湯姆・克魯斯的電影票房 揭穿長尾理論的真相

作者:[email protected]   |   2017 / 12 / 30

文章來源:[email protected]   |   圖片來源:Jayroz


湯姆·克魯斯是否仍然賣座?揭穿長尾理論真相

“長尾理論”由雜誌主編克里斯·安德森於 2004 年首次提出。這一概念認為:隨著零售商通過互聯網以更少成本提供更多產品,他們不再需要搶佔龍頭來促進銷售。換句話說,需求曲線從頂點回落,趨近尾部。

然而,華頓商學院營運、資訊與決策教授謝爾蓋·奈提辛 (Serguei Netessine) 參與撰寫的一篇研究論文卻發現事實與此截然相反:由於消費者被大量選擇搞得頭暈目眩,他們更願意忠實於自己所熟知的品牌。這也是為何網上賣家必須要針對顧客優化自己的搜尋機制。

這篇報告名為“湯姆•克魯斯是否仍然賣座?關於產品種類如何影響需求集中的實證研究”(Is Tom Cruise Threatened? An Empirical Study of the Impact of Product Variety on Demand Concentration)。作者還包括南衛理公會大學的 Tom Tan、華頓商學院的黑特(Lorin Hitt)。這篇論文早前發表在《資訊系統研究(Information Systems Research)》雜誌上。奈提辛日前接受了華頓知識線上的專訪,討論報告主要發現。 

以下是訪談內容編輯版本。 

華頓知識線上:您即將介紹的這篇報告有個十分吸引人的標題:“湯姆·克魯斯是否仍然賣座?”這是關於長尾理論的報告對吧!

謝爾蓋•奈提辛:是的。這是一個廣受認可的著名理論,由克里斯·安德森提出。他當時是《連線》雜誌的主編。他說,隨著互聯網以及各種數位技術的湧現,人們將越來越多地轉向符合自己獨特需求的“利基”產品。相比於常規熱賣品,比如湯姆·克魯斯主演的大片,那類產品才更符合個人需求。

“長尾理論”適用於多種情境。比如人們流覽網頁的習慣。你絕大多數時間是會訪問比較大的幾個網站還是那些小的利基網站?還有你經常播放的音樂。我們選擇從電影切入,部分原因是電影、Netflix 還有 DVD 都曾是克里斯·安德森在研究“長尾效應”影響時引用過的重要實例。 

華頓知識線上:這項研究翻閱了 2001 年到 2005 的電影票零售數據。將熱門影片和利基電影放到一起比對時你們有什麼發現? 

奈提辛最主要的發現是:我們並沒有發現什麼有力的證據證明“長尾效應”的存在,反而與這個理論背道而馳,也與先於我們的一些研究結果背道而馳。我們發現,需求越來越向頂端集中。當人們選擇影片的餘地越來越大時,他們更傾向於選擇最熟悉的,比如湯姆·克魯斯參演的電影。

華頓知識線上:有一種猜測認為,人們偏向選擇熱門電影的原因之一可能是劣質的利基電影太多了。但你們卻發現其實並不是這樣。

奈提辛:沒錯。有人可能會說,有了互聯網、移動終端、DVD 等等選擇,電影的傳播會更加容易。因此,電影市場上充斥著各種無名小輩粗製濫造的影片。那些影片多得數不過來,卻根本沒人願意看。於是,大家有點像是被熱門影片吸引走了那樣。我們的發現才不是這樣的。

我們發現,當新片上映時,其中一些會成為熱門片,其中一些會變成利基片,而產品的多樣性卻不斷增加。你可以看看 Netflix 上究竟有多少電影。這個數量一直在不斷增加。現在,我們不再是從 2 萬張 DVD 中選擇想看的,而是從 5 萬張、10 萬張甚至 100 萬張之中做出選擇。最後的結果就是對各種影片的需求全部下降……況且,我們看電影的時間有限。

實話實說吧,我們現在看電影很可能不像以前那麼頻繁了。但也許還是會多一點的,因為現在移動設備上也能看電影,但絕不會有從前的 5 倍、10 倍、100 倍那麼多。然而影片的數量卻是爆炸性成長的。

所以對影片整體的需求量是下降的。當人們試圖在越來越多的影片中搜尋該看點什麼的時候,往往更傾向於選擇熱門影片。我們認為實際上人們會這樣做的原因包括,首先,很難在各種各樣的影片中進行搜尋;第二,即便依賴某種推薦機制,每家公司現在都這麼做了,推薦機制仍然很基礎,僅能推薦其他人已經看過的電影,無法從海量的利基電影裡推薦。 

華頓知識線上:讀了你們的研究,我應該不會為湯姆·克魯斯感到擔心了。但我還是有疑問的,Netflix是否應該擔心?因為他們的商業模式越來越偏重利基市場,而且越來越多做內容的公司都在朝這個方向努力。Netflix 目前十分倚重自製劇,也十分關注利基市場。 

奈提辛:這個問題很好。他們有一些自製劇極為受歡迎,比如大家一下子就會想到《紙牌屋》。目前我們沒有最新資料,所以不清楚 Netflix 的熱門劇和利基劇收益占比。以前是一半一半。但我認為你的想法是對的,目前他們越來越偏重利基市場。

華頓知識線上:亞馬遜一直以提供包羅萬象的產品為目標。他們什麼都賣。這篇報告對他們公司有什麼警示嗎? 

奈提辛:當然,絕對有。我認為,如果想要把勝算壓在提供海量產品這種策略上,就必須要在系統推薦演算法上花雙倍功夫,確保別人能找到想要的東西。目前的系統推薦演算法極為簡單:比如看看你以前都買過什麼。這自然導致大量利基產品根本不可能被搜到。你必須要在設計演算法時極為謹慎,確保無論添加何種利基產品都能為其妥善分類,並能真正出現在搜尋結果中,不會因為人們極少購買而完全被忽視。 

華頓知識線上:你提到了推薦機制,以及根據利基產品的屬性分類。對於一部電影來說,最重要的屬性肯定是明星號召力了。公司如何解決這個問題? 

奈提辛:我認為亞馬遜在這方面做得尤為出色。如果你看一下他們提供利基產品的策略,就會發現其實最初提供產品的並不是他們。他們允許協力廠商賣家在平臺上銷售利基產品。時間一久,亞馬遜可能就能監測到那些銷售情況,並說:“嘿,這個產品以前咱們不知道,似乎銷量很不錯。現在可以考慮是否跟進,自己銷售了。”

從協力廠商賣家那兒可以瞭解很多資訊,允許他們進駐平臺相對來說沒有風險。如果大眾不需要那些產品,賣家就會自生自滅。但如果出現需求,亞馬遜仍然可以掌控交易情況。這是出售利基產品的安全方式,不會有太大負擔。 

華頓知識線上:零售商如果採取全管道策略,可以在門店出售熱賣品,而在網上出售利基產品。這些產品也可以送貨到門店,對吧? 

奈提辛:沒錯。如果你走進任何一家 Barnes & Noble 書店,那裡可能有 10 萬本書。但亞馬遜卻有 400 到 500 萬本書在賣。Barnes & Noble 網上店鋪有大量書籍出售,比實體書店出售的種類多得多。基本上,他們是用數位管道作為實體店管道的補充。 

華頓知識線上:即便是亞馬遜似乎也想這樣做。我的理解是,他們的實體店主要以熱賣品為主。 

奈提辛:這也是一種辦法。Redbox 就是一個很好的例子。他們的自動販賣機上有 400 張 DVD,就這麼多。你該怎麼辦?你當然只能關注熱門影片。但是,作為一家公司他們在 DVD 的零售市場中佔據了相當一部分市場份額,而這些市場份額僅僅動用了 300 到 400 部影片。 

華頓知識線上:很多人認為 DVD 零售這種業務行將就木。但你會發現,Redbox 幾乎進入了每一家超市。我女兒就是最典型的消費者:她總是會在那兒駐足,因為她知道自己熟悉的所有熱門影片都在裡面。

奈提辛:是這樣的。我覺得就像實體零售店鋪短時間內不會消失一樣,DVD 也不會徹底退出市場。觀影行為越來越向線上串流媒體轉移,但並不是所有人都喜歡它。並不是每個人都有足夠的寬頻流量。況且有時候你確實會在超市衝動購物。 

華頓知識線上:熱門影片的空間依然足夠大。 

奈提辛:有足夠的空間留給熱門影片,也有足夠的空間留給湯姆·克魯斯。 

華頓知識線上:你們的研究將如何繼續? 

奈提辛:方向很多。我認為克里斯·安德森在寫書的時候,是在思考資訊技術如何改變我們的購物方式,主要是將互聯網和實體店鋪進行比較。如今我們的技術又有所發展,出現了行動技術。

比如,這篇報告的作者之一 Tom Tan 一直在研究從網路管道轉向行動端管道後產品種類都發生了怎樣的變化。在行動設備上進行搜尋甚至還要更難,搜索結果顯示起來更費力。他們的發現再一次與“長尾效應”背道而馳。人們更關注熱門產品了。或許這是因為人們實在不願意在那麼小的螢幕上費力地滑動手指。

想要在行動端做出理想的搜尋介面是一個很大很大的挑戰。當然,人們在手機上的搜尋內容也不一樣。但至少目前就我所見到的情況而言,我認為今後將是熱門產品的天下。從我們這次的研究和我自己的判斷來看,人們對資訊技術越來越滿足,只關心自己熟知或者身邊人喜歡的少數產品。

[email protected]》授權轉載

【延伸閱讀】

喜歡這篇文章?加入你的S夾!

分享好文章

個股相關基金

發行地點

全部
境內
境外

發行類型

全部
股票
平衡

切換表頭

基本資料
股票指標
收益指標
歷史績效

基金名稱

排序條件
歷史年化報酬率
歷史年化波動度
歷史年化夏普值
個股權重
發行地點
淨值
資產規模
台灣人投資金額/比重
排序依照
高→低
低→高

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

個股
權重

發行
地點

淨值

資產規模
百萬美元

台灣人投資
金額/比重
百萬美元

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

預估未來
本益比

市值
營收比

產業
集中度

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

信用評等

存續期間

到期殖利率

類型/
計價幣別

報酬率 /年化波動度

近1月

近3月

近6月

近1年

近3年

近5年

近10年

年初至今

我要集氣100%權重的主題投資
已集氣投組上線通知我 >

* 基金成立日期在西元2000年以前者,目前資料僅顯示自2000-01-01開始,相關數據皆由2000-01-01後之數據計算而成。

基金淨值、報酬率、波動率及夏普值為每日更新,基金各項分析數據為每週更新,資產規模/月報為每月更新,台灣人投資金額為每季更新

產業地區分布

投資產業分布

投資地區分布

未有公開資訊

67.2%

科技

26.8%

金融

26.8%

原物料/能源

26.8%

傳產

2.2%

工業

2.0%

必需性消費

0.1%

可選性消費

0.1%

醫療保健

2.0%

公共事業

0.7%

服務

0.6%

未有公開資訊

67.2%

已開發國家

26.8%

北美

19.5%

歐洲區

3.9%

日本

3.3%

亞太區

0.1%

大中華

4.8%

新興市場(不含大中華)

1.3%

成功集氣+1

留個信箱,投組上線通知你

送出
loading animation