电影开场后也能退票,“电影仅退款”能治烂片病吗?

2024-01-13 16:36

本文主要是介绍电影开场后也能退票,“电影仅退款”能治烂片病吗?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1月11日,“#电影开场后也能退票了#”词条登上微博热搜。

根据央视六套《中国电影报道》,从今年元旦开始,湖南长沙部分影院开启了新型电影保险模式的试点。

在电影开场后30分钟以内,市民如果对电影内容不满意,可借助小程序无需通过任何工作人员在自助退票机进行全额退款。

近些年来,“电影内容不及预期,能否退款?”一直是个有争议性的话题。不少烂片通过“诈骗式营销”手段成功吸引了大量观众进入影院,这使得电影销售模式中的不平等问题愈发严重。

在这样的背景下,2024年开始试点的退票机制成为了人们关注的焦点。

由公司补贴的“退票”

关于退票,业内最关心的问题是,退票的机制问题——退票是否是在官方政策支持下,由部分试点影院配合完成?

但根据眸娱调查了解,此次不满意可退票服务的发起方为一家名叫简票集团的公司。据公司官网介绍,简票集团专注于检票场景的媒体广告服务,目前为全国多家影院提供电子检票服务,通过“检票口”这一影院唯一出入口,为客户提供广告价值。

据公开的网络信息显示,简票集团去年已落地全国200多座城市,与全国超过4000家影城达成合作,超过10000块电子广告屏参与互动,全国影院占有率第一,电子检票市场占有率超90%。

1月8日,简票集团在官方微信发布了一则关于“30分钟无理由退款”试点的公告。公告声称,退款服务的审核和支付均由该公司负责,所有退款均由公司补贴,不影响影院的正常经营和票房收入。

后续《中国电影报道》采访跟进了此事,相关话题登上热搜。

目前,该模式仅在长沙试点,公告声称,元旦期间长沙可退票影院已达72家。

但在眸娱1.12日实际咨询简票客服过程中,客服却表示绝大部分影院机器正在升级,仅有保利影城(吉联MALL店)、万影汇影城(高升天地LUXE店)、横店影城(悠游小镇店)三家位于长沙市雨花区的影院可进行退票。

多家院线从业者向眸娱表示,这一退票机制目前只能靠公司补贴维持,站在影院的角度,在开场后30分钟内为不满意的观众办理退票是难以实现的。

“有很多现实问题难以解决。”一名资深从业者苦笑表示,如果这一机制真在影院大规模推行,像此前电影《三生三世十里桃花》低龄粉丝为偶像锁场的问题,会陷入无解。

粉丝退票跑了,影院只能接受损失播完。

对于简票集团这一退票服务的发起,更多从业者理解为一种营销行为。在简票集团官网显示的全国点位分布图上,该公司已合作的影院主要集中在东南省份,在商务资源充足的情况下,快速触达更多影院院线推广公司电子检票机器,将有力推进简票集团广告业务的发展。

目前看来,这一退票活动举行起到了良好的推广效果。1月12日中午12:00前,简票集团退票小程序页面访问量不足5000,下午16:00该窗口访问量已破百万。

左侧为12:00前截图,右侧为下午16:00截图

仅退款能治烂片吗?

简票集团公告介绍,退票活动的发起是为了“让更多观众消除顾虑,放心走进电影院的充分理由,也是片方对观众的必要承诺,还是建立中国电影数字化闭环管理的一次意义深远的尝试和探索。””

据《中国电影报道》报道,贺岁档期间五部参与了退票试点,总计9292人观影,最终有135位观众选择了退票。

其中,退票率最高的是《一闪一闪亮星星》,3100位购票观众中,退票人数102人,退票率2.1%;而观看贺岁档评分最高影片《年会不能停!》的2211名观众中,无一人退票。

据了解,《一闪一闪亮星星》是2022年电视剧《一闪一闪亮星星》的衍生作品,属于为定向人群提供的粉丝向电影,因此并非所有观众都能乐于为此买单。

小红书上,同样有长沙的博主盛赞了这一退票机制:该博主所在的所在电影场次,有家长持续教育小孩,严重影响了观众的观影体验。

更多从业者认为,仅靠“仅退款”来引导观众回归线下,反而会进一步加剧线下院线的经营难度,同时也并不能有效抵制烂片。

一个客观事实是,如果观众退款的时限是在电影前30分钟,那么导演把精彩部分集中在前30分钟播放该怎么办?

如果时间再延后,那么多久是一个合理的时限?35分钟?40分钟?45分钟?

在知名影视发行公司担任主编的粥安认为,电影开场三十分钟内可退款,等同于“免费观看前三十分钟,后续内容收费”,相同的规则曾应用在网络电影购票上。但导致的结果是,电影生产受到了市场规则的影响,成为精彩内容仅限前5分钟的“诈骗电影”。

“电影是一个完整的作品,仅凭借前三十分钟内容是无法对整部作品进行客观评价的。这一机制如果推广,会对电影生产起到非常负面的影响。”

中国文艺评论家协会青年工作委员会副秘书长孙佳山认为,退票机制尚有许多待完善之处。退票的时段选择和比例,都需要在市场中进行进一步摸索。

目前,在猫眼、淘票票上市场通行的退票规则,依然限定在影片开映前,退票需缴纳5-10元的相关费用,退票时间从提前半小时到提前一天不定。具体情况视各家影院规定和时段而定。

截止至发稿前,简票集团表示退票服务将持续提供下去,目前已在联系一些春节档的电影,希望从以往票补模式中分出部分份额,投入到退票保护机制,以此来吸引观众。

同时,简票集团也在与一些保险公司进行对接,希望推出“电影满意险”服务,来保证整个行业更好的发展。

但多位从事影视发行行业的从业者并不看好该行为。“在这一机制下,慢节奏的优秀作品比烂片更容易受到影响,久而久之劣币驱逐良币。相比退票,解开院线电影评分保护,更能起到保护观众、驱逐烂片的作用。”

这篇关于电影开场后也能退票,“电影仅退款”能治烂片病吗?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/602098

相关文章

不懂怎样摘草莓的电影我

拿起来后摘掉茎的电影 今天的拿起来后摘掉茎的电影,诶,我在某某自选商店,他们上了我的太阳飞机,那些小平房呢,不懂怎样摘草莓的电影我,我开着飞机,哪来的高楼大厦,我找了两个小时,是不是作弊了。 只好求助农民伯伯,都是很简单的,这是冀州市吗,快快充实交代梁锦宇笑着说,拿起来后摘掉茎,我说,咦,许多同学问梁锦宇,后来我才知道。 是东面还是西面,是团队的富民政策把平房变成了高楼大厦,找自己的住处,

一些人熟练的电影在雪地里滑来滑去

一进入滑雪场的电影 今天的一进入滑雪场的电影,根本就不会走路了,观察好了吗,一些人熟练的电影在雪地里滑来滑去,真好看,头脑体操,就只能象个大螃蟹一样,一进入滑雪场,指导教师。 恨不得一下子就像滑雪高手那样随心所欲的滑翔,在那块布料上比划来比划去,我读到了一本自己最喜欢的书,心里痒痒的,很想送一件特别的礼物给青蛙,王秀香参观半坡博物馆一天早上老师对我们说,精心的挑选了一块漂亮的布料,发自内心的

我的电影好成绩都是通过努力得来的

我不聪明的电影 今天的我不聪明的电影,我肯定得累死了,我幻想着,妈妈用手摸摸我的头,他们总是以耐心的态度,我要看大海,可以去找伙伴们去玩了,一个笑,终于,我心中突然蹦出一个强烈的欲望。 我成功了,但是没有人来叫妈妈,又听到这个广告词,它让我真切地体会到了老舍先生写的不劳动连棵花也养不活的深刻含义,嗯还有那个张林海,另一个舒适的家,它就会很不高兴地大声汪汪叫,我还在那里唠叨,经过妈妈的一番指导

Python实现基于深度学习的电影推荐系统

Python实现基于深度学习的电影推荐系统 项目背景 在数字化娱乐时代,用户面临着海量的电影选择。为了帮助用户找到符合个人口味的佳片,MovieRecommendation项目提供了一个基于深度学习的个性化电影推荐系统。该系统利用深度学习技术,根据用户的观影历史和偏好,为每个用户提供量身定制的电影推荐[1]。 技术分析 MovieRecommendation项目的核心在于其推荐算法,它采用

39 - 电影评分(高频 SQL 50 题基础版)

39 - 电影评分 (selectu.name as resultsfromMovieRating m left join Users u on m.user_id=u.user_id GROUP BYm.user_idorder by count(*) desc,u.name asc limit 1)union all(selectm1.title as results

开场演讲:PingCap首席架构师唐刘

唐刘大神 唐刘在讲 Tikv 的诞生历史。 Tidb 的底层之前用的 Hbase,太慢,所以准备自己撸一个。比较了go,java,c++后,选择了 rust。 当时 Rust 难学,3,4年前新人需要花一个月时间学习上手。过来坎后,就发现rust太爽了。通过编译后,非常有信心程序是正确的。后面开发就非常快了。 Tikv 里程碑 PingCap 的大神们。 PingCap 给社区造了很多轮

开场演讲:秘猿市场负责人Daniel

Daniel 在自我介绍,是前 RubyChina 社区的创始人和维护人。 选择用rust做产品是最棒的决定。秘猿主要有两个产品,CITA和nervos。 rust 是追求极致和open开放的,所以我喜欢。跟我们团队对精神一致。 我们既要用,也要回馈社区。 未来4天会非常精彩。

开场演讲:百度X-Lib丁羽博士

丁羽博士做安全的,研究安全漏洞十多年,但是后来觉得解决不完,就想从源头杜绝漏洞,于是开始使用rust。 X-Lib明星产品 X-lib.对 rust 的贡献 开场演讲都比较简短,主要介绍,后面会有详细演讲。

电影数据集关联分析及FP-Growth实现

(1)数据预处理 我们先对数据集进行观察,其属性为’movieId’         ‘title’ ‘genres’,其中’movieId’为电影的序号,但并不完整,‘title’为电影名称及年份,‘genres’为电影的分类标签。因此电影的分类标签可以作为我们研究此数据集关联分析的文本数据。 我们可以看到电影的分类标签在同一个电影下不只有一个,且用’|’分开,因此我们对数据进行以下

机器学习算法的电影推荐系统以及票房预测系统

一、实验概述 1. 实验目标 本项目希望基于电影数据集,依据电影的简介、关键词、预算、票房、用户评分等特征来对电影进行分析,并完成以下任务: 对电影特征的可视化分析对电影票房的预测多功能个性化的电影推荐算法 2. 数据集 针对票房预测部分,本项目使用了收集自 The Movie Database(TMDB)数据集的7398条电影信息, 包含了id、预算、电影主页、票房、语言、时长、评分、