不好意思，传媒娱乐行业真的没有“口红效应”

2018 年以来， 传媒 娱乐圈和 投资 圈里广泛流传着所谓 " 口红效应 " 的说法： 经济 减速、宏观环境不稳定的情况下，消费者会消费更多的娱乐内容（电影、剧集、 游戏 、动漫，等等等等），从而给传媒娱乐行业带来波澜壮阔的 " 反周期行情 "。

然而，这个观点被现实无情地否定了—— 2019 年 1-10 月，全国电影票房同比仅增长 6%，这还是在有《流浪地球》《复仇者联盟 4》《哪吒》等神作加持的情况下；同期全国游戏市场也只有个位数增长，其中 手游 市场同比增长可能略超 10%，但是绝大部分增长被腾讯拿走了。

到底是怎么回事？" 口红效应 " 失效了吗？事实上，" 口红效应 " 从来就没有存在过——无论是在中国还是在美国。如果你看过好莱坞黄金时代（1920-1940 年代）的电影，就会知道 " 大萧条 " 给美国电影人留下了何其惨痛的印象。所谓 "911 事件发生之后口红销量大涨 " 的说法，从来没有得到数据支持，说白了就是一条都市传说。

在此，本怪盗团利用大量历史数据，对美国、中国两个国家的电影、游戏行业进行了回归分析，彻底证伪了 " 口红效应 "。我们当然也想将剧集、直播、动漫、音乐等行业纳入回归分析，可惜这些行业没有权威可靠的销量数据，只能留待今后有机会再做了。

世上万事，怕就怕 " 认真 " 二字。显然，以前相信 " 口红效应 " 的人，绝大部分都没有做过实证研究；所以本怪盗团就来做了。相信科学、相信数据、相信逻辑，是本怪盗团的一贯原则。二加二永远等于四，而不是偶尔等于四；实践是检验真理的唯一标准，而不是多个标准之一。下面就让我们用科学的方式，宣判 " 口红效应 " 的死刑

美国的经济历史数据不支持 " 口红效应 " 的存在

当投资者和 媒体 提到传媒娱乐行业的 " 口红效应 " 时，最常见的案例是美国电影行业——有一种说法，在 1929 年和 2008 年的经济危机中，好莱坞都 " 因祸得福 "，享受了好时光。这种说法符合事实吗？很遗憾，在分析了最近几十年的数据之后，我们的结论是：无论在历史上有没有出现过 " 口红效应 "，至少我们从 1980 年代以来已经观察不到这种现象。

从年度数据看，美国电影和游戏都是强周期性行业

首先，让我们温习一下普通统计学课程。要判断两个事物的相关性，回归分析是最常见的工具：以一个数据为因变量，另一个数据为自变量，如果存在明确的线性关系，就可以说两者相关。在此，我们以美国电影票房收入（以及美国游戏行业收入）为因变量，以美国宏观经济数据（包括 GDP、居民可支配收入、个人消费支出、失业率等）为自变量。必须指出，我们的所有原始数据都基于名义值，未经通货膨胀调整。由于自变量和因变量都包含通货膨胀因素，在回归分析过程中会自相抵消。

在回归分析中，有三个指标非常重要。第一个是斜率，它体现了两个变量之间的线性关系强度。例如，若 Y = 0.56X + 16, 则说明 X 每变动一个单位，Y 就会变动 0.56 个单位；斜率越小，线性关系就越无关紧要。

第二个是 R-Square，它体现了自变量 X 对因变量 Y 的解释能力。例如，若我们发现 R-Square = 0.96，说明 Y 的变化有 96% 可以由 X 的变化来解释，两者的线性关系非常完美，说服力很强。

第三个是 P-Value，它体现了线性关系的统计显著性。P-Value 越小，自变量与因变量之间存在线性关系的可能性就越大。在学术上，P-Value 一般需要小于 0.05 才有意义；在实践中可以适当放宽。

美国的电影票房数据保存非常完整，我们使用了 1980 年以来的所有年度数据进行了回归分析，得出的结论是：以年度为单位看，美国电影行业是强周期性行业，宏观经济数据与电影票房收入的相关系数很大、解释力很强，而且统计意义显著。无论使用 GDP、居民可支配收入还是个人总支出作为自变量，都能得出类似结论。

更有甚者，无论使用当期还是上一期宏观数据，回归分析的结论都是相同的；这说明，GDP 等宏观数据不但影响了当年的电影票房，还对下一年度的电影票房有前瞻性。事实上，即便用肉眼也看得出来：美国电影票房收入与 GDP 或居民可支配收入所共同定义的数据点，几乎落在一条完美的直线上，这是统计学家梦寐以求的线性关系。

美国对游戏行业（包括主机游戏、电脑游戏和移动游戏）的权威统计数据是从 1996 年开始的，数据总量明显少于电影行业。但是，我们的结论并未受到影响——美国游戏行业的营业收入与 GDP、居民可支配收入和个人总支出之间，均存在强烈、显著的线性关系。而且，游戏行业收入对宏观经济数据的斜率明显更大。换句话说，GDP 等宏观数据每变动一个单位，对游戏行业的影响远大于对电影行业的影响。

既然如此，我们是否可以宣布：美国的电影和游戏行业都是强周期性行业，" 口红效应 " 已经被证伪？且慢！要知道，1980 年代以来，美国一直是发达国家中经济增长率最快的之一，几乎每一年的 GDP 都是增长的，而电影票房收入、游戏行业营业收入也是增长的。这就容易造成 " 假阳性 " ——两组数据只是恰好同方向变化，不一定有因果关系。此外，投资者的时间轴不一定有年度那么长，也可能以季度为单位。我们还需要对季度数据进行更深入的分析，尽管季度数据可能不如年度那么可靠。

从季度数据看，美国电影和游戏都是非周期性行业

幸运的是，通过 BoxOfficeMojo，我们可以获得连续的美国电影行业季度数据。一旦换用季度数据，电影票房收入与 GDP、可支配收入等宏观指标的线性关系就消失了—— R-Square 从 0.95 左右骤降到 0.01 左右，已经丧失了任何说服力；P-Value 大幅上升，统计显著性全部不成立。无论使用当期指标，还是滞后一期或领先一期，结论都是类似的。也就是说，以季度为单位计算，美国电影行业是非周期性的。

然而，我们仍然无法认为 " 口红效应 " 存在：所谓 " 口红效应 "，是指在经济下行阶段，消费者会在电影等娱乐领域投入更多开支，也就是 " 反周期性 "；我们基于季度数据的统计分析，只能导出 " 非周期性 "，而不是 " 反周期性 "。如果投资者只想寻找一个与宏观经济指标 " 不相关 " 或 " 相关性很弱 " 的行业，他们的选择很多，也不必依赖电影行业。

美国游戏行业的季度数据很难寻找，常见第三方数据库的连续性和权威性都不足。因此，我们只能使用四家大型上市游戏公司的季度收入数据：动视暴雪、EA、Take-Two 和 Zynga；其中，动视暴雪和 EA 的收入规模明显较大。必须承认，使用上述四家公司的数据并不严谨，因为它们均有大量收入来自美国之外的地区，还必须考虑会计政策的差异。不过，这已经是我们所能想象的最可靠的季度数据代理变量了。

在使用上述代理变量之后，我们的结论是：以季度为单位计算，美国游戏行业的营业收入与 GDP、可支配收入等宏观经济指标不存在线性关系，统计显著性几乎不存在。这与我们对美国电影行业得出的结论类似，只有一个例外——社会平均小时工资。

我们的统计分析显示：美国游戏行业季度收入与社会平均小时工资存在线性关系，P-Value 仅为 0.02，达到了统计显著水平。不幸的是，R-Square 仅有 0.1 左右，也就是说，游戏行业收入的变化只有 10% 是由平均小时工资的变化决定的。这似乎符合常识：每当平均时薪提高，消费者就有更多的钱买游戏，但是只会把其中一小部分真的拿来买游戏。

透过数据，研究案例： 娱乐行业的周期性到底是怎么回事？

从年度数据看，美国电影和游戏行业都是强周期性的；从季度数据看，它们又都是非周期性的。仅此而已吗？我们还能不能看得更深一点？数据分析本身只能涉及事物的外延，不能涉及其内核；它只能告诉我们 " 事物是如何变动的 "，而无法告诉我们 " 事物为什么变动 "。要彻底弄清楚美国娱乐行业的周期性问题，必须进行案例分析。

过去三十年，美国发生过三次经济衰退：1991 年、2002 年、2008-09 年。我们可以看到，在 1991 年的衰退中，电影行业体现了较强的周期性，票房收入与 GDP 基本同向变动；在 2002 年，电影行业体现了反周期性，GDP 最不景气的时候恰好是票房增速较快的时候；在 2009 年，电影票房收入先是逆 GDP 趋势而上升，然后又逆 GDP 趋势而下滑，似乎体现了较强的反周期性。如果只看后两次经济衰退，确实可能得出 " 口红效应 " 存在的结论。为什么三次衰退期的形势会有如此不同？

聪明的读者大概已经猜到了答案：产品周期！2002 年二季度，美国上映了两部超级 IP 大片：《蜘蛛侠》和《星球大战前传 2》，它们促使美国电影票房先于 GDP 出现了复苏。按照常规，这种体量的电影最适合在三季度的暑期档上映；如果这两部电影真的是在暑期上映，我们将会看到美国电影票房收入与 GDP 呈现良好的相关性，两者同时强劲复苏。

2009 年二季度，在《变形金刚 2》《金刚狼》等大片的推动下，美国电影票房维持了同比增长；当年四季度，票房收入再次出现快速增长，这次几乎完全是《阿凡达》的贡献。像《阿凡达》这样在技术上取得巨大突破的作品，无论在哪一年上映，都会彻底改变当年的电影市场。此后的 2010 年恰好是好莱坞大片的低潮期，无怪乎电影票房收入逆 GDP 而下跌。

我们的结论很简单：美国电影行业同时受到经济周期和产品周期的影响。以季度为单位，产品周期处于首要地位，因为任何制作公司和发行公司都不能保证在某个季度出作品， 商业 大片出现几个月的推迟或提档都很正常。以年度为单位，产品周期在很大程度上被 " 熨平 " 了，经济周期反而处于首要地位，因为它能决定观众的真实需求。所以，美国电影行业在年度上呈现强周期性、在季度上呈现非周期性，是符合逻辑的。

美国游戏行业的情况又是另一回事：在 1991 年经济衰退时，这个行业几乎不存在，其数据无意义；在 2002 年，游戏行业收入早于 GDP 反弹，而且反弹势头很猛，体现了反周期性；到了 2008 年，游戏行业收入却与 GDP 几乎同向变动，体现了较强的周期性。这不禁让人遐想：随着收入规模的扩大，美国游戏行业是否正在由 " 非周期性 " 迈向 " 周期性 "？下一次美国经济衰退时（有可能就在今年或明年），游戏行业的季度收入会不会呈现出极强的周期性？可能性存在，而且不小。

此外，我们为美国游戏行业季度收入选取的代理变量当中，包括一定体量的来自美国之外的收入，这也会削弱数据本身与美国宏观数据的相关性。我们相信，如果能够完全排除美国以外市场贡献的收入，游戏行业季度数据的周期性很可能上升；但是，我们尚无法证实这一猜测。

中国的情况如何？ 电影和游戏要分开来看

美国的历史数据固然可以给我们很多启发，但是投资者最关心的毕竟是中国市场。虽然中国电影和游戏行业的历史数据积累较少，但是总归是有历史数据的。在进行类似的统计分析之后，我们发现：以季度为单位，中国电影行业是非周期性的，但是游戏行业是周期性的。无论如何，其中任何一个都不存在反周期性，也就是没有 " 口红效应 "。

中国电影行业： 非周期性？ 关键是扰动因素太多

通过艺恩网和广电总局，我们可以得知 2007 年以来中国电影票房收入的季度数据。事实上，我们还可以追溯到更久，但是意义不大—— 2007 年以前的电影行业和经济环境都与今天有天壤之别，可比性很弱。将电影票房收入与 GDP、可支配收入、PMI 等宏观指标进行回归分析（均不排除通货膨胀因素），我们发现：线性关系几乎全部不成立，中国电影行业称得上非周期性行业，只有一个指标例外：失业率。

没错，回归分析显示：中国电影票房收入增速与城镇人口失业率的正相关性在统计上非常显著，P-Value 仅有 0.01；失业率越高，票房收入增速越快！不过，R-Square 只有 0.13，意味着电影票房增长只有 13% 是失业率上升导致的。我们不太相信这种线性关系——中国城镇失业率覆盖面不够，历史变动区间很小，很可能导致了 " 假阳性 "。无论如何，以季度为单位，我们还是认为中国电影行业是非周期性行业。

正如我们上文提到的：" 非周期性 " 不等于 " 反周期性 "，后者才是 " 口红效应 "。事实上，中国电影行业的非周期性很容易解释，那就是扰动因素太多，包括但不限于产品周期。2015 年，在产品周期上行、资本大量涌入的情况下，电影票房收入出现了 49% 的惊人增长；2016 年，由于票补减少、广电总局明令打击 " 假票房 "，电影票房收入增速又骤然萎缩。在美国，电影市场的供给受到产品周期影响，需求则受到经济周期影响；在中国，连需求都受到了票补、新建影院等一系列复杂因素的影响。

从电影票房收入与名义 GDP 增速的季度对比，我们也可以直观地感受到：电影行业与 GDP 有时候同向变化，有时候反向变化，并无规律可循。2009 年初及 2012 年初，名义 GDP 增速两次骤然放缓，电影票房增速则基本稳定；2014-16 年，名义 GDP 增速缓慢下行并探底，期间电影票房增速则出现了多次剧烈变化。总而言之，通过经济周期来判断电影市场的热度，是一种效率低下、不值得采信的方法。

中国游戏行业： 具备较强的周期性，所以要小心！

我们有两种途径获取中国游戏行业的历史数据：艾瑞咨询和中国游戏工委（伽马数据）。其中，艾瑞咨询的数据是季度的，中国游戏工委是半年度的。在实践中，我们发现使用这两组数据的结论差别不大；而且，自从 2015 年以来，这两组数据的相关性已经超过 80%，几乎可以算作一组数据。因此，我们决定采用 2010 年以来艾瑞的季度数据。

通过回归分析，我们发现：以季度为单位，中国游戏行业收入与 GDP、人均 GDP、人均可支配收入、城镇居民消费性支出均存在线性关系，统计显著性均很高，P-Value 甚至接近于 0 ——这说明我们的结论几乎不会出错。从 R-Square 来看，情况稍差一点：游戏行业的营业收入变化只有 50% 左右可以解释为宏观经济的变化，但是这种解释能力已经很不错了。换句话说，中国游戏行业是不折不扣的强周期性行业！

对游戏行业收入解释能力最强的宏观指标，是城镇居民人均可支配收入。从季度数据对比可以看出：2007 年以来，游戏行业收入与人均可支配收入（均不排除通货膨胀因素）在大部分情况下都呈同向变化。只发生过两次例外：2014 年 4 季度和 2018 年 2-3 季度，人均可支配收入和游戏行业收入没有同向变化，其中后一次还是受到了游戏版号停发的影响。从逻辑上看，可支配收入的升降确实会影响游戏消费倾向。

为什么中国电影行业是非周期性的，游戏行业却是强周期性的？我们认为至少有三个原因。首先，中国游戏行业的规模很大；即便按照最保守的估计，2018 年游戏市场规模也超过了 2000 亿人民币，是电影市场规模的三倍以上，这么大的行业不可能没有周期性。其次，游戏行业的产品供应数量远大于电影行业—— 2017 年，中国有 9300 多款游戏获准上线，却只有 700 多部电影过审上映，所以游戏行业受到产品周期的影响略小。第三，游戏行业在过去几年受到的外部扰动因素较少，虽然也有流水造假现象，但是相对电影行业的票补而言，影响并不算大。

通过上文的大量统计分析和案例分析，相信读者已经理解了我们的结论：在实证上，无法证明以电影和游戏为代表的传媒娱乐行业存在 " 口红效应 "，而且在美国和中国皆是如此。当然，传媒娱乐行业不仅包括电影和游戏，还有电视剧、网络视频、短视频、直播、动漫、小说 …… 等等。但是，其他行业要么不是由消费者直接买单（例如电视剧、网络视频），要么因为历史太短而无法获取足够数据（例如直播、动漫），我们暂时无法将其纳入实证研究的范围。但是，我们的专题研究并未就此止步。我们还想知道：从理论上和实践上看，决定传媒娱乐行业周期性的逻辑到底是什么？

无论 " 口红效应 " 存在与否，应该如何理解深层逻辑？

在上文，我们已经做了很多数据分析。本章我们不讨论具体数据，只讨论两个概念：理论框架和现实模型。首先，在经济学理论上，" 口红效应 " 不一定成立，最多可以视为 " 劳动力供给模型 " 的一种特例。其次，在现实中，我们并不认为中国游戏行业符合 " 口红效应 " 的假设，而电影等其他娱乐行业是否符合，也需要一事一议地分析。

遗憾的是，在经济学理论上，" 口红效应 " 是不存在的

翻遍主流经济学教材，以及权威经济学论文，我们很难找到 " 口红效应 " 一词。这个词最早诞生于 2008 年 5 月，当时《纽约时报》报道：2001 年 "911" 恐怖袭击之后，美国口红销量出现过短暂的大幅上升；但是，当时的实际口红销量已经很难考证。2009 年，《经济学人》杂志对 " 口红效应 " 进行了深入调查，结论是：" 口红销量的可靠历史数据很难获得 …… 换句话说，没有发现明确的相关性。" 既然在 " 口红效应 " 一词的发源地，它都没有得到证明，我们又如何确定它在娱乐行业存在？

在经济学理论上，有一种商品的需求会随着经济的下行而增长：劣等商品 ( Inferior Good ) ，即收入弹性小于 0 的商品。一般而言，经济学家认为方便面、廉价快餐、速冻食品、罐头等低端消费品是劣等品；长途 汽车 、大型折扣连锁店、无抵押消费信贷有可能也是劣等品。问题在于，电影、视频、游戏、直播、动漫 …… 有可能是劣等品吗？如果是劣等品，那么随着人均收入的上升，它们的需求理应下降——这种情况在中国从未出现过！那么，它们只能是正常商品，即收入弹性大于 0；甚至很可能是奢侈品，即收入弹性大于 1，受到经济周期的影响非常大。

其实，有一种经济学理论能够解释 " 口红效应 "：劳动力供给曲线的向后弯曲 ( Backward-Bending ) 现象。该理论认为：劳动者总是在选择把有限的时间投入工作或闲暇；当薪酬从较低水平开始上升时，劳动者会选择多干活、多赚钱；达到某个平衡点之后，如果薪酬继续上升，他们反而会降低劳动时间、多享受闲暇。在经济下行时期也是如此：如果薪酬降低到了平衡点以下，劳动者可能选择少干活（最直观的现象就是少加班、少出差），从而有更多的时间花在电影、游戏等娱乐活动上。

问题在于，即使以上理论是正确的，它符合中国的现实吗？假设薪酬水平确实出现下降，大概有两类人是最可能减少劳动时间的：其一是流水线工人、社会服务业人员等按件或按客单领取薪酬的蓝领；其二是 互联网 、通信、 金融 、外贸等高薪酬、高加班率行业的白领。前者的消费能力很有限，后者又面临着大量生活开支和来自家庭的压力——不要忘了，"996" 是中国白领修来的福报啊！就算他们真的能够主动减少劳动时间，在闲暇中也不一定会多花钱。说到底，现在的免费娱乐方式很多，谁规定了娱乐就一定要花钱呢？

在上文，我们已经说明了 " 口红效应 " 在经济学理论上难以成立。接下来，我们还要说明，" 口红效应 " 在中国传媒娱乐行业的实践框架中也难以成立。由于中国娱乐内容市场，尤其是游戏、直播等细分市场的特殊性，我国很可能比发达国家更难出现 " 口红效应 "！

在中国的现实市场环境中，" 口红效应 " 极难存在

中国传媒娱乐行业的主力消费者究竟是谁？这个问题不同于 " 用户画像 " ——它关心的是 " 谁在付费、谁付费最多 "，而不是 " 谁在使用 "。对于各个细分行业，答案有微妙的不同，但是大致可以分为两种：" 电影模式 " 和 " 游戏模式 "。" 电影模式 " 的主力消费者与主力用户是重叠的，依靠的是较高的付费率、较低的 ARPU，正所谓 " 聚沙成塔、蚂蚁搬泰山 "。无论内容质量如何，电影票的价格大致相仿，只存在地理位置、时间段、技术格式和票补上的差别。如今的电影票也几乎不存在 VIP 一说了，只有 IMAX 等巨幕格式可以算作某种系统性的差异化定价。

" 游戏模式 " 则与 " 电影模式 " 大相径庭：不一定人人付费，付费渗透率可以很低，运营方也不会驱赶那些 " 白玩 " 的人。典型的重度游戏都存在 " 付费用户金字塔 "：最顶层是 " 大 R 玩家 "，动辄充值几万、几十万，甚至出现过一人一年充值上亿的情况，他们大多是企业主、富二代等 " 土豪 "；中层是 " 中 R/ 小 R 玩家 "，充值几千块是常事，比上不足比下有余，其中既有高收入的金领，也有 " 小土豪 "；底层是普通人，数量庞大，能够偶尔充值几十元已经很不容易，更多的是一毛不拔的 " 零氪 " 玩家。一个月流水 3 亿元的 MMORPG，收入来源可能是：几百个大 R 玩家贡献 1 亿，几万个中 R/ 小 R 玩家贡献 1.5 亿，上百万普通玩家贡献 5000 万。

那么问题来了：经济增速的放缓，会对网络游戏的 " 付费金字塔 " 造成什么影响？首先，顶端的 " 土豪 " 肯定会受到负面影响，他们的生意和资产价值都可能缩水，从而无法负担在游戏里的庞大开支。其次，中间的金领和 " 小土豪 " 也无法免疫，动辄几千元的充值不是小数目，节省开支过冬才是合理的选择。最后，底层的微氪玩家倒是有可能稍微多花一点钱，毕竟在游戏里花几十元带来的乐趣，在现实中可能花几百元都得不到；这就是很多投资者期盼的 " 口红效应 "。问题在于，微氪玩家本来就不是游戏流水的主力军，他们再怎么多花钱，能撑起流水大盘吗？

要判断某种传媒娱乐产品在经济下行周期会受到多大影响，我们首先要看：它的付费模式更接近 " 电影模式 " 还是 " 游戏模式 "？此外，有没有免费替代（白玩、白看、搭顺风车）的可能性？我们认为，电影、网络视频、音乐等产品受到周期性的影响较小，而游戏、直播受到的影响较大。当然，并非所有重度游戏都依赖少数 " 土豪 "，以《王者荣耀》《QQ 飞车》为代表的电子竞技游戏，收入来源就明显比较均衡。

来源：钛媒体