年第15期总第96期）
2020年11月11日
2019影视IP剧粉丝经济研究报告
——探究IP剧影响力与变现的相关因素
文创金融研究中心温静金焕鑫戎静
数据提供清博大数据
【摘要】近年来，影视IP剧不断涌现爆款，短时间内迅速崛起并快速发展，具有广阔的商业价值。
IP剧的发展一定程度上依托粉丝经济变现，将内容转化为消费。
而日新月异的泛娱乐化时代，粉丝经济的发展也在发生巨大的变化。
本研究以2019影视IP剧粉丝经济作为研究对象，通过双变量相关性分析、典型相关性分析等方法，对IP剧原著、主演、主创、营销与IP剧影响力及变现之间的关系进行深入分析，探究影视IP剧变现的影响因素，以期对影视IP剧粉丝经济的发展有更深刻的理解。
通过本研究发现：高热度的原著可以全方位提升IP剧表现及变现；“流量明星”对IP剧仍存在巨大营销价值；相 较于制片人，导演编剧更易引起公众对于剧集的关注；营销行为可以多方位提振影视剧表现。
关键词：IP剧；粉丝经济；原著；主演；主创；营销 目录 1引言..................................................11.1研究背景............................................11.2数据与指标..........................................4 2描述性统计及正态验证...................................5 32019IP剧粉丝经济研究双变量相关性分析..................73.1IP原著：自带受众流量，创意核心与情绪资本............73.1.1IP原著与IP剧影响力的关系.......................93.1.2IP原著与IP剧变现的关系........................123.2IP剧主演：迎合粉丝喜好，符号价值与情感认同.........133.2.1IP剧主演与IP剧影响力的关系....................153.2.2IP剧主演与IP剧变现的关系......................203.3IP剧主创：形成品牌效应，通过品质提升口碑...........213.3.1IP剧主创与IP剧影响力的关系....................233.3.2IP剧主创与IP剧变现的关系......................263.4IP剧营销：增强粉丝黏性，提高热度以突破圈层.........273.4.1IP剧营销与IP剧影响力的关系....................303.4.2IP剧营销与IP剧变现的关系......................32 42019IP剧粉丝经济研究典型相关性分析...................334.1IP原著与IP剧影响力及变现之间的关系................404.2IP剧主演与IP剧影响力及变现之间的关系..............424.3IP剧主创与IP剧影响力及变现之间的关系..............444.4IP剧营销与IP剧影响力及变现之间的关系..............45 4.5IP剧表现与变现之间的关系..........................465结论.................................................48参考文献...............................................53 ResearchReport November11,2020 ThefaneconomyofIPTeleplaysResearchReport2019–AstudyofthefactorsconcerningIPTeleplaysinfluence andcashability CenterforCulturalandCreativeFinanceWENJing,JINHuanxinandRONGJing Abstract:Recently,“IPTeleplays”appearcontinuously,whichhaverapidlyrisenanddevelopedinashorttimewithmercialvalue.Toacertainextent,thedevelopmentofIPTeleplayreliesontherealizationoffaneconomy,turningitscontentintoconsumption.Intheever-changingeraofpan-entertainment,thedevelopmentoffaneconomyisalsoundergoingtremendouschanges.ThisresearchfocusesonthefaneconomyofIPTeleplaysin2019,whichanalyzestheinfluenceandcashabilityoftheiroriginalwork,mainactors,creativeteamsandmarketingthroughbivariatecorrelationanalysisandcanonicalcorrelationanalysis.ItaimstohavingamoreprofoundunderstandingofthedevelopmentofIPTeleplay’sfaneconomy.Throughthisstudy,itisfoundthatpopularoriginalworksprehensivelyimprovetheperformanceofIPTeleplaysandsuperstarsstillhavegreatmarketingvaluetoIP Teleplays.Meanwhile,directorsandwritersaremorelikelytoattractpublicattentiontoteleplaysthanproducers.Atthesametime,marketingbehaviorcanalsoboosttheperformanceofIPTeleplaysinvariousaspects.Keywords:IPTeleplay,FanEconomy,OriginalWork,MainActors,CreativeTeam,Marketing 1引言 1.1研究背景IP全称IntellectualProperty，本意为知识产权，在影视 行业内更多指代网络小说、游戏、漫画等作品形式，在这其中网络小说又是IP剧市场的主力，通过这种艺术形式改编成影视剧已经在近年成为了新趋势。
IP剧的变化历程主要可以分为三个阶段。
第一阶段：早期IP剧时期以金庸剧为代表的剧集阶段并不是当下意义的IP剧，但其奠定了绝大多数翻拍影视剧的基调。
金庸作品1955年开始在报纸上连载，一直持续到1972年结束，在1970年金庸也开始了长达十年的对自己作品的修改工作，后来的二十余年里除了港台地区，新加坡等周边国家也加入了这波潮流，21世纪以后金庸IP开始在大陆市场爆发。
第二阶段：从上星剧到网剧早期的IP剧和其他剧集一样，唯一的发行放映渠道是卫视。
例如当时改编自同名小说的《步步惊心》成为首部单集网络播放量破亿的电视剧，并帮助获得其首播权的湖南卫视在放映期间牢牢占据收视冠军的地位，后又被环球影业购买版权成为了早期“走出去”的代表。
1 2010年以后随着互联网的加速普及，网剧的发展逐渐成为剧集的另一个出口。
《太子妃升职记》在2015年上映48小时移动端放映数破千万成为现象级剧集，也是乐视同年取得新增220万会员优秀成绩的主要推手。
低制作、小成本，依靠优秀的制作口碑发酵的打法助力2015年成为了“网剧元年”。
第三阶段：IP剧爆发阶段IP剧的发展离不开政策因素，2014年广电总局颁布了“两剧一星”新规，新政策的颁布施行从根本上改变了行业格局。
迫使视频网站聚集编剧、剧本，与影视公司合作尝试自制剧。
随即一批高质量作品的出现一度把网剧发展推到了高潮。
到了现在IP剧的发展暂时告别粗放发展，进入精耕细作阶段。
自2015年以来，IP剧数量占据到了八成，主要IP剧的豆瓣评分也从4分快速上升。
2018年主要IP剧豆瓣平均分已经超过6分，我们搜集的2019年上映的39部IP剧平均分更是达到了7.3分。
IP剧的快速发展引起了行业内各方对IP的重新审视。
视频平台方面，优爱腾早已大规模布局IP生态。
腾讯将文学网站阅文收入旗下，爱奇艺也启动了“云腾计划”打通文学、网剧和网大的IP生态，优酷所属的阿里通过阿里文学IP影视顾问团，扶持作家打造“超级IP生态圈”，斥资上亿元签约网络作家，并投入超过2000万元奖励原创作品。
2 制作公司方面，涌现了一批创作出热门、甚至爆款IP剧的公司，如慈文传媒、正午阳光等。
粉丝经济目前已经成为社会热门话题，其泛指架构在粉丝和被关注者关系之上的经营性创收行为，是一种通过提升用户粘性并以口碑营销形式获取经济利益与社会效益的商业运作模式。
现在，互联网突破了时间、空间上的束缚，粉丝经济被宽泛地应用于文化娱乐、销售商品、提供服务等多领域。
商家借助特定的平台，通过某个兴趣点聚集朋友圈、粉丝圈，给粉丝用户提供多样化、个性化的商品和服务，实现盈利。
IP剧也是这样的商品或服务，其在影视行业多指拥有较大粉丝基础的文学作品等作为原始素材被授权给影视公司进行深度开发与传播，是具有高辨识度、自带流量、变现能力强和变现周期长的文化符号。
2018年TOP50的剧集中，有32部是IP改编剧。
据《中国电视剧风向标报告2019》，截止到2019年11月，播放量排名前10的网络剧中就有9部属于IP改编剧。
IP剧带来的还有从“观众”到“粉丝”的转变。
不同于一般观众，IP剧粉丝会在观剧过程中积极进行信息反馈、交流互动和生产创造，并在这样的过程中由原本独立的个体粉丝逐渐演变成粉丝社群，拥有强大的消费能力和创造能力，从而形成支撑IP剧存活和发展的重要动力。
那么，在IP剧形成社会影响力以及变现的过程中，粉丝的
3 影响究竟如何呢？本报告通过搜集以粉丝为核心展开的相关数据，探究影响IP剧影响力以及变现的相关因素。
1.2数据与指标数据来源是清博大数据通过公开资料全网搜集，选取的对象 是宣发、播放等流程均在2019年内完成的39部IP剧，包括《陈情令》、《亲爱的热爱的》、《长安十二时辰》等热门剧集。
为了刻画IP剧及粉丝的特点，我们从“原著”、“主演”、“主创”、“营销”四个方向共计112个维度进行数据搜集，例如粉丝量、粉丝画像、全网传播量等角度。
在IP剧影响力及变现方面，搜集了这些剧集的粉丝量、播放量、传播量以及剧集周边产品销量、广告植入等21个维度的数据。
从数据上看整体有如下几个特点：
1、原著总体质量很高，豆瓣平均分达7.3分；
2、IP剧整体质量尚可，6.2的平均分略高于大陆影视剧的豆瓣均分5.6分；
3、IP剧舆情热度差距极大，在这39部IP剧中微信提及数差距接近6000倍，微博提及数差距更是接近20万倍；
4、女性观众是粉丝经济的主力，在观剧上《暗恋橘生淮南》、《八分钟的温暖》、《满满喜欢你》、《最动听的事》等剧，女粉丝占比超过80%，而即使如《长安十二时辰》等以男性视角出发的IP剧，女粉占比也达到49%，总体而言女粉平均占比为68%；在原著上平均女粉占比超过70%，女粉占
4 比不到一半的原著小说仅有5部；在主演上官方宣布主演的前2位，粉丝画像里女粉占比均超过65%。
下文数据均采用IBMSPSSStatistics24.0统计软件进行统计学分析，由于不符合正态分布，因此选用斯皮尔曼等级相关和典型相关性。
P<0.05为具有显著性差异，具有统计学意义。
2描述性统计及正态验证 在原著吸粉能力维度上，原著超话粉丝数量平均数为52803.41，中位数为5957，四分位数为（1057,52803）；原著超话帖子数量平均数为10946.45，中位数为1956，四分位数为（823,10946.45）。
在主演吸粉能力维度上，主演1超话粉丝量平均数为522049.4，中位数为109000，四分位数为（23000,767000）；主演1超话粉丝量平均数为475763.9，中位数为67000，四分位数为（5686,181000）。
在主演百度指数维度上，主演1播剧前一年百度指数平均数为208745，中位数为9221，四分位数为（3966,21089）；主演1开播期间及至播放后三个月百度指数平均数为275373.2，中位数为14316，四分位数为（6466,132994）；主演2播剧前一年百度指数平均数为169336.4，中位数为3605，中位数为（1413,16317）；主演2开播期间及至播放后三个月百度指数平
5 均数为232008.5，中位数为13977，四分位数为（3272,39063）。
在IP剧吸粉能力维度上，剧粉丝数平均数为490737.4，中 位数为211000，四分位数为（52145,567000）；剧超话个数平均数为12515.36，中位数为1678，四分位数为（13,12515.36）；剧超话粉丝数平均数为37223.52,中位数为5235，四分位数为（877,37223.52）。
在检验结果上，绝大多数显著性都p＜0.05，因此本文在双变量相关性方面选择斯皮尔曼等级相关。
6 32019IP剧粉丝经济研究双变量相关性分析 3.1IP原著：自带受众流量，创意核心与情绪资本近年来，基于网络小说IP的改编作品频繁出现在大小荧幕， 原创剧本大大缩减。
网络作品自带知名度和大量粉丝网络作品自带知名度和用户群，在网生代心目中占据着重要地位，且对其衍生品的购买意愿比较高，这是资本热衷改编网络小说是资本热衷改编网络小说的原因之
一。
由于原著的忠实粉丝奠定了广泛的受众基础和消费基础的受众基础，网络IP剧本身自带受众流量。
网络文学与传统文学相比较更注重商业性，注重读者体验，平台的开放性高，受众的阅读门槛较低，因此积累了广泛的受众
1。
根据比达咨询的数据显示，2019年我国数字阅读用户规模达7.4亿人，其中网络文学用户规模达到4.6亿人，同比增长8.3%，市场规模达到204.8亿元，同比增长21.0%；阅文、掌阅、书旗三大数字阅读平台分别占据市场的前三位。
如此庞大的受众群体提供的阅读量也为网络剧的流量奠定了基础。
如在2019年夏季腾讯视频热播的网络IP剧《陈情令》，上线仅一周就达到了2.8亿次点击量，正片累计有效播放次数达46亿，并在微博形成超过4000万次讨论。
《陈情令》改编自晋江网络写手墨香铜臭的网络小说《魔道祖师》，连载期间一年全文点击量破10亿，关 1邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60.7 于“#魔道祖师#”的微博话题阅读量达到193.4亿，讨论量达1015.9万；关于剧中角色“#忘羡#”的微博话题阅读量达到92.8亿，讨论量达到439.4万。
可以看出，原著读者对IP相关文学作品进行阅读后，逐步建立起对角色的情感，成为“粉丝”，这种情感会让他们对改编的网络IP剧倍加期待，成为收视及消费群体的潜在人群。
然而并不是所有的IP都有商业价值，IP着重指向内容，只有头部优质IP才具有与粉丝经济合流的价值。
优质网络文学IP可以等同于好的故事和角色，这也成为改编影视作品的创意核心和成功基础。
其次，网络小说具备相对复杂的人物关系和人物秘密，和基本的故事框架，这一特性也为编剧提供了较为丰富的材料。
原著因素主要包含23个子维度，分别为：原著微博超话粉丝数量、原著微博超话帖子数量、原著豆瓣评分、原著电商销量（由淘宝+天猫、当当、京东三个维度数据合并）、原著粉丝女性占比、原著20到29岁粉丝占比、原著30到39岁粉丝占比、原著微信提及数、原著微博提及数、原著网页提及数、原著论坛提及数、原著客户端提及数、原著报刊提及数、原著头条提及量、原著视频提及量、原作者微信提及数、原作者微博提及数、原作者网页提及数、原作者论坛提及数、原作者客户端提及数、原作者报刊提及数、原作者头条提及量、原作者视频提及量。
8 3.1.1IP原著与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 原著超话粉丝数量.360*.460**.519**0.094-.355*.381*-0.065-0.0530.228-.345*.354*0.245.326*0.2830.260.2920.179.339*0.182 原著超话帖子数量0.289.470**.498**0.095-0.2790.2440.041-0.0550.205-.381*0.3170.248.351*0.3110.3050.2970.213.345*0.125 表3.1斯皮尔曼等级相关分析表（原著-IP剧影响力） 原著豆瓣原著电商销原著粉丝女原著20到29原著30到39 评分 量 性占比 岁粉丝占比岁粉丝占比 0.246 0.131 -0.143 -0.117 .357* 0.156 .471** 0.051 -.340* 0.297 0.271 .364* 0.056 -.387* .332* -0.163 0.058 .721** -0.208 0.041 0.118 -.341* -.551** .562** -0.302 -0.022 0.183 0.278 -.393* .769** -.373* -0.112 0.236 0.229 -0.19 .338* 0.091 -0.152 -0.201 0.127 0.16 0.113 0.028 0.059 0.202 0.223 0.067 -0.212 -0.084 0.277 .358* 0.299 0.052 -0.223 0.25 0.242 .383* 0.034 -0.221 0.306 0.25 .484** 0.152 -.470** .324* .331* .336* 0.106 -0.302 .318* 0.31 .381* 0.062 -0.245 .349* 0.23 .393* 0.135 -.328* .400* 0.285 0.133 0.005 -0.188 0.138 0.174 .355* 0.157 -.342* .361* 0.021 0.257 0.192 -0.197 .428** 原著微信提
及数.321*0.0760.118-0.167-0.1230.21-0.011-0.0480.133-0.0130.13.487**.459**.582**.475**.474**.454**.448**0.28 原著微博提及数.345*0.245.359*-0.089-0.1570.1730.0210.0060.108-0.002.329*.593**.673**.679**.593**.568**.575**.526**.357* 原著网页提及数.368*0.090.18-0.161-0.1320.1830.074-0.0310.217-0.0580.105.483**.473**.600**.501**.462**.483**.433**0.237
9 原著论坛提及数 原著客户端提及数 原著报刊提及数 原著头条提及量 原著视频提及量 原作者微信提及数 原作者微博提及数 原作者网页提及数 原作者论坛提及数 剧粉丝数 .493** .365* 0.307 剧超话个数 0.23 0.165 0.044 剧超话粉丝数 0.268 0.204 0.124 剧女粉比例 -0.257
-0.169 -0.18 剧20到29 -0.078-0.215-0.137 剧30到39 0.268 0.254 0.1 播出的网络平台数量-0.085 0.038 0.135 优酷播放数量 -0.033 -0.11 -0.077 腾讯播放数量 0.2 0.263 0.135 爱奇艺播放数量 0.031 -0.065
-0.069 剧豆瓣 0.307 0.164 0.097 剧微信提及数 .592**.496**.452** 剧微博提及数 .610**.482**.409** 剧网页提及数 .673**.605**.587** 剧论坛提及数 .666**.513**.439** 剧客户端提及数 .573**.491**.473** 剧报刊提及数 .519**.457**.468** 剧头条提及量 .515**.455**.474** 剧视频提及量 .401* 0.297 0.186 注：***.在0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
.344*0.1370.184-0.182-0.2080.2260.069-0.0630.231-0.110.129.507**.484**.633**.531**.513**.494**.491**0.312 .324*0.2420.136-0.132-0.265.441**0.014-0.1880.252-0.0260.167.461**.323*.502**.500**.513**0.313.462**.737** .440**.455**.606**-0.246-0.1920.2460.053-0.2280.123-0.0770.187.508**.440**.599**.456**.498**.584**.417** 0.14 .435**.406*.545**-0.117-0.1860.2370.037-0.2070.146-0.070.236.531**.493**.652**.501**.525**.600**.444**0.168 .462**.453**.576**-.316*-0.1180.3070.126-0.2210.213-0.1370.204.525**.387*.610**.507**.512**.573**.427**0.247 .465**.501**.577**-0.211-0.173.335*-0.009-0.2660.233-0.0660.225.480**.465**.563**.486**.469**.531**.381*0.245 原作者客户端提及数 .481**.497**.577**-0.245-0.1330.2730.088-0.2170.203-0.0790.201.577**.481**.662**.546**.570**.601**.476**0.26 原作者报刊提及数.385*.410**.567**-.384*-0.1280.2810.117-0.1940.127-0.1220.118.415**0.265.507**.366*.416**.498**.336*0.082 原作者头条提及量 原作者视频提及量 .424**.480**.571**-0.265-0.1430.2810.119-0.2220.186-0.0850.182.542**.420**.627**.497**.533**.582**.440**0.217 .339*.345*.381*-0.176-0.0570.1850.027-0.2450.2320.0560.083.444**.367*.490**.438**.428**.418**.325*0.24 10
（1）“原著电商销量”与“剧超话个数”、“剧超话粉丝数”的相关系数分别在5%、10%的置信水平上显著相关。
表明原著销售成绩优秀能带动剧集吸粉或者剧集的粉丝热度能促进原著的销售。
（2）“原著20-29”与“剧20-29”；“原著30-39”与“剧3039”的p值均在5%的置信水平上显著正相关。
表明原著粉丝年龄层与剧集受众年龄层有显著的对应关系。
原著20-29岁的年轻群体与剧集粉丝人气、剧集传播热度（微博、客户端、头条）呈负相关，而30-39岁群体与剧集粉丝人气、剧集传播热度呈正相关，表明较为年轻的群体对于原著翻拍剧集、以及对于剧集传播粘性不足，相对比较难以转化。
（3）原著超话粉丝数、传播热度与剧集粉丝数、传播热度呈正向显著相关，说明原著的人气与热度对剧集粉丝人气与热度有正向相互拉动的关系；但同时数据表明，原著的口碑（原著豆瓣评分）对于剧集的粉丝人气并没有显著的相关性。
11 3.1.2IP原著与IP剧变现的关系 表3.2斯皮尔曼等级相关分析表（原著-IP剧变现情况） 周边销量前
十 广告植入总和 原著超话粉丝数量 .436** 0.002 原著超话的帖子数量 .494** 0.062 原著豆瓣 -0.063 .345* 原著电商销量 0.277 0.005 原著粉丝女性占比 0.092 -0.206 原著
20到29占比 -0.234 0.015 原著30到39占比 0.289 -0.026 原著微信提及数 0.157 0.295 原著微博提及数 0.207 .495** 原著网页提及数 0.144 .387* 原著论坛提及数 0.312 .448** 原著客户端提及数 0.191 0.295 原著报刊提及数 0.123 0.301 原著头条提及量 0.162 0.314 原著视频提及量 0.288 0.078 原作者微信提及数 0.179 .350* 原作者微博提及数 0.211 .481** 原作者网页提及数 0.25 .378* 原作者论坛提及数 0.271 .376* 原作者客户端提及数 0.267 .412** 原作者报刊提及数 0.088 .324* 原作者头条提及量 0.221 .372* 原作者视频提及量 0.159 0.269 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
在变现对比中，我们将原著的23个子维度与剧集的广告植入数量、剧集相关周边在淘宝的销量进行了相关性分析，得到以下发现：
（1）原著的粉丝数量、讨论热度、原著销量与剧集的周边销售呈显著正向相关；
（2）原著口碑（原著豆瓣评分）、原著传播热度、原著作者 12 的传播热度与剧集的广告植入呈显著正向相关。
3.2IP剧主演：迎合粉丝喜好，符号价值与情感认同尽管原著IP拥有数目庞大的粉丝群体，但在其发酵为成功 的粉丝经济产物的过程中，原著IP本身所占的分量有限，流量明星出演吸引大批粉丝追捧是粉丝经济繁荣中更重要的一部分而由于明星演员出演吸引大批粉丝捧场造成的粉丝经济繁荣，是其中更重要的一环
2。
从剧集角度上来说，流量明星出演是IP剧吸引粉丝的重要手段。
IP剧常常采用“热门优质IP+流量明星”的模式，一方面通过热门优质IP保证内容品质，另一方面通过流量明星的参演吸引受众，从而提高收视率和市场占有率。
因此，为了降低IP剧的市场风险，IP剧在挑选演员的过程中不仅要考虑到与角色的贴合度，还要考虑到出演明星是否有强大的粉丝基础和粉丝号召力。
从粉丝消费心理的角度，粉丝追星行为包含粉丝对于明星的认同、仰慕等情绪，明星于他们而言是一种符号，追星消费是其追求符号价值的行为。
同时，粉丝在追星过程中情感的投入，也使其在消费过程中获得一定情感认同。
因此，IP剧选取流量明星参演，能够通过迎合粉丝喜好的方式吸引粉丝消费。
2朱丽丽.混杂式粉丝经济:网络IP、明星与粉丝社群[J].媒介批评,2019(00):49-63.13 在本报告的数据采集中，主演因素主要包含38个子维度，分别为：主演1超话粉丝量、主演2超话粉丝量、主演1女粉占比、主演1粉丝20到29岁占比、主演1粉丝30到39占比、主演2女粉占比、主演2粉丝20到29岁占比、主演2粉丝30到39占比、主演1播剧前一年百度指数、主演1开播期间及至播放后3个月百度指数、主演2播剧前一年百度指数、主演2开播期间及至播放后3个月百度指数、主演1综艺数量、主演2综艺数量、主演1封面数量、主演2封面数量、主演1获奖数、主演2获奖数、主演1代言数（剧播1年前）、主演1代言数（开播期间及至播放后3个月）、主演2代言数（剧播1年前）、主演2代言数（开播期间及至播放后3个月）、主演1微信提及数、主演1微博提及数、主演1网页提及数、主演1论坛提及数、主演1客户端提及数、主演1报刊提及数、主演1头条提及量、主演1视频提及量、主演2微信提及数、主演2微博提及数、主演2网页提及数、主演2论坛提及数、主演2客户端提及数、主演2报刊提及数、主演2头条提及量、主演2视频提及量。
14 3.2.1IP剧主演与IP剧影响力的关系 表3.3斯皮尔曼等级相关分析表（主演-IP剧影响力） 主演1超话粉丝量 主演2超话粉丝量 主演1女粉占比 主演一20到29 主演一30到39 主演2女粉占比 主演二20到29 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 .554**.444**.483**-0.189-0.1350.261 0.07-0.103.373*0.138 0.17.533**.689**.599**.645**.524**.547**.466**0.288 .347*0.31.402*-0.034-0.1920.2310.25-0.229.350*-0.0390.171.511**.582**.553**.525**.465**.430**.437**0.151 0.0250.0390.085.596**-0.1220.1730.031-0.0510.0440.0320.127-0.0460.0150.037-0.0230.009-0.081-0.0260.105 0.010.0930.024-0.1190.255-0.229-0.030.028-0.075-0.11-0.0160.116-0.0340.0010.0040.0440.1740.0290.006 0.065-0.0330.0290.165-0.1850.1390.147-0.0920.163-0.097-0.014-0.0040.1310.0820.1450.0220.0090.0320.094 0.063-0.0150.036.435**-.360*.348*-0.060.0010.135-0.0930.2230.1490.1730.2450.0650.212-0.0890.2020.158 -0.037-0.244-0.286-0.078.394*-0.1990.144-0.216-0.0010.169-0.314-0.141-0.205-0.098-0.034-0.0830.039 -0.10.013 主演二30到39 0.143.402*.415**0.165-.461**.534**0.114-0.0760.246-0.0790.32.371*.323*.355*0.281.381*0.137.368*.349* 主演1播剧前一年百度 指数.414**0.285.333*-.408**0.122-0.062-0.0610.1330.1660.0390.039.367*.357*.419**.486**.374*.439**.335*0.204 主演1开播期间及至播放后3个月 0.296.452**.503**-0.134-0.1390.194-0.0610.0820.2310.082 0.27.466**.478**.498**.541**.482**.480**.433**.389* 15 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 主演2播剧前一年百度 指数 0.278.408**.401*-0.2650.033-0.0760.0160.0090.227-0.041-0.026.383*0.295.360*.443**.365*.499**.348*0.138 主演2开播期间及至播放后3个月 .467**.596**.643**-0.216-0.1540.2080.0370.025.322*0.0270.292.665**.682**.677**.733**.653**.636**.606**.505** 主演1综艺数量 0.095.404*0.235-0.171-0.1090.0210.032-0.0520.237-0.010.1790.289.382*0.262.340*0.2660.1770.2590.055 主演2综艺数量 -0.027.433**0.252-0.023-0.2240.0860.057-0.0550.266-0.0670.2130.281.397*0.242.384*0.2530.1870.2350.109 主演1封面数量 0.231.535**.457**-0.228-0.190.1490.096-0.064.334*0.0690.298.427**.393*.402*.470**.405*.465**.351*0.255 主演2封面数量 0.0590.1540.102-0.033-0.1360.184-0.07-0.1660.21-0.1580.0410.2340.1320.1680.1630.1760.1420.1410.121 主演1获奖数 .509**.414**.490**-0.283-0.0410.2380.184-0.060.2840.0840.038.617**.587**.632**.637**.604**.646**.555**.327* 主演2获奖数 0.25.374*.431**-0.2360.0240.0780.3060.0460.3130.0740.064.469**.420**.428**.493**.398*.558**.363*0.129 主演1代言数（剧播
1 年前） 0.2760.0290.174-0.026-0.010.038-0.0740.139-0.030.1330.2270.2840.1780.312.337*.318*.412**0.287.317* 主演1代言数（开播期间及至播放后3个月） 0.2980.0550.170.0490.0240.202-0.0280.0840.119-0.093-0.0480.031-0.1480.096-0.0410.0910.0940.0640.105 16 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 主演2代言数（剧播
1 年前） 0.107-0.157-0.038-0.0890.0650.1020.028-0.086-0.126-0.249-0.268-.325*-.327*-0.222-.327*-0.274-0.145-0.286-0.304 主演2代言数（开播期间及至播放后3个月） 0.290.1890.195-0.0820.211-0.015-0.1490.1530.123-0.035-0.0450.204-0.0270.2380.1690.2390.2140.2220.133 主演1微信提及数 .503**.392*.468**-0.191-0.1670.2810.173-0.0720.3010.0970.197.606**.557**.614**.586**.612**.565**.626**0.289 主演1微博提及数 .488**.407*.431**-0.115-0.282.416**0.208-0.1050.3050.1590.229.560**.629**.624**.631**.622**.532**.616**.346* 主演1网页提及数 主演1论坛提及数 主演1客户端提及数 主演1报刊提及数 主演1头条提及量 主演1视频提及量 .502**.386*.458**-0.139-0.222.344*0.204-0.1270.2460.0950.199.616**.591**.629**.617**.645**.576**.653**.368* .478**.445**.501**-0.13-0.253.361*0.179-0.1130.2680.114 0.26.635**.634**.647**.648**.660**.587**.667**.374* .509**.373*.445**-0.14-0.26.365*0.231-0.1570.2360.090.174.603**.568**.616**.603**.642**.572**.649**.384* .500**.370*.475**-0.296-0.0080.2680.153-0.0140.210.152.326*.633**.506**.619**.633**.633**.569**.639**.376* .484**.384*.441**-0.129-0.216.364*0.196-0.1250.2520.1260.208.616**.569**.616**.608**.641**.572**.640**.369* .464**.395*.431**-0.119-0.281.387*0.258-0.1760.2440.10.211.563**.544**.602**.574**.623**.539**.623**.390* 17 主演2微 主演2微 信提及数 博提及数 剧粉丝数 .364* .423** 剧超话个数 .342* .486** 剧超话粉丝数 .419** .504** 剧女粉比例 0.002 0.012 剧
20到29 -0.285 -0.259 剧30到39 0.286 0.274 播出的网络平台数量 .359* 0.247 优酷播放数量 -0.231 -0.098 腾讯播放数量 0.297 .416** 爱奇艺播放数量 -0.014 -0.045 剧豆瓣 0.128 0.29 剧微信提及数 .546** .615** 剧微博提及数 .529** .661** 剧网页提及数 .596** .668** 剧论坛提及数 .599** .674** 剧客户端提及数 .594** .645** 剧报刊提及数 .542** .566** 剧头条提及量 .607** .657** 剧视频提及量 0.299 .327* 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
主演2网页提及数 .403*.421**.472**0.008-0.290.297.349*-0.213.344*-0.045 0.15.619**.590**.666**.668**.663**.592**.670**.362* 主演2论坛提及数.407*.450**.487**-0.016-0.2550.3060.284-0.166.404*-0.0280.194.639**.557**.679**.670**.684**.576**.690**.403* 主演2客户端提及数 .418**.462**.493**-0.03-0.2570.3020.291-0.179.382*-0.0240.181.632**.592**.670**.697**.676**.581**.681**.416** 主演2报刊提及数 .360*.412**.438**-0.008-0.2780.2390.306-0.191.347*-0.0270.206.586**.550**.594**.600**.598**.568**.607**.325* 主演2头条提及量.408**.446**.487**-0.011-0.2730.2840.314-0.178.365*-0.0180.168.616**.596**.659**.681**.660**.580**.668**.381* 主演2视频提及量.383*.476**.471**-0.023-0.2130.2620.256-0.165.353*-0.0450.284.643**.611**.650**.719**.664**.509**.661**.472** 18
（1）主演1、2的粉丝活跃度与剧集粉丝活跃度互呈正相关；主演
1、主演2的粉丝活跃度与剧传播热度呈正向相关。
（2）“主演1女粉占比”、“主演2女粉占比”与“剧女粉占比”的相关系数在5%的置信水平上显著相关。
表明主演的粉丝性别比例与剧集的粉丝性别比例存在一致性。
但同时数据表明，女粉比例与剧集粉丝活跃度、播放量、剧集传播热度没有显著相关性。
（3）主演的热度（主演的百度指数、微信、微博、网页、报刊、头条、视频等）对于剧集粉丝活跃度、传播热度呈显著正向相关，但主演的专业能力（获奖情况）、商业价值（代言情况）对剧集的粉丝活跃度与传播热度没有显著相关。
流量明星仍是剧集获取关注的最重要手段。
19 3.2.2IP剧主演与IP剧变现的关系 表3.4斯皮尔曼等级相关分析表（主演-IP剧变现情况） 周边销量前
十 广告植入总和 主演1超话粉丝量 .374* .432** 主演2超话粉丝量 0.263 .393* 主演1女粉占比 0.147 -0.081 主演一20到29 0.113 0.011 主演一30到39 -0.04 0.072 主演2女粉占比 0.069 -0.082 主演二20到29 0.021 0.07 主演二30到39 0.269 -0.079 主演1播剧前一年百度指数 .344* .495** 主演1开播期间及至播放后3个月 .421** .324* 主演2播剧前一年百度指数 .446** .322* 主演2开播期间及至播放后3个月 .565** .370* 主演1综艺数量 0.091 0.134 主演2综艺数量 0.182 -0.008 主演1封面数量 0.233 0.039 主演2封面数量 -0.074 -0.025 主演1获奖数 0.257 .477** 主演2获奖数 0.252 .324* 主演1代言数（剧播1年前） 0.244 0.077 主演1代言数（开播期间及至播放后3个月） 0.042 0.119 主演2代言数（剧播1年前） -0.125 0.002 主演2代言数（开播期间及至播放后3个月） 0.134 0.25 主演1微信提及数 .440** .403* 主演1微博提及数 .517** 0.311 主演1网页提及数 .474** .356* 主演1论坛提及数 .545** .347* 主演1客户端提及数 .477** .329* 主演1报刊提及数 .454** .428** 主演1头条提及量 .474** .324* 主演1视频提及量 .448** 0.289 主演2微信提及数 .490** 0.258 主演2微博提及数 .593** .379* 主演2网页提及数 .531** .324* 主演2论坛提及数 .533** 0.302 主演2客户端提及数 .551** .320* 主演2报刊提及数 .499** 0.225 主演2头条提及量 .528** 0.311 主演2视频提及量 .571** 0.296 注：***.在0.01级别（双尾），相关性显著。
20 **.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
主演的粉丝数、传播热度与广告植入、周边销售成正向相关，流量明星对于剧集后期变现仍起着重要作用。
3.3IP剧主创：形成品牌效应，通过品质提升口碑主创团队对IP剧集粉丝经济的影响也不容小觑。
例如《欢 乐颂》、《知否知否应是绿肥红瘦》等影视剧的火爆，不仅源于观众对原著IP的认同，更源于对“正午阳光”影视公司品牌的信任。
正午阳光凭借《琅琊榜》、《伪装者》进入观众视野后，再凭借《大江大河》、《都挺好》等多部电视剧，逐步形成良好的市场品牌形象。
而这一品牌建立的核心就在于优秀的制片人为主导，导演专注艺术创作，编剧生产高质量文本相辅相成。
6年16部高分作品，奠定了观众对“正午出品，必属精品”这一口号的认知。
旗下门面导演孔笙执导了《闯关东》、《北平无战事》、《琅琊榜》、《欢乐颂》等大量优秀作品，无一不是一时的话题。
汪俊同样如此，《小欢喜》、《小别离》、《四世同堂》等均豆瓣评分超过8分，其执导的《如懿传》更是在大结局时累计播放达145亿，出售价格高达13.5亿元。
董事长、制片侯鸿亮不仅是编剧更是正午阳光的核心人物，公司团队、艺术团队的凝结很大程度上依赖于他的艺术水准和人格魅力。
但是除了正午阳光以外，国内的影视剧市场下个人品牌相对弱于其他主创的制片人更多是通过把 21 握剧集品质进而影响它们的传播。
主要工作为编写剧本、塑造人物的编剧同样如此，例如创作出《闯关东》、《温州一家人》等优秀作品的高满堂，很大程度上成就了孔笙导演的影史地位。
电影《少年的你》在官宣之初就提出了“七月与安生原班金马团队”，吸引了广泛的关注。
这是由于观众已经认可了金马奖团队的高水准，这样的主创便是对电影品质的一种保证，是一种品牌效应。
主创因素主要包含25个子维度，分别为：导演微博粉丝量、导演微信提及数、导演微博提及数、导演网页提及数、导演论坛提及数、导演客户端提及数、导演报刊提及数、导演头条提及量、导演视频提及量、制片微信提及数、制片微博提及数、制片网页提及数、制片论坛提及数、制片客户端提及数、制片报刊提及数、制片头条提及量、制片视频提及量、编剧微信提及数、编剧微博提及数、编剧网页提及数、编剧论坛提及数、编剧客户端提及数、编剧报刊提及数、编剧头条提及量、编剧视频提及量。
22 3.3.1IP剧主创与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 导演微博粉丝量0.276-0.1310.023-0.3050.292-0.092-0.0960.066-0.0620.269-0.0830.0930.060.1230.1190.1120.0390.1020.087 导演微信提及数0.0540.1070.047-0.052-0.1980.162-0.077-0.0640.103.440**-0.040.1770.0510.2240.0810.2460.1430.2110.117 表3.5斯皮尔曼等级相关分析表（主创-IP剧影响力） 导演微博 导演网页 导演论坛 导演客户 导演报刊 提及数 提及数 提及数 端提及数 提及数 -0.005 0.114 0.163 0.118 0.034 0.076 0.102 0.177 0.111 0.026 0.072 0.092 0.148 0.084 -0.021 0.027 0.018 -0.108 0.01 -0.096 -0.228 -0.19 -0.159 -0.184 -0.103 0.118 0.181 0.215 0.205 0.054 0.125 -0.045 -0.048 0.018 -0.013 0.03 -0.008 -0.037 -0.019 -0.058 0.034 0.057 0.171 0.103 -0.01 0.299 .345* 0.26 0.302 0.305 0.189 -0.079 -0.021 -0.059 -0.322 0.29 0.309 .343* .325* 0.168 0.174 0.1 0.116 0.105 0.004 0.26 .344* .344* .338* 0.21 0.169 0.19 0.223 0.213 0.066 0.312 .372* .393* .383* 0.243 0.249 0.29 0.258 0.278 0.173 0.307 .329* .360* .342* 0.211 0.124 0.154 0.214 0.186 0.067 导演头条提
及量0.110.0740.055-0.019-0.1840.2110.083-0.080.1020.233-0.1160.2960.069.326*0.184.350*0.2830.3070.121 导演视频提及量0.2170.2420.2220.053-0.1240.0960.07-0.1360.2230.013-0.127.320*0.0490.2780.1860.304.341*0.2560.052 制片微信提及数0.022 -0.1-0.1730.122 0-0.079-0.129-0.161-0.0540.266-0.1590.072-0.0510.0570.051 0.120.1710.1270.061 23 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 制片微博提及数0.1880.195 0.03-0.103-0.0850.083-0.085-0.2150.1710.152-0.0180.1320.0910.1130.1270.1990.1690.1930.131 制片网页提及数0.041-0.03-0.132-0.0820.059-0.083-0.056-0.236-0.0420.309-0.2780.189 0.070.1570.1690.2120.1910.1910.132 制片论坛提及数0.0430.001-0.148-0.0840.058-0.074-0.09-0.2210.0280.278-0.2550.108-0.0330.0710.1010.1470.1670.1460.101 制片客户端提及数 0.093-0.009-0.105-0.1890.094-0.07-0.131 -0.20.023.347*-0.2610.180.060.1490.1680.1980.2370.1720.106 制片报刊提及数0.222-0.042-0.103-0.0080.191-0.058-0.215-0.0160.049.353*-0.1160.1960.1380.2120.2540.2510.2470.2630.057 制片头条提及量0.001-0.082-0.185-0.0570.024-0.094-0.021-0.252-0.028.344*-.334*0.089-0.0280.0790.0660.1230.1570.0990.006 制片视频提及量0.2010.2430.124-0.073-0.0170.05-0.197-0.0440.1130.1760.1410.2750.1670.2760.303.364*.328*.398*0.218 编剧微信提及数0.275.322*.441** -0.2-0.1230.065-0.1270.0510.1540.1280.1840.2210.2050.2680.2010.1910.2550.143-0.028 编剧微博提及数0.2690.2060.283-0.0940.0390.016 0.020.0270.217-0.0580.0620.1860.1340.2490.1210.1530.3050.131-0.161 编剧网页提及数.367*0.194.374*-0.192-0.0030.015-0.0330.0460.124 0.10.0170.2230.1640.2990.1910.197.340*0.155-0.111 24 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 编剧论坛提及数0.2870.248.372*-0.107-0.052 0.1-0.035-0.0310.2060.0710.0870.1960.146 0.260.1610.1740.2640.126-0.107 编剧客户端提及数 .325*0.218.365*-0.186-0.0440.038-0.0210.0050.1160.1070.0310.2120.1790.2750.1790.1850.3020.139-0.072 编剧报刊提及数.341*0.1560.264-0.2940.082-0.118-0.0610.0580.119-0.03-0.070.1570.1060.2230.1570.141 0.230.105-0.059 编剧头条提及量0.2860.214.331*-0.229-0.050.022-0.0550.0450.0890.1190.0060.1920.1690.2440.1690.1650.2620.117-0.056 编剧视频提及量 0.210.2250.237-0.2170.0150.015-0.101-0.0020.231-0.0850.1210.1050.0430.1670.0710.0870.1450.071-0.084 注：***.在0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
25 从粉丝活跃度来讲，导演的粉丝活跃度与剧集的粉丝活跃度无显著相关，导演的传播热度与剧集的传播热度呈正向相关；相反，编剧的传播热度与剧集的粉丝活跃度呈显著正向相关；制片人与剧集的粉丝活跃度和新闻热度都没有显著相关性。
在制作团队中，导演以及编剧对于剧集的人气及热度有着正向的带动作用，而制片人的作用并不明显。
3.3.2IP剧主创与IP剧变现的关系 表3.6斯皮尔曼等级相关分析表（主创-IP剧变现情况） 周边销量前
十 广告植入总和 导演微博粉丝量 -0.069 0.174 导演微信提及数 0.069 -0.087 导演微博提及数 0.195 -0.105 导演网页提及数 0.112 0.004 导演论坛提及数 0.166 0.004 导演客户端提及数 0.097 -0.037 导演报刊提及数 0.011 0.015 导演头条提及量 0.08 -0.009 导演视频提及量 0.073 0.026 制片微信提及数 -0.07 -0.091 制片微博提及数 0.105 -0.192 制片网页提及数 -0.09 0.032 制片论坛提及数 -0.016 -0.091 制片客户端提及数 -0.08 -0.021 制片报刊提及数 0.064 0.152 制片头条提及量 -0.115 -0.07 制片视频提及量 0.279 -0.08 编剧微信提及数 -0.113 0.201 编剧微博提及数 -0.04 0.306 编剧网页提及数 -0.124 .396* 编剧论坛提及数 -0.088 0.283 编剧客户端提及数 -0.13 0.314 编剧报刊提及数 -0.126 .339* 编剧头条提及量 -0.136 0.275 编剧视频提及量 -0.052 0.17 注：***.在
0.01级别（双尾），相关性显著。
26 **.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
从2019年的IP剧数据表现来看，主创团队对变现几乎没有显著相关性，只是编剧在传播热度方面对广告植入有一定相关性。
3.4IP剧营销：增强粉丝黏性，提高热度以突破圈层IP剧的传播效果和粉丝变现能力，不仅依赖于IP本身的受 众吸引力，营销和推广也起到了重要作用。
与传统影视剧相比，IP剧的营销周期更长、营销途径更广， 一方面通过长期的曝光和推广吸引更多的关注度，另一方面通过互动提高原著粉和演员粉丝的期待值，从而增强粉丝粘性。
相较于传统影视剧，IP剧的营销周期更长，可以有足够的时间利用各种途径进行推广，以提高IP剧原著粉、明星粉丝对IP剧的关注度，也引起无意识受众的注意
3。
IP剧通过在媒体和社交平台上制造剧集相关的话题，能够激发IP剧原著粉及明星粉丝的兴趣，IP剧首先通过宣传和“明星效应”的号召去引起粉丝的注意，随后制片方会制造话题，使粉丝产生想要进一步了解该剧的兴趣，提高粉丝对IP剧的期待值，从而增强粉丝黏性。
营销方式上，制造话题热度之外，口碑营销也是当今影视剧宣传的重要手段各种新媒体应用层出不穷，打造口碑并利用口碑进行营销是影视剧进行宣传的一大良策
4。
初代流量只顾热度，忽 3独凯悦.泛娱乐时代IP剧粉丝消费行为研究[D].四川省社会科学院,2017.4黄楚新,文传君.论新媒体环境下影视剧的营销策略[J].新闻论坛,2019(06):19-22. 27 视了软性营销，虽然其具有国民度，但是口碑好坏参半，不利于长久发展。
在新媒体环境下，影视剧宣发吸取了前车之鉴，利用网络营销和资本运作，从而呈现出好的口碑，吸引受众。
同时，随着新媒体的不断发展，不同平台之间也呈现出协同推广、相互融合的趋势，能够使IP剧在短时间内受到广泛关注。
同时，随着新媒体的发展和融媒体环境的不断优化，平台之间的相互融合已是大趋势。
而平台之间的相互影响、相互作用产生的效果已经超出了1+1＞2的效果。
利用相互之间的协同推广、宣传、营销，可以使网络IP剧在短时间内受到广泛的关注
5。
例如，网络IP剧《长安十二时辰》在播出前期，首先通过主流媒体对其精良制作进行口碑营销，高举高打，树立起品质剧的口碑，吸引了大批粉丝。
播出后，剧方持续对唐朝文化进行了深度营销，后又带出#十二时辰#的话题引起广泛讨论，并不断根据舆情调整话题进行同步宣传，比如服化道、火晶柿子等。
各个圈层开始破圈，包括西安旅游也受到了广泛关注。
在《长安十二时辰》播出期间，微博、微信朋友圈、知乎、豆瓣、视频网站等社交媒体上关于它的多个相关话题保持着很高的讨论热度，这也为粉丝经济做好了铺垫。
但是，成功的营销本质上还是依附于作品的高质量，现今的新媒体所处的环境已不是“酒香不怕巷子深”的时代，宣传和营 5邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60.28 销已成了必不可少的手段。
如果作品质量过硬，甚至会出现观众自发去网络平台进行宣发的现象，也就是“自来水”行为。
这一词最早被大众广泛所知，源于动画电影《西游记之大圣归来》，这也是一次非常典型的成功案例。
而后来的模仿者不乏有东施效颦的失败文艺电影。
营销因素主要包含24个子维度，分别为：剧直播微信提及数、剧直播微博提及数、剧直播网页提及数、剧直播论坛提及数、剧直播客户端提及数、剧直播报刊提及数、剧直播头条提及量、剧直播视频提及量、剧见面会微信提及数、剧见面会微博提及数、剧见面会网页提及数、剧见面会论坛提及数、剧见面会客户端提及数、剧见面会报刊提及数、剧见面会头条提及量、剧见面会视频提及量、剧活动微信提及数、剧活动微博提及数、剧活动网页提及数、剧活动论坛提及数、剧活动客户端提及数、剧活动报刊提及数、剧活动头条提及量、剧活动视频提及量。
29 3.4.1IP剧营销与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 剧直播微信提及数 .406*.349*.350*0.075-0.1460.1830.0890.0360.245-0.0160.169.618**.320*.600**.471**.630**.599**.631**0.304 剧直播微博提及数 .508**.324*.374*0.272-0.2550.2930.0650.081.412**-0.0040.088.410**.493**.477**.391*.478**.360*.486**0.092 剧直播网页提及数 .462**.317*.395*0.031-0.1360.2410.0420.0730.224-0.0090.101.592**.331*.623**.444**.610**.594**.615**0.191 表3.7斯皮尔曼等级相关分析表（营销-IP剧影响力） 剧直播论 剧直播客 剧直播报剧直播头 剧直播视 坛提及数户端提及数刊提及数 条提及量 频提及量 .516** .459** 0.23 .425** 0.241 .333* .411** 0.308 .405* 0.226 .431** .457** .353* .460** 0.168 0.007 0.029 0.152 0.049 0.102 -0.184 -0.265 -0.157 -0.277 -0.139 .340* 0.308 0.075 0.271 0.274 0.068 0.027 0.308 0.061 -0.017 0.003 0.036 -0.053 0.021 0.198 .319* 0.226 0.189 0.197 0.266 0.062 0.055 -0.119 0.001 -0.001 0.041 0.23 0.015 0.214 0.058 .567** .641** .449** .638** 0.271 .407* .415** 0.282 .403* 0.143 .636** .651** .493** .647** 0.228 .470** .512** .318* .505** 0.211 .602** .669** .477** .669** 0.308 .552** .609** .543** .623** 0.081 .586** .663** .492** .668** .340* 0.168 0.31 0.063 0.305 0.261 剧见面会
微信提及数 .483**.406*.443**0.117-0.1480.2460.0480.1160.2780.1190.296.712**.486**.702**.612**.731**.593**.717**.407* 剧见面会微博提及数 .562**.368*.355*0.036-0.1610.267-0.0570.154.371*0.167.435**.561**.656**.608**.668**.629**.402*.637**.471** 剧见面会网页提及数 .470**.332*.394*0.073-0.0770.1230.1350.0590.2350.0550.239.684**.459**.704**.583**.702**.630**.706**0.312 剧见面会论坛提及数 .482**.323*.361*0.136-0.0940.1710.0440.1190.2760.064.364*.644**.510**.656**.615**.671**.558**.685**.375* 30 剧见面会 剧见面会剧见面会 客户端提及数报刊提及数头条提及量 剧粉丝数 .541** .553** .555** 剧超话个数 .418** .447** .405* 剧超话粉丝数 .429** .433** .415** 剧女粉比例 0.049 -0.083 0.063 剧
20到29 -0.112 -0.118 -0.123 剧30到39 0.194 0.17 0.182 播出的网络平台数量 0.049 0.001 0.033 优酷播放数量 0.049 0.066 0.068 腾讯播放数量 .323* .387* 0.31 爱奇艺播放数量 0.049 -0.005 0.062 剧豆瓣 0.323 0.222 0.32 剧微信提及数 .705** .531** .704** 剧微博提及数 .513** .354* .513** 剧网页提及数 .717** .554** .713** 剧论坛提及数 .659** .467** .663** 剧客户端提及数 .740** .580** .744** 剧报刊提及数 .596** .512** .604** 剧头条提及量 .735** .588** .743** 剧视频提及量 .445** 0.278 .433** 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
剧见面会视频提及量 0.2510.1970.1810.104-0.0380.164-0.0480.1730.242 0.346*0.2460.210.2540.2640.3070.033.360*.351* 剧活动微信提及数.429** .371*.408**0.148-0.0940.1090.1110.0990.2250.0060.313.718**.460**.682**.583**.704**.631**.707**.329* 剧活动微博提及数.448**.474**.496** 0.14-0.2320.3150.1440.013.328*-0.1480.287.518**.508**.567**.531**.570**.482**.580** 0.24 剧活动网页提及数.481** .374*.488**0.107-0.110.2390.1360.0630.223-0.0110.201.684**.426**.693**.534**.693**.611**.688**0.227 剧活动论坛提及数.469**.448**.496** 0.081-0.0940.1820.0230.1360.2650.0270.291.692**.488**.688**.608**.700**.599**.700** 0.29 剧活动客户端提及数 .487**.428**.485**0.131-0.1780.2330.0720.0540.231 0.010.253.718**.483**.714**.587**.735**.629**.724**0.303 剧活动报刊提及数.446**.416**.453** 0.152-0.1660.0870.0810.0280.222-0.1330.311.652**.393*.646**.520**.669**.622**.671**0.277 剧活动头条提及量.473**.416**.489** 0.118-0.1330.1910.0790.0790.218-0.0050.267.718**.470**.708**.587**.727**.635**.719**0.283 剧活动视频提及量 0.2490.31.361*0.189-0.0110.174-0.1120.2740.212-0.132.341*0.2770.2230.2920.3080.3030.1150.3150.168 31 营销对于剧集粉丝活跃度、剧集热度有着显而易见的拉动作用，数据表明，无论是线上营销、线下粉丝见面会都与剧集粉丝活跃度、传播热度有着显著的正向相关。
3.4.2IP剧营销与IP剧变现的关系 表3.8斯皮尔曼等级相关分析表（营销-IP剧变现情况） 周边销量前
十 广告植入总和 剧直播微信提及数 .588** 0.186 剧直播微博提及数 .502** 0.241 剧直播网页提及数 .556** .352* 剧直播论坛提及数 .552** .381* 剧直播客户端提及数 .597** 0.234 剧直播报刊提及数 .504** 0.313 剧直播头条提及量 .589** 0.247 剧直播视频提及量 .479** 0.026 剧见面微信提及数 .610** 0.311 剧见面微博提及数 .562** .324* 剧见面网页提及数 .548** .391* 剧见面论坛提及数 .602** .350* 剧见面客户端提及数 .633** 0.301 剧见面报刊提及数 .614** 0.271 剧见面头条提及量 .645** 0.299 剧见面视频提及量 .409** 0.147 剧活动微信提及数 .642** 0.296 剧活动微博提及数 .593** .332* 剧活动网页提及数 .601** .358* 剧活动论坛提及数 .666** .396* 剧活动客户端提及数 .619** 0.3 剧活动报刊提及数 .593** 0.272 剧活动头条提及量 .615** .324* 剧活动视频提及量 .332* 0.203 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
营销对于剧集周边销售有着显而易见的相关性，但对于广告植入则没那么明显。
32 42019IP剧粉丝经济研究典型相关性分析 系统层原著 主演 主创营销 表4.12019IP剧数据标签层指标层 原著超话粉丝数量、原著超话的帖子数量、原著豆瓣评分、原著淘宝+天猫销量、原著当当销量、原著京东销量、原著粉丝女性占比、原著20到29岁粉丝占比、原著30到39岁粉丝占比、原著微信提及数、原著微博提及数、原著网页提及数、原著论坛提及数、原著客户端提及数、原著报刊提及数、原著头条提及量、原著视频提及量、原作者微信提及数、原作者微博提及数、原作者网页提及数、原作者论坛提及数、原作者客户端提及数、原作者报刊提及数、原作者头条提及量、原作者视频提及量主演1超话粉丝量、主演2超话粉丝量、主演1女粉占比、主演1粉丝20到29岁占比、主演1粉丝30到39岁占比、主演2女粉占比、主演2粉丝20到29岁占比、主演2粉丝30到39岁占比、主演1播剧前一年百度指数、主演1开播期间及至播放后3个月百度指数、主演2播剧前一年百度指数、主演2开播期间及至播放后3个月百度指数、主演1综艺数量、主演2综艺数量、主演1封面数量、主演2封面数量、主演1获奖数、主演2获奖数、主演1代言数（剧播1年前）、主演1代言数（开播期间及至播放后3个月）、主演2代言数（剧播1年前）、主演2代言数（开播期间及至播放后3个月）、主演1微信提及数、主演1微博提及数、主演1网页提及数、主演1论坛提及数、主演1客户端提及数、主演1报刊提及数、主演1头条提及量、主演1视频提及量、主演2微信提及数、主演2微博提及数、主演2网页提及数、主演2论坛提及数、主演2客户端提及数、主演2报刊提及数、主演2头条提及量、主演2视频提及量导演微博粉丝量、导演微信提及数、导演微博提及数、导演网页提及数、导演论坛提及数、导演客户端提及数、导演报刊提及数、导演头条提及量、导演视频提及量、制片微信提及数、制片微博提及数、制片网页提及数、制片论坛提及数、制片客户端提及数、制片报刊提及数、制片头条提及量、制片视频提及量、编剧微信提及数、编剧微博提及数、编剧网页提及数、编剧论坛提及数、编剧客户端提及数、编剧报刊提及数、编剧头条提及量、编剧视频提及量剧直播微信提及数、剧直播微博提及数、剧直播网页提及数、剧直播论坛提及数、剧直播客户端提及数、剧直播报刊提及数、剧直播头条提及量、剧直播视频提及量、剧见面会微信提及数、剧见面会微博提及数、剧见面会网页提及数、剧见面会论坛提及数、剧见面会客户端提及数、剧见面会报刊提及数、剧见面会头条提及量、剧见面会视频提及量、剧活动微信提及数、剧活动微博提及数、剧活 指标代码 x1-x25 x1-x38 x1-x25x1-x24 33 系统层 影响力变现合计 指标层动网页提及数、剧活动论坛提及数、剧活动客户端提及数、剧活动报刊提及数、剧活动头条提及量、剧活动视频提及量剧粉丝数、剧超话个数、剧超话粉丝数、剧女粉比例、剧20到29、剧30到39、播出的网络平台数量、优酷播放数量、腾讯播放数量（亿）、爱奇艺播放数量、剧豆瓣、剧微信提及数、剧微博提及数、剧网页提及数、剧论坛提及数、剧客户端提及数、剧报刊提及数、剧头条提及量、剧视频提及量周边销量前
十、广告植入总和 指标代码 y1-y19y1-y2 133 基于典型变量权重系数，可建立要素的典型相关方程，典型相关方程是典型变量与原始变量间定量表达的一种模型。
由于建立起典型相关性的数据集较多，本研究主要选取环境质量要素间的数据集进行结构方程分析。
一般而言，典型相关方程中原始变量权重系数较大，则说明其对典型变量贡献较大，反之则小；原始变量的典型权重正负符号也表明其对典型变量正反向作用。
本研究侧重用权重系数绝对值大小排序以分离主要载荷指标。
原著 维数据集 度 原著吸粉能力IP剧吸粉能力原著舆情IP剧吸粉能力 原著舆情IP剧舆情 表4.22019IP剧属性间典型相关性 原始指标个数 典型相关系数/个数 第一典型变量/方差解释 量 A组B组 A组B组
2 30.986,0.412/2 96.191.4 0.995,0.877,0.7 163 3291.9 97/3 1.00,0.997,0.97 2,0.964,0.913,
0 168 31.290.3 .858,0.796,0.47 6/8 第二典型变量/方差解释 量A组B组3.90.2 4.46.8 9.65.3 34 维数据集 度 原始指标个数 典型相关系数/个数 第一典型变量/方差解释 量 第二典型变量/方差解释 量 A组B组 A组B组A组B组 主演吸粉能力 -
2 30.869,0.460/2 61.875.338.222.6 IP剧吸粉能力 主演专业能力 -
2 30.674,0.226/2 69.36030.737.7 IP剧吸粉能力 主演百度指数主演 -IP剧变现能
4 20.856,0.173/2 45.250.16.449.9 力 主演吸粉能力 -
2 20.499,0.06/2 61.550.438.549.6 IP剧变现能力 主演舆情16 IP剧变现能力 20.880,0.764/2 10.850.28.549.8 编剧舆情
8 IP剧吸粉能力 0.988,0.736,0.3
3 2389.33.610.5 91/3 其他 0.960,0.922,0.7 主创导演舆情IP剧舆情 67,0.489,0.301,
9 8 20.90.23.83 0.237,0.216,0.0 43/8 营销效果-IP 0.995,0.967,0.8 营销 243 57.592.94.45 剧吸粉能力 60/3
（1）原著数据集该数据集涉及4个要素，共计25个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有3对，主要体现为原著吸粉能力、IP剧吸粉能力、原著舆情和IP剧舆情建立起相关性。
第一典型变量组内方差解释量最大可达96.1%，为原著吸粉能力-IP剧吸粉能力数据集中的A组。
其他>40%的数据集也仅有这一组。
变差信息量＜10%被认为该要素在典型相关结构分析中信息提取不足(Cohenetal.,1983)，信息量提取不理想的数据 35 集多为典型相关系数不显著的数据集，这里的第一典型变量无此情况。
（2）主演数据集该数据集涉及6个要素，共计38个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有5对，主要体现为主演吸粉能力、IP剧吸粉能力、主演专业能力、主演百度指数、IP剧变现能力和主演舆情建立起相关性。
第一典型变量组内方差解释量最大可达75.3%，是主演吸粉能力-IP剧吸粉能力的B组。
其他>40%者有主演专业能力-IP剧吸粉能力的
A、B组，主演百度指数-IP剧变现能力的
A、B组，主演吸粉能力-IP剧变现能力的
A、B组，主演舆情-IP剧变现能力的B组。
在第一典型变量中没有信息提取不足的情况。
（3）其他主创数据集该数据集涉及4个要素，共计25个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有2对，主要体现为编剧舆情、IP剧吸粉能力、导演舆情、IP剧舆情建立起相关性。
第一典型变量组内方差解释量最大可达89.3%，是编剧舆情-IP剧吸粉能力的B组。
其他没有>40%的数据集。
有1对数据集信息提取不足的情况，为导演舆情-IP剧舆情的B组。
（4）营销数据集该数据集涉及2个要素，共计24个指标。
是在营销效果和 36 IP剧吸粉能力之间建立相关性，方差解释量可达92.9%，为营销效果-IP剧吸粉能力的B组。
37 维度原著主演 数据集原著吸粉能力/IP剧吸粉能力 原著舆情/IP剧吸粉能力 原著舆情/IP剧舆情 主演吸粉能力/IP剧吸粉能力主演专业能力/IP剧吸粉能力主演百度指数/IP剧变现能力主演吸粉能力/IP剧变现能力 表4.32019IP剧典型相关方程 典型相关方程
1 典型相关方程
2 U1=-1.516x1+0.528x2/ V1=0.069y1-0.662y2-0.399y3 U1=0.103x1-2.724x2-0.131x3+1.034x4+0.039x5+0.048x6- U2=0.07x1-9.381x2-7.231x3+2.888x4+7.328x5- 0.193x7+1.178x8+0.019x9-0.053x10+0.009x11- 0.061x6+1.117x7+4.059x8-2.586x9+2.393x10-0.263x11- 0.165x12+0.521x13+0.252x14-0.681x15+0.026x16 0.689x12-3.023x13-1.301x14+5.497x15-0.434x16 V1=0.06y1+0.592y2-1.642y3 V2=-2.025y1+2.265y2-0.455y3 U1=-0.065x1+2.443x2+0.659x3-0.92x4-1.123x51.72x6+0.408x7-0.569x8+0.086x90.033x10+0.017x11+0.117x12+0.249x13+0.064x140.401x15+0.04x16
V1=0.029y1-0.706y2-0.376y3+0.456y4+0.592y5+0.046y60.504y7+0.05y8 U2=-0.154x1-7.349x2-1.335x3+2.794x4-1.219x50.455x6+0.805x7+7.018x8+0.211x9+0.106x10+0.129x110.075x12+1.02x13-0.184x14-1.232x15-0.154x16
V2=-1.194y1-0.825y2-6.751y3+0.884y4+8.666y5+0.374y63.594y7+2.288y8 U1=-0.628x1-0.644x2/ V1=-1.238y1+0.639y2-0.346y3 U1=-0.712x1-0.473x2/ V1=-1.472y1+1.512y2-0.889y3 U1=-1.147x1+1.441x2+2.068x3-3.173x4/ V1=-0.994y1-0.098y2 U1=-0.542x1-0.723x2/ V1=-0.554y1-0.827y2 38 维度 其他主创营销 数据集 主演舆情/IP剧变现能力 IP剧吸粉能力/编剧舆情 导演舆情/IP剧舆情 营销效果/IP剧吸粉能力 典型相关方程1U1=-1.167x1+0.871x2+3.316x3+0.363x4-3.798x50.327x6+1.427x7-1.315x8-1.153x90.304x10+3.902x11+0.259x12+0.115x13+0.105x14-1.86x150.392x16
V1=0.983y1+0.177y2U1=-0.204x1+0.426x2+0.751x3V1=-0.076y1+0.907y2-0.715y3+1.314y4+0.614y51.993y6+0.612y7-0.158y8U1=-0.015x1-0.195x2-1.293x3-1.047x4-0.46x5+2.15x60.009x7+0.041x8-0.053x9V1=-1.268y1-4.615y2-0.211y3-0.307y4+15.108y5+1.219y611.74y7+1.884y8U1=-0.330x1-0.353x2+0.190x3-0.106x4+1.285x5+0.184x61.771x7+0.425x8+0.325x9+0.177x10+0.157x11+2.406x121.074x13-0.105x14-0.041x15-1.483x16+1.149x170.234x18+0.753x19-0.997x20-1.125x21+0.478x22-0.212x230.118x24
V1=-0.013y1-0.212y2-0.778y3 典型相关方程2 / U2=2.121x1-0.941x2-0.845x3V2=1.634y1-1.772y2+6.755y3-1.436y4-3.085y5-1.436y62.255y7+1.986y8U2=-0.145x1-2.13x2-0.986x3+2.601x4-0.49x5+1.54x60.073x7-0.818x8-0.114x9V2=-3.747y1-3.402y2+9.646y3-1.79y45.412y5+0.442y6+0.42y7+3.885y8U2=-6.231x1+6.305x2-1.73x3+1.246x4-0.723x5-0.116x60.402x7-1.011x8+1.838x9-22.941x1017.633x11+6.215x12+31.648x13+1.097x141.038x15+0.567x16+9.407x17-0.512x18+6.336x196.006x20+0.142x21+2.495x22-6.052x23-1.211x24
V2=1.438y1-6.57y2+5.274y3 39 4.1IP原著与IP剧影响力及变现之间的关系 表4.4典型相关性分析表（原著吸粉能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.98635.447 0.23 63.7636.000 68.000
2 0.412 0.205 0.830 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 . 原著吸粉能力-IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出原著超话粉丝数量（x1）、原著超话帖子数量（x2） 2个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话 个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见 表4.3，第一典型相关性为0.986>0.9，属于高度相关。
表4.5典型相关性分析表（原著舆情-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.99597.2050.00112.23448.000 60.279
2 0.877 3.324 0.084 3.42430.000 42.000
3 0.797 1.746 0.364 2.74314.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0000.017 原著舆情-IP剧吸粉能力数据集中，原著舆情可分离出原著 微信提及数（x1）、原著微博提及数（x2）、原著网页提及数（x3）、 原著论坛提及数（x4）、原著客户端提及数（x5）、原著报刊提及 数（x6）、原著头条提及量（x7）、原著视频提及量（x8）、原作者 微信提及数（x9）、原作者微博提及数（x10）、原作者网页提及数 （x11）、原作者论坛提及数（x12）、原作者客户端提及数（x13）、原 作者报刊提及数（x14）、原作者头条提及量（x15）、原作者视频提 及量（x16）16
个指标。
IP剧吸粉能力典型变量分离出剧粉丝数 40 （y1）、剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3，第一典型相关性为0.995>0.9，属于高度相关。
表4.6典型相关性分析表（原著舆情-IP剧舆情） 相关性 特征值威尔克统计F分子自由度分母自由度
1 1.000 1094.907 0.00019.405128.000 120.883
2 0.997 181.617 0.00010.266105.000 111.720
3 0.972 16.934 0.000 5.95084.000 101.129
4 0.964 13.295 0.001 4.71365.000 89.008
5 0.913 4.989 0.012 3.32748.000 75.229
6 0.858 2.799 0.075 2.55533.000 59.628
7 0.796 1.730 0.283 1.84620.000 42.000
8 0.476 0.294 0.773 0.718 9.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0000.0000.0000.0000.0010.0470.688 原著舆情-IP剧舆情数据集中，原著舆情可分离出原著微信 提及数（x1）、原著微博提及数（x2）、原著网页提及数（x3）、 原著论坛提及数（x4）、原著客户端提及数（x5）、原著报刊提及 数（x6）、原著头条提及量（x7）、原著视频提及量（x8）、原作 者微信提及数（x9）、原作者微博提及数（x10）、原作者网页提 及数（x11）、原作者论坛提及数（x12）、原作者客户端提及数（x13）、 原作者报刊提及数（x14）、原作者头条提及量（x15）、原作者视 频提及量（x16）16
个指标。
IP剧舆情典型变量分离出剧微信提 及数（y1）、剧微博提及数（y2）、剧网页提及数（y3）、剧论坛 提及数（y4）、剧客户端提及数（y5）、剧报刊提及数（y6）、剧 头条提及量（y7）、剧视频提及量（y8）8
个指标。
这两项的相关 方程见表4.3，第一典型相关性为1.00>0.9，属于高度相关。
41 4.2IP剧主演与IP剧影响力及变现之间的关系 表4.7典型相关性分析表（主演吸粉能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.869 3.071 0.19414.4256.000 68.000
2 0.460 0.296 0.788 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 . 主演吸粉能力-IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出主演1超话粉丝量（x1）、主演2超话粉丝量（x2） 2个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超 话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程 见表4.3，第一典型相关性为0.7<0.869<0.9，属于中度相关。
表4.8典型相关性分析表（主演专业能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.674 0.834 0.517 4.422 6.000 68.000
2 0.226 0.054 0.949 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.001 . 主演专业能力-IP剧吸粉能力数据集中，主演专业能力典型 变量可分离出主演1获奖数（x1）、主演2获奖数（x2）2个指 标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话个数 （y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3， 第一典型相关性为0.674<0.7，属于低度相关。
表4.9典型相关性分析表（主演百度指数-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.856 2.748 0.259 7.967 8.000 66.000
2 0.173 0.031 0.970 0.351 3.000 34.000 H0
forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.789 42 主演百度指数-IP剧变现能力数据集中，主演百度指数典型变量可分离出主演1播剧前一年百度指数（x1）、主演1开播期间及至播放后3个月（x2）、主演2播剧前一年百度指数（x3）、主演2开播期间及至播放后3个月（x4）4个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.7<0.856<0.9，属于中度相关。
表4.10典型相关性分析表（主演吸粉能力-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.499 0.331 0.748 2.729 4.000 70.000
2 0.060 0.004 0.996 0.132 1.000 36.000 H0
forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0360.719 主演吸粉能力-IP剧变现能力数据集中，原著吸粉能力典型 变量可分离出主演1超话粉丝量（x1）、主演2超话粉丝量（x2） 2个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、 广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第
一 典型相关性为0.499<0.7，属于低度相关。
表4.11典型相关性分析表（主演舆情-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.880 3.435 0.094 2.96932.000 42.000
2 0.764 1.400 0.417 2.05315.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0010.061 主演舆情-IP剧变现能力数据集中，原著舆情典型变量可分 离出主演1微信提及数（x1）、主演1微博提及数（x2）、主演 1网页提及数（x3）、主演1论坛提及数（x4）、主演1客户端提 43 及数（x5）、主演1报刊提及数（x6）、主演1头条提及量（x7）、主演1视频提及量（x8）、主演2微信提及数（x9）、主演2微博提及数（x10）、主演2网页提及数（x11）、主演2论坛提及数（x12）、主演2客户端提及数（x13）、主演2报刊提及数（x14）、主演2头条提及量（x15）、主演2视频提及量（x16）16个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.7<0.880<0.9，属于中度相关。
4.3IP剧主创与IP剧影响力及变现之间的关系 表4.12典型相关性分析表（编剧舆情-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.98841.6300.00913.81824.000 81.810
2 0.736 1.182 0.388 2.50614.000 58.000
3 0.391 0.181 0.847 0.903 6.000 30.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0070.506 编剧舆情-IP剧吸粉能力数据集中，编剧舆情典型变量可分 离出编剧微信提及数（x1）、编剧微博提及数（x2）、编剧网页提 及数（x3）、编剧论坛提及数（x4）、编剧客户端提及数（x5）、 编剧报刊提及数（x6）、编剧头条提及量（x7）、编剧视频提及量 （x8）8
个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、 剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关 方程见表4.3，第一典型相关性为0.988>0.9，属于高度相关。
44 表4.13典型相关性分析表（导演舆情-IP剧舆情） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.96011.8130.003 3.14772.000 141.400
2 0.922 5.707 0.038 1.92556.000 129.170
3 0.767 1.432 0.256 0.93342.000 116.022
4 0.489 0.315 0.621 0.43030.000 102.000
5 0.301 0.100 0.817 0.27420.000 87.182
6 0.237 0.059 0.898 0.24712.000 71.727
7 0.216 0.049 0.952 0.235 6.000 56.000
8 0.043 0.002 0.998 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0010.5910.9950.9990.9950.963 导演舆情-IP剧舆情数据集中，导演舆情典型变量可分离出 导演微博粉丝量（x1）、导演微信提及数（x2）、导演微博提及数 （x3）、导演网页提及数（x4）、导演论坛提及数（x5）、导演客 户端提及数（x6）、导演报刊提及数（x7）、导演头条提及量（x8）、 导演视频提及量（x9）9
个指标。
IP剧舆情典型变量分离出剧微 信提及数（y1）、剧微博提及数（y2）、剧网页提及数（y3）、剧 论坛提及数（y4）、剧客户端提及数（y5）、剧报刊提及数（y6）、 剧头条提及量（y7）、剧视频提及量（y8）8
个指标。
这两项的相 关方程见表4.3，第一典型相关性为0.960>0.9，属于高度相关。
4.4IP剧营销与IP剧影响力及变现之间的关系 表4.14典型相关性分析表（营销效果-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度 105.2100.0009.0572.000
1 0.995
0 36.724 14.585 0.017 3.8146.000
2 0.967
1 26.000
3 0.860 2.846 0.260 1.8122.0001 14.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 0.000 0.127 45 营销效果-IP剧吸粉能力数据集中，营销效果典型变量可分离出剧直播微信提及数（x1）、剧直播微博提及数（x2）、剧直播网页提及数（x3）、剧直播论坛提及数（x4）、剧直播客户端提及数（x5）、剧直播报刊提及数（x6）、剧直播头条提及量（x7）、剧直播视频提及量（x8）、剧见面微信提及数（x9）、剧见面微博提及数（x10）、剧见面网页提及数（x11）、剧见面论坛提及数（x12）、剧见面客户端提及数（x13）、剧见面报刊提及数（x14）、剧见面头条提及量（x15）、剧见面视频提及量（x16）、剧活动微信提及数（x17）、剧活动微博提及数（x18）、剧活动网页提及数（x19）、剧活动论坛提及数（x20）、剧活动客户端提及数（x21）、剧活动报刊提及数（x22）、剧活动头条提及量（x23）、剧活动视频提及量（x24）24个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3，第一典型相关性为0.995>0.9，属于高度相关。
4.5IP剧表现与变现之间的关系 表4.15典型相关性分析表（IP剧吸粉能力-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.521 0.373 0.701 2.198 6.000 68.000
2 0.193 0.039 0.963 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.054 . IP剧吸粉能力-IP剧变现能力数据集中，IP剧吸粉能力典 型变量可分离出剧粉丝数（x1）、剧超话个数（x2）、剧超话粉丝 数（x3）3个指标。
IP剧变现能力典型变量分离出周边销量前
十 46 （y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.521<0.7，属于低度相关。
表4.16典型相关性分析表（IP剧舆情-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.638 0.688 0.515 1.42616.000 58.000
2 0.362 0.150 0.869 0.645 7.000 30.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.1620.716 IP剧舆情声量-IP剧变现能力数据集中，P剧舆情典型变量 分离出剧微信提及数（x1）、剧微博提及数（x2）、剧网页提及数 （x3）、剧论坛提及数（x4）、剧客户端提及数（x5）、剧报刊提 及数（x6）、剧头条提及量（x7）、剧视频提及量（x8）8
个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总 和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性 为0.638<0.7，属于低度相关。
47 5结论 影视作品是包着艺术外壳的标准化工业品，影视剧摄制也是系统性工程。
其在生产过程中需要大量人力及资源参与其中共同打造，剧本选择、导演制片编剧主演等人员确定并签约、拍摄、后期、宣发等等流程协同配合，最终呈现给观众数十集的作品。
本文通过搜集整理公开渠道数据进行分析，试图探索IP影视剧影响力和变现能力的影响因素。
（一）高人气、高传播热度的原著可以全方位提升IP剧表现及变现，而原著的豆瓣评分、女性粉丝的占比则并没有这一结论。
原著粉丝的高价值已经被近年来IP剧热潮反复试验，粉丝文化也成为影视剧行业内研究受众的新课题。
原著粉丝是一批在影视创作过程里已经被预定为观众的群体，很多IP剧成功的一大机制就在于通过原著粉丝的情感共鸣去制造宣传和口碑的联动效应，加大作品的影响力和热度。
文中的数据表明对于销量、粉丝体量、舆情口碑较好的原著，它们改编的IP剧更可能拥有强大吸引粉丝能力，社会舆论场中曝光量以及变现能力。
但是其中需要注意的是，根据数据，原著的豆瓣评分只对少量指标有影响，例如更优质的作品更利于得到网络平台的放映机会，以及优质的文本作品也有助于改编后影视作品的艺术水准。
48 但是在更多的指标中，并无法直观感受到更受认可的原著可以简单地换来改编后IP剧的热度。
同样“她经济”虽然被屡次提及，但显然并不能在此处适用。
除了可以显著增加观剧人群中的女性占比，但无法在更多维度有突出贡献。
（二）“流量明星”对IP剧仍存在巨大营销价值，但主演的专业能力、女性粉丝占比对于提升剧集热度并没有显著相关。
影视剧中粉丝经济是一种将粉丝和被关注者连接在一起的经营性创收行为方式。
因为粉丝的支持和力挺，“流量明星”的影视作品不愁没有关注度，如在影视产业中粉丝观看“流量明星”的各种作品、购买“流量明星”代言的商品等。
这种利用“流量明星”的营销方式可以快速催热市场，既节约时间成本，也提高了影视产品的资金回收速度。
渐渐形成明星效应的电影运用植入广告、发售影视周边产品等营销策略，能开发大量的影视剧本身以外的盈利潜力，影视剧带来的附加价值甚至远远高于人们的观影体验。
可以说现在对“粉丝经济”的重视也说明了国内影视产业的营销手段脱离的初级阶段。
前文的数据表明，2019年有粉丝数量、各渠道显示的舆情热度更高的主演出演的作品，更有可能获得更高的讨论度，同时周边销售情况，广告招商情况也更好。
但对于明星的另一考量维度——专业能力（获奖）而言，流量明星本人的专业能力却与IP剧集的人气与舆情热度没有显著 49 的相关性，然而对于2B端的广告植入，明星专业能力却起着较为积极的作用。
也就是说，明星是否获过奖，并不影响粉丝对于剧集的关注度及讨论热情，却在招商过程中更容易吸引广告主的注意。
主演的粉丝画像同样有类似的结论，与前一结论类似，我们截取2019年IP剧官宣前两位的主演粉丝画像，发现他们的女粉占比的提升也仅能提高剧集的女粉占比，对于更多体现剧集热度的因子并没有显著相关。
（三）相较于制片人，导演编剧更易引起公众对于剧集的关注。
影视的制作流程主要可分为文学剧本生产和影片摄制。
对于IP剧而言，编剧需要戏剧化地展示原著中的故事，通过语言塑造角色形象，表达原著的思考，同时还要兼顾对观众友好，最终形成完整的剧本。
导演则是接下来通过拍摄、剪辑等方式对文本艺术二次创作成为观众视觉可感的视听形象，其复杂程度并不亚于剧本的生产。
制片人相比之下则对于作品的直接产出参与较少，他们更重要的工作在于项目融资、预算、发行营销等事务，需要兼顾投资人、观众、作品艺术性的他们在好莱坞已经取代导演成为了影视作品的制作核心。
文中的数据表明舆情热度更高的导演和编剧，他们的影视作品也越有可能获得大众关注。
相比之下制片人在大众传媒中的影响力对作品并不会有太大影响。
50 但由于样本量不够充足，结论中仍然存在有待完善的地方。
例如2019年的IP剧中大量作品都邀请原著作者担任编剧或在名义上担任编剧，例如《陈情令》与墨香铜臭，《亲爱的热爱的》与墨宝非宝，《九州缥缈录》与九鹭非香，《长安十二时辰》与马伯庸等，都取得了优秀的市场反响，在这种情况下难以界定是优秀的编剧水平提升了作品热度还是自身的粉丝追随支持，这也有待通过更大的样本进一步评判。
（四）不论是通过直播活动、见面会或是其他形式的线上线下活动，营销行为可以多方位提振影视剧表现。
文中的数据表示不论是见面会、其他线下活动、直播等各种宣传方式，还是微信、微博、论坛、头条、网页、报刊等宣传渠道，IP剧开展更多营销动作，剧集会有更强的粉丝号召力、舆情热度以及更好的周边销售成绩。
其原因在于随着新媒体时代的蓬勃发展，影视剧作的生产与宣传的形式也由简到繁，变得越来越多样化，不再是单一地依靠传统媒体进行宣传，而是利用各类新媒体进行全方位、多元化、互动性的宣传。
而且，影视作品会根据不同的时间段，不同的情况进行公关，以此来保证收视与口碑共赢。
另一个被忽略的市场是衍生品，上文数据同样显示宣传营销更多的影视剧更有可能有更多的周边销量。
目前我国影视剧市场虽然巨大，但是利润结构并不健康，国内影视业衍生品收入不足 51 10%，而好莱坞的这一数字超过70%。
但国内影视业也处于拓展摸索的过程中，《海上牧云记》、《楚乔传》等成为了2017年衍生品市场的优秀案例后，产业链对剧集衍生品重视程度不断提升；2019年《陈情令》近亿元的衍生品销售也给市场提振了信心。
相信在解决版权以及设计等问题后，国内影视剧衍生品市场将会得到快速发展。
52 参考文献 [1]邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60. [2]朱丽丽.混杂式粉丝经济:网络IP、明星与粉丝社群[J].媒介批评,2019(00):49-63. [3]独凯悦.泛娱乐时代IP剧粉丝消费行为研究[D].四川省社会科学院,2017.[4]Baudrillard,Jean.TheConsumerSociety:MythsandStructures. SAGE,2016.[5]刘艳,万泉.粉丝消费行为影响因素研究综述与前景展望[J].东南传 播,2018(04):80-82.[6][美]菲利普•科特勒、凯文•莱恩•凯勒:《营销管理》，王永贵等译，世纪出版 集团2009年版:274.[7]孔令顺,宋彤彤.从IP到品牌:基于粉丝经济的全商业开发[J].现代传播(中 国传媒大学学报),2017,39(12):115-119.[8]黄楚新,文传君.论新媒体环境下影视剧的营销策略[J].新闻论 坛,2019(06):19-22.[9]张越.“粉丝经济”视角下IP改编剧的发展现状[J].试听研 究,2020,07(017).[10]张茜.“流量”套路终于崩了吗[N].营销解读,2019,09.[11]涂俊仪.IP电影的原著粉丝:文本争夺与身份构建[J].电影艺术, 2018,01:58-63.[12]武映雪,亢海玲.从电影《寻龙诀》看热门小说翻拍影视作品的宣传策略[J]. 声屏世界,2017,08:46-48.[13]李子佳.发挥专业优势写好中国故事[J].人文天下,2020,04(027):91-95.[14]韩国玲,金丽娜.粉丝经济下“小鲜肉”对饮食产品的营销价值分析[J].长 春师范大学学报,2017,036(011):46-47.[15]刘欣雨.粉丝经济下IP电影发展现状研究[D].海南:海南大学,2018. 53 [16]杨喜喜.粉丝文化“小鲜肉”与影视文化中的性别视角解读[D].上海:上海师范大学,2019. [17]陈素佩.基于4R理论看《都挺好》IP影视市场营销[J].知识经济,2020,01:62-63. [18]曹潇.论新时期电影创作体制的转型:从导演中心制到制片人制[J].大众文艺,2019,08:146-147. [19]赵玉忠.略谈影视剧作片名与主创人员职责的行业惯例与规范[J].北京电影学院学报,2013,04:56-59. [20]陆楚瑜,王诗怡,胡晓彤.探讨当代电影导演与编剧孰轻孰重[J].新闻研究导刊,2019,21:113-115. [21]姚天琪,王欣,叶泽霖.潭溪国内电视剧编剧的生存困境[J].传媒论坛,2019,02(018):164-166. [22]刘荃,蒋逸文.网络环境下影视文化产品营销模式研究[J].传媒观察,2018,06:35-41. [23]杨诗.我国影视产业现状及营销策略研究[J].产
IP剧的发展一定程度上依托粉丝经济变现，将内容转化为消费。
而日新月异的泛娱乐化时代，粉丝经济的发展也在发生巨大的变化。
本研究以2019影视IP剧粉丝经济作为研究对象，通过双变量相关性分析、典型相关性分析等方法，对IP剧原著、主演、主创、营销与IP剧影响力及变现之间的关系进行深入分析，探究影视IP剧变现的影响因素，以期对影视IP剧粉丝经济的发展有更深刻的理解。
通过本研究发现：高热度的原著可以全方位提升IP剧表现及变现；“流量明星”对IP剧仍存在巨大营销价值；相 较于制片人，导演编剧更易引起公众对于剧集的关注；营销行为可以多方位提振影视剧表现。
关键词：IP剧；粉丝经济；原著；主演；主创；营销 目录 1引言..................................................11.1研究背景............................................11.2数据与指标..........................................4 2描述性统计及正态验证...................................5 32019IP剧粉丝经济研究双变量相关性分析..................73.1IP原著：自带受众流量，创意核心与情绪资本............73.1.1IP原著与IP剧影响力的关系.......................93.1.2IP原著与IP剧变现的关系........................123.2IP剧主演：迎合粉丝喜好，符号价值与情感认同.........133.2.1IP剧主演与IP剧影响力的关系....................153.2.2IP剧主演与IP剧变现的关系......................203.3IP剧主创：形成品牌效应，通过品质提升口碑...........213.3.1IP剧主创与IP剧影响力的关系....................233.3.2IP剧主创与IP剧变现的关系......................263.4IP剧营销：增强粉丝黏性，提高热度以突破圈层.........273.4.1IP剧营销与IP剧影响力的关系....................303.4.2IP剧营销与IP剧变现的关系......................32 42019IP剧粉丝经济研究典型相关性分析...................334.1IP原著与IP剧影响力及变现之间的关系................404.2IP剧主演与IP剧影响力及变现之间的关系..............424.3IP剧主创与IP剧影响力及变现之间的关系..............444.4IP剧营销与IP剧影响力及变现之间的关系..............45 4.5IP剧表现与变现之间的关系..........................465结论.................................................48参考文献...............................................53 ResearchReport November11,2020 ThefaneconomyofIPTeleplaysResearchReport2019–AstudyofthefactorsconcerningIPTeleplaysinfluence andcashability CenterforCulturalandCreativeFinanceWENJing,JINHuanxinandRONGJing Abstract:Recently,“IPTeleplays”appearcontinuously,whichhaverapidlyrisenanddevelopedinashorttimewithmercialvalue.Toacertainextent,thedevelopmentofIPTeleplayreliesontherealizationoffaneconomy,turningitscontentintoconsumption.Intheever-changingeraofpan-entertainment,thedevelopmentoffaneconomyisalsoundergoingtremendouschanges.ThisresearchfocusesonthefaneconomyofIPTeleplaysin2019,whichanalyzestheinfluenceandcashabilityoftheiroriginalwork,mainactors,creativeteamsandmarketingthroughbivariatecorrelationanalysisandcanonicalcorrelationanalysis.ItaimstohavingamoreprofoundunderstandingofthedevelopmentofIPTeleplay’sfaneconomy.Throughthisstudy,itisfoundthatpopularoriginalworksprehensivelyimprovetheperformanceofIPTeleplaysandsuperstarsstillhavegreatmarketingvaluetoIP Teleplays.Meanwhile,directorsandwritersaremorelikelytoattractpublicattentiontoteleplaysthanproducers.Atthesametime,marketingbehaviorcanalsoboosttheperformanceofIPTeleplaysinvariousaspects.Keywords:IPTeleplay,FanEconomy,OriginalWork,MainActors,CreativeTeam,Marketing 1引言 1.1研究背景IP全称IntellectualProperty，本意为知识产权，在影视 行业内更多指代网络小说、游戏、漫画等作品形式，在这其中网络小说又是IP剧市场的主力，通过这种艺术形式改编成影视剧已经在近年成为了新趋势。
IP剧的变化历程主要可以分为三个阶段。
第一阶段：早期IP剧时期以金庸剧为代表的剧集阶段并不是当下意义的IP剧，但其奠定了绝大多数翻拍影视剧的基调。
金庸作品1955年开始在报纸上连载，一直持续到1972年结束，在1970年金庸也开始了长达十年的对自己作品的修改工作，后来的二十余年里除了港台地区，新加坡等周边国家也加入了这波潮流，21世纪以后金庸IP开始在大陆市场爆发。
第二阶段：从上星剧到网剧早期的IP剧和其他剧集一样，唯一的发行放映渠道是卫视。
例如当时改编自同名小说的《步步惊心》成为首部单集网络播放量破亿的电视剧，并帮助获得其首播权的湖南卫视在放映期间牢牢占据收视冠军的地位，后又被环球影业购买版权成为了早期“走出去”的代表。
1 2010年以后随着互联网的加速普及，网剧的发展逐渐成为剧集的另一个出口。
《太子妃升职记》在2015年上映48小时移动端放映数破千万成为现象级剧集，也是乐视同年取得新增220万会员优秀成绩的主要推手。
低制作、小成本，依靠优秀的制作口碑发酵的打法助力2015年成为了“网剧元年”。
第三阶段：IP剧爆发阶段IP剧的发展离不开政策因素，2014年广电总局颁布了“两剧一星”新规，新政策的颁布施行从根本上改变了行业格局。
迫使视频网站聚集编剧、剧本，与影视公司合作尝试自制剧。
随即一批高质量作品的出现一度把网剧发展推到了高潮。
到了现在IP剧的发展暂时告别粗放发展，进入精耕细作阶段。
自2015年以来，IP剧数量占据到了八成，主要IP剧的豆瓣评分也从4分快速上升。
2018年主要IP剧豆瓣平均分已经超过6分，我们搜集的2019年上映的39部IP剧平均分更是达到了7.3分。
IP剧的快速发展引起了行业内各方对IP的重新审视。
视频平台方面，优爱腾早已大规模布局IP生态。
腾讯将文学网站阅文收入旗下，爱奇艺也启动了“云腾计划”打通文学、网剧和网大的IP生态，优酷所属的阿里通过阿里文学IP影视顾问团，扶持作家打造“超级IP生态圈”，斥资上亿元签约网络作家，并投入超过2000万元奖励原创作品。
2 制作公司方面，涌现了一批创作出热门、甚至爆款IP剧的公司，如慈文传媒、正午阳光等。
粉丝经济目前已经成为社会热门话题，其泛指架构在粉丝和被关注者关系之上的经营性创收行为，是一种通过提升用户粘性并以口碑营销形式获取经济利益与社会效益的商业运作模式。
现在，互联网突破了时间、空间上的束缚，粉丝经济被宽泛地应用于文化娱乐、销售商品、提供服务等多领域。
商家借助特定的平台，通过某个兴趣点聚集朋友圈、粉丝圈，给粉丝用户提供多样化、个性化的商品和服务，实现盈利。
IP剧也是这样的商品或服务，其在影视行业多指拥有较大粉丝基础的文学作品等作为原始素材被授权给影视公司进行深度开发与传播，是具有高辨识度、自带流量、变现能力强和变现周期长的文化符号。
2018年TOP50的剧集中，有32部是IP改编剧。
据《中国电视剧风向标报告2019》，截止到2019年11月，播放量排名前10的网络剧中就有9部属于IP改编剧。
IP剧带来的还有从“观众”到“粉丝”的转变。
不同于一般观众，IP剧粉丝会在观剧过程中积极进行信息反馈、交流互动和生产创造，并在这样的过程中由原本独立的个体粉丝逐渐演变成粉丝社群，拥有强大的消费能力和创造能力，从而形成支撑IP剧存活和发展的重要动力。
那么，在IP剧形成社会影响力以及变现的过程中，粉丝的
3 影响究竟如何呢？本报告通过搜集以粉丝为核心展开的相关数据，探究影响IP剧影响力以及变现的相关因素。
1.2数据与指标数据来源是清博大数据通过公开资料全网搜集，选取的对象 是宣发、播放等流程均在2019年内完成的39部IP剧，包括《陈情令》、《亲爱的热爱的》、《长安十二时辰》等热门剧集。
为了刻画IP剧及粉丝的特点，我们从“原著”、“主演”、“主创”、“营销”四个方向共计112个维度进行数据搜集，例如粉丝量、粉丝画像、全网传播量等角度。
在IP剧影响力及变现方面，搜集了这些剧集的粉丝量、播放量、传播量以及剧集周边产品销量、广告植入等21个维度的数据。
从数据上看整体有如下几个特点：
1、原著总体质量很高，豆瓣平均分达7.3分；
2、IP剧整体质量尚可，6.2的平均分略高于大陆影视剧的豆瓣均分5.6分；
3、IP剧舆情热度差距极大，在这39部IP剧中微信提及数差距接近6000倍，微博提及数差距更是接近20万倍；
4、女性观众是粉丝经济的主力，在观剧上《暗恋橘生淮南》、《八分钟的温暖》、《满满喜欢你》、《最动听的事》等剧，女粉丝占比超过80%，而即使如《长安十二时辰》等以男性视角出发的IP剧，女粉占比也达到49%，总体而言女粉平均占比为68%；在原著上平均女粉占比超过70%，女粉占
4 比不到一半的原著小说仅有5部；在主演上官方宣布主演的前2位，粉丝画像里女粉占比均超过65%。
下文数据均采用IBMSPSSStatistics24.0统计软件进行统计学分析，由于不符合正态分布，因此选用斯皮尔曼等级相关和典型相关性。
P<0.05为具有显著性差异，具有统计学意义。
2描述性统计及正态验证 在原著吸粉能力维度上，原著超话粉丝数量平均数为52803.41，中位数为5957，四分位数为（1057,52803）；原著超话帖子数量平均数为10946.45，中位数为1956，四分位数为（823,10946.45）。
在主演吸粉能力维度上，主演1超话粉丝量平均数为522049.4，中位数为109000，四分位数为（23000,767000）；主演1超话粉丝量平均数为475763.9，中位数为67000，四分位数为（5686,181000）。
在主演百度指数维度上，主演1播剧前一年百度指数平均数为208745，中位数为9221，四分位数为（3966,21089）；主演1开播期间及至播放后三个月百度指数平均数为275373.2，中位数为14316，四分位数为（6466,132994）；主演2播剧前一年百度指数平均数为169336.4，中位数为3605，中位数为（1413,16317）；主演2开播期间及至播放后三个月百度指数平
5 均数为232008.5，中位数为13977，四分位数为（3272,39063）。
在IP剧吸粉能力维度上，剧粉丝数平均数为490737.4，中 位数为211000，四分位数为（52145,567000）；剧超话个数平均数为12515.36，中位数为1678，四分位数为（13,12515.36）；剧超话粉丝数平均数为37223.52,中位数为5235，四分位数为（877,37223.52）。
在检验结果上，绝大多数显著性都p＜0.05，因此本文在双变量相关性方面选择斯皮尔曼等级相关。
6 32019IP剧粉丝经济研究双变量相关性分析 3.1IP原著：自带受众流量，创意核心与情绪资本近年来，基于网络小说IP的改编作品频繁出现在大小荧幕， 原创剧本大大缩减。
网络作品自带知名度和大量粉丝网络作品自带知名度和用户群，在网生代心目中占据着重要地位，且对其衍生品的购买意愿比较高，这是资本热衷改编网络小说是资本热衷改编网络小说的原因之
一。
由于原著的忠实粉丝奠定了广泛的受众基础和消费基础的受众基础，网络IP剧本身自带受众流量。
网络文学与传统文学相比较更注重商业性，注重读者体验，平台的开放性高，受众的阅读门槛较低，因此积累了广泛的受众
1。
根据比达咨询的数据显示，2019年我国数字阅读用户规模达7.4亿人，其中网络文学用户规模达到4.6亿人，同比增长8.3%，市场规模达到204.8亿元，同比增长21.0%；阅文、掌阅、书旗三大数字阅读平台分别占据市场的前三位。
如此庞大的受众群体提供的阅读量也为网络剧的流量奠定了基础。
如在2019年夏季腾讯视频热播的网络IP剧《陈情令》，上线仅一周就达到了2.8亿次点击量，正片累计有效播放次数达46亿，并在微博形成超过4000万次讨论。
《陈情令》改编自晋江网络写手墨香铜臭的网络小说《魔道祖师》，连载期间一年全文点击量破10亿，关 1邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60.7 于“#魔道祖师#”的微博话题阅读量达到193.4亿，讨论量达1015.9万；关于剧中角色“#忘羡#”的微博话题阅读量达到92.8亿，讨论量达到439.4万。
可以看出，原著读者对IP相关文学作品进行阅读后，逐步建立起对角色的情感，成为“粉丝”，这种情感会让他们对改编的网络IP剧倍加期待，成为收视及消费群体的潜在人群。
然而并不是所有的IP都有商业价值，IP着重指向内容，只有头部优质IP才具有与粉丝经济合流的价值。
优质网络文学IP可以等同于好的故事和角色，这也成为改编影视作品的创意核心和成功基础。
其次，网络小说具备相对复杂的人物关系和人物秘密，和基本的故事框架，这一特性也为编剧提供了较为丰富的材料。
原著因素主要包含23个子维度，分别为：原著微博超话粉丝数量、原著微博超话帖子数量、原著豆瓣评分、原著电商销量（由淘宝+天猫、当当、京东三个维度数据合并）、原著粉丝女性占比、原著20到29岁粉丝占比、原著30到39岁粉丝占比、原著微信提及数、原著微博提及数、原著网页提及数、原著论坛提及数、原著客户端提及数、原著报刊提及数、原著头条提及量、原著视频提及量、原作者微信提及数、原作者微博提及数、原作者网页提及数、原作者论坛提及数、原作者客户端提及数、原作者报刊提及数、原作者头条提及量、原作者视频提及量。
8 3.1.1IP原著与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 原著超话粉丝数量.360*.460**.519**0.094-.355*.381*-0.065-0.0530.228-.345*.354*0.245.326*0.2830.260.2920.179.339*0.182 原著超话帖子数量0.289.470**.498**0.095-0.2790.2440.041-0.0550.205-.381*0.3170.248.351*0.3110.3050.2970.213.345*0.125 表3.1斯皮尔曼等级相关分析表（原著-IP剧影响力） 原著豆瓣原著电商销原著粉丝女原著20到29原著30到39 评分 量 性占比 岁粉丝占比岁粉丝占比 0.246 0.131 -0.143 -0.117 .357* 0.156 .471** 0.051 -.340* 0.297 0.271 .364* 0.056 -.387* .332* -0.163 0.058 .721** -0.208 0.041 0.118 -.341* -.551** .562** -0.302 -0.022 0.183 0.278 -.393* .769** -.373* -0.112 0.236 0.229 -0.19 .338* 0.091 -0.152 -0.201 0.127 0.16 0.113 0.028 0.059 0.202 0.223 0.067 -0.212 -0.084 0.277 .358* 0.299 0.052 -0.223 0.25 0.242 .383* 0.034 -0.221 0.306 0.25 .484** 0.152 -.470** .324* .331* .336* 0.106 -0.302 .318* 0.31 .381* 0.062 -0.245 .349* 0.23 .393* 0.135 -.328* .400* 0.285 0.133 0.005 -0.188 0.138 0.174 .355* 0.157 -.342* .361* 0.021 0.257 0.192 -0.197 .428** 原著微信提
及数.321*0.0760.118-0.167-0.1230.21-0.011-0.0480.133-0.0130.13.487**.459**.582**.475**.474**.454**.448**0.28 原著微博提及数.345*0.245.359*-0.089-0.1570.1730.0210.0060.108-0.002.329*.593**.673**.679**.593**.568**.575**.526**.357* 原著网页提及数.368*0.090.18-0.161-0.1320.1830.074-0.0310.217-0.0580.105.483**.473**.600**.501**.462**.483**.433**0.237
9 原著论坛提及数 原著客户端提及数 原著报刊提及数 原著头条提及量 原著视频提及量 原作者微信提及数 原作者微博提及数 原作者网页提及数 原作者论坛提及数 剧粉丝数 .493** .365* 0.307 剧超话个数 0.23 0.165 0.044 剧超话粉丝数 0.268 0.204 0.124 剧女粉比例 -0.257
-0.169 -0.18 剧20到29 -0.078-0.215-0.137 剧30到39 0.268 0.254 0.1 播出的网络平台数量-0.085 0.038 0.135 优酷播放数量 -0.033 -0.11 -0.077 腾讯播放数量 0.2 0.263 0.135 爱奇艺播放数量 0.031 -0.065
-0.069 剧豆瓣 0.307 0.164 0.097 剧微信提及数 .592**.496**.452** 剧微博提及数 .610**.482**.409** 剧网页提及数 .673**.605**.587** 剧论坛提及数 .666**.513**.439** 剧客户端提及数 .573**.491**.473** 剧报刊提及数 .519**.457**.468** 剧头条提及量 .515**.455**.474** 剧视频提及量 .401* 0.297 0.186 注：***.在0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
.344*0.1370.184-0.182-0.2080.2260.069-0.0630.231-0.110.129.507**.484**.633**.531**.513**.494**.491**0.312 .324*0.2420.136-0.132-0.265.441**0.014-0.1880.252-0.0260.167.461**.323*.502**.500**.513**0.313.462**.737** .440**.455**.606**-0.246-0.1920.2460.053-0.2280.123-0.0770.187.508**.440**.599**.456**.498**.584**.417** 0.14 .435**.406*.545**-0.117-0.1860.2370.037-0.2070.146-0.070.236.531**.493**.652**.501**.525**.600**.444**0.168 .462**.453**.576**-.316*-0.1180.3070.126-0.2210.213-0.1370.204.525**.387*.610**.507**.512**.573**.427**0.247 .465**.501**.577**-0.211-0.173.335*-0.009-0.2660.233-0.0660.225.480**.465**.563**.486**.469**.531**.381*0.245 原作者客户端提及数 .481**.497**.577**-0.245-0.1330.2730.088-0.2170.203-0.0790.201.577**.481**.662**.546**.570**.601**.476**0.26 原作者报刊提及数.385*.410**.567**-.384*-0.1280.2810.117-0.1940.127-0.1220.118.415**0.265.507**.366*.416**.498**.336*0.082 原作者头条提及量 原作者视频提及量 .424**.480**.571**-0.265-0.1430.2810.119-0.2220.186-0.0850.182.542**.420**.627**.497**.533**.582**.440**0.217 .339*.345*.381*-0.176-0.0570.1850.027-0.2450.2320.0560.083.444**.367*.490**.438**.428**.418**.325*0.24 10
（1）“原著电商销量”与“剧超话个数”、“剧超话粉丝数”的相关系数分别在5%、10%的置信水平上显著相关。
表明原著销售成绩优秀能带动剧集吸粉或者剧集的粉丝热度能促进原著的销售。
（2）“原著20-29”与“剧20-29”；“原著30-39”与“剧3039”的p值均在5%的置信水平上显著正相关。
表明原著粉丝年龄层与剧集受众年龄层有显著的对应关系。
原著20-29岁的年轻群体与剧集粉丝人气、剧集传播热度（微博、客户端、头条）呈负相关，而30-39岁群体与剧集粉丝人气、剧集传播热度呈正相关，表明较为年轻的群体对于原著翻拍剧集、以及对于剧集传播粘性不足，相对比较难以转化。
（3）原著超话粉丝数、传播热度与剧集粉丝数、传播热度呈正向显著相关，说明原著的人气与热度对剧集粉丝人气与热度有正向相互拉动的关系；但同时数据表明，原著的口碑（原著豆瓣评分）对于剧集的粉丝人气并没有显著的相关性。
11 3.1.2IP原著与IP剧变现的关系 表3.2斯皮尔曼等级相关分析表（原著-IP剧变现情况） 周边销量前
十 广告植入总和 原著超话粉丝数量 .436** 0.002 原著超话的帖子数量 .494** 0.062 原著豆瓣 -0.063 .345* 原著电商销量 0.277 0.005 原著粉丝女性占比 0.092 -0.206 原著
20到29占比 -0.234 0.015 原著30到39占比 0.289 -0.026 原著微信提及数 0.157 0.295 原著微博提及数 0.207 .495** 原著网页提及数 0.144 .387* 原著论坛提及数 0.312 .448** 原著客户端提及数 0.191 0.295 原著报刊提及数 0.123 0.301 原著头条提及量 0.162 0.314 原著视频提及量 0.288 0.078 原作者微信提及数 0.179 .350* 原作者微博提及数 0.211 .481** 原作者网页提及数 0.25 .378* 原作者论坛提及数 0.271 .376* 原作者客户端提及数 0.267 .412** 原作者报刊提及数 0.088 .324* 原作者头条提及量 0.221 .372* 原作者视频提及量 0.159 0.269 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
在变现对比中，我们将原著的23个子维度与剧集的广告植入数量、剧集相关周边在淘宝的销量进行了相关性分析，得到以下发现：
（1）原著的粉丝数量、讨论热度、原著销量与剧集的周边销售呈显著正向相关；
（2）原著口碑（原著豆瓣评分）、原著传播热度、原著作者 12 的传播热度与剧集的广告植入呈显著正向相关。
3.2IP剧主演：迎合粉丝喜好，符号价值与情感认同尽管原著IP拥有数目庞大的粉丝群体，但在其发酵为成功 的粉丝经济产物的过程中，原著IP本身所占的分量有限，流量明星出演吸引大批粉丝追捧是粉丝经济繁荣中更重要的一部分而由于明星演员出演吸引大批粉丝捧场造成的粉丝经济繁荣，是其中更重要的一环
2。
从剧集角度上来说，流量明星出演是IP剧吸引粉丝的重要手段。
IP剧常常采用“热门优质IP+流量明星”的模式，一方面通过热门优质IP保证内容品质，另一方面通过流量明星的参演吸引受众，从而提高收视率和市场占有率。
因此，为了降低IP剧的市场风险，IP剧在挑选演员的过程中不仅要考虑到与角色的贴合度，还要考虑到出演明星是否有强大的粉丝基础和粉丝号召力。
从粉丝消费心理的角度，粉丝追星行为包含粉丝对于明星的认同、仰慕等情绪，明星于他们而言是一种符号，追星消费是其追求符号价值的行为。
同时，粉丝在追星过程中情感的投入，也使其在消费过程中获得一定情感认同。
因此，IP剧选取流量明星参演，能够通过迎合粉丝喜好的方式吸引粉丝消费。
2朱丽丽.混杂式粉丝经济:网络IP、明星与粉丝社群[J].媒介批评,2019(00):49-63.13 在本报告的数据采集中，主演因素主要包含38个子维度，分别为：主演1超话粉丝量、主演2超话粉丝量、主演1女粉占比、主演1粉丝20到29岁占比、主演1粉丝30到39占比、主演2女粉占比、主演2粉丝20到29岁占比、主演2粉丝30到39占比、主演1播剧前一年百度指数、主演1开播期间及至播放后3个月百度指数、主演2播剧前一年百度指数、主演2开播期间及至播放后3个月百度指数、主演1综艺数量、主演2综艺数量、主演1封面数量、主演2封面数量、主演1获奖数、主演2获奖数、主演1代言数（剧播1年前）、主演1代言数（开播期间及至播放后3个月）、主演2代言数（剧播1年前）、主演2代言数（开播期间及至播放后3个月）、主演1微信提及数、主演1微博提及数、主演1网页提及数、主演1论坛提及数、主演1客户端提及数、主演1报刊提及数、主演1头条提及量、主演1视频提及量、主演2微信提及数、主演2微博提及数、主演2网页提及数、主演2论坛提及数、主演2客户端提及数、主演2报刊提及数、主演2头条提及量、主演2视频提及量。
14 3.2.1IP剧主演与IP剧影响力的关系 表3.3斯皮尔曼等级相关分析表（主演-IP剧影响力） 主演1超话粉丝量 主演2超话粉丝量 主演1女粉占比 主演一20到29 主演一30到39 主演2女粉占比 主演二20到29 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 .554**.444**.483**-0.189-0.1350.261 0.07-0.103.373*0.138 0.17.533**.689**.599**.645**.524**.547**.466**0.288 .347*0.31.402*-0.034-0.1920.2310.25-0.229.350*-0.0390.171.511**.582**.553**.525**.465**.430**.437**0.151 0.0250.0390.085.596**-0.1220.1730.031-0.0510.0440.0320.127-0.0460.0150.037-0.0230.009-0.081-0.0260.105 0.010.0930.024-0.1190.255-0.229-0.030.028-0.075-0.11-0.0160.116-0.0340.0010.0040.0440.1740.0290.006 0.065-0.0330.0290.165-0.1850.1390.147-0.0920.163-0.097-0.014-0.0040.1310.0820.1450.0220.0090.0320.094 0.063-0.0150.036.435**-.360*.348*-0.060.0010.135-0.0930.2230.1490.1730.2450.0650.212-0.0890.2020.158 -0.037-0.244-0.286-0.078.394*-0.1990.144-0.216-0.0010.169-0.314-0.141-0.205-0.098-0.034-0.0830.039 -0.10.013 主演二30到39 0.143.402*.415**0.165-.461**.534**0.114-0.0760.246-0.0790.32.371*.323*.355*0.281.381*0.137.368*.349* 主演1播剧前一年百度 指数.414**0.285.333*-.408**0.122-0.062-0.0610.1330.1660.0390.039.367*.357*.419**.486**.374*.439**.335*0.204 主演1开播期间及至播放后3个月 0.296.452**.503**-0.134-0.1390.194-0.0610.0820.2310.082 0.27.466**.478**.498**.541**.482**.480**.433**.389* 15 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 主演2播剧前一年百度 指数 0.278.408**.401*-0.2650.033-0.0760.0160.0090.227-0.041-0.026.383*0.295.360*.443**.365*.499**.348*0.138 主演2开播期间及至播放后3个月 .467**.596**.643**-0.216-0.1540.2080.0370.025.322*0.0270.292.665**.682**.677**.733**.653**.636**.606**.505** 主演1综艺数量 0.095.404*0.235-0.171-0.1090.0210.032-0.0520.237-0.010.1790.289.382*0.262.340*0.2660.1770.2590.055 主演2综艺数量 -0.027.433**0.252-0.023-0.2240.0860.057-0.0550.266-0.0670.2130.281.397*0.242.384*0.2530.1870.2350.109 主演1封面数量 0.231.535**.457**-0.228-0.190.1490.096-0.064.334*0.0690.298.427**.393*.402*.470**.405*.465**.351*0.255 主演2封面数量 0.0590.1540.102-0.033-0.1360.184-0.07-0.1660.21-0.1580.0410.2340.1320.1680.1630.1760.1420.1410.121 主演1获奖数 .509**.414**.490**-0.283-0.0410.2380.184-0.060.2840.0840.038.617**.587**.632**.637**.604**.646**.555**.327* 主演2获奖数 0.25.374*.431**-0.2360.0240.0780.3060.0460.3130.0740.064.469**.420**.428**.493**.398*.558**.363*0.129 主演1代言数（剧播
1 年前） 0.2760.0290.174-0.026-0.010.038-0.0740.139-0.030.1330.2270.2840.1780.312.337*.318*.412**0.287.317* 主演1代言数（开播期间及至播放后3个月） 0.2980.0550.170.0490.0240.202-0.0280.0840.119-0.093-0.0480.031-0.1480.096-0.0410.0910.0940.0640.105 16 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 主演2代言数（剧播
1 年前） 0.107-0.157-0.038-0.0890.0650.1020.028-0.086-0.126-0.249-0.268-.325*-.327*-0.222-.327*-0.274-0.145-0.286-0.304 主演2代言数（开播期间及至播放后3个月） 0.290.1890.195-0.0820.211-0.015-0.1490.1530.123-0.035-0.0450.204-0.0270.2380.1690.2390.2140.2220.133 主演1微信提及数 .503**.392*.468**-0.191-0.1670.2810.173-0.0720.3010.0970.197.606**.557**.614**.586**.612**.565**.626**0.289 主演1微博提及数 .488**.407*.431**-0.115-0.282.416**0.208-0.1050.3050.1590.229.560**.629**.624**.631**.622**.532**.616**.346* 主演1网页提及数 主演1论坛提及数 主演1客户端提及数 主演1报刊提及数 主演1头条提及量 主演1视频提及量 .502**.386*.458**-0.139-0.222.344*0.204-0.1270.2460.0950.199.616**.591**.629**.617**.645**.576**.653**.368* .478**.445**.501**-0.13-0.253.361*0.179-0.1130.2680.114 0.26.635**.634**.647**.648**.660**.587**.667**.374* .509**.373*.445**-0.14-0.26.365*0.231-0.1570.2360.090.174.603**.568**.616**.603**.642**.572**.649**.384* .500**.370*.475**-0.296-0.0080.2680.153-0.0140.210.152.326*.633**.506**.619**.633**.633**.569**.639**.376* .484**.384*.441**-0.129-0.216.364*0.196-0.1250.2520.1260.208.616**.569**.616**.608**.641**.572**.640**.369* .464**.395*.431**-0.119-0.281.387*0.258-0.1760.2440.10.211.563**.544**.602**.574**.623**.539**.623**.390* 17 主演2微 主演2微 信提及数 博提及数 剧粉丝数 .364* .423** 剧超话个数 .342* .486** 剧超话粉丝数 .419** .504** 剧女粉比例 0.002 0.012 剧
20到29 -0.285 -0.259 剧30到39 0.286 0.274 播出的网络平台数量 .359* 0.247 优酷播放数量 -0.231 -0.098 腾讯播放数量 0.297 .416** 爱奇艺播放数量 -0.014 -0.045 剧豆瓣 0.128 0.29 剧微信提及数 .546** .615** 剧微博提及数 .529** .661** 剧网页提及数 .596** .668** 剧论坛提及数 .599** .674** 剧客户端提及数 .594** .645** 剧报刊提及数 .542** .566** 剧头条提及量 .607** .657** 剧视频提及量 0.299 .327* 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
主演2网页提及数 .403*.421**.472**0.008-0.290.297.349*-0.213.344*-0.045 0.15.619**.590**.666**.668**.663**.592**.670**.362* 主演2论坛提及数.407*.450**.487**-0.016-0.2550.3060.284-0.166.404*-0.0280.194.639**.557**.679**.670**.684**.576**.690**.403* 主演2客户端提及数 .418**.462**.493**-0.03-0.2570.3020.291-0.179.382*-0.0240.181.632**.592**.670**.697**.676**.581**.681**.416** 主演2报刊提及数 .360*.412**.438**-0.008-0.2780.2390.306-0.191.347*-0.0270.206.586**.550**.594**.600**.598**.568**.607**.325* 主演2头条提及量.408**.446**.487**-0.011-0.2730.2840.314-0.178.365*-0.0180.168.616**.596**.659**.681**.660**.580**.668**.381* 主演2视频提及量.383*.476**.471**-0.023-0.2130.2620.256-0.165.353*-0.0450.284.643**.611**.650**.719**.664**.509**.661**.472** 18
（1）主演1、2的粉丝活跃度与剧集粉丝活跃度互呈正相关；主演
1、主演2的粉丝活跃度与剧传播热度呈正向相关。
（2）“主演1女粉占比”、“主演2女粉占比”与“剧女粉占比”的相关系数在5%的置信水平上显著相关。
表明主演的粉丝性别比例与剧集的粉丝性别比例存在一致性。
但同时数据表明，女粉比例与剧集粉丝活跃度、播放量、剧集传播热度没有显著相关性。
（3）主演的热度（主演的百度指数、微信、微博、网页、报刊、头条、视频等）对于剧集粉丝活跃度、传播热度呈显著正向相关，但主演的专业能力（获奖情况）、商业价值（代言情况）对剧集的粉丝活跃度与传播热度没有显著相关。
流量明星仍是剧集获取关注的最重要手段。
19 3.2.2IP剧主演与IP剧变现的关系 表3.4斯皮尔曼等级相关分析表（主演-IP剧变现情况） 周边销量前
十 广告植入总和 主演1超话粉丝量 .374* .432** 主演2超话粉丝量 0.263 .393* 主演1女粉占比 0.147 -0.081 主演一20到29 0.113 0.011 主演一30到39 -0.04 0.072 主演2女粉占比 0.069 -0.082 主演二20到29 0.021 0.07 主演二30到39 0.269 -0.079 主演1播剧前一年百度指数 .344* .495** 主演1开播期间及至播放后3个月 .421** .324* 主演2播剧前一年百度指数 .446** .322* 主演2开播期间及至播放后3个月 .565** .370* 主演1综艺数量 0.091 0.134 主演2综艺数量 0.182 -0.008 主演1封面数量 0.233 0.039 主演2封面数量 -0.074 -0.025 主演1获奖数 0.257 .477** 主演2获奖数 0.252 .324* 主演1代言数（剧播1年前） 0.244 0.077 主演1代言数（开播期间及至播放后3个月） 0.042 0.119 主演2代言数（剧播1年前） -0.125 0.002 主演2代言数（开播期间及至播放后3个月） 0.134 0.25 主演1微信提及数 .440** .403* 主演1微博提及数 .517** 0.311 主演1网页提及数 .474** .356* 主演1论坛提及数 .545** .347* 主演1客户端提及数 .477** .329* 主演1报刊提及数 .454** .428** 主演1头条提及量 .474** .324* 主演1视频提及量 .448** 0.289 主演2微信提及数 .490** 0.258 主演2微博提及数 .593** .379* 主演2网页提及数 .531** .324* 主演2论坛提及数 .533** 0.302 主演2客户端提及数 .551** .320* 主演2报刊提及数 .499** 0.225 主演2头条提及量 .528** 0.311 主演2视频提及量 .571** 0.296 注：***.在0.01级别（双尾），相关性显著。
20 **.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
主演的粉丝数、传播热度与广告植入、周边销售成正向相关，流量明星对于剧集后期变现仍起着重要作用。
3.3IP剧主创：形成品牌效应，通过品质提升口碑主创团队对IP剧集粉丝经济的影响也不容小觑。
例如《欢 乐颂》、《知否知否应是绿肥红瘦》等影视剧的火爆，不仅源于观众对原著IP的认同，更源于对“正午阳光”影视公司品牌的信任。
正午阳光凭借《琅琊榜》、《伪装者》进入观众视野后，再凭借《大江大河》、《都挺好》等多部电视剧，逐步形成良好的市场品牌形象。
而这一品牌建立的核心就在于优秀的制片人为主导，导演专注艺术创作，编剧生产高质量文本相辅相成。
6年16部高分作品，奠定了观众对“正午出品，必属精品”这一口号的认知。
旗下门面导演孔笙执导了《闯关东》、《北平无战事》、《琅琊榜》、《欢乐颂》等大量优秀作品，无一不是一时的话题。
汪俊同样如此，《小欢喜》、《小别离》、《四世同堂》等均豆瓣评分超过8分，其执导的《如懿传》更是在大结局时累计播放达145亿，出售价格高达13.5亿元。
董事长、制片侯鸿亮不仅是编剧更是正午阳光的核心人物，公司团队、艺术团队的凝结很大程度上依赖于他的艺术水准和人格魅力。
但是除了正午阳光以外，国内的影视剧市场下个人品牌相对弱于其他主创的制片人更多是通过把 21 握剧集品质进而影响它们的传播。
主要工作为编写剧本、塑造人物的编剧同样如此，例如创作出《闯关东》、《温州一家人》等优秀作品的高满堂，很大程度上成就了孔笙导演的影史地位。
电影《少年的你》在官宣之初就提出了“七月与安生原班金马团队”，吸引了广泛的关注。
这是由于观众已经认可了金马奖团队的高水准，这样的主创便是对电影品质的一种保证，是一种品牌效应。
主创因素主要包含25个子维度，分别为：导演微博粉丝量、导演微信提及数、导演微博提及数、导演网页提及数、导演论坛提及数、导演客户端提及数、导演报刊提及数、导演头条提及量、导演视频提及量、制片微信提及数、制片微博提及数、制片网页提及数、制片论坛提及数、制片客户端提及数、制片报刊提及数、制片头条提及量、制片视频提及量、编剧微信提及数、编剧微博提及数、编剧网页提及数、编剧论坛提及数、编剧客户端提及数、编剧报刊提及数、编剧头条提及量、编剧视频提及量。
22 3.3.1IP剧主创与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 导演微博粉丝量0.276-0.1310.023-0.3050.292-0.092-0.0960.066-0.0620.269-0.0830.0930.060.1230.1190.1120.0390.1020.087 导演微信提及数0.0540.1070.047-0.052-0.1980.162-0.077-0.0640.103.440**-0.040.1770.0510.2240.0810.2460.1430.2110.117 表3.5斯皮尔曼等级相关分析表（主创-IP剧影响力） 导演微博 导演网页 导演论坛 导演客户 导演报刊 提及数 提及数 提及数 端提及数 提及数 -0.005 0.114 0.163 0.118 0.034 0.076 0.102 0.177 0.111 0.026 0.072 0.092 0.148 0.084 -0.021 0.027 0.018 -0.108 0.01 -0.096 -0.228 -0.19 -0.159 -0.184 -0.103 0.118 0.181 0.215 0.205 0.054 0.125 -0.045 -0.048 0.018 -0.013 0.03 -0.008 -0.037 -0.019 -0.058 0.034 0.057 0.171 0.103 -0.01 0.299 .345* 0.26 0.302 0.305 0.189 -0.079 -0.021 -0.059 -0.322 0.29 0.309 .343* .325* 0.168 0.174 0.1 0.116 0.105 0.004 0.26 .344* .344* .338* 0.21 0.169 0.19 0.223 0.213 0.066 0.312 .372* .393* .383* 0.243 0.249 0.29 0.258 0.278 0.173 0.307 .329* .360* .342* 0.211 0.124 0.154 0.214 0.186 0.067 导演头条提
及量0.110.0740.055-0.019-0.1840.2110.083-0.080.1020.233-0.1160.2960.069.326*0.184.350*0.2830.3070.121 导演视频提及量0.2170.2420.2220.053-0.1240.0960.07-0.1360.2230.013-0.127.320*0.0490.2780.1860.304.341*0.2560.052 制片微信提及数0.022 -0.1-0.1730.122 0-0.079-0.129-0.161-0.0540.266-0.1590.072-0.0510.0570.051 0.120.1710.1270.061 23 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 制片微博提及数0.1880.195 0.03-0.103-0.0850.083-0.085-0.2150.1710.152-0.0180.1320.0910.1130.1270.1990.1690.1930.131 制片网页提及数0.041-0.03-0.132-0.0820.059-0.083-0.056-0.236-0.0420.309-0.2780.189 0.070.1570.1690.2120.1910.1910.132 制片论坛提及数0.0430.001-0.148-0.0840.058-0.074-0.09-0.2210.0280.278-0.2550.108-0.0330.0710.1010.1470.1670.1460.101 制片客户端提及数 0.093-0.009-0.105-0.1890.094-0.07-0.131 -0.20.023.347*-0.2610.180.060.1490.1680.1980.2370.1720.106 制片报刊提及数0.222-0.042-0.103-0.0080.191-0.058-0.215-0.0160.049.353*-0.1160.1960.1380.2120.2540.2510.2470.2630.057 制片头条提及量0.001-0.082-0.185-0.0570.024-0.094-0.021-0.252-0.028.344*-.334*0.089-0.0280.0790.0660.1230.1570.0990.006 制片视频提及量0.2010.2430.124-0.073-0.0170.05-0.197-0.0440.1130.1760.1410.2750.1670.2760.303.364*.328*.398*0.218 编剧微信提及数0.275.322*.441** -0.2-0.1230.065-0.1270.0510.1540.1280.1840.2210.2050.2680.2010.1910.2550.143-0.028 编剧微博提及数0.2690.2060.283-0.0940.0390.016 0.020.0270.217-0.0580.0620.1860.1340.2490.1210.1530.3050.131-0.161 编剧网页提及数.367*0.194.374*-0.192-0.0030.015-0.0330.0460.124 0.10.0170.2230.1640.2990.1910.197.340*0.155-0.111 24 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 编剧论坛提及数0.2870.248.372*-0.107-0.052 0.1-0.035-0.0310.2060.0710.0870.1960.146 0.260.1610.1740.2640.126-0.107 编剧客户端提及数 .325*0.218.365*-0.186-0.0440.038-0.0210.0050.1160.1070.0310.2120.1790.2750.1790.1850.3020.139-0.072 编剧报刊提及数.341*0.1560.264-0.2940.082-0.118-0.0610.0580.119-0.03-0.070.1570.1060.2230.1570.141 0.230.105-0.059 编剧头条提及量0.2860.214.331*-0.229-0.050.022-0.0550.0450.0890.1190.0060.1920.1690.2440.1690.1650.2620.117-0.056 编剧视频提及量 0.210.2250.237-0.2170.0150.015-0.101-0.0020.231-0.0850.1210.1050.0430.1670.0710.0870.1450.071-0.084 注：***.在0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
25 从粉丝活跃度来讲，导演的粉丝活跃度与剧集的粉丝活跃度无显著相关，导演的传播热度与剧集的传播热度呈正向相关；相反，编剧的传播热度与剧集的粉丝活跃度呈显著正向相关；制片人与剧集的粉丝活跃度和新闻热度都没有显著相关性。
在制作团队中，导演以及编剧对于剧集的人气及热度有着正向的带动作用，而制片人的作用并不明显。
3.3.2IP剧主创与IP剧变现的关系 表3.6斯皮尔曼等级相关分析表（主创-IP剧变现情况） 周边销量前
十 广告植入总和 导演微博粉丝量 -0.069 0.174 导演微信提及数 0.069 -0.087 导演微博提及数 0.195 -0.105 导演网页提及数 0.112 0.004 导演论坛提及数 0.166 0.004 导演客户端提及数 0.097 -0.037 导演报刊提及数 0.011 0.015 导演头条提及量 0.08 -0.009 导演视频提及量 0.073 0.026 制片微信提及数 -0.07 -0.091 制片微博提及数 0.105 -0.192 制片网页提及数 -0.09 0.032 制片论坛提及数 -0.016 -0.091 制片客户端提及数 -0.08 -0.021 制片报刊提及数 0.064 0.152 制片头条提及量 -0.115 -0.07 制片视频提及量 0.279 -0.08 编剧微信提及数 -0.113 0.201 编剧微博提及数 -0.04 0.306 编剧网页提及数 -0.124 .396* 编剧论坛提及数 -0.088 0.283 编剧客户端提及数 -0.13 0.314 编剧报刊提及数 -0.126 .339* 编剧头条提及量 -0.136 0.275 编剧视频提及量 -0.052 0.17 注：***.在
0.01级别（双尾），相关性显著。
26 **.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
从2019年的IP剧数据表现来看，主创团队对变现几乎没有显著相关性，只是编剧在传播热度方面对广告植入有一定相关性。
3.4IP剧营销：增强粉丝黏性，提高热度以突破圈层IP剧的传播效果和粉丝变现能力，不仅依赖于IP本身的受 众吸引力，营销和推广也起到了重要作用。
与传统影视剧相比，IP剧的营销周期更长、营销途径更广， 一方面通过长期的曝光和推广吸引更多的关注度，另一方面通过互动提高原著粉和演员粉丝的期待值，从而增强粉丝粘性。
相较于传统影视剧，IP剧的营销周期更长，可以有足够的时间利用各种途径进行推广，以提高IP剧原著粉、明星粉丝对IP剧的关注度，也引起无意识受众的注意
3。
IP剧通过在媒体和社交平台上制造剧集相关的话题，能够激发IP剧原著粉及明星粉丝的兴趣，IP剧首先通过宣传和“明星效应”的号召去引起粉丝的注意，随后制片方会制造话题，使粉丝产生想要进一步了解该剧的兴趣，提高粉丝对IP剧的期待值，从而增强粉丝黏性。
营销方式上，制造话题热度之外，口碑营销也是当今影视剧宣传的重要手段各种新媒体应用层出不穷，打造口碑并利用口碑进行营销是影视剧进行宣传的一大良策
4。
初代流量只顾热度，忽 3独凯悦.泛娱乐时代IP剧粉丝消费行为研究[D].四川省社会科学院,2017.4黄楚新,文传君.论新媒体环境下影视剧的营销策略[J].新闻论坛,2019(06):19-22. 27 视了软性营销，虽然其具有国民度，但是口碑好坏参半，不利于长久发展。
在新媒体环境下，影视剧宣发吸取了前车之鉴，利用网络营销和资本运作，从而呈现出好的口碑，吸引受众。
同时，随着新媒体的不断发展，不同平台之间也呈现出协同推广、相互融合的趋势，能够使IP剧在短时间内受到广泛关注。
同时，随着新媒体的发展和融媒体环境的不断优化，平台之间的相互融合已是大趋势。
而平台之间的相互影响、相互作用产生的效果已经超出了1+1＞2的效果。
利用相互之间的协同推广、宣传、营销，可以使网络IP剧在短时间内受到广泛的关注
5。
例如，网络IP剧《长安十二时辰》在播出前期，首先通过主流媒体对其精良制作进行口碑营销，高举高打，树立起品质剧的口碑，吸引了大批粉丝。
播出后，剧方持续对唐朝文化进行了深度营销，后又带出#十二时辰#的话题引起广泛讨论，并不断根据舆情调整话题进行同步宣传，比如服化道、火晶柿子等。
各个圈层开始破圈，包括西安旅游也受到了广泛关注。
在《长安十二时辰》播出期间，微博、微信朋友圈、知乎、豆瓣、视频网站等社交媒体上关于它的多个相关话题保持着很高的讨论热度，这也为粉丝经济做好了铺垫。
但是，成功的营销本质上还是依附于作品的高质量，现今的新媒体所处的环境已不是“酒香不怕巷子深”的时代，宣传和营 5邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60.28 销已成了必不可少的手段。
如果作品质量过硬，甚至会出现观众自发去网络平台进行宣发的现象，也就是“自来水”行为。
这一词最早被大众广泛所知，源于动画电影《西游记之大圣归来》，这也是一次非常典型的成功案例。
而后来的模仿者不乏有东施效颦的失败文艺电影。
营销因素主要包含24个子维度，分别为：剧直播微信提及数、剧直播微博提及数、剧直播网页提及数、剧直播论坛提及数、剧直播客户端提及数、剧直播报刊提及数、剧直播头条提及量、剧直播视频提及量、剧见面会微信提及数、剧见面会微博提及数、剧见面会网页提及数、剧见面会论坛提及数、剧见面会客户端提及数、剧见面会报刊提及数、剧见面会头条提及量、剧见面会视频提及量、剧活动微信提及数、剧活动微博提及数、剧活动网页提及数、剧活动论坛提及数、剧活动客户端提及数、剧活动报刊提及数、剧活动头条提及量、剧活动视频提及量。
29 3.4.1IP剧营销与IP剧影响力的关系 剧粉丝数剧超话个数剧超话粉丝数剧女粉比例剧20到29剧30到39播出的网络平台数量优酷播放数量腾讯播放数量爱奇艺播放数量剧豆瓣剧微信提及数剧微博提及数剧网页提及数剧论坛提及数剧客户端提及数剧报刊提及数剧头条提及量剧视频提及量 剧直播微信提及数 .406*.349*.350*0.075-0.1460.1830.0890.0360.245-0.0160.169.618**.320*.600**.471**.630**.599**.631**0.304 剧直播微博提及数 .508**.324*.374*0.272-0.2550.2930.0650.081.412**-0.0040.088.410**.493**.477**.391*.478**.360*.486**0.092 剧直播网页提及数 .462**.317*.395*0.031-0.1360.2410.0420.0730.224-0.0090.101.592**.331*.623**.444**.610**.594**.615**0.191 表3.7斯皮尔曼等级相关分析表（营销-IP剧影响力） 剧直播论 剧直播客 剧直播报剧直播头 剧直播视 坛提及数户端提及数刊提及数 条提及量 频提及量 .516** .459** 0.23 .425** 0.241 .333* .411** 0.308 .405* 0.226 .431** .457** .353* .460** 0.168 0.007 0.029 0.152 0.049 0.102 -0.184 -0.265 -0.157 -0.277 -0.139 .340* 0.308 0.075 0.271 0.274 0.068 0.027 0.308 0.061 -0.017 0.003 0.036 -0.053 0.021 0.198 .319* 0.226 0.189 0.197 0.266 0.062 0.055 -0.119 0.001 -0.001 0.041 0.23 0.015 0.214 0.058 .567** .641** .449** .638** 0.271 .407* .415** 0.282 .403* 0.143 .636** .651** .493** .647** 0.228 .470** .512** .318* .505** 0.211 .602** .669** .477** .669** 0.308 .552** .609** .543** .623** 0.081 .586** .663** .492** .668** .340* 0.168 0.31 0.063 0.305 0.261 剧见面会
微信提及数 .483**.406*.443**0.117-0.1480.2460.0480.1160.2780.1190.296.712**.486**.702**.612**.731**.593**.717**.407* 剧见面会微博提及数 .562**.368*.355*0.036-0.1610.267-0.0570.154.371*0.167.435**.561**.656**.608**.668**.629**.402*.637**.471** 剧见面会网页提及数 .470**.332*.394*0.073-0.0770.1230.1350.0590.2350.0550.239.684**.459**.704**.583**.702**.630**.706**0.312 剧见面会论坛提及数 .482**.323*.361*0.136-0.0940.1710.0440.1190.2760.064.364*.644**.510**.656**.615**.671**.558**.685**.375* 30 剧见面会 剧见面会剧见面会 客户端提及数报刊提及数头条提及量 剧粉丝数 .541** .553** .555** 剧超话个数 .418** .447** .405* 剧超话粉丝数 .429** .433** .415** 剧女粉比例 0.049 -0.083 0.063 剧
20到29 -0.112 -0.118 -0.123 剧30到39 0.194 0.17 0.182 播出的网络平台数量 0.049 0.001 0.033 优酷播放数量 0.049 0.066 0.068 腾讯播放数量 .323* .387* 0.31 爱奇艺播放数量 0.049 -0.005 0.062 剧豆瓣 0.323 0.222 0.32 剧微信提及数 .705** .531** .704** 剧微博提及数 .513** .354* .513** 剧网页提及数 .717** .554** .713** 剧论坛提及数 .659** .467** .663** 剧客户端提及数 .740** .580** .744** 剧报刊提及数 .596** .512** .604** 剧头条提及量 .735** .588** .743** 剧视频提及量 .445** 0.278 .433** 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
剧见面会视频提及量 0.2510.1970.1810.104-0.0380.164-0.0480.1730.242 0.346*0.2460.210.2540.2640.3070.033.360*.351* 剧活动微信提及数.429** .371*.408**0.148-0.0940.1090.1110.0990.2250.0060.313.718**.460**.682**.583**.704**.631**.707**.329* 剧活动微博提及数.448**.474**.496** 0.14-0.2320.3150.1440.013.328*-0.1480.287.518**.508**.567**.531**.570**.482**.580** 0.24 剧活动网页提及数.481** .374*.488**0.107-0.110.2390.1360.0630.223-0.0110.201.684**.426**.693**.534**.693**.611**.688**0.227 剧活动论坛提及数.469**.448**.496** 0.081-0.0940.1820.0230.1360.2650.0270.291.692**.488**.688**.608**.700**.599**.700** 0.29 剧活动客户端提及数 .487**.428**.485**0.131-0.1780.2330.0720.0540.231 0.010.253.718**.483**.714**.587**.735**.629**.724**0.303 剧活动报刊提及数.446**.416**.453** 0.152-0.1660.0870.0810.0280.222-0.1330.311.652**.393*.646**.520**.669**.622**.671**0.277 剧活动头条提及量.473**.416**.489** 0.118-0.1330.1910.0790.0790.218-0.0050.267.718**.470**.708**.587**.727**.635**.719**0.283 剧活动视频提及量 0.2490.31.361*0.189-0.0110.174-0.1120.2740.212-0.132.341*0.2770.2230.2920.3080.3030.1150.3150.168 31 营销对于剧集粉丝活跃度、剧集热度有着显而易见的拉动作用，数据表明，无论是线上营销、线下粉丝见面会都与剧集粉丝活跃度、传播热度有着显著的正向相关。
3.4.2IP剧营销与IP剧变现的关系 表3.8斯皮尔曼等级相关分析表（营销-IP剧变现情况） 周边销量前
十 广告植入总和 剧直播微信提及数 .588** 0.186 剧直播微博提及数 .502** 0.241 剧直播网页提及数 .556** .352* 剧直播论坛提及数 .552** .381* 剧直播客户端提及数 .597** 0.234 剧直播报刊提及数 .504** 0.313 剧直播头条提及量 .589** 0.247 剧直播视频提及量 .479** 0.026 剧见面微信提及数 .610** 0.311 剧见面微博提及数 .562** .324* 剧见面网页提及数 .548** .391* 剧见面论坛提及数 .602** .350* 剧见面客户端提及数 .633** 0.301 剧见面报刊提及数 .614** 0.271 剧见面头条提及量 .645** 0.299 剧见面视频提及量 .409** 0.147 剧活动微信提及数 .642** 0.296 剧活动微博提及数 .593** .332* 剧活动网页提及数 .601** .358* 剧活动论坛提及数 .666** .396* 剧活动客户端提及数 .619** 0.3 剧活动报刊提及数 .593** 0.272 剧活动头条提及量 .615** .324* 剧活动视频提及量 .332* 0.203 注：***.在
0.01级别（双尾），相关性显著。
**.在0.05级别（双尾），相关性显著。
*.在0.1级别（双尾），相关性显著。
营销对于剧集周边销售有着显而易见的相关性，但对于广告植入则没那么明显。
32 42019IP剧粉丝经济研究典型相关性分析 系统层原著 主演 主创营销 表4.12019IP剧数据标签层指标层 原著超话粉丝数量、原著超话的帖子数量、原著豆瓣评分、原著淘宝+天猫销量、原著当当销量、原著京东销量、原著粉丝女性占比、原著20到29岁粉丝占比、原著30到39岁粉丝占比、原著微信提及数、原著微博提及数、原著网页提及数、原著论坛提及数、原著客户端提及数、原著报刊提及数、原著头条提及量、原著视频提及量、原作者微信提及数、原作者微博提及数、原作者网页提及数、原作者论坛提及数、原作者客户端提及数、原作者报刊提及数、原作者头条提及量、原作者视频提及量主演1超话粉丝量、主演2超话粉丝量、主演1女粉占比、主演1粉丝20到29岁占比、主演1粉丝30到39岁占比、主演2女粉占比、主演2粉丝20到29岁占比、主演2粉丝30到39岁占比、主演1播剧前一年百度指数、主演1开播期间及至播放后3个月百度指数、主演2播剧前一年百度指数、主演2开播期间及至播放后3个月百度指数、主演1综艺数量、主演2综艺数量、主演1封面数量、主演2封面数量、主演1获奖数、主演2获奖数、主演1代言数（剧播1年前）、主演1代言数（开播期间及至播放后3个月）、主演2代言数（剧播1年前）、主演2代言数（开播期间及至播放后3个月）、主演1微信提及数、主演1微博提及数、主演1网页提及数、主演1论坛提及数、主演1客户端提及数、主演1报刊提及数、主演1头条提及量、主演1视频提及量、主演2微信提及数、主演2微博提及数、主演2网页提及数、主演2论坛提及数、主演2客户端提及数、主演2报刊提及数、主演2头条提及量、主演2视频提及量导演微博粉丝量、导演微信提及数、导演微博提及数、导演网页提及数、导演论坛提及数、导演客户端提及数、导演报刊提及数、导演头条提及量、导演视频提及量、制片微信提及数、制片微博提及数、制片网页提及数、制片论坛提及数、制片客户端提及数、制片报刊提及数、制片头条提及量、制片视频提及量、编剧微信提及数、编剧微博提及数、编剧网页提及数、编剧论坛提及数、编剧客户端提及数、编剧报刊提及数、编剧头条提及量、编剧视频提及量剧直播微信提及数、剧直播微博提及数、剧直播网页提及数、剧直播论坛提及数、剧直播客户端提及数、剧直播报刊提及数、剧直播头条提及量、剧直播视频提及量、剧见面会微信提及数、剧见面会微博提及数、剧见面会网页提及数、剧见面会论坛提及数、剧见面会客户端提及数、剧见面会报刊提及数、剧见面会头条提及量、剧见面会视频提及量、剧活动微信提及数、剧活动微博提及数、剧活 指标代码 x1-x25 x1-x38 x1-x25x1-x24 33 系统层 影响力变现合计 指标层动网页提及数、剧活动论坛提及数、剧活动客户端提及数、剧活动报刊提及数、剧活动头条提及量、剧活动视频提及量剧粉丝数、剧超话个数、剧超话粉丝数、剧女粉比例、剧20到29、剧30到39、播出的网络平台数量、优酷播放数量、腾讯播放数量（亿）、爱奇艺播放数量、剧豆瓣、剧微信提及数、剧微博提及数、剧网页提及数、剧论坛提及数、剧客户端提及数、剧报刊提及数、剧头条提及量、剧视频提及量周边销量前
十、广告植入总和 指标代码 y1-y19y1-y2 133 基于典型变量权重系数，可建立要素的典型相关方程，典型相关方程是典型变量与原始变量间定量表达的一种模型。
由于建立起典型相关性的数据集较多，本研究主要选取环境质量要素间的数据集进行结构方程分析。
一般而言，典型相关方程中原始变量权重系数较大，则说明其对典型变量贡献较大，反之则小；原始变量的典型权重正负符号也表明其对典型变量正反向作用。
本研究侧重用权重系数绝对值大小排序以分离主要载荷指标。
原著 维数据集 度 原著吸粉能力IP剧吸粉能力原著舆情IP剧吸粉能力 原著舆情IP剧舆情 表4.22019IP剧属性间典型相关性 原始指标个数 典型相关系数/个数 第一典型变量/方差解释 量 A组B组 A组B组
2 30.986,0.412/2 96.191.4 0.995,0.877,0.7 163 3291.9 97/3 1.00,0.997,0.97 2,0.964,0.913,
0 168 31.290.3 .858,0.796,0.47 6/8 第二典型变量/方差解释 量A组B组3.90.2 4.46.8 9.65.3 34 维数据集 度 原始指标个数 典型相关系数/个数 第一典型变量/方差解释 量 第二典型变量/方差解释 量 A组B组 A组B组A组B组 主演吸粉能力 -
2 30.869,0.460/2 61.875.338.222.6 IP剧吸粉能力 主演专业能力 -
2 30.674,0.226/2 69.36030.737.7 IP剧吸粉能力 主演百度指数主演 -IP剧变现能
4 20.856,0.173/2 45.250.16.449.9 力 主演吸粉能力 -
2 20.499,0.06/2 61.550.438.549.6 IP剧变现能力 主演舆情16 IP剧变现能力 20.880,0.764/2 10.850.28.549.8 编剧舆情
8 IP剧吸粉能力 0.988,0.736,0.3
3 2389.33.610.5 91/3 其他 0.960,0.922,0.7 主创导演舆情IP剧舆情 67,0.489,0.301,
9 8 20.90.23.83 0.237,0.216,0.0 43/8 营销效果-IP 0.995,0.967,0.8 营销 243 57.592.94.45 剧吸粉能力 60/3
（1）原著数据集该数据集涉及4个要素，共计25个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有3对，主要体现为原著吸粉能力、IP剧吸粉能力、原著舆情和IP剧舆情建立起相关性。
第一典型变量组内方差解释量最大可达96.1%，为原著吸粉能力-IP剧吸粉能力数据集中的A组。
其他>40%的数据集也仅有这一组。
变差信息量＜10%被认为该要素在典型相关结构分析中信息提取不足(Cohenetal.,1983)，信息量提取不理想的数据 35 集多为典型相关系数不显著的数据集，这里的第一典型变量无此情况。
（2）主演数据集该数据集涉及6个要素，共计38个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有5对，主要体现为主演吸粉能力、IP剧吸粉能力、主演专业能力、主演百度指数、IP剧变现能力和主演舆情建立起相关性。
第一典型变量组内方差解释量最大可达75.3%，是主演吸粉能力-IP剧吸粉能力的B组。
其他>40%者有主演专业能力-IP剧吸粉能力的
A、B组，主演百度指数-IP剧变现能力的
A、B组，主演吸粉能力-IP剧变现能力的
A、B组，主演舆情-IP剧变现能力的B组。
在第一典型变量中没有信息提取不足的情况。
（3）其他主创数据集该数据集涉及4个要素，共计25个指标。
目前提取的典型相关系数并检验为显著或极显著的数据集有2对，主要体现为编剧舆情、IP剧吸粉能力、导演舆情、IP剧舆情建立起相关性。
第一典型变量组内方差解释量最大可达89.3%，是编剧舆情-IP剧吸粉能力的B组。
其他没有>40%的数据集。
有1对数据集信息提取不足的情况，为导演舆情-IP剧舆情的B组。
（4）营销数据集该数据集涉及2个要素，共计24个指标。
是在营销效果和 36 IP剧吸粉能力之间建立相关性，方差解释量可达92.9%，为营销效果-IP剧吸粉能力的B组。
37 维度原著主演 数据集原著吸粉能力/IP剧吸粉能力 原著舆情/IP剧吸粉能力 原著舆情/IP剧舆情 主演吸粉能力/IP剧吸粉能力主演专业能力/IP剧吸粉能力主演百度指数/IP剧变现能力主演吸粉能力/IP剧变现能力 表4.32019IP剧典型相关方程 典型相关方程
1 典型相关方程
2 U1=-1.516x1+0.528x2/ V1=0.069y1-0.662y2-0.399y3 U1=0.103x1-2.724x2-0.131x3+1.034x4+0.039x5+0.048x6- U2=0.07x1-9.381x2-7.231x3+2.888x4+7.328x5- 0.193x7+1.178x8+0.019x9-0.053x10+0.009x11- 0.061x6+1.117x7+4.059x8-2.586x9+2.393x10-0.263x11- 0.165x12+0.521x13+0.252x14-0.681x15+0.026x16 0.689x12-3.023x13-1.301x14+5.497x15-0.434x16 V1=0.06y1+0.592y2-1.642y3 V2=-2.025y1+2.265y2-0.455y3 U1=-0.065x1+2.443x2+0.659x3-0.92x4-1.123x51.72x6+0.408x7-0.569x8+0.086x90.033x10+0.017x11+0.117x12+0.249x13+0.064x140.401x15+0.04x16
V1=0.029y1-0.706y2-0.376y3+0.456y4+0.592y5+0.046y60.504y7+0.05y8 U2=-0.154x1-7.349x2-1.335x3+2.794x4-1.219x50.455x6+0.805x7+7.018x8+0.211x9+0.106x10+0.129x110.075x12+1.02x13-0.184x14-1.232x15-0.154x16
V2=-1.194y1-0.825y2-6.751y3+0.884y4+8.666y5+0.374y63.594y7+2.288y8 U1=-0.628x1-0.644x2/ V1=-1.238y1+0.639y2-0.346y3 U1=-0.712x1-0.473x2/ V1=-1.472y1+1.512y2-0.889y3 U1=-1.147x1+1.441x2+2.068x3-3.173x4/ V1=-0.994y1-0.098y2 U1=-0.542x1-0.723x2/ V1=-0.554y1-0.827y2 38 维度 其他主创营销 数据集 主演舆情/IP剧变现能力 IP剧吸粉能力/编剧舆情 导演舆情/IP剧舆情 营销效果/IP剧吸粉能力 典型相关方程1U1=-1.167x1+0.871x2+3.316x3+0.363x4-3.798x50.327x6+1.427x7-1.315x8-1.153x90.304x10+3.902x11+0.259x12+0.115x13+0.105x14-1.86x150.392x16
V1=0.983y1+0.177y2U1=-0.204x1+0.426x2+0.751x3V1=-0.076y1+0.907y2-0.715y3+1.314y4+0.614y51.993y6+0.612y7-0.158y8U1=-0.015x1-0.195x2-1.293x3-1.047x4-0.46x5+2.15x60.009x7+0.041x8-0.053x9V1=-1.268y1-4.615y2-0.211y3-0.307y4+15.108y5+1.219y611.74y7+1.884y8U1=-0.330x1-0.353x2+0.190x3-0.106x4+1.285x5+0.184x61.771x7+0.425x8+0.325x9+0.177x10+0.157x11+2.406x121.074x13-0.105x14-0.041x15-1.483x16+1.149x170.234x18+0.753x19-0.997x20-1.125x21+0.478x22-0.212x230.118x24
V1=-0.013y1-0.212y2-0.778y3 典型相关方程2 / U2=2.121x1-0.941x2-0.845x3V2=1.634y1-1.772y2+6.755y3-1.436y4-3.085y5-1.436y62.255y7+1.986y8U2=-0.145x1-2.13x2-0.986x3+2.601x4-0.49x5+1.54x60.073x7-0.818x8-0.114x9V2=-3.747y1-3.402y2+9.646y3-1.79y45.412y5+0.442y6+0.42y7+3.885y8U2=-6.231x1+6.305x2-1.73x3+1.246x4-0.723x5-0.116x60.402x7-1.011x8+1.838x9-22.941x1017.633x11+6.215x12+31.648x13+1.097x141.038x15+0.567x16+9.407x17-0.512x18+6.336x196.006x20+0.142x21+2.495x22-6.052x23-1.211x24
V2=1.438y1-6.57y2+5.274y3 39 4.1IP原著与IP剧影响力及变现之间的关系 表4.4典型相关性分析表（原著吸粉能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.98635.447 0.23 63.7636.000 68.000
2 0.412 0.205 0.830 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 . 原著吸粉能力-IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出原著超话粉丝数量（x1）、原著超话帖子数量（x2） 2个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话 个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见 表4.3，第一典型相关性为0.986>0.9，属于高度相关。
表4.5典型相关性分析表（原著舆情-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.99597.2050.00112.23448.000 60.279
2 0.877 3.324 0.084 3.42430.000 42.000
3 0.797 1.746 0.364 2.74314.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0000.017 原著舆情-IP剧吸粉能力数据集中，原著舆情可分离出原著 微信提及数（x1）、原著微博提及数（x2）、原著网页提及数（x3）、 原著论坛提及数（x4）、原著客户端提及数（x5）、原著报刊提及 数（x6）、原著头条提及量（x7）、原著视频提及量（x8）、原作者 微信提及数（x9）、原作者微博提及数（x10）、原作者网页提及数 （x11）、原作者论坛提及数（x12）、原作者客户端提及数（x13）、原 作者报刊提及数（x14）、原作者头条提及量（x15）、原作者视频提 及量（x16）16
个指标。
IP剧吸粉能力典型变量分离出剧粉丝数 40 （y1）、剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3，第一典型相关性为0.995>0.9，属于高度相关。
表4.6典型相关性分析表（原著舆情-IP剧舆情） 相关性 特征值威尔克统计F分子自由度分母自由度
1 1.000 1094.907 0.00019.405128.000 120.883
2 0.997 181.617 0.00010.266105.000 111.720
3 0.972 16.934 0.000 5.95084.000 101.129
4 0.964 13.295 0.001 4.71365.000 89.008
5 0.913 4.989 0.012 3.32748.000 75.229
6 0.858 2.799 0.075 2.55533.000 59.628
7 0.796 1.730 0.283 1.84620.000 42.000
8 0.476 0.294 0.773 0.718 9.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0000.0000.0000.0000.0010.0470.688 原著舆情-IP剧舆情数据集中，原著舆情可分离出原著微信 提及数（x1）、原著微博提及数（x2）、原著网页提及数（x3）、 原著论坛提及数（x4）、原著客户端提及数（x5）、原著报刊提及 数（x6）、原著头条提及量（x7）、原著视频提及量（x8）、原作 者微信提及数（x9）、原作者微博提及数（x10）、原作者网页提 及数（x11）、原作者论坛提及数（x12）、原作者客户端提及数（x13）、 原作者报刊提及数（x14）、原作者头条提及量（x15）、原作者视 频提及量（x16）16
个指标。
IP剧舆情典型变量分离出剧微信提 及数（y1）、剧微博提及数（y2）、剧网页提及数（y3）、剧论坛 提及数（y4）、剧客户端提及数（y5）、剧报刊提及数（y6）、剧 头条提及量（y7）、剧视频提及量（y8）8
个指标。
这两项的相关 方程见表4.3，第一典型相关性为1.00>0.9，属于高度相关。
41 4.2IP剧主演与IP剧影响力及变现之间的关系 表4.7典型相关性分析表（主演吸粉能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.869 3.071 0.19414.4256.000 68.000
2 0.460 0.296 0.788 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 . 主演吸粉能力-IP剧吸粉能力数据集中，原著吸粉能力典型 变量可分离出主演1超话粉丝量（x1）、主演2超话粉丝量（x2） 2个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超 话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程 见表4.3，第一典型相关性为0.7<0.869<0.9，属于中度相关。
表4.8典型相关性分析表（主演专业能力-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.674 0.834 0.517 4.422 6.000 68.000
2 0.226 0.054 0.949 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.001 . 主演专业能力-IP剧吸粉能力数据集中，主演专业能力典型 变量可分离出主演1获奖数（x1）、主演2获奖数（x2）2个指 标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话个数 （y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3， 第一典型相关性为0.674<0.7，属于低度相关。
表4.9典型相关性分析表（主演百度指数-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.856 2.748 0.259 7.967 8.000 66.000
2 0.173 0.031 0.970 0.351 3.000 34.000 H0
forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.789 42 主演百度指数-IP剧变现能力数据集中，主演百度指数典型变量可分离出主演1播剧前一年百度指数（x1）、主演1开播期间及至播放后3个月（x2）、主演2播剧前一年百度指数（x3）、主演2开播期间及至播放后3个月（x4）4个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.7<0.856<0.9，属于中度相关。
表4.10典型相关性分析表（主演吸粉能力-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.499 0.331 0.748 2.729 4.000 70.000
2 0.060 0.004 0.996 0.132 1.000 36.000 H0
forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0360.719 主演吸粉能力-IP剧变现能力数据集中，原著吸粉能力典型 变量可分离出主演1超话粉丝量（x1）、主演2超话粉丝量（x2） 2个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、 广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第
一 典型相关性为0.499<0.7，属于低度相关。
表4.11典型相关性分析表（主演舆情-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.880 3.435 0.094 2.96932.000 42.000
2 0.764 1.400 0.417 2.05315.000 22.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0010.061 主演舆情-IP剧变现能力数据集中，原著舆情典型变量可分 离出主演1微信提及数（x1）、主演1微博提及数（x2）、主演 1网页提及数（x3）、主演1论坛提及数（x4）、主演1客户端提 43 及数（x5）、主演1报刊提及数（x6）、主演1头条提及量（x7）、主演1视频提及量（x8）、主演2微信提及数（x9）、主演2微博提及数（x10）、主演2网页提及数（x11）、主演2论坛提及数（x12）、主演2客户端提及数（x13）、主演2报刊提及数（x14）、主演2头条提及量（x15）、主演2视频提及量（x16）16个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.7<0.880<0.9，属于中度相关。
4.3IP剧主创与IP剧影响力及变现之间的关系 表4.12典型相关性分析表（编剧舆情-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.98841.6300.00913.81824.000 81.810
2 0.736 1.182 0.388 2.50614.000 58.000
3 0.391 0.181 0.847 0.903 6.000 30.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0070.506 编剧舆情-IP剧吸粉能力数据集中，编剧舆情典型变量可分 离出编剧微信提及数（x1）、编剧微博提及数（x2）、编剧网页提 及数（x3）、编剧论坛提及数（x4）、编剧客户端提及数（x5）、 编剧报刊提及数（x6）、编剧头条提及量（x7）、编剧视频提及量 （x8）8
个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、 剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关 方程见表4.3，第一典型相关性为0.988>0.9，属于高度相关。
44 表4.13典型相关性分析表（导演舆情-IP剧舆情） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.96011.8130.003 3.14772.000 141.400
2 0.922 5.707 0.038 1.92556.000 129.170
3 0.767 1.432 0.256 0.93342.000 116.022
4 0.489 0.315 0.621 0.43030.000 102.000
5 0.301 0.100 0.817 0.27420.000 87.182
6 0.237 0.059 0.898 0.24712.000 71.727
7 0.216 0.049 0.952 0.235 6.000 56.000
8 0.043 0.002 0.998 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.0000.0010.5910.9950.9990.9950.963 导演舆情-IP剧舆情数据集中，导演舆情典型变量可分离出 导演微博粉丝量（x1）、导演微信提及数（x2）、导演微博提及数 （x3）、导演网页提及数（x4）、导演论坛提及数（x5）、导演客 户端提及数（x6）、导演报刊提及数（x7）、导演头条提及量（x8）、 导演视频提及量（x9）9
个指标。
IP剧舆情典型变量分离出剧微 信提及数（y1）、剧微博提及数（y2）、剧网页提及数（y3）、剧 论坛提及数（y4）、剧客户端提及数（y5）、剧报刊提及数（y6）、 剧头条提及量（y7）、剧视频提及量（y8）8
个指标。
这两项的相 关方程见表4.3，第一典型相关性为0.960>0.9，属于高度相关。
4.4IP剧营销与IP剧影响力及变现之间的关系 表4.14典型相关性分析表（营销效果-IP剧吸粉能力） 相关性特征值威尔克统计F分子自由度分母自由度 105.2100.0009.0572.000
1 0.995
0 36.724 14.585 0.017 3.8146.000
2 0.967
1 26.000
3 0.860 2.846 0.260 1.8122.0001 14.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.000 0.000 0.127 45 营销效果-IP剧吸粉能力数据集中，营销效果典型变量可分离出剧直播微信提及数（x1）、剧直播微博提及数（x2）、剧直播网页提及数（x3）、剧直播论坛提及数（x4）、剧直播客户端提及数（x5）、剧直播报刊提及数（x6）、剧直播头条提及量（x7）、剧直播视频提及量（x8）、剧见面微信提及数（x9）、剧见面微博提及数（x10）、剧见面网页提及数（x11）、剧见面论坛提及数（x12）、剧见面客户端提及数（x13）、剧见面报刊提及数（x14）、剧见面头条提及量（x15）、剧见面视频提及量（x16）、剧活动微信提及数（x17）、剧活动微博提及数（x18）、剧活动网页提及数（x19）、剧活动论坛提及数（x20）、剧活动客户端提及数（x21）、剧活动报刊提及数（x22）、剧活动头条提及量（x23）、剧活动视频提及量（x24）24个指标。
IP剧吸粉能力典型变量分离出剧粉丝数（y1）、剧超话个数（y2）、剧超话粉丝数（y3）3个指标。
这两项的相关方程见表4.3，第一典型相关性为0.995>0.9，属于高度相关。
4.5IP剧表现与变现之间的关系 表4.15典型相关性分析表（IP剧吸粉能力-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.521 0.373 0.701 2.198 6.000 68.000
2 0.193 0.039 0.963 . . . H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.054 . IP剧吸粉能力-IP剧变现能力数据集中，IP剧吸粉能力典 型变量可分离出剧粉丝数（x1）、剧超话个数（x2）、剧超话粉丝 数（x3）3个指标。
IP剧变现能力典型变量分离出周边销量前
十 46 （y1）、广告植入总和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性为0.521<0.7，属于低度相关。
表4.16典型相关性分析表（IP剧舆情-IP剧变现能力） 相关性特征值威尔克统计F分子自由度分母自由度
1 0.638 0.688 0.515 1.42616.000 58.000
2 0.362 0.150 0.869 0.645 7.000 30.000 H0forWilks检验是指当前行和后续行中的相关性均为零 显著性0.1620.716 IP剧舆情声量-IP剧变现能力数据集中，P剧舆情典型变量 分离出剧微信提及数（x1）、剧微博提及数（x2）、剧网页提及数 （x3）、剧论坛提及数（x4）、剧客户端提及数（x5）、剧报刊提 及数（x6）、剧头条提及量（x7）、剧视频提及量（x8）8
个指标。
IP剧变现能力典型变量分离出周边销量前十（y1）、广告植入总 和（y2）2个指标。
这两项的相关方程见表4.3，第一典型相关性 为0.638<0.7，属于低度相关。
47 5结论 影视作品是包着艺术外壳的标准化工业品，影视剧摄制也是系统性工程。
其在生产过程中需要大量人力及资源参与其中共同打造，剧本选择、导演制片编剧主演等人员确定并签约、拍摄、后期、宣发等等流程协同配合，最终呈现给观众数十集的作品。
本文通过搜集整理公开渠道数据进行分析，试图探索IP影视剧影响力和变现能力的影响因素。
（一）高人气、高传播热度的原著可以全方位提升IP剧表现及变现，而原著的豆瓣评分、女性粉丝的占比则并没有这一结论。
原著粉丝的高价值已经被近年来IP剧热潮反复试验，粉丝文化也成为影视剧行业内研究受众的新课题。
原著粉丝是一批在影视创作过程里已经被预定为观众的群体，很多IP剧成功的一大机制就在于通过原著粉丝的情感共鸣去制造宣传和口碑的联动效应，加大作品的影响力和热度。
文中的数据表明对于销量、粉丝体量、舆情口碑较好的原著，它们改编的IP剧更可能拥有强大吸引粉丝能力，社会舆论场中曝光量以及变现能力。
但是其中需要注意的是，根据数据，原著的豆瓣评分只对少量指标有影响，例如更优质的作品更利于得到网络平台的放映机会，以及优质的文本作品也有助于改编后影视作品的艺术水准。
48 但是在更多的指标中，并无法直观感受到更受认可的原著可以简单地换来改编后IP剧的热度。
同样“她经济”虽然被屡次提及，但显然并不能在此处适用。
除了可以显著增加观剧人群中的女性占比，但无法在更多维度有突出贡献。
（二）“流量明星”对IP剧仍存在巨大营销价值，但主演的专业能力、女性粉丝占比对于提升剧集热度并没有显著相关。
影视剧中粉丝经济是一种将粉丝和被关注者连接在一起的经营性创收行为方式。
因为粉丝的支持和力挺，“流量明星”的影视作品不愁没有关注度，如在影视产业中粉丝观看“流量明星”的各种作品、购买“流量明星”代言的商品等。
这种利用“流量明星”的营销方式可以快速催热市场，既节约时间成本，也提高了影视产品的资金回收速度。
渐渐形成明星效应的电影运用植入广告、发售影视周边产品等营销策略，能开发大量的影视剧本身以外的盈利潜力，影视剧带来的附加价值甚至远远高于人们的观影体验。
可以说现在对“粉丝经济”的重视也说明了国内影视产业的营销手段脱离的初级阶段。
前文的数据表明，2019年有粉丝数量、各渠道显示的舆情热度更高的主演出演的作品，更有可能获得更高的讨论度，同时周边销售情况，广告招商情况也更好。
但对于明星的另一考量维度——专业能力（获奖）而言，流量明星本人的专业能力却与IP剧集的人气与舆情热度没有显著 49 的相关性，然而对于2B端的广告植入，明星专业能力却起着较为积极的作用。
也就是说，明星是否获过奖，并不影响粉丝对于剧集的关注度及讨论热情，却在招商过程中更容易吸引广告主的注意。
主演的粉丝画像同样有类似的结论，与前一结论类似，我们截取2019年IP剧官宣前两位的主演粉丝画像，发现他们的女粉占比的提升也仅能提高剧集的女粉占比，对于更多体现剧集热度的因子并没有显著相关。
（三）相较于制片人，导演编剧更易引起公众对于剧集的关注。
影视的制作流程主要可分为文学剧本生产和影片摄制。
对于IP剧而言，编剧需要戏剧化地展示原著中的故事，通过语言塑造角色形象，表达原著的思考，同时还要兼顾对观众友好，最终形成完整的剧本。
导演则是接下来通过拍摄、剪辑等方式对文本艺术二次创作成为观众视觉可感的视听形象，其复杂程度并不亚于剧本的生产。
制片人相比之下则对于作品的直接产出参与较少，他们更重要的工作在于项目融资、预算、发行营销等事务，需要兼顾投资人、观众、作品艺术性的他们在好莱坞已经取代导演成为了影视作品的制作核心。
文中的数据表明舆情热度更高的导演和编剧，他们的影视作品也越有可能获得大众关注。
相比之下制片人在大众传媒中的影响力对作品并不会有太大影响。
50 但由于样本量不够充足，结论中仍然存在有待完善的地方。
例如2019年的IP剧中大量作品都邀请原著作者担任编剧或在名义上担任编剧，例如《陈情令》与墨香铜臭，《亲爱的热爱的》与墨宝非宝，《九州缥缈录》与九鹭非香，《长安十二时辰》与马伯庸等，都取得了优秀的市场反响，在这种情况下难以界定是优秀的编剧水平提升了作品热度还是自身的粉丝追随支持，这也有待通过更大的样本进一步评判。
（四）不论是通过直播活动、见面会或是其他形式的线上线下活动，营销行为可以多方位提振影视剧表现。
文中的数据表示不论是见面会、其他线下活动、直播等各种宣传方式，还是微信、微博、论坛、头条、网页、报刊等宣传渠道，IP剧开展更多营销动作，剧集会有更强的粉丝号召力、舆情热度以及更好的周边销售成绩。
其原因在于随着新媒体时代的蓬勃发展，影视剧作的生产与宣传的形式也由简到繁，变得越来越多样化，不再是单一地依靠传统媒体进行宣传，而是利用各类新媒体进行全方位、多元化、互动性的宣传。
而且，影视作品会根据不同的时间段，不同的情况进行公关，以此来保证收视与口碑共赢。
另一个被忽略的市场是衍生品，上文数据同样显示宣传营销更多的影视剧更有可能有更多的周边销量。
目前我国影视剧市场虽然巨大，但是利润结构并不健康，国内影视业衍生品收入不足 51 10%，而好莱坞的这一数字超过70%。
但国内影视业也处于拓展摸索的过程中，《海上牧云记》、《楚乔传》等成为了2017年衍生品市场的优秀案例后，产业链对剧集衍生品重视程度不断提升；2019年《陈情令》近亿元的衍生品销售也给市场提振了信心。
相信在解决版权以及设计等问题后，国内影视剧衍生品市场将会得到快速发展。
52 参考文献 [1]邹巧玲,关大我.基于“粉丝经济”的网络IP剧商业价值研究[J].上海商学院学报,2019,20(06):50-60. [2]朱丽丽.混杂式粉丝经济:网络IP、明星与粉丝社群[J].媒介批评,2019(00):49-63. [3]独凯悦.泛娱乐时代IP剧粉丝消费行为研究[D].四川省社会科学院,2017.[4]Baudrillard,Jean.TheConsumerSociety:MythsandStructures. SAGE,2016.[5]刘艳,万泉.粉丝消费行为影响因素研究综述与前景展望[J].东南传 播,2018(04):80-82.[6][美]菲利普•科特勒、凯文•莱恩•凯勒:《营销管理》，王永贵等译，世纪出版 集团2009年版:274.[7]孔令顺,宋彤彤.从IP到品牌:基于粉丝经济的全商业开发[J].现代传播(中 国传媒大学学报),2017,39(12):115-119.[8]黄楚新,文传君.论新媒体环境下影视剧的营销策略[J].新闻论 坛,2019(06):19-22.[9]张越.“粉丝经济”视角下IP改编剧的发展现状[J].试听研 究,2020,07(017).[10]张茜.“流量”套路终于崩了吗[N].营销解读,2019,09.[11]涂俊仪.IP电影的原著粉丝:文本争夺与身份构建[J].电影艺术, 2018,01:58-63.[12]武映雪,亢海玲.从电影《寻龙诀》看热门小说翻拍影视作品的宣传策略[J]. 声屏世界,2017,08:46-48.[13]李子佳.发挥专业优势写好中国故事[J].人文天下,2020,04(027):91-95.[14]韩国玲,金丽娜.粉丝经济下“小鲜肉”对饮食产品的营销价值分析[J].长 春师范大学学报,2017,036(011):46-47.[15]刘欣雨.粉丝经济下IP电影发展现状研究[D].海南:海南大学,2018. 53 [16]杨喜喜.粉丝文化“小鲜肉”与影视文化中的性别视角解读[D].上海:上海师范大学,2019. [17]陈素佩.基于4R理论看《都挺好》IP影视市场营销[J].知识经济,2020,01:62-63. [18]曹潇.论新时期电影创作体制的转型:从导演中心制到制片人制[J].大众文艺,2019,08:146-147. [19]赵玉忠.略谈影视剧作片名与主创人员职责的行业惯例与规范[J].北京电影学院学报,2013,04:56-59. [20]陆楚瑜,王诗怡,胡晓彤.探讨当代电影导演与编剧孰轻孰重[J].新闻研究导刊,2019,21:113-115. [21]姚天琪,王欣,叶泽霖.潭溪国内电视剧编剧的生存困境[J].传媒论坛,2019,02(018):164-166. [22]刘荃,蒋逸文.网络环境下影视文化产品营销模式研究[J].传媒观察,2018,06:35-41. [23]杨诗.我国影视产业现状及营销策略研究[J].产
声明：
该资讯来自于互联网网友发布，如有侵犯您的权益请联系我们。