不能重來的比賽與青春 劇場版《排球少年!!垃圾場的決戰》奪上映首週末票房冠軍
image source: YouTube/翻攝自TOHO animation チャンネル
文/蔡瓅萱
劇場版《排球少年!!垃圾場的決戰》於12日在台灣上映,首日就拿下全台票房冠軍,更引來大批粉絲排隊領取限定特典。目前《排球少年!!垃圾場的決戰》也登上《網路溫度計DailyView》動畫電影網路口碑排行榜的第1名,人氣及熱度可見一斑。
image source:動畫電影網路口碑排行榜(分析區間:2024/01/16~2024/04/14)
奪2024上映首週末票房冠軍 大批粉絲排隊領取限定特典
據「台北票房觀測戰」統計資料,《排球少年!!垃圾場的決戰》於週五上映首日(4/12)票房就達到500.7萬元台幣,為當日票房冠軍,週六(13日)也持續熱度,單日票房585.5萬元台幣,仍舊是當日第1。截至週六《排球少年!!垃圾場的決戰》累計票房為1275.5萬,台北票房突破1200萬。上映首週末,全台票房已突破6900萬,為2024年目前為止上映首週末票房冠軍。看著不斷上升的數字,排民(《排球少年!!》粉絲)們也期待能達到和《排球少年!!》日文名「ハイキュー!!」(Hikyuu!!)有諧音的8190萬票房。
透過《KEYPO大數據關鍵引擎》輿情分析系統調查,《排球少年!!垃圾場的決戰》近三個月的網路聲量高達51338筆,趨勢圖中可以看出上映前粉絲們就非常期待,在3月26日已經出現第一波討論高峰,除了台灣的預告及宣傳外,電影在日本上映後開出的票房佳績,以及各式特典周邊也引發討論。
image source: 《KEYPO大數據關鍵引擎》輿情分析系統
上映當日網路聲量來到第二波高峰,不管是排隊領取限定特點的人潮,還是粉絲們看完首映後滿滿的感動,都在網路上造成話題。近一步查看《排球少年!!垃圾場的決戰》近三個月的探索概念,也可以看見推出限定特典的「IMAX」影廳場次成為熱門討論主題。
image source: 《KEYPO大數據關鍵引擎》輿情分析系統
本次劇場版以烏野高中和音駒高中的「垃圾場對決」為主軸,可以看見「音駒高中」也出現在探索概念中。有別以主角所在的烏野高中排球隊為敘事出發點的漫畫、動畫劇情,這次的劇場版加入許多音駒的視角,比賽的熱血臨場感、回憶段落的情緒堆疊、每一個角色從過去到現在的成長與突破,都深深地憾動人心,讓不少粉絲在電影院流下眼淚。
此外,《排球少年!!垃圾場的決戰》創下的票房佳績,也讓這部作品被和票房同樣熱門的動畫電影《名偵探柯南》劇場版系列、《劇場版 咒術迴戰 0》、《灌籃高手THE FIRST SLAM DUNK》等放在一起討論。同樣為球類運動為主的動漫,《排球少年!!》和《灌籃高手》為粉絲們帶來的感動以及現象級的討論度也成為大家關注的焦點。
從《灌籃高手》到《排球少年!!》 「不能重來」的比賽與青春
不少人認為,從《灌籃高手》到《排球少年!!》象徵了時代的傳承。若要說到上個世代陪伴大家成長、創造無數回憶的經典運動番,《灌籃高手》絕對當之無愧;而《排球少年!!》則是屬於這個世代動漫迷共同的記憶。一個是籃球、一個是排球,相同的是兩部作品都呈現出這些運動最真實的一面,沒有誇張華麗、超現實的招式,只有日復一日的努力、汗水、眼淚,以及球場上僅有一次的青春。
在《排球少年!!》的世界裡,沒有需要打倒的敵人,只有想要贏下的比賽。各校的球員們在賽場之外相互砥礪成長、賽場上全力以赴,所有人都同樣努力,不論誰輸了都會讓人感到心疼。如同真實世界,每個人在那些「不能重來」的比賽中都有著自己的故事。這也正是《排球少年!!》最大的魅力所在,除了烏野高中、除了日向翔陽,大家仍然能從中看見其他球隊、其他角色的光芒,許多排民喜歡這麼解釋這部作品:「每個人都是主角,只是故事剛好從烏野開始。」
分析說明
分析區間:本文分析時間範圍為2024年01月16日至2024年04月14日。
資料來源:
《KEYPO大數據關鍵引擎》輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站。
研究方法:
《KEYPO大數據關鍵引擎》輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站,針對討論『《排球少年!!垃圾場的決戰》』相關文本進行分析,調查「網路聲量」(註1)、「探索概念」(註2)作為本分析依據。
*註1 網路聲量:透過『KEYPO大數據關鍵引擎』輿情分析系統,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
*註2 探索概念:將主題的文章進行概念分群(Concept Clustering),幫助讀者從巨量資料中快速掌握事件的來龍去脈;群中存在較高的議題相似度,群間則有較低的相關度;分群結果透過演算法抽取具有代表性的片語以呈現概念的意義。