流量明星不靈了，與ta糊不糊無瓜|凹凸數讀_風聞

凹凸数读-用数据，解读世间百态。微信公众号：凹凸数读2019-08-27 22:22

2019-08-27

河冰結合,非一日之寒；積土成山,非斯須之作。

——王充《論衡》

今年暑期檔，電影撤檔改檔的消息一波接一波，順利上映的電影中，掀起大範圍討論的只有兩部，一是《哪吒》的大爆，一是《上海堡壘》的撲街。

《上海堡壘》的撲堪稱全方位的撲，是經歷了明星效應、官博發瘋、導演道歉最後依然血虧的撲。許多電影博主看過回來後會苦口婆心的大吼：不要因為“我倒要看看到底有多爛”去看！因為它並沒有爛出風格爛出水平，而是把所有普通的爛片元素燴在一起的普通的……爛片。

而這些所有爛片元素加起來，都比不上一件事的討論度：這個鍋，該不該鹿晗背？

選擇流量明星拍電影的雙面性在此時展現出來：一方面，流量明星帶來的熱度是毋庸置疑的，粉絲熟練的打投控評也讓宣發團隊輕鬆許多；而另一方面，路人對流量並不友好的觀感也會使其對電影的要求更嚴苛。

在之前探討飯圈打榜文化的文章中所用的數據，採用的是微博的明星勢力榜。這次為了更加客觀，我們選取了明星all榜中，近幾年綜合排名前30名的流量明星，與其主演（五番以內）的電影票房和口碑進行綜合分析。

從圖上可以看出，17年之前，尤其是14-16年階段，流量明星出演的電影口碑普遍偏低，但票房表現比較均衡，還有不少可以大賣的。而到了17年之後，則呈現出普遍“低票房低口碑”的趨勢，甚至“低票房高口碑”的現象，典型的如李易峯主演的《動物世界》，評分在中上等，票房卻並不理想。

流量明星出演電影占比也在2015年達到頂峯，全年票房前100的電影中，流量明星主演的電影達到了20部。此後即在逐年減少。

3年前的暑期檔是流量盛世最後的狂歡，《致青春2》《夏有喬木雅望天堂》《盜墓筆記》《微微一笑很傾城》接連上映，經濟效益堪稱“以小博大”，其中《盜墓筆記》更是斬獲了超過10億票房，成為當年年度票房榜的第八名。

現在看看當年的前十也就有一半是能看的……

但從17年開始，《三生三世十里桃花》男女主角粉絲撕逼的間隙，還要靠“鎖場”保證排片；《爵跡》血虧讓郭敬明崩潰到哭泣；《愛情公寓》開創電影新類型“詐騙片”；《阿修羅》上映沒幾天就灰溜溜下了院線……

今年《上海堡壘》的坍塌使流量明星電影的劣勢展示的更加顯著，在曾經爛片橫行的時代，一堆普通的爛片中，如果某部電影請來了流量明星，則會佔據更大優勢，拍拍小成品青春片回本沒問題，要是再能有個大IP，製作方簡直可以躺着等收錢。

但如今，早就不靈了。

那麼，流量明星在電影界到底是怎麼flop的呢？

事實上單純探討“吳亦凡涼了嗎？”“鹿晗糊了嗎？”是沒有意義的。流量明星的粉絲能帶來的經濟效益不應該被低估，也不應該被高估，他們承擔票房的能力對於總票房而言不是百分比，而是絕對值。也就是説，隨着票房基數的增加，粉絲的作用是越來越小的。

這一點從電影首日票房佔總票房比中可以看出一二，不含流量明星的電影首日票房佔總票房的比例平均為12.08%，而包含流量的電影則達到15.94%，如果一部電影有兩個及以上的流量明星，那麼平均佔比能達到18.99%。

其中比較典型的如《歐洲攻略》，吳亦凡+唐嫣的可以説粉絲量巨大，且男女通殺了，再加上樑朝偉一雙看着石頭也深情的眼睛，最終總票房僅為1.53億，而首日票房就有9720萬左右，首日票房佔總票房比高達……63.44%。

在電影上映前期，流量明星可以拉動預售，依靠粉絲的力量和宣傳的噱頭衝到幾千萬票房，但總票房數依然要依靠普通觀眾，由於前文提到的，流量電影持續的高票房低口碑導致了觀眾的負面印象，如果後續的宣發與口碑達不到預期，那麼他們就不會買賬。

另一個更重要的原因是，如今的電影市場日趨理性，進入口碑時代。以前片方用特效和高人氣明星吸引觀眾走進電影院，培養了大眾的觀影習慣，流量明星的價值也在此過程中得以量化，但這些觀眾也真實地經歷了許多爛片的洗禮。

因此如今已“閲片無數”的觀眾越來越渴望在走進電影院時看到好電影，於是會通過網上的評分，身邊人的推薦來判斷一部電影是不是值得看，而不單純當作新鮮的消遣。

除了口碑之外，導演知名度、劇情完成度、甚至服化道良心程度等慢慢都超過了明星光環的影響力。從今年春節檔就可以看出，曾經最吃香的大製作+閤家歡+成龍主演的《神探蒲松齡》與頗具號召力的甯浩+黃渤+沈騰組合的《瘋狂的外星人》加在一起也遠遠打不過一直不被看好的“中國科幻”——《流浪地球》。

事實上吳亦凡鹿晗們不靈了，是一心討巧不顧內容的爛片不靈了帶來的連鎖反應。流量明星的加盟依然能給爛片帶來加成，但比起他們的片酬，性價比實在不高且帶有一定風險。也許現在和以後還堅持用流量的爛片，是希望他們最後可以替無能或敷衍的導演製片方剪輯特效服化道們，扛起更多的傷害吧。

數據分析：愛看喜劇的朱小五

文案撰寫：非常博愛的王小九

關注公眾號“凹凸數讀”，查看更多數據分析有趣文章