genre alleen zal de film nog geen succes maken. Echter de combinatie van verschillende factoren met een succesvol genre zoals animatie, zou meer kans maken op hogere omzet. Net zoals De Vany & Walls (1999) opmerken dat ratings en genres sterk gerelateerd zijn aan elkaar doen Simonoff en Sparrow (2000) dit ook. Daarom bespreken we als volgt het ratingysteem van de Verenigde Staten.

2.4

MPAA-ratings

Op de website van de “motion picture association of America” zien we dat elke film onderworpen is aan een bepaalde rating. Zo bestaan er 6 verschillende categorieën, namelijk: G(iedereen mag de film zien), PG (aangeraden om met een 18 plusser te zien), PG-13 (mogelijk ongepast voor kinderen onder 13 jaar), R (kinderen niet toegelaten tenzij vergezeld door een volwassene), NC-17 (niemand onder de 17 jaar is toegelaten), en U (niet gerated) (http://www.filmratings.com/filmRatings_Cara/). Op de volgende grafiek zien we iets erg opmerkelijks, namelijk dat de weinige films met een rating PG-13 erg veel omzet genereren. We zouden bijna kunnen stellen dat dit stuk voor stuk blockbusters zijn. Verder worden er erg veel R-rated films gemaakt die gemiddeld niet veel opbrengen maar qua omzet en aantal films toch een groot deel van de markt uitmaken. Ten slotte zijn er nog de PG en G rated films die duidelijk elk voor een mooie gemiddelde return zorgen.

16

Figuur 3: Relatieve verdeling van films en omzet per rating van 1995-2009

Marktaandeel in aantal films

Marktaandeel in totale omzet

50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% PG-13

R

PG

G

Not Rated

NC-17

Open

Bron: http://www.the-numbers.com/market/Ratings/ Zoals we in de vorige paragraaf aangaven, zijn genres en ratings sterk gerelateerd aan elkaar. Simonoff en Sparrow geven aan dat alle kinderfilms G of PG rated zijn terwijl meer dan 2 derde van de drama’s of Komedies R, NC-17 of U rated zijn. Het succes hiervan kan volgens hen worden verklaard door de combinatie van het ratingsysteem en genres waardoor men zich beter kan toespitsen op een bepaald publiek. Ravid (1999, pp. 470-480) stelt vervolgens dat er steeds meer gewelddadige films of R-rated films worden gemaakt vergeleken met G of PG-rated films. Wat toch het gevolg is van enkele erg irrationele beslissingen daar de relatieve prestaties van R-rated films dit tegenspreken. Zo komt Ravid (1999) tot de conclusie dat PG en G-rated films systematisch beter doen op de box office en hogere ROI halen dan de R-rated films. Toch beweert Ravid (1999, pp. 470-480) dat de return op gewelddadige films (R-rated) gemakkelijker te voorspellen zijn. Wat hij hiermee bedoelt werd niet verder uitgelegd. Ook andere auteurs zoals, De Vany & Walls (2002), Simonoff & Sparrow (2000), Fee (2002), of Ravid & Basuroy (2004) bevestigen dat familiegeorienteerde films (G en PG rated) het consequent beter doen dan andere types. We kunnen kort besluiten dat verschillende auteurs erover eens zijn dat vooral PG-13, G en PG rated films het beter doen dan films van andere genres. Het succes van G en PG rated films zal vooral te danken zijn aan de verschillende grote animatie blockbusters die deze rating toegespeld krijgen.

17

2.5

Aantal schermen

Zodra de productie van de film is voltooid, is het klaar voor de volgende fase, de distributie. Deze fase bestaat zowel uit de fysieke distributie van de kopieën als uit de marketingactiviteiten in elk van de markten waarop de nieuwe film wordt gelanceerd (Eliashberg & Elberse, 2003). In deze paragraaf gaan we dieper in op het aantal kopieën, dat worden verdeeld door de studio’s/distributeurs. We gaan met andere woorden opzoek naar de impact van het aantal schermen waarop een film wordt gelanceerd. Het openingsweekend van een film zorgt normaal voor ongeveer 25 % van de totale binnenlandse box office omzet (Simonoff & Sparrow, 2000). Zo zouden we aan de hand van het openingsweekend kunnen voorspellen hoe goed een film het uiteindelijk zal doen op de box office. Dit negeert wel de films die gradueel gelanceerd worden zoals “American Beauty” die slechts opende op 16 schermen. Maar op zijn hoogte punt uiteindelijk in meer dan 1500 schermen werd vertoond. Films als deze brengen dan ook pas in latere weken meer geld op. Deze strategie werd vroeger veel meer gebruikt. Tegenwoordig past men deze strategie enkel toe bij kleinere en meer onconventionele films. Hierbij spelen vooral goede recensies en de opkomende “word-of-mouth” aanbevelingen een erg grote rol bij het succes van een film (Neale, 1998, p. 72). Vorig onderzoek toont aan dat er een erg nauwe correlatie bestaat tussen het financiële succes van een film en het aantal schermen waarop de film wordt vertoond in het eerste weekend (Einav, 2001, De Vany & walls, 2003). Het spreekt voor zich dat een film in verschillende markten en dus op veel schermen aanwezig moet zijn om een box office succes te worden. Volgens de resultaten van het onderzoek van Terry, Butler & De'Armond (2004), is de variabele “release” (aantal schermen) positief en statistisch significant op het vlak van 2 modellen (lineair en semi-log model). Met andere woorden films die op een groot aantal schermen worden gelanceerd hebben een veel groter potentieel om box office succes te worden dan andere. Dit succes is gemakkelijk te verklaren door het feit dat een groot aantal schermen gemakkelijker een groot publiek en vooral het doelpubliek zal bereiken. Bovendien zijn deze films hoogstwaarschijnlijk ook nog een product van een van de majors met toegang tot goede marketingkanalen en grote sterren zoals Brad Pitt (Terry, Butler & De'Armond 2004). Aan de andere kant, om nog meer te kunnen genieten van de sterrencast in je film is het verstandig om die te laten openen op zoveel mogelijk schermen. Op die manier stijgt de film in de box office lijsten. Dit betekent dan weer meer entertainment waarde volgens het publiek, en dus een groter publiek (De Vany & Walls, 2003).

18

We stellen vast dat het aantal openingschermen een bepalende factor is voor het financieel succes. Met andere woorden hoe hoger het aantal openingschermen hoe hoger de theatrale opbrengsten. We zullen dit verder in ons onderzoek proberen te bevestigen of verwerpen.

2.6

Reclame

Zoals bijna elk commercieel product worden ook films ondersteund door reclame. Volgens menig marketing/reclame auteurs is dit een essentieel onderdeel van een goed product (Floor & Van Raaij, 2006). Het is dan ook niet verwonderlijk dat studio’s enorme budgetten besteden om de aandacht te trekken van de mensen. Toch kan men vragen stellen bij de effectiviteit van deze marketingbudgetten.

Distributeurs

blijven

echter

geloven

in

de

kracht

van

hoge

reclame/promotiebudgetten voor en tijdens het lanceren van een nieuwe film. Wel gaan ze proberen deze budgetten steeds efficiënter inzetten op meerdere mediakanalen. Het internet speelt hierbij een erg grote rol (http://www.hollywoodreporter.com/). In 2003 spendeerde men gemiddeld 64 miljoen dollar aan het produceren van een film, met daar bovenop gemiddeld 35 miljoen dollar aan reclame/promotiekosten (MPAA, 2004). In een rapport zien we dat de budgetten van alle grote en kleinere studio’s samen oplopen tot een bedrag van 3321 miljard dollar (http://www.hollywoodreporter.com/). Verschillende studies hebben aangetoond dat er een stevige link bestaat tussen de reclame uitgaven en de box office resultaten. Prag en Casavant (1994), Zufryden (1996; 2000), en Moul (2004) waren er allen over eens dat er een positieve relatie is tussen reclamebudgetten en omzet per film. Ook Lehman en Weinberg (2000) toonden aan dat de mate van reclame (reclamebudget) positief gecorreleerd is met het box office succes van het lanceringsweekend. Elberse en Eliashberg (2003, pp. 345-348) gingen hier dieper op in en vonden dat deze positieve correlatie grotendeels te danken is aan een andere positief gecorreleerde factor namelijk het aantal schermen waarop een film opent. Zo zouden films met een groter reclamebudget meer schermen toegewezen krijgen. En dus bijgevolg hierdoor ook meer omzet generen in het lanceringsweekend. Aan de andere kant is het ook mogelijk dat films net voldoende reclame toegewezen krijgen op basis van hun verwacht succes (Sorenson & Waguespack, 2003). Toch blijft het grotendeels onduidelijk in welke mate en hoe reclame impact heeft op de uiteindelijke omzet van een film. Aan de hand van het model van Ainslie, Dreze en Zufryden. (2005, pp. 6-7) zien we dat media/marketing uitgaven positief zijn op alle fronten. Wat wil zeggen dat hoge reclamebudgetten kunnen leiden tot langere looptijd in de bioscoop en tot hogere inkomsten in het lanceringsweekend. Nelson (1975) beweerd dat reclame een betrouwbare bron van informatie zou moeten zijn. Hiermee

19

bedoelt hij dat het reclamebudget enkel hoog is wanneer het product van goede kwaliteit is. Want een slechte ervaring zou toekomstige verkopen toch doen dalen. Logischerwijs, leiden hevige marketing uitgaven tot hogere resultaten tijdens het lanceringweekend en voor de rest van de looptijd van de film. Uit de resultaten van het model van Ainslie et al (2005, pp. 10-21) zien we dat een stijging van 10% in reclame uitgaven zorgt voor gemiddeld 3,07% meer omzet tijdens de lanceringsweek en gemiddeld 6,61% meer voor de totale box office. Hieruit blijkt dat reclame uitgaven meer invloed hebben op lange dan op korte termijn. Dit komt overeen met het argument van Nelson (1975), namelijk, dat studio’s weten welke films serieus gepromoot moeten worden en welke minder. Toch is de impact niet te wijten aan herhalingsaankopen maar door gunstige “wordof-mouth” (Ainslie, Dreze & Zufryden, 2005, pp. 6-7). Niet enkel reclame heeft een grote invloed op de resultaten van een film ook de bijkomende “wordof-mouth” daaromtrent. Zo zou er minder reclame nodig zijn voor films die waarschijnlijk veel “wordof-mouth” zullen genereren. Op die manier kunnen kleinere marketing campagnes toch nog genoeg aandacht opwekken bij het publiek. “Word-of-mouth” blijkt een erg belangrijke rol te spelen bij het succes van entertainment goederen/diensten (Chevalier en Mayzlin, 2003, p. 3), daar deze diensten hoofdzakelijk collectief geconsumeerd worden. Bovendien komen dergelijke activiteiten vaak voor in dagelijkse conversaties. Filmmarketeers zijn de pioniers van “buzz marketing”. Zo gaan ze bijvoorbeeld filmrecensenten gratis uitnodigen om een preview te laten zien van hun laatste film om op die manier een positieve “word-of-mouth” te genereren. Er zijn diverse mogelijkheden om nog meer “word-of-mouth” te genereren; zo kan men bijvoorbeeld, zoals eerder vermeld, een grote ster casten om extra aandacht te trekken. Word-of-mouth verspreiders van films worden vooral overtuigd door dit soort marketing, ook wel micromarketing genoemd. Toch blijven studio’s twijfelen over de doeltreffendheid van micromarketing. Om zo weinig mogelijk geschaad te worden door toekomstige negatieve “word-of-mouth” na de lancering van een film, wil men zoveel mogelijk ROI generen in het lanceringsweekend. Daarom proberen ze het risico zoveel mogelijk te verkleinen en dit weekend zo goed mogelijk te ondersteunen door grote massamediacampagnes (Shugan, 2006, p. 5). We kunnen besluiten dat er een duidelijk link bestaat tussen reclame/marketing en de omzet van een film. Toch zou dit niet enkel te wijten zijn aan de reclame zelf, zo zouden het aantal schermen en de “word-of-mouth” hierin een erg belangrijke rol spelen. Aangezien “word-of-mouth” in verschillende studies aanbod komen, bespreken we dit verder in het volgende punt “recensies”.

20

2.7

Recensies

De impact van critici is al door verschillende onderzoekers op diverse manieren onderzocht met uiteenlopende resultaten. Al zijn de meeste studies het erover eens dat kritiek wel degelijk een significante rol speelt bij het succes of falen van een film. Eliashberg en Shugan (1997) verdelen kritiek in 2 rollen, de beïnvloeder en de voorspeller. De beïnvloeder is een rol waar de kritiek de box office resultaten van een film zal beïnvloeden gebaseerd op zijn of haar beoordeling van de film. Eliashberg en Shugan’s resultaten suggereren dat kritieken wel degelijk de mogelijkheid hebben om de box office omzet te manipuleren gebaseerd op hun beoordeling van een film. De voorspeller echter is een rol waar de kritiek, gebaseerd op de beoordeling, het succes van een film voorspelt maar de beoordeling zal niet noodzakelijk een impact hebben op hoe goed de film het zal doen op de box office. Eliashberg en Shugan geven aan dat de voorspellende rol mogelijk is maar heeft niet dezelfde statische significantie als de beïnvloedende rol. Reinstein en Snyder (2000) richten zich op de critici Gene Siskel en Roger Ebert1 en hoe hun beoordelingen impact hebben op het box office succes. De auteurs geven aan dat de correlatie tussen een goede filmrecensie en een hoge vraag misschien te wijten valt aan onbekende kwaliteitsfactoren. Om de valse correlatie te omzeilen passen Reinstein en Snyder een speciale aanpak toe die leidt tot een conclusie dat positieve beoordelingen een verassend groot en positief effect hebben op de box office resultaten. Reinstein en Snyder melden ook dat uit de resultaten blijkt dat de macht om de vraag van de consument te beïnvloeden niet noodzakelijkerwijs in de gehele criticus bevolking ligt, maar kan liggen in de handen van een paar critici zoals G. Siskel en R. Ebert. Verder zijn er ook andere auteurs die hun steentje bijdragen op dit domein. Aan de hand van een onderzoek (Wallace, Seigerman en Holbrook, 1993) van films uitgebracht tussen 1956 en 1988, vonden ze dat slecht gerated films geld zullen verliezen bij elke positieve recensie terwijl een hoog gerated film verder geld zal opbrengen bij elke positieve recensie het krijgt. Wallace, Seigerman en Holbrook (1993, p. 11) interpreteren dit als: hoe slechter de film hoe meer het van die status zal profiteren, bij goede films daarentegen loont het om nog meer lof te ontvangen. Ook Ravid (1999, 470-480) gaat dieper in op de rol die filmrecensies spelen bij het behalen van een hogere omzet. Hij vond dat hoe meer beoordelingen een film krijgt, positief of negatief, hoe hoger de omzet van de film. Ook al zijn er veel onderzoekers die hebben aangetoond dat de factor “recensie” een positieve indicator is op het een box office succes hebben andere aangetoond dat kritiek een veel minder belangrijke rol speelt. Zo is er Levene (1992) die aantoonde dat een positieve recensie op de tiende plaats eindigt, na het verhaal, onderwerp en acteurs waarop studenten zich baseren om een film te 1

2 Belangrijkste filmcritici van de Verenigde Staten.

21

kiezen. Ook Faber en O'Guinn (1984) concluderen dat reclame, mond-tot-mondreclame en recensies van critici niet zo belangrijk zijn in vergelijking met de invloed die film trailers en film fragmenten hebben op het publiek. Meer recentelijk, melden Wyatt en Badger (1990) dat recensies met veel informatie belangrijker wordt geacht dan een positieve recensie. Litman (1983) suggereert dat recensies zeer belangrijk zijn voor de populariteit van films, vooral in de vroege stadia van een introductie, voordat “word-of-mouth” reacties kunnen overnemen. Goede recensies zorgen voor een aanwakkering van de nieuwsgierigheid en de identificatie van kwaliteitsfilms. Terwijl de slechte recensies eerder falen om invloedrijke “early adopters” aan te spreken. Meer praktisch gesproken, zal het reclamebureau gunstige recensies en uittreksels selecteren en gebruiken in haar media campagne om zo toch indruk te maken met positieve recensies (Litman, 1983). In de resultaten van Terry, Butler & De'Armond (2004) zien we dat de “criticus” variabele positief en statistisch significant is in 2 verschillende modellen. De coëfficiënt in het lineaire model impliceert dat een stijging van positieve kritiek met tien procent zorgt voor stijging van meer dan 7,8 miljoen dollar omzet. Dit resultaat toont de macht aan van de critici. Hoewel deze resultaten evenwel te wijten kunnen zijn aan het feit dat critici gewoon de kwaliteit van films meet. We stellen vast dat er verschillende meningen bestaan rond de beïnvloedende factor “recensies”. Niet iedereen is het er mee eens dat positieve recensie altijd bijdragen tot het succes van een film. Deze kunnen ook gewoon de kwaliteit van films meten.

2.8

Lanceringsperiode

Net zoals het aantal schermen is ook het tijdstip (release timing) waarop een film wordt gelanceerd erg belangrijk. Zo heeft de lancering van een film implicaties die blijven duren voor de rest van zijn commerciële leven (Moul & shugan, 2005, pp. 80-138). De lancering van films tijdens vakantiedagen zouden het meest effectief zijn. De 6 belangrijkste weekends in de Verenigde Staten (President’s Day/ Valentine’s Day, Laybor Day, Thanksgiving, Memorial Day, Independence Day, Kerstmis/New Year) samen met de 2 weekends ervoor en erna zorgen samen voor meer dan 75 % van de jaarlijkse binnenlandse box office omzet en 85,99 % van de jaarlijkse productiebudgetten voor de filmindustrie. Daarom wordt er voor deze weinige dagen hevig gestreden door de majors. Elk willen ze de enige zijn die een film lanceert op een dergelijk weekend, met andere woorden: ze willen de concurrentie zoveel mogelijk mijden. Het grootste gedeelte van de omzet van een film wordt gemaakt tijdens het lanceringsweekend dit is te danken aan de korte levensduur van een film. Zo zorgt het lanceringsweekend voor ongeveer 40% en de eerste 4 weekends voor 80% van de totale box office.

22

Vervolgens genereren de studio’s, tijdens het eerste weekend, na aftrek van alle distributiekosten, 70% tot 90% winst. Na enkele weken daalt dit percentage fors (Kadiyali & Zhang, 2006). Moul & shugan (2005, pp. 80-138) becommentariëren de lanceringsdatum van een film en onderzoeken de effecten daarvan op het succes van het box office weekend. Volgens hen kan het vakantie effect het gevolg zijn van twee verschillende krachten; ten eerste gaan meer mensen naar de bioscoop op vakantiedagen en tijdens de zomer en ten tweede gaan de distributeurs opzettelijk meer of betere films vrijgeven om een zo groot mogelijk publiek te bereiken. Bijgevolg is het seizoensgebonden effect dus voor een deel te wijten aan het gedrag van de distributeurs. De vraag op welke data een film het best wordt gelanceerd is al door verschillende auteurs onderzocht. Zo zijn er Krider en Weinberg (1998) die een theoretisch model gebruiken om 2 verschillende films te bestuderen die op hetzelfde moment werden uitgebracht. Deze films hebben elk een eigen aantrekkingskracht naar hetzelfde doelpubliek. Ze proberen de beste afweging te maken tussen zoveel mogelijk omzet genereren tijdens het topseizoen en toch zoveel mogelijk de concurrentie te ontwijken, die op hun beurt gewoon hetzelfde proberen te doen. Krider en Weinberg tonen empirische aan dat de grootste zorg van de lanceringsperiode de concurrerende films zijn die het zelfde doelpubliek voor ogen hebben. Zij wijzen ons er dus op dat ook de concurrentie een heel belangrijke rol kan spelen in het succes van de box office. Ook Chisholm (2000) stelt een model op dat aangeeft dat er een oorlog bestaat tussen de verschillende distributeurs voor de beste lanceringsdatum van hun films. Radas en Shugan (1998) echter beweren dat een betere planning niet resulteert in een verhoging van de totale omzet. Ten slotte is ook de zomerperiode volgens mening auteurs erg belangrijk voor de box office lijsten. Zo beweren Basuroy & Chatterjee (2007, p. 798) dat filmstudio’s tijdens de 18-weken durende zomerperiode meestal ongeveer 40% van hun totale jaarlijkse box office omzet genereren. De studio’s zijn er dan ook als de kippen bij om zoveel mogelijk blockbusters en grote sequels te lanceren tijdens deze periode. We zien dat verschillende auteurs er mee eens zijn dat de juiste lanceringsdatum erg belangrijk blijkt voor de box office van een film. De resultaten of opbrengsten liggen significant hoger voor films die gelanceerd worden tijdens de 6 belangrijkste weekends of de zomer.

2.9

Awards

Een volgende factor die volgens de literatuur erg belangrijk blijkt in de filmindustrie is het winnen van prijzen of wedstrijden. Maar zorgen deze prijzen ook voor meer omzet of is het enkel een prestigespel? 23

Litman (1983) toont aan dat een Academy Award-nominatie in de categorieën beste acteur, beste actrice en beste film 7,34 miljoen dollar waard zijn. Terwijl het winnen van een belangrijke categorie meer dan 16 miljoen dollar oplevert. Hiermee bedoelt hij dat dergelijke prijzen voor een omzetboost zorgen. Nelson, Donihue, Waldman, en Wheaton (2001) schatten de prijzen iets lager in. Zo kan een Academy Award-nominatie in een belangrijke categorie 4,8 miljoen dollar aan box office inkomsten toevoegen, terwijl een overwinning kan oplopen tot 12 miljoen dollar. De auteurs vinden sterke aanwijzingen dat de industrie hun films vaak willen uitstellen met lancering tot laat in het jaar om zo de kans op nominaties en monetaire beloningen te vergroten. Dodds en Holbrook (1988) kijken naar de impact van een Academy Award nadat de nominaties zijn aangekondigd en na de prijsuitreiking. De auteurs wijzen erop dat een nominatie voor beste acteur goed is voor ongeveer 6,5 miljoen dollar, de nominatie voor beste actrice 7 miljoen dollar en voor de beste film voor meer dan 7,9 miljoen dollar. Na de prijsuitreiking, levert een award voor de beste acteur 8,3 miljoen dollar op, beste film 27 miljoen dollar, terwijl de award beste actrice niet statistisch significant blijkt te zijn. Simonoff en Sparrow (2000) ontdekten dat, een film die opent op minder dan tien schermen een Academy Award zorgt voor een stijging van de omzet rond de 250%. Terwijl voor films die openen op meer dan 10 schermen een Academy Award-nominatie slechts goed zou zijn voor een stijging van 30%. De gemiddelde box office inkomsten en de aantal lopende weken verschillen sterk tussen de winnende films, de films die enkel genomineerd zijn, en alle andere onderzochte films. In de resultaten van het onderzoek van Deuchert, Adjamah & Pauly (2005) zien we dat de gemiddelde omzet van films die een Oscar wonnen meer dan drie maal de gemiddelde opbrengst van alle films is en meer dan het dubbele van de gemiddelde opbrengst van de genomineerde films die geen Academy Award gewonnen heeft. Vervolgens dient een Oscar-nominatie ook als een signalering apparaat, ze geven aan welke films erkenning verdienen van experts. Volgens het model van Terry, Butler & De'Armond (2004), is een Academy Award-nominatie ongeveer 11 miljoen dollar waard. Gezien de financiële return van Academy Award nominaties, is het niet verwonderlijk dat elk van de grote studio’s enorm veel inspanningen leveren om in de gunst te vallen van de leden van academy awards commissie. Dit zouden ze kunnen doen door middel van bijvoorbeeld grote reclame campagnes (Terry, Butler, & De'Armond, 2004, p. 68). Zo zien we dat er heel wat auteurs erover eens zijn dat awards en nominaties meer zijn dan enkel prijzen. Het zorgt voor aanzienlijk meer box office inkomsten. Het is wel niet altijd even duidelijk hoeveel een nominatie of een award uiteindelijk waard is. Toch bleken Academy Award-nominaties 24

enkel van belang te zijn bij de belangrijkste categorieën. We kunnen dan ook besluiten dat die cijfers afhankelijk zijn per film.

2.10 Productiebudget Het productiebudget is een veel besproken item in de media, zeker nu met de nieuwste film van James Cameron, Avatar, de duurste film ooit gemaakt. Maar dragen grote budgetten wel bij tot het succes van een film of is het enkel nodig om een film te maken? Volgens Simonoff & Sparrow (2000, p. 4) zijn gegevens over productiebudgetten niet altijd even gemakkelijk te verkrijgen. Bovendien weten we vaak niet met welke kosten we precies te maken hebben als er een cijfer wordt gegeven. Zelfs de beschikbare gegevens zijn moeilijk te beoordelen. De vraag is steeds hoe de financiering van een bepaalde film werkelijk in elkaar zit. Zo kan het productiebudget van een film bedrieglijk laag zijn en toch grote sterren bevatten of geregisseerd worden door een topregisseur. “Saving Private Ryan”, met een budget van 65 miljoen dollar, is een goed voorbeeld van hoe regisseurs en sterren afzien van hun normale salaris maar in de plaats daarvoor een participatie in de bruto-inkomsten van de film eisen. Op die manier kan men het budget en dus het risico zo laag mogelijk houden en toch erg hoog scoren in de box office resultaten. Helaas is het onmogelijk om na te gaan wat de exacte bedragen zijn die sterren dan nog ontvangen. Het is ook niet altijd even duidelijk of de reclame- en distributiekosten inclusief het gegeven productiebedrag zijn of niet. Leonard Klady, voorheen een “Variety” verslaggever, wijst erop dat er vaak wordt gezegd dat de “majors” naar beneden liegen en de “independents” naar boven. Simonoff & Sparrow (2000) beweren dan ook dat het moeilijk is om een voorspellingsmodel te baseren op budgetten aangezien de weinige data die voor handen is waarschijnlijk sterk biased is. In een studie die Walls (2004) deed zien we verschillende positieve correlatie coëfficiënten betreffende het budgetproductie van een film. Zo zouden de dvd inkomsten, bioscoop inkomsten en dergelijke meer, sterk gecorreleerd (0,70 tot 0,90) zijn met het productiebudget van een film. Verder vindt men ook dat binnenlandse verkopen niet steeds een representatief beeld geven van hoe de film het zal doen op de internationale markt. Dit zien we aan de correlatie coëfficiënten die tussen beide markten beduidend lager liggen. Deze correlatie analyse geeft enkel de relatie tussen de totale productie kosten en bronnen van inkomsten weer, David Walls (2004) gaat nooit dieper in op de aparte soort kosten die worden gemaakt. Deze schatting geeft aan dat elke extra dollar van een productie in totaal 7,45 dollar meer opbrengsten genereert. Twee dollar van die 7,45 dollar is te danken aan hogere bioscoopinkomsten.

25

Tenslotte geeft Litman (1983) aan dat vooral het productiebudget een belangrijke determinant is voor de financiële return van een film. Toch kan een low-budget film een veel grotere return per film bereiken dan een high budget film. Wel zien we dat vooral de high-budgetfilms in absolute getallen veel grotere winsten opstrijken dan de low-budget films. Maar het risico is dan ook groter op hogere verliezen. We kunnen besluiten dat wanneer het budget hoog genoeg is het wel degelijk significant kan bijdragen tot een meeropbrengst. Aan de andere kant is het niet altijd even gemakkelijk om de juiste bedragen te vinden.

2.11 Pre-sold2 In deze paragraaf gaan we in de literatuur opzoek naar de meest geschikte bronnen om een film op te baseren. Een film kan gebaseerd zijn op eender wat, gaande van speelgoed tot een belangrijke gebeurtenis. Zo zien we op de onderstaande figuur dat er nog steeds iets meer dan de helft van de films gebaseerd zijn op een nieuw of origineel script. Elke film, eender welk genre, komt tot stand aan de hand van een bepaald kader. Dit kader, screenplay genaamd, vormt de basis van de film en is bijgevolg een essentieel deel. Het lijkt dan ook evident dat een goede screenplay zijn aandeel heeft in het al dan niet succes van een film. Een screenplay kan vervolgens gebaseerd zijn op een bestaand verhaal. In de volgende paragraaf gaan we dieper in op de term "screenplay". We gaan op zoek naar de verschillende soorten screenplays en hun invloed op de film. Een film kan verschillen naargelang de “bron” waarop het gebaseerd is. Hiermee bedoelen we dat er diverse zaken als basis kunnen dienen. Op de website “the numbers” zien we een tabel van welke categorieën mogelijk als basis kunnen fungeren. Om een beter zicht te krijgen op de diverse categorieën geven we de tabel grafisch weer:

2

Films die tot stand gekomen zijn op basis van ideën/verhalen/concepten/thema’s die al eerder gekend zijn.

26

Figuur 4: Relatieve verdeling van films en omzet per categorie van 1995 - 2010

Marktaandeel in opbrengsten

Marktaandeel in aantal films

60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00%

Bron: Bron: http://www.the-numbers.com/market/Based/ Op de grafiek merken we dat er diversiteit is naar gelang de verschillende categorieën. We zien dat de meeste films nog steeds gebaseerd zijn op een originele screenplay. Gegeven het feit dat ze de bovenhand dragen wat betreft het aantal films, blijken ze relatief gezien minder opbrengsten te genereren vergeleken met andere categorieën. De categorieën gebaseerd op boek/kort verhaal, sequel, remake hebben een hoger marktaandeel in opbrengsten in verhouding tot hun aantal films, dat ze op de markt brengen. De voorheen genoemde categorieën worden in de literatuur vaak geclusterd tot een overkoepelende term namelijk “Symbolicity”. “Symbolicity” refereert naar de mate waarin een film de aandacht van de potentiële filmkijker kan trekken in termen van herkenning. De filmkijker is als het ware voorheen al vertrouwd met het concept/verhaal dat de film beoogt te brengen. (Hennig-Thurau, Walsh, and Wruck, 2001). Simonet (1987) en Ravid (1999) geven ons mee dat “Symbolicity has been proposed or empirically shown to impact US box office significantly in the case of sequels, remakes, adaptations of TV series, among others, with movie sequels exerting an especially high impact”. Hiermee geven de auteurs aan dat sequels, remakes, adaptaties van series en andere een hoge impact kunnen hebben op het succes van een film. Met dit in ons achterhoofd gaan we verder in op deze factoren. Als eerste factor bespreken we de sequels of prequels. Als een film succesvol was, dan probeert men deze formule zo goed mogelijk te reproduceren. Dit houdt in dat sequels/prequels gemiddeld gezien waarschijnlijk ook succesvol zullen zijn. Het tegenovergestelde argument kan betekenen dat, indien 27

succes inderdaad volledig onvoorspelbaar is, dan zullen sequels/prequels niet per definitie beter presteren dan andere films. In feite is het mogelijk dat ze het net slechter doen omdat deze films consequent duurder zijn doordat de acteurs meer geld vragen voor hun eerdere prestaties. Uit de resultaten van Ravid (1999 p. 472) zien we dat sequels/prequels hogere budgetten krijgen en hogere inkomsten genereren dan de gemiddelde film in de steekproef. Toch worden ze door critici consequent slechter beoordeeld dan de rest van de steekproef. Critici zien sequels namelijk eerder als een formule om geld te verdienen dan als een kwaliteitsproduct. Ook de “return on investment” bij dit soort film is hoger, maar niet significant. Hoewel sequels/prequels van slechtere kwaliteit zouden zijn met minder sterren, toch doen ze het consequent beter dan de gemiddelde film. In een ander onderzoek van Basuroy & Ravid (2004) zien we dat sequels het niet beter doen dan de eerste film. Hoewel de auteurs het er ook overeens zijn dat sequels het beter doen dan andere films des te beter zal de sequel het doen wanneer hij snel na de eerste film volgt. Remakes willen gebruik maken van de reputatie van een bestaande film met dezelfde titel zoals ook me-too3 producten dat doen. Volgens Hennig-Thurau et al. (2001) is het feit dat een film een remake is niet van belang, het zou geen significante invloed hebben op het financieel succes van de film. Voor deze bevinding lijken twee verklaringen plausibel. Vooreerst kunnen de originele films onbekend zijn bij de bioscoopbezoekers, vooral wanneer de originele film een buitenlandse film is (bijv. “Eye Of The Beholder” als een remake van de Franse film “Mortelle”). Ten tweede, in het geval het publiek het originele kent, is het mogelijk dat de oorspronkelijke film fungeert als een kritisch referentiepunt. Dit kan vervolgens resulteren in een gebrek aan interesse bij de filmkijkers en het positieve effect op succes minimaliseren (Hennig-Thurau et al., 2001). Echter zijn er ook auteurs (simonet 1987, Ravid 1999) die ervan uitgaan dat remakes een positieve invloed kunnen hebben op het succes van een film. We zagen op de grafiek dat de categorie “based on book” de tweede grootste categorie is. We kunnen uit de grafiek ook afleiden dat films gebaseerd op boeken het gemiddeld beter doen dan de films gebaseerd op originele screenplays. De Hollywood-industrie is er van overtuigd dat films die “pre-sold” zijn meer kans op succes hebben dan originele films. Hiermee bedoelen Neale & Smith (1998, pp. 71-86) dat boeken die het al erg goed deden op boekenmarkt, bestsellers zoals daar zijn de ”harry potter boeken”, waarschijnlijk ook erg goed zullen scoren op de box office lijsten. Dit is goed gezien van Hollywood aangezien ze vooraleer de film nog maar is ingeblikt, door de boeken, al een publiek hebben (Neale et al., 1998).

3

Een marktingterm, die aangeeft dat een product in alle opzichten sprekend op een orgineel product lijkt.

28

Als laatste mogen we ook niet vergeten dat ook films gebaseerd op comics of games het erg goed doen. Dat is te zien op de grafiek hierboven. En volgens Sochay (1994, p. 14) zouden comics het significant beter doen dan de originele screenplays. De majors zijn dan ook erg gedreven om steeds meer films te baseren op comics. Deze hebben hun succes in verleden al enkele keren bewezen, met onder andere “Hellboy”, “V for Vandetta” ect. Films gebaseerd op games echter zijn veel minder aanwezig. Al hebben ze hun succes al bewezen door onder andere “Tomb raider” met Angelina Jolie. Het omgekeerde gebeurt steeds meer, met andere woorden: er worden steeds meer games gemaakt gebaseerd op succesvolle films. We zien dat zaken die pre-sold zijn meer kans op succes hebben dan originele stukken. Dit is gemakkelijk te verklaren door de symbolicity die mensen herkennen in de films.

2.12 Besluit Na verschillende onderzoeken en algemene literatuur op dit domein te hebben verwerkt, hebben we een selectie kunnen maken van de belangrijkste factoren die invloed kunnen hebben op het financiële succes van film. Met andere woorden, aan de hand van de literatuur kunnen we besluiten dat de belangrijkste factoren die invloed kunnen hebben op het commerciële succes van films zijn; Starpower, Regisseur, genre, MPAA-rating, aantal schermen, reclame, recensies, lanceringsperiode, awards, productiebudget en Pre-sold. Toch mogen we niet uit het oog verliezen dat er verschillende auteurs zijn die het daar niet altijd mee eens zijn. Zo heeft bijna elke factor zowel positieve als negatieve resultaten. Daarom lijkt het ons belangrijk om een onderzoek te doen naar deze factoren met gegevens van de laatste 5 jaar.

29

Hoofdstuk 3: Bepalende factoren volgens het onderzoek Na een uitgebreide literatuurstudie kunnen we nu overgaan tot het kwantitatief onderzoek. In dit onderzoek zullen de besproken items aan bod komen. Aan de hand van deze factoren willen we een model opstellen dat het best het commerciële succes van een film kan voorspellen. Het onderzoek zal op die manier uitmaken welke factoren hier het best voor dienen.

3.1

Methode

Vooreerst werd aan de hand van een korte literatuurstudie bepaald welke factoren het meest bepalend zijn voor het succes van een film. Het vastleggen van deze factoren maakt het mogelijk het succes van een film met een grotere zekerheid te voorspellen of te verklaren. Dit brengt belangrijke voordelen met zich mee voor de filmsector. Door als filmstudio rekening te houden met deze factoren, en deze op de best mogelijk manier in te zetten, kunnen ze het risico op een mislukking zoveel mogelijk inperken en de garantie op succes systematisch verhogen. Zo kwamen we uit de literatuur te weten dat sciencefictionfilms en sequels het consequent beter doen dan andere films (cfr. Supra: puntje 2.11). Aangezien de films die gemaakt worden in de Verenigde Staten erg belangrijke exportproducten zijn voor dit land, is het dus van cruciaal belang dat het publiek aangetrokken blijft tot die films. Deze informatie kan erg interessant zijn voor de filmindustrie. Als we in ons onderzoek spreken over het succes van een film, slaat dit vooral op het financiële succes, namelijk de totale box office inkomsten, tenzij anders vermeld. Box office is een term die verwijst naar het totale brutobedrag die alle bioscopen, waar de film speelt, binnenhalen gedurende de looptijd, per film. In dit onderzoek richten we ons enkel op de box office, niettegenstaande er ook andere filmopbrengsten bestaan zoals DVD-verkoop, “film on demand” en dergelijke meer. Andere bronnen van opbrengsten zouden ons te ver afleiden van het opzet van het onderzoek. Verder is het ook van essentieel belang in het achterhoofd te houden dat elke film uniek is. Daarmee weten we dat de filmindustrie, op financieel gebied, erg risicovol is. Toch gaan we in dit onderzoek op zoek naar bepaalde strategieën om een succesvolle film te maken. Ook zullen we proberen enkele trends aan te duiden. Via de gevonden factoren pogen we een bepaald patroon bloot te leggen. Dit patroon zou de filmindustrie kunnen helpen om betere beslissingen te nemen bij het maken van een nieuwe film. Maar zoals Goldman (1983) eerder al aangaf “nobody knows anything”. Hiermee bedoelde hij dat, zelfs onder de beste omstandigheden, een film altijd risico loopt om te mislukken. Zoals elk nieuw product, zoals elke nieuwe film, bestaan er geen exacte wetmatigheden op gegarandeerd succes.

30

Vervolgens worden een modellen opgesteld dat tracht het financiële succes van films te voorspellen of te verklaren. Zo zullen we proberen te verklaren waarom een box office hit een succes is en waarom een tegenvaller verlieslatend is. De verschillende factoren worden omgezet in variabelen waaruit we kunnen afleiden of deze significante verschillen teweegbrengen of niet. Bijkomend, maar in veel kleinere mate, gaan we ook het artistieke succes van een film bekijken. Met het artistieke succes bedoelen we de appreciatie die een film krijgt van het publiek. Deze bijkomende informatie zou interessant kunnen zijn om na te gaan of het financiële succes correleert met de appreciatie van het grote publiek. Echter maakt dit geen deel uit van het initieel onderzoek. Ook gaan we kijken of de appreciatie van het publiek beïnvloed wordt door dezelfde factoren als die van het financiële succes. Bovenstaande informatie bekomen we door de ratingscore te gebruiken van de website IMDB. Eender wie kan op deze website een film een score geven van 0 tot en met tien. De bron IMDB heeft als meerwaarde dat het een breed en gevarieerd publiek kan bereiken, gaande van echte filmkenners tot een leek. Bijgevolg leidt dit tot een grotere representativiteit. Bovendien blijkt deze filmsite de grootste en meest award winnende. Om de kwaliteit van dit onderzoek te vrijwaren hechten we veel belang aan het bepalen van de juiste factoren. Enkel de factoren die het meeste kunnen bijdragen tot filmsucces worden in acht genomen. Het precieze aantal moet voldoende hoog zijn om datareductie te voorkomen maar mag ons ook niet te ver leiden van het opzet van dit onderzoek: het verklaren of voorspellen van filmsucces. Door een adequate selectie van voldoende en relevante factoren kunnen we betere voorspellingen doen inzake filmsucces. In het onderzoek zullen we werken met 3 te verklaren variabelen namelijk: het binnenlands financieel succes, het internationaal(buitenlands) financieel succes en de variabele appreciatie. Met andere woorden, aan de hand van verschillende regressies zullen we deze 3 variabelen proberen zo goed mogelijk te voorspellen of te verklaren. De data voor deze factoren wordt verzameld uit verschillende bronnen. Een overzicht van de factoren/variabelen en hun bronnen is te zien op tabel. Vooraleer over te gaan tot de resultaten moeten we de nodige aanpassingen doen aan onze database om een correcte schatting mogelijk te maken. Zo hebben we het filmgenre film noir weggelaten en genres music en musical samengenomen wegens onvoldoende data. Voorts hebben we alle variabelen nominaties samengenomen in 1 enkele variabele namelijk nominatiesalle. Hetzelfde deden we met de oscar variabelen. Om na te gaan welke Starpower variabele het best de te verklaren variabelen zullen voorspellen hebben we een correlatie uitgevoerd. We hebben de variabelen Stars en Starmeter, gecorreleerd met de te verklaren variabelen. Zo zagen we dat de variabele Starmeter (0,341) sterker gecorreleerd 31

was dan de variabele stars (0,254). In onze schatting zullen we dus enkel gebruik maken van de variabele Starmeter.

3.2

Data & steekproef

In dit werk worden enkel films geselecteerd uit een lijst van Amerikaanse (Verenigde Staten) films. Dit om verschillende redenen. De Amerikaanse filmindustrie is wereldleider en oogst internationaal succes. Bovendien zijn er veel meer gegevens en literatuur beschikbaar over dit land dan om het even welk ander land. Daarnaast zullen we enkel films opnemen in de steekproef die minstens 500000 dollar in totaal opbrachten in de bioscopen in de Verenigde Staten. Zo proberen we een vertekend beeld uit de weg te gaan. Om een goed voorspellingsmodel op te stellen zullen we een zo ruim mogelijke aselecte steekproef trekken van 400 films. Als bron voor deze aselecte steekproef hanteren we een lijst van films tussen 2005 – 2009 van de website ”the numbers”. Deze lijst bestaat uit alle films die in de Verenigde Staten zijn gemaakt tussen 2005 – 2009. De data van de factoren die we gaan gebruiken als verklarende of voorspellende variabelen zullen we uit verschillende bronnen halen. Op de tabel hieronder is te zien welke bronnen we per variabele precies gebruiken. Na de data te hebben verzameld corrigeren we deze op de inflatie. Dit doen we door de bedragen van 2006, 2007, 2008 en 2009 te converteren naar het prijsniveau van 2005. Hieronder is een tabel te zien die een overzicht geeft van alle variabelen. In deze tabel, gerangschikt volgens besproken titel in de literatuurstudie, geven we per variabele de codering, dummy variabele, bron en waarom we wat deden weer. De dummy variabelen krijgen een 0 toegewezen als de variabele niet klopt en een 1 als die wel juist is.

32

Tabel 1: Overzicht van te onderzoeken variabelen

Titel

Variabele

Uitleg

Soort variabele

Bron

TE VERKLAREN VARIABELEN Internationaal financieel succes

Sucfininter

Dit cijfer geeft het financiële box office succes wereldwijd weer, exclusief de ratio binnenlandse omzet.

thenumbers.com

Binnenlands financieel succes

Sucfinbinnen Dit cijfer geeft enkel het binnenlandse financiële box office succes weer van ratio de Verenigde Staten.

thenumbers.com

Appreciatie succes

Sucapp

Deze variabele willen we net zoals de andere te verklaren variabelen ratio verklaren of voorspellen door middel van de variabelen die al aan bod kwamen in de literatuurstudie (Stars, Regi, …) om de invloed te kunnen meten op de appreciatie van het publiek.

IMDB.com

VERKLARENDE VARIABELEN Starpower

Stars

Op de website movieactors.com vinden we een lijst van stars, opgesteld aan ratio de hand van een definitie4 die aangeeft wat een star precies is. Films waar geen stars in meespelen krijgen een code 0, bij 1 star krijgen ze code 1, bij 2 stars code 2, enz.

IMDB.com, movieactors.com

Starpower

Starmeter

Aangezien de website “movieactors.com” erg veel invloedrijke sterren zoals ratio bijvoorbeeld Kevin Spacey, Matt Dillon en dergelijke meer negeert, gaan we ook gebruik maken van het scoring-attribuut van IMDBpro. Alle sterren die lager dan 500 scoren worden ook opgenomen in de database. Een score van 1 betekent heel populair, een score van 500 betekent minder populair.

IMDBpro.com

4

SUPERSTAR DEFINITION - By our definition, a "SuperStar" is a movie actor or actress who can "open" a movie, someone whose fans rush to see their latest film on opening weekend. They have a proven track record of box office hits. They are frequently household names. It also helps if they have gotten critical acclaim and/or Oscar nominations. A "SuperStar" can be identified by his/her first name like "Mel" or Julia" or "Harrison." A "SuperStar," whether it's Humphrey Bogart or Tom Cruise, usually plays him/herself in role after role, as opposed to losing themselves in a different screen character, movie after movie (http://www.movieactors.com/superstars.htm).

33

Regisseur

Regi

Aan de hand van deze variabele willen we meten in welke mate een nominaal regisseur invloed heeft op het succes van een film. Hier geven we regisseurs die ooit genomineerd werden voor een Oscar het cijfer 1 en regisseurs die nooit zijn genomineerd het cijfer 0.

IMDB.com

Genre

Genre

Elke film wordt onder een bepaald genre geplaatst. Maar het aantal en soort nominaal genres zijn niet bij elke bron dezelfde. Omdat de bron IMDB voldoende onderscheid maakt tussen de verschillende genres gebruiken we deze bron. Zo krijgen we 23 genres: actie, avontuur, animatie, biografie, komedie, misdaad, documentaire, drama, familie, fantasie, film noir, geschiedenis, horror, muziek, musical, mysterie, nieuws, romantiek, sciencefiction, sport, thriller, oorlog en western. Films die door IMDB onder meerdere genres worden gebracht, krijgen in de steekproef meerdere genres toegewezen. Elk genre krijgt een aparte dummy. Dit gaat als volgt: Genreactie, Genredrama, enz.

IMDBpro.com

MPAA rating

MPAA

De MPAA organisatie geeft elke film een rating, naar gelang de nominaal toegankelijkheid van verschillende leeftijdsgroepen. Zo zijn er 5 verschillende rating niveaus: G, PG, PG-13, R, NC-17. Elk niveau krijgt een aparte dummy variabele toegewezen: G= MPAAG, PG= MPAAPG, R=MPAAR, MPAA=MPAAPG13 en NC-17= MPAANC17.

MPAA, IMDB.com

Aantal schermen

Opscreen

Deze variabele geeft aan op hoeveel bioscoopschermen een film wordt ratio vertoond in de eerste week.

Thenumbers.com, IMDB.com

Promotiebudget

Prombud

Het totale promotiebudget per film in absolute cijfers. Bij deze variabele ratio zullen we erg veel missing data tegenkomen, daar studio’s dit niet altijd willen prijs geven.

Thenumbers.com, IMDB.com

34

Recensie

Recensie

De primaire bron van data voor deze variabele is de website Rotten ratio Tomatoes (rottentomatoes.com). De website heeft een uniek systeem ontwikkeld waarbij ze aan de hand van één cijfer een overzicht geeft van vele positieve en negatieve recensies. Een laag percentage duidt op erg veel slechte recensies terwijl een hoog cijfer het omgekeerde betekend. Deze recensies zijn ondere andere geschreven door invloedrijke filmcritici in de Verenigde Staten voor erg belangrijke kranten zoals The New York Times, Chicago, enz. Op deze manier willen we na gaan of de recensies die in de kranten verschijnen invloed kunnen hebben op het succes van films.

Rottentomatoes.com

Productiebudget

Prodbud

Dit cijfer toont aan hoeveel werd gespendeerd aan het produceren van de ratio film. We moeten weliswaar melden dat uit de literatuur blijkt dat het budget niet altijd een goede graadmeter is. Daar bij de ene film erg veel budget wordt besteed aan grote sterren, terwijl bij andere films sterren een bepaald percentage van de inkomsten vragen.

IMDB.com, Thenumbers.com

Release Timing

timing

Volgens de literatuur zou de lancering van films tijdens vakantiedagen het nominaal meeste opbrengen. Er zijn 7 belangrijke weekends in de Verenigde Staten waar we rekening mee zullen houden. Elk weekend krijgt een aparte dummy variabele, Presidents Day=timingpresident, Valentine’s Day=timingvalentine, Laybor Day=timinglaybor, Thanksgiving=timingthanksgiving, Memorial Day=timingmemorial, Independence day=timingindependence, Kerstmis=timingkerstmis, New Year=timingnewyear. Alsook alle weekends samen krijgen een aparte dummyvariabele namelijk timingalle. Daarnaast krijgen ook de weekends voor de belangrijke weekends een dummy variabele. Deze variabele krijgt code 1 toegewezen wanneer de release datum een week voor een van deze weekends was en of op het betreffende weekend zelf. Ook deze variabelen krijgen samen een aparte dummyvariabele namelijk timingallevoor. Ten slotte is er nog de variabele Timingsummer die ook met een dummyvariabele aangeeft wanneer een film tijdens de 2 zomermaanden (juli en augustus) werd gelanceerd.

Boxofficemojo.com Timeanddate.com

35

Presold

Presold

Alle films worden in een bepaalde categorie geplaatst naar waar ze op nominaal gebaseerd zijn. De diverse categoriën zijn de volgende: origineel screenplay, gebaseerd op een boek/short story, sequel, remake, gebaseerd op waargebeurde feiten, gebaseerd op tv-serie, gebaseerd op comic/strips, gebaseerd op toneelstuk, traditional/legende/sprookje, gebaseerd op musical/opera, spin-off, gebaseerd op een spel en andere. Elke categorie krijgt een aparte dummy variabele. Dit gaat als volgt: boek/shortstory=presoldboek, sequel=presoldsequel, enz. Alsook gebruiken we een dummy variabele presoldalle die alle presold categorieën samen neemt behalve natuurlijk de originele screenplays.

Thenumbers.com

Awards

Awards

Met de awards variabele gaan we wegens gebrek aan gegevens en tijd enkel ratio rekening houden met de Oscars. Bovendien zijn de Oscars de belangrijkste prijzenwedstrijd en volgens de literatuur de meest invloedrijke. Films die genomineerd zijn in de belangrijkste categorieën beste film, beste acteur in de hoofdrol, beste actrice in de hoofdrol, beste mannelijke bijrol, beste vrouwelijke bijrol en beste regisseur krijgen een code 1 toegewezen. Films die niet genomineerd zijn in een van bovenstaande categorieën krijgen een code 0. Ook hier maken we een algemene variabele die alle films die genomineerd zijn in een van de besproken categorieën samen neemt namelijk nominatiesalle.

IMDB.com

Awards

Awards1

Deze variabele houdt enkel rekening met films die een Oscar hebben ratio gewonnen. Net als bij de variabele “awards” krijgen deze die niks winnen code 0. Films wel een Oscar winnen krijgen code 1. Zoals bij nominaties hebben we hier ook een algemene variabele namelijk oscaralle.

IMDB.com

Jaar

Deze variabele geeft aan in welk jaar de film werd gelanceerd. Aan de hand nominaal van deze variabele kunnen we corrigeren voor de economische cyclus. Op die manier kunnen we ook zien of het jaar van lancering invloed heeft op het succes van film.

IMDB.com

36

3.3

Resultaten

Onze schatting is met een OLS regressies uitgevoerd. Op die manier kunnen we nagaan welke variabelen significant zijn en welke niet. We gebruiken OLS regressies om uitspraken te kunnen doen in welke mate de te verklaren variabelen te verklaren of te voorspellen zijn. Zo kunnen we die resultaten vergelijken met voorgaande onderzoeken en die eventueel bevestigen. We gaan nu de verklarende variabelen in verband brengen met de te verklaren variabelen, internationaal financieel succes (sucfininter), binnenlands financieel succes (sucfinbinnen) en appreciatie succes (sucapp). We maken voor elke te verklarende variabele een tabel met verschillende regressiemoddelen. Eerst bespreken we de variabele binnenlands financieel succes(sucfinbinnen). Ten slotte moeten we nog vermelden dat alle resultaten met enige voorzichtigheid moeten worden bekeken. Want door het grote aantal variabelen kan er altijd per toeval een variabele significant zijn terwijl deze in werkelijkheid geen enkele invloed heeft. Bovendien moet er bij elke uitspraak van significantie rekening worden gehouden met het significantieniveau. We maken elke keer een onderscheid tussen 3 verschillende niveaus. 3.3.1

Binnenlands financieel succes

Het binnenlands financieel succes wordt in de schatting bepaald door 387 films. Voor deze variabele hebben we vier verschillende regressies uitgevoerd. In de tabel hieronder zien we vier modellen die de resultaten van de vier regressies weergeven. Per model geven we per variabele twee cijfers weer. Het eerste cijfer staat voor de ongestandaardiseerde beta-waarde5 en het tweede voor het significantieniveau. Het tweede cijfer duidt aan hoeveel de kans bedraagt dat de beta-waarde nul is. Tabel 2: OLS regressie financieel succes binnenlands

Variabele C

Model 1

Model 2

Model 3

Model4

-5,686E+07

0,000***

-6,436E+07

0,000***

-5,683E+07

0,000***

-8,374E+07

0,000***

starmeter500

5,637E+06

0,000***

1,642E+06

0,316

4,915E+06

0,002***

5,819E+06

0,000***

Regi

1,526E+07

0,024**

-7,918E+06

0,258

1,439E+07

0,038**

1,217E+07

0,071*

Genreactie

1,773E+07

0,011**

8,779E+06

0,233

1,761E+07

0,014**

1,708E+07

0,016**

-2,952E+06

0,573

6,693E+06

0,220

64274,439

0,990

-1,724E+06

0,745

1,213E+07

0,088*

3,219E+06

0,658

1,345E+07

0,057*

8,714E+06

0,223

Genredrama genreavontuur

5

De beta-waarde geeft aan hoeveel de te verklaren veriabele zal veranderen wanneer de verklarende variabele wijzigd met 1 eenheid. Met andere woorden: wanneer bijvoorbeeld starmeter stijgt met één zal in het geval van het eerste model sucfinbinnen stijgen met 5,637 miljoen dollar.

37

genreanimatie

1,189E+07

0,310

3,873E+06

0,742

1,686E+07

0,160

1,519E+07

0,204

genrebiografie

1,062E+06

0,916

7,489E+06

0,502

-8,807E+05

0,933

5,680E+06

0,583

genrekomedie

327959,301

0,956

1,636E+07

0,011**

972902,183

0,872

-4,888E+05

0,937

genremisdaad

-1,404E+07

0,035**

-6,032E+06

0,382

-1,332E+07

0,044**

-1,415E+07

0,033**

genredocumentaire

-9,626E+06

0,453

2,605E+07

0,301

-4,685E+06

0,714

-1,352E+07

0,363

genrefamilie

-8,302E+06

0,436

-2,377E+07

0,057*

-8,702E+06

0,423

-3,160E+06

0,768

genrefantasie

7,178E+06

0,340

-2,678E+06

0,731

3,531E+06

0,641

9,813E+06

0,197

genregeschiedenis

-8,189E+06

0,568

-2,327E+06

0,873

-5,823E+06

0,684

-1,589E+07

0,279

genrehorror

-2,455E+05

0,978

1,560E+07

0,081*

1,702E+06

0,847

785184,651

0,929

genremusic

4,174E+06

0,638

3,771E+06

0,690

5,200E+06

0,556

-3,588E+05

0,969

genremysterie

-9,551E+05

0,897

4,869E+06

0,502

-1,740E+05

0,981

995367,109

0,894

genreromantiek

-3,190E+06

0,574

2,133E+06

0,722

-2,588E+06

0,654

2,533E+06

0,660

genresciencefiction

-1,598E+07

0,084*

-1,041E+07

0,255

-2,133E+07

0,025**

-2,735E+07

0,005***

genresport

-1,655E+07

0,076*

-1,534E+07

0,176

-1,636E+07

0,079*

-1,631E+07

0,081*

genrethriller

-5,719E+06

0,396

-1,411E+06

0,836

-4,801E+06

0,479

-5,758E+06

0,395

genreoorlog

-1,529E+07

0,296

-2,347E+07

0,143

-1,591E+07

0,272

-3,503E+06

0,815

genrewestern

-3,397E+07

0,124

-2,487E+07

0,254

-2,838E+07

0,197

-3,079E+07

0,160

MPAAG

3,198E+06

0,839

1,151E+07

0,553

2,526E+06

0,875

6,056E+06

0,706

MPAAPG

5,908E+06

0,557

2,453E+07

0,039**

9,553E+06

0,354

6,453E+06

0,521

-3,069E+06

0,674

3,499E+06

0,643

373682,583

0,959

-2,366E+06

0,746

MPAAPG13

1,181E+07

0,012**

1,047E+07

0,020**

1,297E+07

0,005***

1,219E+07

0,009***

MPAANC17

750938,851

0,987

-2,057E+07

0,667

3,023E+07

0,588

1,017E+07

0,819

Opscreen

25740,645

0,000***

15077,482

0,000***

24508,961

0,000***

23996,291

0,000***

Recensie

717074,460

0,000***

577487,532

0,000***

632571,722

0,000***

721661,504

0,000***

0,802

0,000***

timingvalentine

1,227E+07

0,651

timingpresident

-2,038E+07

0,571

8,742E+06

0,769

timingcolombus

519269,987

0,975

timingveterans

-4,109E+07

0,350

timingthanksgiving

-3,443E+07

0,093*

timingmemorial

2,495E+07

0,376

timingindependence

6,766E+07

0,033**

-2,515E+07

0,120

MPAAR

Probud

timinglaybor

timingkerstmis

38

timingnewyear timingmartinlutherking timingalle

-2,639E+06

0,730

3,370E+06

1,294E+07

0,671

-8,403E+06

0,711

0,674

-3,359E+05

0,965

8,129E+06

0,172

presoldorigineel

3,152E+07

0,034**

presoldboek

1,708E+07

0,253

presoldsequel

4,933E+07

0,001***

presoldremake

3,115E+07

0,037**

presoldwaarbgebeurd

3,417E+07

0,043**

presoldserie

4,729E+07

0,012**

presoldstrip

3,341E+07

0,080*

presoldtoneel

4,427E+07

0,031**

presoldsprookje

-2,534E+06

0,927

presoldmusical

4,067E+07

0,228

presoldspinoff

3,849E+07

0,231

presoldspel

3,669E+07

0,427

presoldspeelgoed

3,526E+07

0,307

presoldartikel

3,152E+07

0,034**

timingvalentinevoor

-1,991E+07

0,551

timingpresidentvoor

2,907E+07

0,417

timinglayborvoor

-3,260E+07

0,083***

timingcolombusvoor

-2,820E+06

0,801

timingveteransvoor

5,237E+06

0,723

timingthanksgivingvoor

2,907E+07

0,041**

-1,141E+06

0,963

timingindependencevoor

1,586E+07

0,261

timingkerstmisvoor

4,111E+07

0,002*

1,238E+07

0,464

timingmemorialvoor

timingnewyearvoor timingmartinlutherkingvoor timingallevoor

7,241E+06

0,223

9,723E+06

0,126

timingsummer

presoldalle

1,560E+07

0,008*

1,246E+06

0,784

-2,182E+06

0,643

1,233E+06

0,786

-9,878E+06

0,051*

-9,930E+06

0,043**

-1,034E+07

0,044**

-1,079E+07

0,037**

oscaralle

1,285E+08

0,000***

1,379E+08

0,000***

1,338E+08

0,000***

1,305E+08

0,000**

jaar2005

7,021E+06

0,292

5,214E+06

0,449

4,304E+06

0,523

1,909E+06

0,773

nominatiealle

39

jaar2006 jaar2007

2,621E+06

0,674

-4,130E+06

0,532

-1,340E+06

0,831

-3,517E+06

0,572

jaar2008

4,773E+06

0,456

5,442E+06

0,434

1,563E+06

0,808

-2,052E+06

0,757

jaar2009

-1,201E+07

0,086*

-9,563E+06

0,181

-1,177E+07

0,096*

-1,310E+07

0,068*

R

2

0,569

0,671

0,590

0,584

(eerste cijfer is B-waarde, tweede cijfer is het significantieniveau gaande van *=10%, **=5%, ***=1%)

Per model zien we enkele opmerkelijke verschillen. In eerste model hebben we zoveel mogelijk samenvattende variabelen gebruikt, hiermee bedoelen variabelen zoals presoldalle, timingalle, enz. We zien dat de variabele starmeter significant is tot op het 1% significantieniveau in de modellen 1, 3 en 4. Zo kunnen we stellen dat dit een goede verklarende of voorspellende variabele is. Met andere woorden: bij elke extra ster die gecast wordt stijgen de box office inkomsten met ongeveer 5 miljoen dollar. Dit komt overeen met wat Ravid (1999 p. 471) zei (cf: supra), die stelde dat steracteurs meer aandacht zouden opleveren. Wat op zich meer omzet als gevolg heeft. Daarnaast blijkt ook de variabele “regi” significant te zijn. Al zou dit eerder te wijten kunnen zijn aan het feit dat bekendere regisseurs in het milieu meer geld en meer sterren toegewezen krijgen. Dus mogen ze succesvollere films regisseren. We veronderstellen dit aangezien het grote publiek nauwelijks notie heeft van de regisseur van een film. Het genre blijkt enkel belangrijk te zijn wanneer het om een actie-, avonturen-, misdaad-, sport- of sciencefictionfilms gaan. Daarbij zijn slechts de genres actie- en avonturen films positief significant, wat wil zeggen dat volgens onze schatting enkel deze genres meer opbrengen. Films van het genre actie zouden volgens de beta-waarde 1,7 miljoen extra box office omzet genereren. De andere genoemde genres zijn negatief significant wat wil zeggen dat ze significant minder opbrengen dan films van andere genres. Het is vreemd dat het sciencefictiongenre negatief significant is, omdat dit genre volgens Simonoff & Sparrow (2000) (cf: supra) juist meer zou moeten opbrengen. Het genre animatie kwam zelfs niet aan bod, wat toch erg verassend is gezien de literatuur (cf: supra) en de resultaten bij de volgende tabel 3. We zien dat enkel de MPAA rating PG-13 bij elk model positief significant is. Dat wil zeggen dat films die een PG-13 rating toegewezen krijgen meer zullen opbrengen dan films met een andere rating. Aan de andere kant zullen de producenten er waarschijnlijk met opzet voor zorgen dat hun film een PG-13 toegewezen krijgt. Dit resultaat is niet zo verassend aangezien we op figuur 3 zagen dat dit genre erg veel omzet genereert. Al wordt daar in de literatuur niet verder over uitgewijd. Het aantal schermen waarop een film opent blijken in elk model tot op het 1% niveau positief significant te zijn. Zo zou bij elk model behalve bij het 2de, 1 extra scherm bijna 25000 dollar opleveren. Met andere 40

woorden, op hoe meer schermen een film opent, hoe meer deze film zal opbrengen. Het onderzoek van Terry, Butler & De'Armond kan dit bevestigen (cf: supra). Verder is ook de variabele “recensie” bij alle modellen positief significant tot op het 1% niveau. We kunnen dus aannemen dat volgens onze schatting positieve recensies een positieve invloed kunnen hebben op het financiële succes. Zo kunnen we ook zien dat één procent van de tomatometer ongeveer 700000 dollar waard is. De meeste literatuur (cf: supra) is het erover eens dat critici een erg grote invloed kunnen hebben op het toekomstig financieel succes van een film. Aan de andere kant kunnen we ook veronderstellen dat critici niet per se invloed hebben op het succes maar dat ze goede films hoog quoteren en slechte laag. Bijgevolg waren de slechte toch al gedoemd het slecht te doen, en zouden de goede het sowieso goed gedaan hebben, los van wat de critici schrijven. Verder zien we dat de variabelen “timingalle” en “timingallevoor“ in geen geval significant zijn op geen enkel niveau. Dit wil zeggen dat onze schatting aangeeft dat alle belangrijke weekends samen geen invloed heeft op het financiële succes. Dit komt erg onverwacht aangezien de literatuur (cf: supra) meermaals aangeeft dat het tijdstip van lancering erg belangrijk is voor een film. Echter wanneer we de verschillende weekends apart bekijken, zien we in model 3 toch enkele verwachte resultaten verschijnen. Zo zouden films die uitkwamen in het weekend van Independence Day voor de periode 2005-2009 meer geld opgebracht hebben dan andere films. Thanksgiving echter zou het omgekeerde effect hebben op de inkomsten. Terwijl we bij de variabele “Timingtanksvoor” zien dat deze dan terug positief significant wordt. Dit valt hoogstwaarschijnlijk te verklaren door het te kort aan data wat dit weekend en verschillende andere weekends betreft. We kunnen wel met zekerheid zeggen dat de periode voor en tijdens de kerstdagen een erg positieve invloed heeft op de inkomsten van een film. Een film zou tijdens deze periode 4 miljoen dollar extra inkomsten generen. Deze variabele (timingkerstvoor) is dan ook significant tot op het 1% niveau. Zoals Basuroy en Chatterjee (2007) eerder vermeldden zorgen films gelanceerd tijdens de zomerperiode voor de grootste inkomsten. Dit kunnen we zien aan de hand van de variabele timingsummer. Deze variabele is zeer positief significant. Een van de meest opmerkelijke variabelen in dit onderzoek is “nominatiealle”. Deze is bij elk model negatief significant. In tegenstelling tot wat Litman et al. (1983) beweerden, zou volgens onze schatting nominaties tot minder box office opbrengsten leiden. Dit valt eventueel te verklaren doordat films vaak pas genomineerd zijn wanneer ze al uit de bioscoop zijn. Bovendien worden mogelijke kanshebbers op de Oscars vaak gradueel gereleased in de bioscoop. Vermits we eerder al zagen dat het aantal schermen waarop een film opent erg belangrijk blijkt te zijn voor het financiële succes kan een graduele release tot inkomsten verlies lijden. Bovendien zijn genomineerde films niet steeds de meest opbrengende films. Aansluitend is de variabele “oscaralle” in tegenstelling tot “nominatiealle” in elk model wel positief 41

significant. Dit lijkt erg vreemd. Maar we moeten erbij vermelden dat de data voor deze variabele erg beperkt is, er komen namelijk slechts 4 films voor in de schatting die een Oscar hebben gekregen in een van de belangrijke categorieën. Daardoor mogen we wegens te weinig data niet echt rekening houden met deze variabele. Al is het natuurlijk logisch dat een film die een Oscar wint meer aandacht trekt van het publiek en bijgevolg ook meer bezoekers naar de bioscoop brengt en dus meer omzet genereert. Maar dat kunnen we enkel veronderstellen op basis van de literatuur of op basis van onze eigen intuïtie. Vervolgens is enkel het jaar 2009 negatief significant, dit duidt erop dat de economische recessie van 2008-2009 ook de filmsector heeft getroffen. Zo zou een film in 2009 minder opgebracht hebben dan in eender welk ander jaar. Overigens moeten we erbij vermelden dat we de film “Avatar” van 2009 met opzet uit de schatting weggelaten hebben. We zagen dat deze film een serieuze outlier was in onze schatting en dus een vertekend beeld kon geven van ons onderzoek. Aan de andere kant is het net die film die ervoor zorgde dat het jaar 2009 toch nog gered was. Bij het bekijken van deze variabele moeten we dit dus steeds in het achterhoofd houden. Aan de hand van “presoldalle” kunnen we zien dat een film die presold is niet steeds succesvol is. De variabele is namelijk geen enkele keer significant. Echter wanneer we het 4de model bekijken zien we dat de presoldvariabelen apart wel verschillende keren significant zijn. Zo zien we dat remakes, sequels en films gebaseerd op toneelstukken, series en strips allen positief significant zijn. Het vreemde is wel dat ook films gebaseerd op originele screenplays meer geld zouden opleveren. Echter als we de betawaarden erbij nemen, merken we dat vooral sequels en films gebaseerd op tv-serie meer zouden opleveren, respectievelijk 4,9 miljoen dollar en 4,7 miljoen dollar meer. Simonet (1987) en Ravid (1999) gaven ons eerder al mee dat voorgaande types belangrijk kunnen zijn voor extra inkomsten (cf: supra). Op het eerste zicht lijken de 4 modellen sterk op elkaar. Toch is model 2 op diverse vlakken erg verschillend. Dit model kenmerkt zich door het bijvoegen van de variabele “Prodbud”. Deze variabele is zodanig significant dat hij de resultaten van andere variabelen beïnvloed. Zo kunnen we stellen dat de variabele ”Prodbud” een van de meest invloedrijke variabelen is. Met andere woorden hoe hoger het productiebudget hoe hoger de box office inkomsten. Elke dollar van het productiebudget zou slechts 0,802 dollar binnenlandse bioscoopopbrengsten genereren, los van alle andere variabele zoals bijvoorbeeld het genre. Verder zijn de variabelen “starmeter” en “regi” in het tweede model niet meer significant. Ook de genres actie, avontuur, sciencefiction en sport komen hier niet meer aan bod. Wat bijzonder is zijn de genres komedie en horror die plots wel positief significant blijken te zijn en het genre familie negatief significant. Ook bij de MPAA ratings zien we een verschil. In dit geval is niet de rating PG-13 positief significant maar de PG rating. We hebben hier niet echt een duidelijke verklaring voor. Voorts is enkel nog het jaar 2009 niet meer negatief significant. Door de sterke significante variabele 42

“productiebudget” zien we dat model 2 het best de resultaten van een film kan voorspellen. Dit kunnen we zien aan de R² die hier het hoogst is. Met andere woorden model 2 kan 67,1% van de binnenlandse box office inkomsten voorspellen. Met respectievelijk 57%, 58% en 59% zijn de 3 andere modellen iets minder goede voorspellers. Door de sterke invloed van de variabele productiebudget op andere variabele, maken we slechts 1 maal gebruik van de variabele in kwestie. Afsluitend moeten we nog vermelden dat verschillende variabelen niet werden opgenomen in de tabel. Dit wegens verschillende redenen. Zo was er spijtig genoeg te weinig data voor de variabele promotiebudget. Ook ontbreken verder nog de variabelen “jaar2006” en “timingnewyearvoor”. 3.3.2

Internationaal financieel succes

In deze paragraaf geven we de resultaten van de schatting weer van de te verklaren variabele internationaal financieel succes. Deze variabele geeft enkel de omzet weer van buitenlandse inkomsten, exclusief de binnenlandse inkomsten. Hier kwamen louter de films aanbod die ook uitgebracht werden in het buitenland. Bijgevolg hadden we bij deze schatting slechts een dataset van 277 films. Toch hopen we enkele verschillen te ontdekken vergeleken met de variabele “sunfinbinnen”. Voor deze variabele hebben we slechts 3 verschillende regressies uitgevoerd. In de tabel hieronder zien we 3 modellen die de resultaten van de regressies weergeven. Ook hier geven we per model per variabele 2 cijfers weer. Het eerste cijfer staat voor de ongestandaardiseerde beta-waarde en het tweede voor het significantieniveau. Tabel 3: OLS regressie financieel succes internationaal

Variabele

Model 1

Model 2

Model 3

C

-7,630E+07

0,000***

-6,825E+07

0,001***

-1,174E+08

0,000***

starmeter500

5,162E+06

0,060*

-2,386E+06

0,380

4,192E+06

0,125

Regi

3,107E+07

0,008***

-9,824E+06

0,399

2,457E+07

0,035**

Genreactie

1,545E+07

0,205

-3,786E+05

0,975

1,519E+07

0,213

Genredrama

-1,065E+07

0,259

3,451E+06

0,705

-6,174E+06

0,512

genreavontuur

2,760E+07

0,026**

1,369E+07

0,252

2,162E+07

0,077*

genreanimatie

6,214E+07

0,003***

4,765E+07

0,017**

7,232E+07

0,001***

genrebiografie

-2,028E+07

0,278

-9,351E+06

0,625

-1,524E+07

0,428

genrekomedie

-7,579E+06

0,499

1,343E+07

0,223

-6,476E+06

0,564

genremisdaad

-3,436E+07

0,005***

-1,837E+07

0,121

-3,217E+07

0,008***

genredocumentaire

7,839E+06

0,791

2,408E+07

0,712

7,452E+06

0,813

genrefamilie

-1,471E+07

0,450

-3,415E+07

0,099*

-3,197E+06

0,868

43

genrefantasie

2,529E+07

0,057*

4,714E+06

0,718

3,087E+07

0,020**

genregeschiedenis

1,684E+06

0,951

1,857E+07

0,481

-1,210E+07

0,680

genrehorror

-2,330E+07

0,133

2,682E+06

0,855

-2,549E+07

0,106

genremusic

2,175E+07

0,194

1,811E+07

0,265

-3,976E+05

0,982

genremysterie

-6,543E+06

0,609

4,389E+06

0,713

-2,955E+06

0,815

genreromantiek

-2,531E+06

0,808

4,552E+06

0,654

4,804E+06

0,648

genresciencefiction

-2,185E+07

0,166

-1,606E+07

0,277

-3,443E+07

0,039**

genresport

-3,443E+07

0,055*

-2,299E+07

0,252

-3,827E+07

0,033**

genrethriller

1,495E+07

0,222

1,540E+07

0,186

1,426E+07

0,240

genreoorlog

-2,048E+07

0,510

-4,529E+07

0,115

-3,099E+06

0,922

genrewestern

-2,881E+07

0,503

-3,209E+06

0,934

-1,834E+07

0,666

MPAAG

-3,990E+07

0,161

-3,671E+07

0,270

-3,922E+07

0,161

MPAAPG

-1,946E+07

0,296

3,258E+06

0,871

-2,193E+07

0,238

MPAAR

-2,187E+07

0,096*

-1,165E+07

0,357

-1,892E+07

0,143

MPAAPG13

5,362E+06

0,502

1,797E+06

0,804

5,588E+06

0,476

Opscreen

34243,945

0,000***

11937,974

0,012**

30965,186

0,000***

Recensie

1,059E+06

0,000***

705504,253

0,000***

1,039E+06

0,000***

1,452

0,000***

-5,877E+05

0,965

-2,464E+06

0,859

MPAANC17

Probud timingvalentine timingpresident timinglaybor timingcolombus timingveterans timingthanksgiving timingmemorial timingindependence timingkerstmis timingnewyear timingmartinlutherking timingalle

-7,790E+06

0,574

timingvalentinevoor timingpresidentvoor timinglayborvoor

44

timingcolombusvoor timingveteransvoor timingthanksgivingvoor timingmemorialvoor timingindependencevoor timingkerstmisvoor timingnewyearvoor timingmartinlutherkingvoor timingallevoor

1,326E+07

0,243

1,417E+07

0,198

1,384E+07

0,222

presoldorigineel

4,303E+07

0,108

presoldboek

3,795E+07

0,154

presoldsequel

8,971E+07

0,001***

presoldremake

4,705E+07

0,073*

presoldwaarbgebeurd

5,574E+07

0,073*

presoldserie

5,420E+07

0,107

presoldstrip

3,761E+07

0,249

presoldtoneel

3,679E+07

0,380

presoldsprookje

-6,535E+06

0,888

presoldmusical

1,881E+08

0,001***

7,297E+07

0,177

9,851E+07

0,233

timingsummer

presoldspinoff presoldspel presoldspeelgoed presoldartikel presoldalle

9,363E+06

0,253

3,905E+06

0,624

nominatiealle

-6,528E+06

0,455

-8,627E+06

0,286

-7,227E+06

0,418

oscaralle

9,275E+07

0,031**

1,127E+08

0,004***

9,091E+07

0,034**

jaar2005

8,828E+06

0,451

5,345E+06

0,633

7,147E+06

0,534

jaar2007

8,253E+06

0,466

864019,645

0,938

1,129E+07

0,311

jaar2008

8,212E+06

0,482

1,332E+07

0,259

1,734E+06

0,881

jaar2009

-2,500E+07

0,047**

-1,800E+07

0,132

-2,079E+07

0,099*

jaar2006

R

2

0,494

0,646

0,521

(eerst cijfer is B-waarde, tweede cijfer is significantieniveau gaande van *=10%, **=5%, ***=1%)

45

Ook hier zien we enkele verschillen tussen de 3 modellen. Dit zal evenwel opnieuw voor een groot deel te wijten zijn aan de erg invloedrijke variabele productiebudget. In dit geval is hij nog sterker positief significant, dit kunnen we zien aan de hogere beta-waarde van 1,452. Dit wil zeggen dat elke dollar van het budget 1,452 dollar opbrengt in de internationale bioscopen. Starmeter is enkel significant in het eerste model. Daar zou elke extra ster een meeropbrengst opleveren van ongeveer 5 miljoen dollar. In de volgende modellen is de variabele vreemd genoeg niet meer significant. We hebben hier geen duidelijke verklaring voor. Zoals in de vorige tabel is “regi” opnieuw positief significant. Wat het genre van de film betreft zien we toch enkele verschillen met de vorige tabel. Zoals in de vorige schatting is ook hier het avonturengenre positief significant en de genres sport en misdaad negatief significant. We kunnen dan ook besluiten dat deze genres veel invloed hebben op het financiële succes van een film, zowel negatief als positief. Daarnaast blijkt het genre actie vreemd genoeg niet meer significant te zijn. Ook hier hebben we geen verklaring voor. Verder zien we dat zowel het genre animatie als het genre fantasie positief significant is in elk model. In de voorgaande tabel was dit niet het geval. Beide genres brengen opmerkelijk meer op dan andere genres. Maar het genre animatie spant met ongeveer 60 miljoen dollar extra de kroon. Blijkbaar brengen deze genres pas echt significant meer op wanneer deze internationaal verdeeld worden. We hadden verwacht dat animatiefilms het beter zouden doen aangezien we eerder in de literatuur zagen dat het kindergenre erg winstgevend is. Simonoff & Sparrow (2000) wezen ons erop dat dit genre de meeste kans had om succescvol te zijn. Tenslotte merken op we dat het genre sciencefiction slechts eenmaal positief significant is en in de vorige tabel zelfs negatief significant was. Terwijl we in de literatuur zagen dat dit genre erg winstgevend zou moeten zijn. We moeten hierbij wel terug rekening houden met de grootste kaskraker allertijden, de sciencefiction film Avatar, die niet werd opgenomen in de schatting. Daarbuiten moeten we ook rekening houden met de mogelijkheid dat het onderzoek van Jef Simonoff waar we naar verwijzen in een tijdspanne werd gehouden wanneer het sciencefictiongenre of andere genres populairder waren en/of meer werden geproduceerd. Wat de Amerikaanse ratings betreft zien we slechts 1 significant cijfer (MPAAPG). Dit is logisch aangezien de MPAA-ratings enkel de Verenigde Staten beslaat. Dit wil zeggen dat een significant cijfer per toeval is of omdat net het succesvolle genre animatie, PG gerated wordt. Het aantal schermen waarop een film opent en recensie zijn opnieuw allebei in elk model zeer positief significant. We kunnen er vanuit gaan dat als een film op veel schermen opent in de VS die ook op veel schermen zal openen in het buitenland. Wat de recensies betreffen zien we ook dat deze invloed kunnen hebben op het buitenland daar er ook rekening wordt gehouden met buitenlandse recensies. 46

Hiermee kunnen we besluiten dat deze variabelen ook kunnen bijdragen tot het financieel succes van een film in het buitenland. Bijkomend kunnen we vermelden dat elke extra scherm waar de film opent ongeveer 30000 dollar meer zal opbrengen. Aangezien de nationale feestdagen, de kerst- en zomerdagen buiten beschouwing gelaten, afhankelijk zijn per land, hebben de timing variabelen geen enkele invloed op het buitenlands succes van een film. Daarom leek het ons overbodig om deze opnieuw op te nemen in een aparte regressie. Verder zien we opnieuw dat “presoldalle” niet significant verschilt van andere variabelen. Echter wanneer we de presold variabelen apart bekijken zien we toch enkele significante variabelen. Zoals we al eerder zagen in de literatuur en in de vorige tabel brengen ook nu weer sequels significant (0,001) meer op dan andere variabelen. Als we de beta-waarde (89710000 dollar) erbij nemen zien we dat dit type film opmerkelijk hoog scoort. Vervolgens zijn ook de variabelen presoldremake en presoldwaargebeurd wederom positief significant. Hun significantieniveau en beta-waarde liggen weliswaar iets lager dan de sequels. Maar omdat deze variabelen ook in de vorige tabel allen positief significant waren, kunnen we aannemen dat het erg goede voorspellers zijn. Vooreerst blijkt ook de variabele presoldmusical significant te zijn. Maar hier mogen we niet al te veel geloof aan hechten, aangezien het bij deze variabele slechts gaat om één film. We zien dat presoldorgineel, presoldserie en presoldstrips niet meer significant zijn vergeleken met de vorige tabel. Dit kan te wijten zijn aan de weinige data of de zwakke significantie. Op bovenstaande tabel zien we dat nominatiealle niet meer significant is. Wat zou willen zeggen dat nominaties geen invloed hebben op het financiële succes van films. Maar uit de literatuur hebben we geleerd dat dit meestal wel het geval is, zo beweren Nelson, Donihue, Waldman, en Wheaton (2001). Het is dus moeilijk te verklaren waarom in de vorige tabel deze variabele negatief significant was en hier helemaal niet meer significant is. Als we daarentegen de “oscaralle” variabele bekijken zien we dat deze andermaal zeer positief significant is. Ook de beta-waarde (+/- 90000000 dollar) ligt enorm hoog, het 2de model, met het productiebudget, buiten beschouwing gelaten weliswaar. Vervolgens merken we nog eens op dat films in het jaar 2009 significant minder opbrachten dan films van andere jaren in onze database. Die films zouden volgens de beta-waarde ongeveer 20 miljoen minder opgebracht hebben. De mogelijke redenen voor dit verval is eerder in dit hoofdstuk al aangegeven. Tenslotte constateren we dat het 2de model met 64,4 procent het best voorspellende model is. Dit wil zeggen dat we aan de hand van het 2de model 64,4 procent van de buitenlandse box office omzet

47

kunnen voorspellen. Dit is wederom het model met de variabele productiebudget in bijgevoegd. Zo kunnen we besluiten dat deze variabele wel een erg grote invloed heeft op de inkomsten. 3.3.3

Binnenlands + internationaal financieel succes

Voor dit deel hebben we een extra variabele aangemaakt. Zo hebben we de binnenlandse en buitenlandse box office omzet bij elkaar opgeteld. We hebben opnieuw de verschillende regressies uitgevoerd met deze nieuwe variabele. Zo kunnen we zien of de resultaten al dan niet in dezelfde lijn liggen met de vorige bevindingen. Eveneens is dit een controle op voorgaande resultaten. We verwachten eerder gelijkaardige resultaten. Na de regressies te hebben uitgevoerd, hebben we beslist geen extra tabel in te voegen. Zo voorkomen we in herhaling te vallen en het onnodig ingewikkeld te maken. Wel willen we de opvallendste of meest terugkomende resultaten kort even uitzetten. Wederom is het productiebudget een van de belangrijkste variabelen bij het bepalen van een commerciële succesvolle film. Als we de beta-waarde erbij nemen, kunnen we zeggen dat elke dollar besteed aan het productiebudget, 2,304 dollar extra omzet oplevert. Dit is allemaal exclusief bijkomende inkomsten zoals “video on demand” of Dvd-verkoop/verhuur. Zoals voorheen gezegd beschikken we over drie modellen. De variabele productiebudget behoort bij het meest toonaangevende model daar het een determinatiecoëfficiënt heeft van 0,70. Zo kunnen we aan de hand van alle variabelen samen 70% van de binnenlandse en buitenlandse box office inkomsten voorspellen of verklaren. Verder zijn zowel “Starmeter” als “regi” in dit geval allebei positief significant. Bijgevolg kunnen we besluiten dat deze variabelen een grote rol spelen in het commercieel succes van een film. Als we de genresvariabelen bekijken zien we dezelfde resultaten terugkeren. Het gaat om de genres animatie, avontuur en actie die opnieuw positief significant zijn en de genres misdaad, sport en sciencefiction die negatief significant zijn. Ook de variabelen “opscreens” en “recensie” zijn wederom zeer positief significant. Dit was te verwachten aangezien deze variabelen zowel in de eerste tabel als in de tweede tabel van de resultaten steeds significant waren. Verder zien we dat de timing variabelen “kerst” en “summer” belangrijk zijn. Dit valt gemakkelijk te verklaren want zoals we eerder al vermeldden zijn enkel deze timingvariabelen ook van belang in het buitenland. Andere timingvariabelen zijn Amerikaanse feestdagen. Daarnaast zijn er verrassend meer presoldvariabelen significant. Zo zien we opnieuw dat sequels het goed doen maar ook remakes en zelfs films gebaseerd op series. Als laatste willen we meegeven dat de resultaten van zowel oscaralle en nominatiesalle hetzelfde zijn gebleven en dat films in het jaar 2009 nog steeds significant minder opbrachten in vergelijking met andere jaren. De

48

overige variabelen liggen ofwel in dezelfde lijn als vorige paragrafen of kunnen ons niet verder helpen in het onderzoek. Na het commerciële succes van films te hebben onderzocht aan de hand van 2 te verklaren variabelen en de som van deze 2 te hebben gemaakt willen we wat dieper ingaan op enkele resultaten. We doen dit door middel van de verzamelde variabele, binnenlands + internationaal financieel succes. Op die manier krijgen we gemakkelijker een totaalbeeld van de te bespreken resultaten. In deze paragraaf gaan we nog iets dieper in op de meest significante en verrassende resultaten. Zo gaan we vervolgens aan de hand van 3 grafieken de 3 belangrijkste variabelen meer gedetailleerd uiteenzetten. Bijkomend geven we bij elke grafiek de best passende rechte, die kan op die manier een zekere trend aantonen. Op de volgende grafiek zien we waarschijnlijk de meest significante variabele, productiebudget. Ook op de grafiek zien we een zekere trend. Ondanks dat deze trend door verschillende outliers niet altijd even gemakkelijk waar te nemen valt. Niettemin kunnen we aan de hand van de best passende rechte, de trendlijn, besluiten dat 62,6 procent van onze database te voorspellen of verklaren valt. Dit is een erg hoog cijfer. We kunnen besluiten hoe hoger het productiebudget hoe hoger de box office omzet per film. Figuur 5: scatterplot van box office omzet en productiebudget (assenlogschaal)

Probud

Linear (Probud)

1E+09 y = 0,2352x + 2E+07 R² = 0,626

Productiebudget

100000000

10000000

1000000

100000

10000 100000

1000000

10000000

100000000

1E+09

1E+10

box office omzet binnenlands + internationaal

49

Op de volgende figuur zien we op hoeveel schermen een film opent. Ook op deze grafiek zien we een duidelijke trend, al is deze trend niet gemakkelijk te voorspellen of verklaren aan de hand van de best passende rechte. Data die zich situeert op of rond de nul lijn van het aantal schermen maar die toch opmerkelijk veel kunnen opbrengen zijn hoogstwaarschijnlijk films die gradueel gereleased werden in de bioscoop. Figuur 6: scatterplot van box office omzet en productiebudget

8000 7000

y = 5E-06x + 1426,9 R² = 0,3294

Aantal schermen

6000 5000 4000 3000 2000 1000 0 0

200000000

400000000

600000000

800000000

1E+09

1,2E+09

Box office omzet binnenlands + internationaal

Op de laatste grafiek zien we hoe het percentage van tomatometer correleert met de box office omzet. Het is moeilijk te verklaren hoe deze data is uitgezet op de grafiek en volgens de vorige regressie modellen toch zo significant verschilt met nul.

50

Figuur 7: Scatterplot van box office omzet en percentage recensies

Recensie

Linear (Recensie)

120

Percentage rescensies

100 y = 3E-08x + 46,542 R² = 0,0299

80

60

40

20

0 0

200000000

400000000

600000000

800000000

1E+09

1,2E+09

Box office omzet binnenlands + internationaal

Om de resultaten van de verschillende regressiemodellen nog beter te kunnen begrijpen, hebben we in de volgende grafiek ook nog eens de gemiddelden van de belangrijkste variabelen uitgezet. De totale gemiddelden omzet van de binnenlandse en internationale box office omzet samen ligt rond de 90 miljoen dollar.

350 300 250 200 150 100

oscaralle

genreanimatie

presoldsequel

presoldserie

genreavontuur

presoldstrip

genrefantasie

genreactie

genrefamillie

timingkerstmis

timingsummer

MPAAPG13

genresciencefiction

presoldremake

nominatiealle

genrekomedie

jaar2009

genreromantiek

presoldboek

presoldorigineel

genredrama

Genrehorror

genresport

genremisdaad

0

Totaal gemiddelde box…

50 presoldwaarbgebeurd

Millions

Figuur 8: Gemiddelde binnenlandse en internationale box office omzet samen per variabele

51

Op deze grafiek kunnen we duidelijk zien welke genres het echt beter doen dan het algemeen gemiddelde van onze schatting. Wederom steekt het genre animatie hier torenhoog bovenuit. Dit genre zou gemiddeld bijna 3 keer zoveel opbrengen. Ook films van het genre avontuur en fantasie geven een hoog gemiddelde aan. Dit ligt volkomen in de lijn van onze resultaten en onze verwachtingen vanuit de literatuur en onze regressies. Opnieuw zien we dat de genres misdaad, drama en andere het slechter doen. Zoals de regressiemodellen al aan toonden is het PG-13 rating de enige positief significante MPAA rating. Andere MPAA ratings waren ofwel negatief significant of helemaal niet. Hier zien we dan ook dat films met deze rating gemiddeld ongeveer 30000000 dollar extra moet opbrengen. De meest significante timing variabelen waren de kerstperiode Thanksgivingsweekend en de zomerperiode. Aangezien Thankgiving een nationale feestdag is nemen we deze variabele niet op in onze tabel. Zoals te zien op tabel 2 liggen de andere belangrijke timingvariabelen allebei beduidend hoger dan de gemiddelde algemene omzet van 90000000 dollar. Als we de belangrijkste presold variabelen bekijken zien we dat er opnieuw twee bovenuit steken. Hier hebben we het vooral over de sequels en films gebaseerd op tv-series. Ook dit ligt in de lijn van onze verwachtingen. Bovendien zouden ook films gebaseerd op strips opmerkelijk meer opbrengen dan bijvoorbeeld films van een origineel screenplay. Terwijl films gebaseerd op waargebeurde feiten, dit zijn vooral documentaires, veel minder opbrengen dan gemiddeld. Tenslotte merken we op dat de gemiddelde opbrengsten van nominatiesalle variabele hoger ligt dan de algemene gemiddelde omzet. Terwijl deze variabele in de meeste modellen steeds negatief significant was. Dit zal vooral te wijten zijn aan de vreemde verdeling van de data van deze variabele. 3.3.4

Appreciatie

In deze laatste paragraaf geven we de resultaten weer van de te verklaren variabele appreciatie succes. Daarmee willen we te weten komen in welke mate we de appreciatie van het publiek van een bepaalde film kunnen meten nadat ze die gezien hebben. Dit staat volkomen los van het commerciële succes, het gaat hier eerder om het artistieke of entertainment aspect van de film. Op die manier willen we de vergelijking maken met het commerciële succes van een film. Hiervoor hebben we geen literatuur doorgenomen. Dit gedeelte van het onderzoek is louter bijkomend. Ook voor deze variabele hebben we slechts 3 verschillende regressies uitgevoerd. In de tabel hieronder zien we 3 modellen die de resultaten van de regressies weergeven. Ook hier geven we per model en per variabele 2 cijfers. Het eerste cijfer staat voor de ongestandaardiseerde beta-waarde en het tweede voor het significantieniveau.

52

Tabel 4: OLS regressie appreciatie succes

Variabele

Model 1

Model 2

Model 3

C

4,435

0,000***

4,260

0,000***

4,276

0,000***

starmeter500

0,135

0,000***

0,134

0,000***

0,130

0,000***

Regi

0,102

0,370

0,123

0,332

0,104

0,367

Genreactie

0,038

0,748

0,022

0,866

0,055

0,651

Genredrama

0,235

0,008***

0,265

0,007***

0,257

0,005***

genreavontuur

0,082

0,492

-0,041

0,754

0,067

0,583

genreanimatie

0,567

0,004***

0,516

0,015**

0,558

0,007***

genrebiografie

0,089

0,597

-0,037

0,853

0,040

0,819

genrekomedie

-0,347

0,001***

-0,316

0,007***

-0,319

0,003***

genremisdaad

-0,246

0,028**

-0,104

0,402

-0,245

0,031**

genredocumentaire

0,225

0,297

0,096

0,832

0,218

0,393

genrefamillie

-0,545

0,003***

-0,437

0,053*

-0,561

0,002***

genrefantasie

0,310

0,015**

0,288

0,042**

0,329

0,012**

genregeschiedenis

-0,203

0,401

-0,205

0,433

-0,179

0,476

genrehorror

-0,372

0,012**

-0,338

0,036**

-0,333

0,029**

genremusic

-0,260

0,083*

-0,153

0,372

-0,266

0,095*

genremysterie

0,079

0,526

0,086

0,512

0,048

0,705

genreromantiek

0,132

0,167

0,188

0,082*

0,081

0,413

genresciencefiction

-0,054

0,727

0,034

0,835

-0,013

0,937

genresport

0,073

0,642

0,062

0,761

0,038

0,812

genrethriller

0,164

0,149

0,159

0,196

0,159

0,170

genreoorlog

0,059

0,809

0,237

0,413

-0,028

0,912

genrewestern

0,017

0,963

0,051

0,897

0,038

0,919

MPAAG

0,124

0,639

0,145

0,678

0,098

0,721

MPAAPG

0,122

0,473

0,232

0,278

0,116

0,500

MPAAR

0,371

0,003***

0,407

0,003***

0,363

0,004***

MPAAPG13

-0,006

0,936

0,007

0,928

-0,018

0,822

MPAANC17

-0,147

0,846

0,072

0,933

-0,195

0,798

Opscreen

0,000

0,783

0,000

0,944

0,000

0,854

Recensie

0,031

0,000***

0,030

0,000***

0,030

0,000***

0,018

0,745

-0,118

0,417

-0,075

0,572

Probud timingalle

-0,042

0,743

53

timingallevoor

0,158

0,114

0,176

0,126

0,144

0,157

presoldorigineel

0,258

0,308

presoldboek

0,319

0,213

presoldsequel

0,162

0,532

presoldremake

0,131

0,610

presoldwaarbgebeurd

0,256

0,375

presoldserie

0,124

0,699

presoldstrip

-0,006

0,985

presoldtoneel

-0,356

0,311

presoldsprookje

0,926

0,051*

presoldmusical

0,598

0,300

presoldspel

-0,257

0,640

presoldspeelgoed

0,217

0,784

presoldartikel

0,354

0,549

timingsummer

presoldspinoff

presoldalle

-0,032

0,678

0,032

0,710

nominatiealle

-0,043

0,609

-0,021

0,812

-0,018

0,840

oscaralle

0,012

0,978

-0,119

0,782

-0,057

0,896

jaar2005

-0,051

0,651

-0,014

0,909

-0,109

0,339

jaar2007

0,073

0,489

0,107

0,370

-0,081

0,450

jaar2008

-0,117

0,279

-0,123

0,326

-0,163

0,152

jaar2009

0,053

0,652

0,045

0,725

-0,029

0,814

jaar2006

R

2

0,702

0,690

0,703

(eerst cijfer is B-waarde, tweede cijfer is het significantieniveau gaande van, *=10%, **=5%, ***=1%)

Op deze tabel zien we welke variabelen volgens het grote publiek, of beter gezegd, het publiek die films quoteren op IMDB, bepalend zijn voor een goede film. Deze quotering kan gaan van 0 tot met 10, 0 als slecht en 10 als goed. We zien dat Starmeter opnieuw positief significant is in elk bovenstaand model. Bovendien kunnen we aan de hand van de Beta-waarde van Starmeter zien dat elke extra ster ongeveer 0,130 extra punten oplevert. We kunnen dit resultaat op twee manieren interpreteren. Aan de ene kant zou elke extra ster meer punten kunnen opleveren, en vindt het publiek de film daardoor beter. Aan de andere kant

54

kunnen het net de grotere of betere films zijn die grotere sterren aantrekken terwijl kleinere films dat niet kunnen. Daarnaast is de variabele regi niet meer significant. Wat zou willen zeggen, dat het publiek de film geen hogere score geeft als het om een betere of bekendere regisseur gaat. Verder zijn verschillende genres zeer significant. Zo zorgen films van genres animatie, fantasie en drama voor hogere appreciatie bij het publiek dan films van andere genres. Volgens de beta-waarde zijn animatiefilms hier het beste genre voor. Films van dit genre zouden namelijk iets meer dan een half punt op 10 extra opleveren. Wat erop wijst dat dit een erg geliefd en geapprecieerd genre is. Bovendien doet dit genre het commercieel uitstekend. Ook films van het genre fantasie scoren zowel goed als het over appreciatie van het publiek gaat als op het vlak van box-office omzet. Terwijl films van de genres famillie, horror en komedie steevast een mindere score ontvangen. Volgens het publiek ligt de kwaliteit van films van deze genres onder het gemiddelde. Waarschijnlijk zien ze dergelijke films als pure entertainment zonder boodschap. Bovendien dragen deze films ook niet echt hun steentje bij als het om commerciële succes draait. Toch kunnen we niet zomaar aannemen dat de resultaten van de genrevariabelen overeenkomen met deze van in de vorige tabellen. Daarvoor zouden we meerdere tests moeten uitvoeren. Om een of andere reden is ook de MPAA rating hier positief significant. Wat er op zou duiden dat films met een MPAA-rating “R” continu hogere score krijgen dan films van andere ratings. Aangezien de R staat voor meer geweld of meer seksueel getinte beelden, kunnen we besluiten dat mensen net dat soort films beter vinden. Net zoals het moment(timingvariabelen) waarop de film gelanceerd wordt als het aantal schermen waarop dit gebeurd maakt geen verschil bij het scoren van een film. Deze variabelen zijn dan ook allebei niet significant. Evenals het productiebudget ook niet significant is. Dit wil zeggen dat grotere films (blockbusters) niet per se meer lof krijgen. Vervolgens zien we dat de variabele recensie in elk model positief significant is tot op het 1% niveau. We hadden natuurlijk verwacht dat deze ongeveer elkaars gelijken zouden zijn. Daar dit dan ook allebei scoringsvariabelen zijn naar de kwaliteit van films. Verder merken we op dat ook de presoldvariabelen geen rol van betekenis spelen. Enkel musicals zouden significant zijn. Maar omdat het slechts over 2 films gaat, gaan we hierover geen verdere uitspraken doen.

55

Ook de variabelen nominatiesalle en oscarsalle blijken niet belangrijk te zijn. Dit is toch enigszins een onverwacht resultaat aangezien dit in principe ook een soort scoringsvariabelen naar de kwaliteit van films is. We zouden verwachten dat genomineerde of oscarwinnaars significant hoger zouden scoren. We kunnen dit enkel verklaren door aan te geven dat er voor deze variabelen waarschijnlijk te weinig data voor handen was. Tenslotte zien we dat ook de jaar variabelen niet significant zijn. Dit is logisch aangezien het jaar van lancering geen indicatie zou mogen zijn van een goede of slechte films. We konden enkel veronderstellen dat nieuwere films steeds beter worden gemaakt. Maar dit is in deze tabel niet te zien. Aan de hand van de R² coëfficiënten kunnen we zien dat elk model ongeveer 70 % van de te verklaren variabele(sucapp) kan voorspellen. Dewelk toch een erg hoog cijfer is gezien het geringe aantal significante variabelen. Dit wil zeggen dat we aan de hand van bovenstaande resultaten 70 % van de IMDB-score van een film kunnen voorspellen. We kunnen aannemen dat deze laatste te verklaren variabele (succes appreciatie) niet echt in de lijn ligt met de andere te verklaren variabelen(binnenlands + buitenlands commercieel succes). Met andere woorden de resultaten van deze verschillende tests zijn erg verschillend dan de vorige, op enkele uitzonderingen na zoals de resultaten van het animatie- of fantasiegenre.

56

Hoofdstuk 4: Besluit Deze masterproef heeft als doel te onderzoeken of het financiële succes van films kan worden voorspeld of verklaard. Aan de hand van een literatuurstudie hebben we getracht de juiste beïnvloedende factoren te vinden. Eenmaal deze geïndentificeerd waren konden we overgaan tot het werkelijke onderzoek. Een empirisch studie werd uitgevoerd om te weten te komen of de factoren van in de literatuurstudie het succes van een film kan voorspellen. Vooreerst kunnen we besluiten dat bekende filmsterren veel kunnen bijdragen tot het financiële succes van een film. Volgens het onderzoek zou elke ster die meewerkt, extra omzet genereren. Met andere woorden hoe meer sterren er gecast worden hoe hoger de box office omzet van de film. Een interessant gegeven voor een volgend onderzoek zou kunnen zijn, in welke mate bepaalde grotere of kleinere filmsterren zouden kunnen bijdragen tot het succes. Zoals we kort al aanhaalden in onze literatuurstudie, blijkt volgens het onderzoek ook regisseurs belangrijk te zijn voor het succes van films. We komen tot deze conclusie door rekening te houden met de verschillende regressiemodellen waar de variabele “regi” steeds positief significant was. Dit zou willen zeggen dat bekendere regisseurs of betere regisseurs succesvollere films kunnen maken. Over de verschillende modellen en tabellen heen lagen de resultaten van de genre variabelen niet altijd in dezelfde lijn. Niettemin zagen we wel verschillende trends opduiken. Zo kunnen we besluiten dat de genres animatie, avontuur, fantasie en actie over het algemeen beter deden in het onderzoek dan andere genres. Het beste genre voor de filmstudio’s is zonder twijfel het genre animatie. Net zoals de literatuurstudie ons al leerde zouden animatiefilms, vooral kinderfilms, veel meer opbrengen. Terwijl films van genres zoals misdaad, sport en zelfs sciencefiction over het algemeen slechter doen. Wat de genres misdaad en sport betreft zien we dit ook terugkeren in de laatste grafiek(figuur 8) met de belangrijkste gemiddelden. Maar zoals we in de literatuur zagen zou het genre sciencefiction het net beter moeten doen dan andere genres zo beweren Simonoff en Sparrow (2006). De regressiemodellen toonden duidelijk aan dat dit genre het slechter doet, terwijl de grafiek(figuur 8) met de gemiddelden het tegenovergestelde aangaf. We kunnen dus moeilijk besluiten dit genre het er altijd slecht van af zal brengen. Zoals Shugan (2006) eerder al beweerde: goede of voldoende “buzz” of “word-of-mouth” is erg belangrijk voor een nieuwe film. Dit kunnen we bevestigen met deze studie. We merkten dat recensies een erg grote invloed kunnen hebben op het toekomstige succes van een film. Hoe meer positieve recensies, hoe beter de film het zal doen in de box office. Hoewel figuur 6 een toch erg vreemd beeld gaf van de verzamelde data rond deze variabele.

57

Verder kunnen aan de hand van de verschillende regressiemodellen die we hebben uitgevoerd besluiten dat het erg belangrijk is op hoeveel schermen een film opent. Deze modellen toonden één voor één aan dat op hoe meer schermen een film opent hoe hoger de box office omzet oploopt. Ook Einav (2001) en De Vany & Walls (2003) toonden eerder al aan dat een hoog aantal schermen erg voordeling kan zijn. De enige MPAA-rating die volgens het onderzoek positief significant bleek was de rating PG-13. We hadden dit enigszins verwacht, gezien figuur 3 van in de literatuurstudie dit ook al aangaf. Daar zagen we dat er relatief gezien veel minder films werden gemaakt met een rating PG-13 vergeleken met films van andere ratings. Maar toch brengt dit genre opmerkelijk meer op. Zo kunnen we concluderen dat volgens het onderzoek films met een rating PG-13 de meeste kans maken om succesvol te zijn. Films die voor het maken van de film al een publiek hebben, werd in de literatuur “symbolicity” genoemd. Wij refereren naar de term “pre-sold”. Daarmee wilden we onderzoeken of een bekend thema meer kans op slagen heeft dan andere. Uit het onderzoek bleek dat vooral sequels het uitstekend deden. Alsook remakes en films gebaseerd op strips of series doen het goed in de box office. We merkten dit bovendien ook aan de tabel van de gemiddelden. Simonet (1987) en Ravid (1999) gaven dit eerder al aan in de literatuurstudie. Vervolgens komen we tot op het moment wanneer de film gelanceerd wordt. Deze factor hebben we willen in kaart brengen door de belangrijkste weekends en periodes aan te duiden. Uit het onderzoek bleek dat over het algemeen de kerst en zomerperiode een belangrijke tijd is voor nieuwe films. Films die in deze periode uitkwamen konden volgens het onderzoek van meer publiek genieten en dus een hogere omzet draaien. Bovendien bleek in het binnenland ook het Thanksgivingsweekend belangrijk voor de filmindustrie. De resultaten van het onderzoek gaven verder geen significante verschillen meer weer. Vele auteurs zijn het erover eens dat Oscars of awards veel kunnen bijdragen tot het succes van een film. Men wijst er zelfs op dat bepaalde categorieën meer zouden opbrengen dan andere. Aangezien wij te weinig data hadden om onderscheid te kunnen maken tussen de verschillende categorieën hebben we ons moeten beperken tot Oscarwinnaars en Oscargenomineerde films in het algemeen. Het onderzoek toonde aan dat Oscarwinnaars significant meer opbrachten dan andere. Terwijl Oscar genomineerde films steeds significant negatief waren. Dit zou willen zeggen dat genomineerde films gedoemd zijn slechter te presteren in de box office. Dit lijkt niet te kloppen met wat we in de literatuur zagen. Daarom veronderstellen we dat deze uitkomst te wijten zal zijn aan de weinige data die voor handen was voor deze variabele.

58

Tenslotte zagen we nog dat het financiële succes van films geen cyclisch gedrag vertonen. Toch merken we op dat volgens de verschillende de regressies die we uitvoerden films in het jaar 2009 het minder goed deden. Dit zou kunnen te wijten zijn aan het weglaten van de grootste kaskraker allertijden, Avatar of door de economische recessie die toen plaats heeft gevonden. Als we de modellen in het algemeen bekijken zien we dat de modellen met het productiebudget incluis de best verklarende of voorspellende modellen zijn. Zo kunnen we aan de hand van deze regressiemodellen zowel bij de internationale als bij de binnenlandse te verklaren variabelen tot 70 % van de inkomsten voorspellen. Op die manier kunnen we ook concluderen dat het productiebudget een van de meest verklarende of voorspellende variabelen is. Met andere woorden het productiebudget draagt erg veel bij tot het succes van een film. Hoe hoger het productiebudget, hoe hoger de box office inkomsten zullen oplopen. Films die het minste risico lopen en de kans op een succes vergroten is een combinatie van de volgende factoren in beste omstandigheden: sequels/prequels, animatiegenre, een PG-13 rating toegewezen krijgen, op zoveel mogelijk schermen en tijdens de kerst of zomer gelanceerd worden, zoveel mogelijk sterren en hopen op enkele goede recensies en Oscars. Als laatste willen we toch nog enkele zaken verduidelijken. Aangezien elke film een volledig nieuw product is loopt de filmindustrie altijd risico. We kunnen nooit met 100% zekerheid het succes van een film voorspellen of verklaren. We kunnen enkel de kans op succes vergroten maar daar blijft het bij. Bijkomend willen we kort nog even de te verklaren variabele appreciatie succes bespreken. We kunnen hierbij besluiten dat ook sterren belangrijk zijn voor een hoge score. Verder is ook het genre net zoals het productiebudget van belang. We stellen vast dat er weinig variabelen significante verschillen aantoonden. Toch kunnen we ongeveer 70% van de IMDB-score voorspellen of verklaren aan de hand van de modellen. Ook kunnen we besluiten dat de resultaten van de andere financieel te verklaren variabelen slechts gedeeltelijk in de lijn liggen met deze te verklaren variabele.

59

Bibliografie Adler, M. (1985). Stardom and talent. American Economic Review 75, March, 208-212. Ainslie, A., Dreze X., & Zufryden, F. (2005). Modeling Movie Life Cycles and. Market Share. Marketing Science, 24 (3), 508-17. Albert, S. (1998). Movie Stars and the Distribution of Financially Successful Films in the Motion Picture Industry. Journal of Cultural Economics, 22, 249–270. Bagella, M., & Becchetti, L. (1999). The determinants of motion picture box office performance: Evidence from movies produced in Italy. Journal of Cultural Economics, 23(4), 237–256. Basuroy, S. & Chatterjee, S. (2007). Fast and frequent: Investigating box office revenues of motion picture sequels. Journal of Business Research, 61, 798 - 803 Box office data. (2010, 8 mei) Geraadpleegd op 15 maart 2010 op het World Wide Web: http://boxofficemojo.com/ Box office data, movie stars and Idle speculation. (2010, 8 mei) Geraadpleegd op 15 maart 2010 op het World Wide Web: http://www.the-numbers.com/movies/ Butler, M., Terry, N., De'Armond D. (2004). Critical Acclaim and The Box Office Performance of New Film Releases. Academy of Marketing Studies Journal January, 1 Chevalier, J. & Mayzlin, D. (2003). The Effect of Word of Mouth on Sales: Online Book Reviews. Nietgepubliceerd rapport. Yale school of Management. Chisholm, D. C. (2000). The War of Attrition and Optimal Timing of Motion-Picture Releases. Nietgepubliceerd rapport, Lehigh universiteit, (Juli). De Vany, A. & Walls, W. D. (2003). Hollywood Economics: How Extreme Uncertainty Shapes the Film Industry. London: Routledge Dekom, P. J. (1992). Movies, money and madness. In J. E. Squire (ed.), The Movie Business Book. New York: Fireside. Delmestri, G., Montanari, F., & Usai, A. (2005). Reputation and strength of ties in predicting commercial success and artistic merit of independents in the Italian feature film industry. Journal of Management Studies, 42(5), 975–1002.

60

Deuchert, E., Adjamah, K. & Pauly, F. (2005). For Oscar Glory or Oscar Money? Academy Awards and Movie Success. Journal of Cultural Economics, 29, 159–176 Dodds, J. C. & Holbrook, M. B. (1988). What's An Oscar Worth? An Empirical Estimation of the Effects of Nominations and Awards on Movie Distribution and Revenues. Current Research in Film: Audiences, Economics, and Law Einav, L. (2001). Seasonality and Competition in Time: An Empirical Analysis of Release Date Decisions in the U.S. Motion Picture Industry. Niet-gepubliceerde studie, Harvard University. Elberse, A. & Eliashberg, J. (2003). Demand and Supply Dynamics for Sequentially Released Products in International Markets: The Case of Motion Pictures. Marketing Science 22 (3, Summer), 329-354. Eliashberg, J. & Shugan, S.M. (1997). Film critics: Influencers or predictors? Journal of Marketing, 61(April), 68-78. Faber, R. J. & O'Guinn T. C. (1984). Effect of Media Advertising and Other Sources on Movie Selection. Journalism Quarterly, 61, (Summer), 371-377. Fee, C.E. (2002). The Costs of Outside Equity Control: Evidence from Motion Picture Financing Decisions. Journal of Business, 75, 681–711 Floor, J.M.G. & Van Raaij, W.F. (2006) Marketingcommunicatiestrategie (5 ed). Nederland: Stenfert Kroese Goldman, W. (1983). Adventures in the Screen Trade: A Personal View of Hollywood and Screenwriting. New York: Grand Central Publishing. Hennig-Thurau, T., Walsh, G. & Wruck, O. (2001). An Investigation into the Factors Determining the Success of Service Innovations: The Case of Motion Pictures. Academy of Marketing Science Review, 6. Hollywood reporter (2004). Motion Picture Industry and Advertising. Geraadpleegd op 20 maart 2010 op het World Wide Web: http://www.hollywoodreporter.com/ Internet Movie Database. (2010, 8 mei). Geraadpleegd op 15 maart 2010 op het World Wide Web: http://www.imdb.com/ en http://www.imdbpro.com/ Jansen, C. (2005). The performance of German motion pictures, profits and subsidies: Some empirical evidence. Journal of Cultural Economics, 29, 191–212.

61

Kalender van de Verenigde Staten. (2010, 8 mei) Geraadpleegd op 15 maart 2010 op het World Wide Web: http://www.timeanddate.com/calendar/?year=2009&country=1 Lehmann, D.R., & Weinberg, C.B. (2000). Sales Through Sequential Distribution Channels: An Application to Movies and Videos. Journal of Marketing, 64(3) 18-33. Levene, C. (1992). Marketing Art-films to College Students. Niet-gepubliceerd rapport, Pennsylvania The Wharton School. Litman, B. R., en Kohl, L. (1989). Predicting financial success of motion pictures: The 80's experience. Journal of Media Economics 2, Fall, 35-49. Litman,B . R. (1983). Predictingt he success of theatrical movies: An empirical study. Journal of Popular Culture 17, Spring, 159-75. Mehta, S. (2006, 23 mei). The future of Hollywood: Money Men. Fortune. Moul, C. C. & Shugan, S. (2005). Theatrical Release and the Launching of Motion Pictures In C. C. Moul (Ed.) Concise Handbook Of Movie Industry Economics.(pp. 80 – 138). British Isles: Cambridge University Press MPAA (2004). Theatrical market statistics. Niet-gepubliceerd rapport, Los Angeles. MPAA (2009). Theatrical market statistics. Niet-gepubliceerd rapport, Los Angeles. Neale, S. & Smith, M. (Eds.) (1998). Contemporary Hollywood Cinema. Londen: Routledge. Nelson, P. J. (1975). The economic consequences of advertising. Bus. 48, 213–241. Nelson, R. A., Donihue, M. R., Waldman, D. M. & Wheaton, C. (2001). What's an Oscar Worth? Economic Inquiry, 39(1), 1-16. Overzicht recensies. (2010, 8 mei). Geraadpleegd op 15 maart 2010 op het World Wide Web: http://www.rottentomatoes.com/ Prag, J., & Casavant, J. (1994). An Empirical Study of the Determinants of Revenues and Marketing Expenditures in the Motion Picture Industry. Journal of Cultural Economics, 18, 217-235. Radas, S. & Shugan, S. M. (1998). Seasonal Marketing and Timing New Product Introductions. Journal of Marketing Research, 35(3), 296-315.

62

Ravid, S. A. (1999). Information, Blockbusters, and Stars: A Study of the Film Industry. Journal of Business, 72(4), 463-492. Ravid, S.A. & Basuroy, S. (2004). Executive Objective Function, the R-Rating Puzzle and the Production of Violent Movies. Journal of Business 77(suppl.), S155–S192. Reinstein, D.A., & Christopher M.S. (2000). The Influence of Expert Reviews on Consumer Demand for Experience Goods: A Case Study of Movie Critics. Niet-gepubliceerde studie. University of CaliforniaBerkeley en George Washington University. Rosen, S. (1981). The economicso f superstars. American Economic Review, 71 ,December, 845-58. Sharda, R. & Delen, D. (2006). Predicting Box Office Success of Motion Pictures with Neural Networks. Expert Systems with Applications, 30, 243-254. Shugan, S. (2006). The motion picture industry: critical issues in practice, current research, and new research directions. Marketing Science, November. Simonet, T. (1987). Conglomerates and Content: Remakes, Sequels, and Series in the New Hollywood. Current Research in Film: Audiences, Economics, and Law, 3, 154-162. Simonoff, J. & Sparrow, I.R. (2000). Predicting Movie Grosses: Winners and Losers, Blockbusters and Sleepers. Chance, 13, 15–24. Sochay, S. (1994). Predicting the Performances of Motion Pictures. Journal of Media Economics, 7(4), 120. Sorenson, O. & Waguespack, D. (2003). Social Networks and Exchange: Self-Confirming Dynamics in Hollywood. Niet-gepubliceerd rapport, November. Standaard (2010, 03 januari). ‘Avatar’ haalt wereldwijd al 1 miljard dollar binnen. The SuperStar Index at MovieActors.com. (2010, 8 mei). Geraadpleegd op 15 maart 2010 op het World Wide Web: http://www.movieactors.com/superstars.html Thompson, K. & Bordwell, D. (1994) Film History. An introduction. London: McGRaw-Hill. Wallace, W. T., Seigerman, A., & Holbrook, M. B. (1993). The Role of Actors and Actresses in the Success of Films: How Much is a Movie Star Worth? Journal of Cultural Economics, 17(1), 1-27. Walls, W. D. (2004). Revenues, profitability, and returns: Clinical analysis of the market for mobster films. International Journal of Business and Economics, vol.3, no.2, 93-106, 63

Wyatt, R. O. & Badger, D. P. (1984). How Reviews Affect Interest in and Evaluation of Films. Journalism Quarterly, 61, 874-878. Zhang, N. & Kadiyali, V. (2006). Evolution of Preannouncements and Their Impact on New Product Release Timing: Evidence from the U.S. Motion Picture Industry. Niet-gepubliceerd rapport. Johnson School Research Paper Series, #11-07, Cornell University. Zufryden, Fred (1996). Linking Advertising to Box Office Performance of New Film Releases: A Marketing Planning Model. Journal of Advertising Research, 36 (7/8), 29-41. Zufryden, Fred (2000). New Film Website Promotion and Box-Office Promotion. Journal of Advertising Research, 40 (1/2), 55-64.

64