Измерения и прогнозы в киноиндустрии. Модели и эксперименты

Киноиндустрии, в сравнении со всеми остальными отраслями, присущи повышенные риски, связанные со спецификой, характерной для аудиовизуальных произведений, являющихся одновременно продуктом творческой и коммерческой деятельности. Помимо стандартных рисков, возникающих при реализации любого инвестиционного проекта, для кино характерны риски, связанные с творческой составляющей человеческого капитала, также заметную роль играют вкусовые и гедонистические предпочтения потенциальных потребителей аудиовизуальной продукции. Еще одно существенное отличие от проектов, производящих материальную продукцию – более высокий уровень неопределенности поведения потребителей и инвесторов, а также творческого потенциала исполнителей. Высокая непредсказуемость стимулируется также появлением кинопроектов, которые способны устанавливать новые тенденции на этом рынке, от вкусовых предпочтений аудитории, до принципов монтажа или проведения рекламной кампании фильма. Повышенный уровень неопределённости факторов и условий достижения коммерческого успеха кинопроекта влечет за собой повышенные риски этого бизнеса (Спивакова, 2013).

Одной из проблем рассматриваемой отрасли является наличие провальных фильмов. Причин тому несколько, как на уровне идеи и производства – неоригинальный и неинтересный сюжет, так и на уровне продвижения готового фильма – слабая рекламная кампания. Также причинами являются некачественная работа со своей целевой аудиторией и отсутствие адекватной прокатной базы при распространении картины (Крол, 2010). Большая часть фильмов не окупаются в прокате, меньшая часть окупает затраты на своё создание, и лишь единицы становятся блокбастерами, которые не только окупаются, но и покрывают убытки от провальных картин. В этой связи многие голливудские студии в последнее время все чаще в качестве своей основной стратегии выбирают установку на производство блокбастеров (Элберс, 2015). В то же время, неудивительно, что студии заинтересованы снизить долю провальных фильмов – особенно это касается небольших независимых киностудий, не располагающих возможностями снимать высокобюджетные фильмы. В качестве эффекта они получат рост общей выручки и смогут повысить бюджеты на производство новых картин – ведь, как известно, съёмки новых фильмов финансируются, в том числе, и за счёт выручки киностудии.

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.

Прогнозирование кассовых сборов

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.

Прогноз кассовых сборов конкретного кинофильма является достаточно сложной задачей, что всегда привлекало ученых и различных исследователей, как независимых, так и аффилированных с крупными производственными студиями. Некоторых аналитиков эта тема привлекала в значительной степени благодаря трудности и неопределенности, связанной с предсказанием спроса на продукцию (Litman, 1983). Такая непредсказуемость спроса делает кинобизнес одним из самых рискованных предприятий для инвесторов в сегодняшнем мире. «Никто не сможет Вам сказать, как поведет себя фильм на рынке… до тех пор, пока он не выйдет на экраны и в темном зале кинотеатра будет представлен на суд зрителю», – утверждал Джек Валенти, бывший президент американской кинематографической ассоциации (MPAA). Противоположная позиция – кассовые сборы и успех фильма предсказать можно, вопрос лишь в том, какой информацией мы располагаем и какую модель используем (Sharda, Delen, 2002).

Западные исследователи, в основном, используют два класса моделей – количественные и поведенческие. Количественные модели опираются на имеющиеся у исследователей базы данных по кинопроектам, откуда выявляются факторы, влияющие на кассовые сборы выходящих фильмов, например, такие как: жанр, размеры производственного и рекламного бюджета, наличие звездных исполнителей (режиссера или актеров), а также стратегия дистрибуции и другие. Далее, при помощи различных статистических процедур реализуется поиск зависимостей и строится прогноз. Качественные или поведенческие модели базируются на процессе принятия потребительского решения по выбору человеком конкретного фильма из множества возможных вариантов. Параметры, оказывающие влияние на поведение разных групп потребителей, выступают в качестве дополнительных факторов успеха фильма в прокате. Отдельные исследователи указывают на значимость источников информации о фильме, а также разделения намерения посмотреть фильм и фактического просмотра (Ведерников, Чириков, 2008).

Существует также и другой вариант классификации моделей прогнозирования кассовых сборов, используемых западными исследователями. Факторы, влияющие на кассовый успех картины, разделяют на две группы – внутренние и внешние. К внутренним относятся характеристики фильма, такие как жанр фильма, состав актеров и режиссер. Внешними факторами являются: дата выпуска фильма в прокат, конкуренты по дате, время года, маркетинговая кампания в поддержку фильма, также к этой категории можно отнести уровень ожидания картины аудиторией и т. д. (El Assady et al, 2013), (J?ger et al, 2013).

Отдельной строкой стоит упомянуть ряд работ, посвященных устной рекламе, называемой в западной литературе Buzz, WOM, а по-простому «сарафанному радио». С развитием интернета и социальных сетей появилась возможность оперативно и в больших количествах получать отклики потребителей на определенный продукт. Особенно интересны методы, которые позволяют автоматизировать сбор данных и последующий прогноз. В этом контексте, конечно, на первый план выходят методы, использующие Интернет в качестве источника данных. Так, в последнее десятилетие появилось множество моделей оценки кассовых сборов по данным, собранным в социальных сетях. При этом отзывы, рецензии и комментарии пользователей классифицируются по настроению – чаще положительному или отрицательному, хотя, имеются работы и с более подробной классификацией, а далее используются для построения показателей, коррелирующих с кассовыми сборами. В результате исследований установлено, что эмоциональная окраска сообщений действительно связана с кассовыми сборами, а негативные и положительные отзывы имеют разный вес в объяснении выручки: для того чтобы компенсировать эффект одного отрицательного отзыва, необходимо несколько положительных.

Количественные модели

Количественные методы прогнозирования реализуются с помощью математических моделей, базирующихся на предыстории. Подобные модели строятся в предположении, что данные о поведении процесса в прошлом могут быть распространены и на будущее. Спектр статистических методов, используемых в данных работах, достаточно широк, начиная от простейших линейных регрессионных моделей и заканчивая сложными иерархическими моделями, а также подходами с использованием нейронных сетей.

Наиболее подробные обзоры литературы по экономике кино содержатся в трудах Маккейзи (McKenzie, 2012) и Элиашберга (Eliashberg et al, 2006). Первый уделяет большее внимание непосредственно экономическим исследованиям, тогда как второй сосредоточивается на вопросах маркетинга в киноиндустрии.

Прэг и Касавант были одними из первых исследователей, использовавшими множество объясняющих переменных, подобных вышеперечисленным. В их выборку вошли 652 фильма, вышедших на американский рынок за продолжительный период времени. Рассматриваемый ими набор переменных включает в себя производственный бюджет, критические обзоры, наличие звезд, наличие франшизы, наличие премий, жанр и рейтинг. Кроме того, для подвыборки из 195 картин также учитывается рекламный бюджет. Построенная регрессионная модель выявила положительное влияние на общую кассу следующих факторов: бюджет, отзывы критиков, наличие звезд, франшизы и премий. При включении в модель рекламного бюджета, значимым влиянием обладают только рецензии критиков. Далее авторами исследуются определяющие факторы маркетинговых расходов – в качестве объясняющих переменных используются: бюджет, рецензии критиков, наличие звезд, франшизы, премий, а также жанр и рейтинг. Авторы отмечают значимость бюджета, звезд, премий и двух жанров – боевика и комедии. При этом авторы утверждают, что их не удивляет потеря значимости некоторых переменных. Сделан вывод, что в данных о рекламе, в том числе печатных СМИ, косвенно отражаются данные о наличии звезд и премий, а также о размере бюджета (Prag, Casavant, 1994).

Более позднее исследование, рассматривающее особенности спроса и предложения в киноиндустрии, принадлежит Элберс и Элиашбергу (Elberse, Eliashberg, 2002). Ими рассматривается еженедельный доход картин в прокате одновременно на рынках США, Франции, Германии, Испании и Великобритании с применением модели динамики спроса и предложения. Выборка включает 164 фильма, которые были выпущены в 1999 году и, по крайней мере, однажды входили в топ 25 в США. Авторы моделируют еженедельный доход как функцию от количества экранов на рассматриваемой неделе, включающую зависимые и независимые переменные, которые рассматриваются только для данных за первую неделю. Зависимыми переменными являются: среднее число экранов за неделю, конкурирующие фильмы и сезон выпуска. Независимые переменные включают данные о привлеченных звездных актерах, режиссере и рекламных расходах. Спрос моделируется как функция ожидаемого дохода от решения о распределении сеансов на рассматриваемой неделе. Авторы используют данные Голливудской Фондовой биржи (HSX) в качестве индикатора ожидаемого дохода на первой неделе, для последующих недель используется процедура экспоненциального сглаживания, в которой ожидаемое значение на прошлой неделе обновляется с учетом ошибки предсказания. В случае, когда рассматриваются иностранные рынки, модель дополняется лаговой переменной, учитывающей разницу во времени выхода на рынок по сравнению с американским. Полученные результаты показывают, что существует несколько переменных, непосредственно влияющих на доход. Доказано также соответствующее влияние распределения экранов, так называемой росписи.

Для всех без исключения рассматриваемых рынков количество экранов (прокатных копий) является определяющим фактором, в свою очередь, ожидаемые доходы – главный фактор, определяющий количество экранов. Элберс и Элиашберг также показывают, что реклама выступает главным предиктором и для количества экранов, и для кассовой выручки лишь на премьерной неделе, тогда как сарафанное радио – на последующих неделях. Другое предположение заключается в наличии обратной связи между внутренним и внешним рынком: если прокатчики задерживают релиз картины на одном рынке по сравнению с другим, теряется эффект сарафанного радио.

Де Вани и Уолс (De Vany, Walls, 2004) широко изучают динамику спроса при помощи статистических распределений доходов и возможность их прикладного применения для киноиндустрии. Также они исследуют эффект информационного каскада, вызываемого сарафанным радио, применительно к конкретному фильму (De Vany, Walls, 1996). Используя выборку из 300 фильмов, выпущенных в 1985—1986 и входивших в топ-50 по версии журнала Variety, они уподобляют эффект информационного каскада бозе-эйнштейновской модели физики, где информационная обратная связь имеет потенциал для генерации экстремальных значений кассовых сборов «хитов» и «провалов». Модель Де Вани и Уолса доказывает, что распределение дохода развивается рекурсивно во время жизненного цикла фильма в кинотеатрах в условиях стохастической конкуренции. Получающиеся распределения имеют более тяжелые хвосты, чем у лог-нормального распределения, что, кроме всего прочего, нарушает точную форму закона Парето, подразумевая автокоррелированную модель роста доходов, и интерпретируется авторами ими как «возрастающая отдача информации».

В последующем исследовании Де Вани и Уолс исследуют количество недель, проведенных в рейтинге топ-50 по версии журнала Variety для набора 350 фильмов, выпущенных в 1985—1986 годах. Они моделируют продолжительность, используя модель выживания Вейбулла относительно вектора объясняющих переменных, включающего сборы в день премьеры, общую кассу первой недели, количество недель в топ 50 Variety, место в топ 50 Variety и число экранов в день премьеры. Несмотря на то, что все переменные оказались значимыми, авторы выделяют только сборы в день премьеры, утверждая, что увеличение их на 1% ведет к увеличению общей кассы на 11,3% (De Vany, Walls, 1997).

Уолс также использует модель выживания Вейбулла для выборки из 493 фильмов, выпущенных на Гонконгском рынке за период 1994—1996 годов. Используя число недель, проведенных в топ 10 Variety, он рассматривает влияние премьерных сборов и языка фильма (китайский или английский) и приходит к выводу, что касса первой недели положительно воздействует на продолжительность показа, в то время как китайские фильмы, в целом, обладают более коротким жизненным циклом в прокате Гонконга (Walls, 1996).

В еще одной своей совместной работе Де Вани и Уолс рассматривают математические свойства кассовых сборов (и предполагаемой прибыли), используя данные 2 015 кинофильмов, выпущенных за период с 1985 по 1996 год. Они показывают, что доходы имеют распределение Леви (в классе устойчивых распределений) со смещенным экстремумом и теоретически бесконечной дисперсией. Они утверждают, что не существует так называемого типового кино, потому что размеры кассовой выручки расходятся по всем значениям. Авторы оценивают влияние бюджета, наличия звезд (актеров и режиссера), наличия франшизы, жанр, рейтинг и год выпуска на вероятность создания «хита» в структуре переменных с бинарной зависимостью, где под «хитом» понимается фильм, собравший в прокате более 50 миллионов долларов. Авторы считают, что нельзя приписывать успех фильма отдельным факторам, показывая, что восприятие аудитории (определяемое фиктивной переменной для фильмов, которые идут в кинотеатрах больше десяти недель), является самой важной переменной в определении кассовых доходов (De Vany, Walls, 1999).

Большинство аналитиков попыталось предсказать полные кассовые поступления после релиза фильма в кинотеатрах. При этом, некоторые (Litman, 1983), (Eliashberg, Sawhney, 1994) не получали достаточно точных результатов для поддержки принятия решений. Литман (Litman, Ahn, 1998) суммирует и сравнивает исследования, связанные с прогнозированием финансового успеха кинофильмов. Большинство исследований указывает, что кассовые сборы имеют тенденцию затихать после вводной недели. Литман показывает, что 25 процентов общего дохода кинофильма поступают с первых двух недель проката. Таким образом, на основе сборов первой прокатной недели, итоговые сборы конкретного фильма могут быть предсказаны с очень высокой точностью.

Точная оценка кассовых поступлений перед выпуском фильма в прокат – самая трудная и самая важная задача для индустрии, утверждает Рэмеш Шарда (Sharda et al, 2002). Группа американских ученых из Колледжа Информационных систем Менеджмента Университета штата Оклахома под его руководством одной из первых попыталась использовать нейронные сети для рассмотрения проблемы прогнозирования кассовых сборов. Была создана нейронная сеть, позволяющая классифицировать фильмы на основании их сборов по одной из девяти категорий, в пределах от «провала» к «блокбастеру».

Учёные проводили анализ данных о 588 фильмах, выпущенных между 1997 и 2000 годами. При этом применялись наиболее распространенные среди исследователей отрасли показатели: месяц релиза, рейтинг, присвоенный кинематографической ассоциацией Америки (MPAA), конкурентное окружение, наличие или отсутствие в проекте звездных актеров, жанр картины, наличие или отсутствие спецэффектов, количество экранов и факт, является ли фильм продолжением франшизы.

Вышеуказанные переменные приведены в Таблице 1.2. Используется, в общей сложности, 43 переменных (для 8 категорий).

Несмотря на то, что результаты Рэмеша Шарда не сопоставимы непосредственно с результатами более ранних исследований (потому что используемая им модель позволяет лишь отнести конкретный фильм к тому или иному классу, но не предсказывает точечную оценку сборов), они довольно хороши. Результаты исследования показывают, что можно предсказать кассовые сборы кинофильма с 75% точностью при помещении фильма в тот или иной класс перед его релизом. Для сравнения: Соуней и Элайшберг оценивают точность своей модели, предложенной ими в 1996 году, в 71%. Поскольку модель Шарда разработана для того, чтобы предсказать финансовый успех кино перед выпуском в прокат, она может использоваться в качестве хорошего помощника при принятии решений студиями, дистрибьюторами и участниками рынка. В любом случае, полученные результаты еще раз доказывают ценность нейронных сетей при рассмотрении вопросов прогнозирования.

Помимо привлекательной точности результатов в прогнозировании кассовых сборов, модели нейронной сети также могут быть приспособлены для прогнозирования показателей успешности других медиапродуктов. Экспериментируя с нейронными сетями, менеджер конкретной фирмы может с высокой точностью узнать, насколько существенны для финансового успеха фильма или телевизионной программы наличие конкретного актера, определенная дата выпуска или добавление большего количества технических эффектов.

Калпеш Десаи и Суман Басурой из Университета Баффало в своей статье «Интерактивное влияние жанров, звезд и критических отзывов в индустрии культуры. На примере киноиндустрии» выделяют научные исследования, относящиеся к маркетингу культурных продуктов, таких как бродвейские шоу, книги, музыка и кино. В качестве факторов, оказывающих наиболее сильное влияние на функционирование рынка отдельного продукта, авторы выделяют жанр, влияние звезд, а также обзоры критиков. Особенностью данного исследования являлось то, что впервые рассматривалось совместное влияние этих факторов. Для проверки гипотезы используются реальные данные двух различных временных периодов. Полученные результаты согласуются между двумя периодами времени и показывают, что для более привычных жанров фильмов, влияние звезд и валентность отзывов критиков имеют меньшее воздействие на производительность фильма на рынке. Напротив, для менее известных жанров – сильнее влияние звезд и большее число положительных отзывов оказывают положительное влияние на кассовые сборы. Отзывы критиков не влияют на производительность фильма, если в нем не снимаются звезды. С другой стороны, для фильмов с большим звездным влиянием, увеличение положительных отзывов оказывает позитивное влияние на производительность фильма (Desai, Basuroy, 2005).

Исследования Остина и Гордона (Austin, Gordon, 1987), а также Де Сильвы (De Silva, 1998) показывают, что жанр фильма выступает наиболее важным фактором для потребителей при принятии решения просмотра конкретного фильма. Более того, студии заинтересованы в подобного рода информации, если решение о производстве фильмов в определенном жанре воздействует на степень влияния звезд, задействованных в этом фильме. Например, производство фильмов в более привычных и популярных жанрах, таких как драмы или комедии, возможно, обеспечит студии большей гибкостью, чем привлечение не самых лучших и высокооплачиваемых звезд. Таким образом, фильм должен иметь меньшие затраты и увеличение прибыли. С другой стороны, зрители могут отказаться от кино, потому что в нем задействованы менее привлекательные звезды. Это может вызывать трудности, потому что зарплаты звезд и другие издержки производства неуклонно растут. Кроме того, неясно, является ли участие более привлекательной звезды гарантией успеха, потому что возможные негативные отзывы критиков могут смягчить влияние звезд на производительность кассы. В последнем сценарии, студии могут попытаться «управлять» процессом производства, о чем говорится у Элайшберга и Сони в их совместном труде (Eliashberg, Sawhney, 1994). Наконец, поскольку негативные отзывы сказываются на производительности, студии могут выбрать более привычные жанры, чтобы снизить риски. Важность этих управленческих решений очевидна.

Уникальная природа кино как товарного рынка, по сравнению с другими рынками, значительно повышает важность жанров. В частности, в отличие от других рынков, в которых множество известных брендов конкурируют между собой, на кинорынке каждую неделю выходят от двух до пяти новых фильмов. Следующий фильм отличается от предыдущего, и каждую неделю или две недели потребители должны решать, какие фильмы смотреть. Если бы не было жанров, по которым можно классифицировать фильмы – потребители нашли бы повторное решение проблем слишком утомительным и напряженным (Desai, Basuroy, 2005).

Алек Кеннеди в своей работе рассмотрел взаимосвязь между кассовыми сборами фильмов и обзорами критиков относительно данных фильмов (Kennedy, 2008). Элайшберг с коллегами с помощью статистических методов обработки текстовой информации выявлена взаимосвязь между содержанием сценария и кассовыми сборами фильма (Eliashberg et al, 2007). Евгений Антипов и Елена Покрышевская из Высшей школы экономики в своей работе пришли к выводу, что для адекватного анализа кассовых сборов первой недели фильмов необходимо раздельно анализировать различные типы фильмов (Antipov, Pokryshevskaya, 2010).

Помимо кассовых сборов, некоторые исследователи пытались прогнозировать рейтинги фильмов, такие как IMDb (Andrei et al, 2012). Остин и Патак создали алгоритм для прогноза рейтинга фильма на основе данных об участниках процесса производства кинокартины: актерах, режиссерах и сценаристах (Achal, Manas, 2011).

Агент-ориентированное моделирование также было использовано для решения задач по построению прогнозов в киноиндустрии. Агент-ориентированное моделирование (АОМ) является средством получения знаний, основанным на построении совокупности агентов с определенным набором свойств (Бахтизин, 2008). Такой вычислительный инструмент позволяет воссоздавать различные общественные процессы – от регулирования светофоров до распространения инфекционных заболеваний. Возможность задать модель поведения отдельных агентов позволяет максимально приблизить модельный мир к реальности. Одними из первых исследователей, воспользовавшихся данным подходом к прогнозированию кассовых сборов, стали Клаудио Панико и Себастиано Алессио Дельре из университета Боккони (Panico et al, 2010). В 2010 году ими была опубликована статья «Конкуренция в Голливуде. Теоретико-игровой метод в сравнении с агент-ориентированной моделью». В этой работе сравниваются два разных подхода, один из которых можно отнести скорее к разряду количественных моделей, а второй – поведенческих. Авторы исследуют дуополию, в которой кинопродюсеры конкурируют за зрительскую аудиторию, неоднородную по своим вкусам и предпочтениям. Устанавливая рекламный и производственный бюджеты, продюсеры влияют на количество зрителей, пришедших в кинотеатры. Авторы рассматривают три периода. В первый период производители одновременно и независимо друг от друга определяют уровни расходов на рекламу и производство. Второй период характеризуется количеством зрителей, пришедших в кинотеатры под влиянием рекламных компаний. В третий период вторая волна посетителей кинотеатров определяется благодаря «сарафанному радио».

Киноиндустрия очень своеобразна во многих отношениях: существует единая цена, огромные инвестиции в маркетинговые компании на первой неделе проката, «сарафанное радио» оказывает влияние на количество зрителей, пришедших в кинотеатры и так далее. Огромные инвестиции в производство и маркетинг, осуществляемые кинокомпаниями в условиях острой конкуренции приводят к сложным стратегическим взаимодействиям. Теоретико-игровой анализ представляется естественным инструментом для изучения этих взаимодействий, помогающим отыскать новый способ понимания сути поведения продюсеров и функционирования отрасли.

Однако, как справедливо отмечают участники киноиндустрии, отраслевые практики нередко полагаются на интуицию и эмпирические правила. Поэтому ряд исследователей строит свои рассуждения, подразумевая, что решения на рынке не полностью рациональны. В этой связи возникает вопрос о том, каким образом различные правила или эвристики влияют на динамику конкуренции и эволюцию отрасли и как это можно сравнить с прогнозами моделей, построенных с учетом полной рациональности.

В своей работе исследователи из университета Боккони анализируют взаимодействия кинопродюсеров, согласовав два различных подхода. Во-первых, моделируется рынок дуополии, чтобы изучить конкуренцию кинопроизводителей, пытающихся привлечь аудиторию в кинотеатры. Авторы учитывают производственные бюджеты, влияющие на качество готового продукта, а также рекламные бюджеты, привлекающие людей в кино. Особенно обращается внимание на следующее: как совокупность потребителей с различными вкусами реагирует на варианты распределения денежных средств между бюджетами и как эффект «сарафанного радио» влияет на размеры зрительской аудитории. Основной результат заключается в том, что поведение производителей в равновесии не противоречит эмпирическим данным, которые говорят о том, что расходы на рекламу, в среднем, составляют 30—35%.

Во-вторых, вооружившись результатами формального анализа, авторы создают агент-ориентированную модель, чтобы сравнить теоретические прогнозы с экспериментальным планом. Ими используются различные эвристики относительно выбора бюджетов и сравниваются результаты моделирования с анализом равновесия формальной модели. Во многих сценариях результаты моделирования определяют уровень прибыли кинопродюсеров, которая выше, чем предполагается по соответствующему равновесию Нэша.