Determinantes del éxito financiero en la industria cinematográfica mexicana como estrategia para la toma de decisiones y mitigación de riesgos
Determinants Of Financial Success In The Mexican Film Industry As A Strategy For Decision-Making And Risk Mitigation
Determinantes do sucesso financeiro na indústria cinematográfica mexicana como estratégia para tomar decisões para reduzir riscos
DOI:
https://doi.org/10.15446/innovar.v34n93.100588Palabras clave:
éxito financiero, industria cinematográfica, regresión múltiple lineal, riesgos, ingresos por taquilla (es)Financial success, film industry, box office revenue, multiple linear regression, riks (en)
sucesso financeiro, indústria cinematográfica, renda de bilheteria, regressão linear múltipla, riscos (pt)
Descargas
La incertidumbre financiera existente en la industria cinematográfica ha sido evidente en los últimos años, razón por la cual en el desarrollo de esta investigación se pretende determinar qué factores impactan o no en el éxito financiero de una película mexicana, como estrategia para la toma de decisiones y la mitigación de riesgos. Lo anterior se llevará a cabo mediante la realización de un análisis de correlación, la aplicación de una regresión múltiple lineal y la simulación de modelos predictivos en el software estadístico SPSS, lo que permitirá la creación de un modelo econométrico de regresión múltiple, obteniendo así una herramienta predictiva que pueda ser utilizada en la industria cinematográfica de México. Los resultados más relevantes evidencian que las variables con comportamientos más significativos son la cantidad de salas de cine donde es distribuida una película y el poder que tienen los críticos. La utilización del modelo de predicción creado contribuye significativamente a reducir el impacto de la incertidumbre financiera, generando confianza para todos los inversionistas de proyectos cinematográficos y aportando en la mejora de los ingresos que una película pueda obtener. La principal limitación del modelo es la ausencia de variables adicionales que lo complementarían y mejora-rían como, por ejemplo, la cantidad de semanas de distribución y la inversión en publicidad.
The financial uncertainty prevalent in the film industry has been evident in recent years. Therefore, the aim of this research is to determine which factors impact the financial success of a Mexican film, serving as a strategy for decision-making and risk mitigation. This will be achieved through correlation analysis, the application of multiple linear regression, and predictive model simulation using the statistical software SPSS. These methods will facilitate the creation of an econometric multiple regression model, providing a predictive tool that can be applied in the Mexican film industry. Our main findings indicate that the variables with the most significant behaviors are the number of movie theaters where a film is distributed and the influence of film critics. The use of the prediction model significantly contributes to reducing the impact of financial uncertainty, instilling confidence among film project investors and enhancing a film’s revenue potential. The primary limitation of the proposed model is the absence of additional variables that could complement and improve it, such as the number of weeks for distribution and the investment in advertising.
A incerteza financeira na indústria cinematográfica tem sido evidente nos últimos anos, razão pela qual esta pesquisa visa determinar quais fatores impactam ou não o sucesso financeiro de um filme mexicano, como estratégia para a tomada de decisões e para a redução de riscos. Isso será feito por meio de uma análise de correlação, da aplicação de uma regressão linear múltipla e da simulação de modelos preditivos no software estatístico SPSS, o que permitirá a criação de um modelo econométrico de regressão múltipla, obtendo assim uma ferramenta preditiva que pode ser usada na indústria cinematográfica mexicana. Os resultados mais relevantes mostram que as variáveis com os comportamentos mais significativos são o número de salas de cinema em que um filme é distribuído e o poder da crítica. O uso do modelo de previsão criado contribui significativamente para reduzir o impacto da incerteza financeira, gerando confiança para todos os investidores em projetos cinematográficos e contribuindo para a melhoria do lucro que um filme pode obter. A principal limitação do modelo é a ausência de variáveis adicionais que o complementariam e melhorariam, como o número de semanas de distribuição e o investimento em publicidade.
Referencias
Academia Mexicana de Artes y Ciencias Cinematográficas. (2020). 62 Entrega del Ariel 2020. Obtenido de Academia Mexicana de Artes y Ciencias Cinematográficas: https://www.amacc.org.mx/convocatoria-ariel-62/
Bakar, A., Said, A. y Yaakub, M. (2020). Movie Revenue Prediction Based on Purchase Intention Mining Using YouTube Trailer Reviews. Information Processing & Management, 57 (5). DOI: 10.1016/j.ipm.2020.102278. DOI: https://doi.org/10.1016/j.ipm.2020.102278
Bernstein, G. (2015). Understanding the Business of Entertainment. Massachusetts: Focal Press. Taylor and Francis Group. DOI: https://doi.org/10.4324/9781315773131
CANACINE. (2018). Ganadores Premios CANACINE 2018. Obtenido de Cámara Nacional de la Industria Cinematográfica: http://canacine.org.mx/ganadores-premios-canacine-2018/
Caves, R.E. (2000) Creative Industries: Contracts between Art and Commerce. Harvard University Press, Cambridge.
Chang, B.-H., y Ki, E.-J. (2005). Devising a Practical Model for Predicting Theatrical Movie Success: Focusing on the Experience Good Property. Journal of Media Economics, 18 (4), 247-269, DOI: 10.1207/s15327736me1804_2. DOI: https://doi.org/10.1207/s15327736me1804_2
Ding, Chao & Cheng, Hsing & Duan, Yang & Jin, Yong. (2016). The Power of the “Like” Button: The Impact of Social Media on Box Office. Decision Support Systems. 94, 77-84, DOI: 10.1016/j.dss.2016.11.002. DOI: https://doi.org/10.1016/j.dss.2016.11.002
Elberse, A. (2007). The Power of Stars: Do Star Actors Drive the Success of Movies?. Journal of Marketing, 71 (4), 102-120, DOI: 10.1509/jmkg.71.4.102 DOI: https://doi.org/10.1509/jmkg.71.4.102
Eliashberg, J., y Shungan, S. M. (1997). Film critics: Influencers or predictors? Journal of Marketing, 61 (2), 68-78. DOI: https://doi.org/10.1177/002224299706100205
Fernández Díaz, F., y Barco García, C. (2010). Producción Cinematográfica: Del proyecto al producto. Ediciones Díaz de Santos.
Fetscherin, M. (2010). The Main Determinants of Bollywood Movie Box Office Sales. Journal of Global Marketing, 23 (5), 461-476, DOI: 10.1080/08911762.2010.521117. DOI: https://doi.org/10.1080/08911762.2010.521117
Gutiérrez, V. (21 de marzo de 2019). Industria del cine crece más que la economía del país. El Economista. Recuperado el 9 de marzo de 2020, de https://www.eleconomista.com.mx/arteseideas/Industria-del-cine-crece-mas-que-la-economia-del-pais--20190321-0131.html
IMDb. (2020). Popular TV Show and Movie Genres. Obtenido de IMBb: https://www.imdb.com/feature/genre/
Instituto Mexicano de Cinematografía. (2010). Anuario Estadístico de Cine Mexicano 2010. México
Instituto Mexicano de Cinematografía. (2011). Anuario Estadístico de Cine Mexicano 2011. México
Instituto Mexicano de Cinematografía. (2012). Anuario Estadístico de Cine Mexicano 2012. México.
Instituto Mexicano de Cinematografía. (2013). Anuario Estadístico de Cine Mexicano 2013. México.
Instituto Mexicano de Cinematografía. (2014). Anuario Estadístico de Cine Mexicano 2014. México.
Instituto Mexicano de Cinematografía. (2015). Anuario Estadístico de Cine Mexicano 2015. México.
Instituto Mexicano de Cinematografía. (2016). Anuario Estadístico de Cine Mexicano 2016. México.
Instituto Mexicano de Cinematografía. (2017). Anuario Estadístico de Cine Mexicano 2017. México.
Instituto Mexicano de Cinematografía. (2018). Anuario Estadístico de Cine Mexicano 2018. México.
Instituto Mexicano de Cinematografía. (2019). Anuario Estadístico de Cine Mexicano 2019. México.
Lampel, J., y Shamsie, J. (2000). Critical Push: Strategies for Creating Momentum in the Motion Picture Industry. Journal of Management, 26 (2), 233-257, DOI: 10.1177/014920630002600204. DOI: https://doi.org/10.1177/014920630002600204
Litman, B. R. (1983). Predicting success of theatrical movies: An empirical study. Journal of Popular Culture, 16 (4), 159-175, DOI: 10.1111/j.0022-3840.1983.1604_159.x. DOI: https://doi.org/10.1111/j.0022-3840.1983.1604_159.x
Litman, B. R., y Kohl, L. S. (1989). Predicting Financial Success of Motion Pictures: The '80s Experience. Journal of Media Economics, 2 (2), 35-50, DOI: 10.1080/08997768909358184. DOI: https://doi.org/10.1080/08997768909358184
Mollá Furió, D. (2013). La Producción Cinematográfica: las fases de creación de un largometraje. Editorial UOC, Barcelona.
Nelson, R. A., y Glotfelty, R. (2012). Movie stars and box office revenues: an empirical analysis. Journal of Cultural Economics, 36 (2), 141-166, DOI: 10.1007/s10824-012-9159-5. DOI: https://doi.org/10.1007/s10824-012-9159-5
Nelson, R., Donihue, M., Waldman, D., y Wheaton, C. (2001). What's an oscar worth? Economic Inquiry, 39 (1), 1-16, DOI: 10.1111/j.1465-7295.2001.tb00046.x. DOI: https://doi.org/10.1111/j.1465-7295.2001.tb00046.x
Oh, C., Roumani, Y., Nwankpa, J. K., Hu, H. (2017). Beyond likes and tweets: Consumer engagement behavior and movie box office in social media. Information & Management, 54 (1), 25-37, DOI: 10.1016/j.im.2016.03.004. DOI: https://doi.org/10.1016/j.im.2016.03.004
Pangarker, N., y Smit, E. (2013). The determinants of box office performance in the film industry revisited. South Africa Journal of Business and Management, 44 (3), 47-58, DOI: 10.4102/sajbm.v44i3.162
Periodistas Cinematográficos de México A.C. (2020). XLVII Entrega de Diosas de Plata. Obtenido de http://pecime.com.mx/nominados/
Pokorny, M., y Sedgwick, J. (2001). Stardom and the profitability of film making: Warner Bros. in the 1930s. Journal of Cultural Economics, 25, 157-184, DOI: 10.1023/A:1010964032248 DOI: https://doi.org/10.1023/A:1010964032248
Radas, S., y Shugan, S. M. (1998). Seasonal Marketing and Timing New Product Introductions. Journal of Marketing Research, 35 (3), 296-315, DOI: 10.2307/3152029. DOI: https://doi.org/10.1177/002224379803500302
Ravid, A., y Basuroy, S. (2004). Managerial Objectives, the R-Rating Puzzle, and the Production of Violent Films. Journal of Business, 77 (82), 155-192. DOI: https://doi.org/10.1086/381638
Ravid, S. A. (1999). Information, Blockbusters, and Stars: A Study of the Film Industry*. Journal of Business, 72 (4), 463-492, DOI: 10.1086/209624. DOI: https://doi.org/10.1086/209624
Reinstein, D., y Snyder, C. (2005). The Influence of Expert Reviews on Consumer Demand For Experience Goods: A case study of movie critics. The Journal of Industrial Economics, 53 (1), 27-51, DOI: 10.1111/j.0022-1821.2005.00244.x DOI: https://doi.org/10.1111/j.0022-1821.2005.00244.x
Sawhney, M. S., y Eliashberg, J. (1996). A parsimonious model for forecasting box-office revenues of motion pictures. Marketing Science, 15 (2), 113-131, DOI: 10.1287/mksc.15.2.113. DOI: https://doi.org/10.1287/mksc.15.2.113
Secretaría de Gobernación (2002). Diario Oficial del Poder Ejecutivo. Obtenido de ACUERDO mediante el cual se expiden los criterios para la clasificación de películas cinematográficas. http://www.gobernacion.gob.mx/work/models/SEGOB/Resource/144/1/images/criterios.pdf
Shim, S. y Pourhomayoun, M. (2017). Predicting Movie Market Revenue Using Social Media Data," in 2017 IEEE International Conference on Information Reuse and Integration (IRI), San Diego, CA, 478-484. DOI: 10.1109/IRI.2017.68. DOI: https://doi.org/10.1109/IRI.2017.68
Simonoff, J. S., y Sparrow, I. R. (2000). Predicting movie grosses: Winners and losers, blockbusters, and sleepers. Chance, 13 (3), 15-24, DOI: 10.1080/09332480.2000.10542216. DOI: https://doi.org/10.1080/09332480.2000.10542216
Smith, S., y Smith, K. (1986). Successful movies: a preliminary empirical analysis. Applied Economics, 18 (5), 501-507, DOI: 10.1080/00036848608537445. DOI: https://doi.org/10.1080/00036848608537445
StudioBinder. (12 de agosto de 2019). What is Pre-Production in Film? A Blueprint for Sucess. Recuperado el 9 de marzo de 2020, de StudioBinder: https://www.studiobinder.com/blog/what-is-pre-production-definition/
Sunčica Vujić & Xiaoyu Zhang (2018) Does Twitter chatter matter? Online reviews and box office revenues, Applied Economics, 50, 34-35, 3702-3717, DOI: 10.1080/00036846.2018.1436148. DOI: https://doi.org/10.1080/00036846.2018.1436148
Terry, N., Butler, M., y De’Armond, D. (2011). The Determinants of Domestic Box Office Performance in the Motion Picture Industry. Southwstern Economic Review, 44 (3), 137-148, DOI: 10.4102/sajbm.v44i3.162. DOI: https://doi.org/10.4102/sajbm.v44i3.162
Terry, N., Butler, M., y De'Armond, D. (2004). Critical Acclaim and the Box Office Performance of new film releases. Academy of Marketing Studies Journal, 8 (1), 61-74.
Terry, N., Cooley, J. W., y Zachary, M. (2008). The determinants of foreign box office revenue for English language movies. Journal of International Business and Cultural Studies, 2, 1-12. Recuperado el 7 de marzo de 2020, de: https://www.aabri.com/manuscripts/09274.pdf
Vany, A. D., y Walls, D. (1999). Uncertainty in the Movie Industry: Does Star Power Reduce the Terror of the Box Office? Journal of Cultural Economics, 23, 285-318, DOI: 10.1023/A:1007608125988. DOI: https://doi.org/10.1023/A:1007608125988
Villalobos, O. (3 de octubre de 2017). Las 5 Etapas del Proceso de una Película. Recuperado el 9 de marzo de 2020, de CineastasMx: http://cineastas.mx/las-5-etapas-del-proceso-una-pelicula/
Walls, W. D. (2005). Modeling Movie Success when ‘Nobody Knows Anything’: Conditional Stable-Distribution Analysis of Film Returns. Journal of Cultural Economics, 29 (3), 117-190, DOI: 10.1007/s10824-005-1156-5. DOI: https://doi.org/10.1007/s10824-005-1156-5
Zócalo. (2016). Los 15 mexicanos más famosos en la industria en el cine. Zócalo. Recuperado el 11 de mar de 2020, de https://www.zocalo.com.mx/new_site/articulo/los-15-mexicanos-mas-famosos-en-la-industria-del-cine-1457985380
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2024 Innovar
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Todos los artículos publicados por Innovar se encuentran disponibles globalmente con acceso abierto y licenciados bajo los términos de Creative Commons Atribución-No_Comercial-Sin_Derivadas 4.0 Internacional (CC BY-NC-ND 4.0).
Una vez seleccionados los artículos para un número, y antes de iniciar la etapa de cuidado y producción editorial, los autores deben firmar una cesión de derechos patrimoniales de su obra. Innovar se ciñe a las normas colombianas en materia de derechos de autor.
El material de esta revista puede ser reproducido o citado con carácter académico, citando la fuente.
Esta obra está bajo una Licencia Creative Commons: