Андрей Татарников - Измерения и прогнозы в киноиндустрии. Модели и эксперименты

Еще одна давняя проблема кинематографа – нельзя заранее узнать рынок фильма – в рамках данной работы, его кассовые сборы. Чтобы получить хоть какое-то представление об этом, предпринимаются попытки определить порядок величины: строятся регрессионные модели, проводится кластерный анализ. Чтобы снизить неопределённость выручки, производители не только привлекают известных актёров, режиссёров и работают над сюжетом картины, но и планируют рекламную кампанию. Известно, что рекламный бюджет очень сильно коррелирует как с количеством сообщений в социальных сетях и СМИ, так и с кассовыми сборами. При этом рекламные методы, по-видимому, имеют одинаковую эффективность на вложенный рубль для различных производителей и различных картин.

Для успешной реализации кинопроекта важно снижение неопределенности на каждом из его этапов. Наличие качественного сценария, звездного состава создателей фильма, продюсера, режиссера и актеров не гарантируют кассового успеха без подобающей маркетинговой стратегии и профессионального управления проектом (Крол, 2010). Для повышения эффективности управления бизнес-процессами в киноиндустрии необходима разработка инструментов снижения неопределенности в доходах, что повлечет за собой снижение инвестиционных рисков в сфере кинопроизводства. Прогнозирование показателей экономической эффективности кинопроекта необходимо также для разработки рекламной кампании фильма (Сарымсаков, 2010).

Заинтересованность в прогнозах со стороны производителей и дистрибьюторов обусловлена их непосредственной деятельностью. Первым необходимо формировать бюджеты, вторым – распределять прокатные копии среди кинотеатров, и очевидно, что прокатчики заинтересованы в приобретении как можно более привлекательных для зрителя картин, которые принесут высокую выручку. Принимая во внимание тот факт, что кассовые сборы фильмов сильно коррелируют с доходами по другим каналам распространения, таким как телевидение и продажи на физических носителях, вопрос прогнозирования кассовых сборов фильмов оказывается интересен не только киностудиям, дистрибьюторам фильмов и кинотеатрам, но и инвесторам киноиндустрии, представителям розничной торговли и представителям телевизионных каналов. В то же время сложность стоящей задачи, обусловленная спецификой кино как продукта одновременно коммерческой и творческой деятельности, а также уникальными особенностями распространения и неопределенностью характера спроса на фильмы, привлекают к задаче прогнозирования кассовых сборов и независимых исследователей.

Проблема снижения рисков при кинопрокате рассматривалась многими исследователями и с различных позиций, в первую очередь в США, а также в европейских странах и гораздо меньше в нашей стране. Важно подчеркнуть, что в данном контексте речь идет о весьма специфических рисках, связанных не с техническими или чисто экономическими факторами типа соотношения цены и качества, а с эмоциональными и вкусовыми факторами. Такие риски характерны не только для киноиндустрии, но и для всей индустрии развлечений или, как минимум, для большей ее части.

Рассматривая американский кинорынок как объект для инвестиций, Марк Феррари и Эндрю Радд отмечают, что цены на кинопроекты назначаются на несовершенном и неэффективном рынке, где затруднена и практически невозможна стоимостная оценка, что подразумевает необходимость активного управления проектом (Ferrari, Rudd, 2008). Многие исследователи обращали внимание на наличие огромного количества тонкостей и нюансов, связанных с процессом производства и распространения кинофильма на любом из этапов его жизненного цикла, которые гарантируют аналитикам трудности при прогнозировании показателей экономической эффективности конкретного кинопроекта.

В последнее время появляется множество эмпирических исследований широкого спроса на отдельные фильмы. В то же время, все эти работы направлены не столько на получение точных и информативных результатов, сколько на составление методологии и вариаций моделирования отдельных доходов фильма как функции от ряда объясняющих переменных. В качестве таких переменных могут выступать производственный и рекламный бюджеты, количество прокатных копий, наличие различных премий, обзоры критиков, наличие звезд, жанр, пользовательские оценки в интернете и т. д. Несмотря на наличие статистически значимых моделей, часто имеющих высокий показатель точности прогноза, получаемые результаты во многом интуитивны. У исследователей растет понимание того, что детализация подобных моделей требует особого внимания, в виду наличия таких сложностей, как тяжелые хвосты распределения дохода и потенциально эндогенные объясняющие переменные.