유튜브(YouTube)는 동영상 중심의 소셜 미디어 플랫폼으로서 네트워크 기술의 발달에 힘입어 그 인기가 급증하였다. 최근 국내에서도 유튜브 이용이 급속도로 확산되고 있다. 유튜브에는 다양한 유형의 콘텐츠가 존재하며, 이용자들은 선택적으로 콘텐츠를 시청하기 때문에 유튜브 콘텐츠 제작에 있어 대중의 인식을 파악하는 것은 중요하다. 본 연구의 목적은 ...
유튜브(YouTube)는 동영상 중심의 소셜 미디어 플랫폼으로서 네트워크 기술의 발달에 힘입어 그 인기가 급증하였다. 최근 국내에서도 유튜브 이용이 급속도로 확산되고 있다. 유튜브에는 다양한 유형의 콘텐츠가 존재하며, 이용자들은 선택적으로 콘텐츠를 시청하기 때문에 유튜브 콘텐츠 제작에 있어 대중의 인식을 파악하는 것은 중요하다. 본 연구의 목적은 소셜 빅데이터 기술을 활용하여 최근 인기 있는 유튜브 콘텐츠 유형을 파악하고 이에 대한 대중의 인식 및 감성을 시계열적으로 분석하여 콘텐츠 제작자에게 인사이트를 제공하는 데 있다. 본 연구는 최근 1년간의 네이버의 블로그, 뉴스, 카페, 지식IN과 다음의 블로그, 뉴스, 카페에 게재된 텍스트를 분석하여 유튜브의 최신 인기 콘텐츠 유형을 파악하였으며 상위 3개의 유형에 대한 연도별 빈도, 네트워크, 감성 등의 변화를 분석하였다. 빈도 분석 결과를 토대로 게임, 영화, 음악 유형이 유튜브 인기 콘텐츠 유형으로 도출되었으며, 각 유형별 3년간의 텍스트 데이터로 빈도 분석을 수행하여 이에 대한 대중의 인식을 알아보았다. 빈도 분석 결과, 유사한 단어들이 많이 등장하였으나 연도별로 순위가 다르게 나타났으며 모든 유형에서 2021년에 가장 큰 변화가 있었다. 네크워크 분석 결과, 유형별로 활성화의 변화가 다름을 확인하였다. 세 유형 중 게임 유형의 밀집도가 가장 높았으며, 연도에 비례하게 네트워크 활성화 정도가 크게 증가하였다. 감성 분석 결과, 특정 긍정적 반응들이 공통적으로 지속적인 고빈도를 보였고, 영화 유튜브 콘텐츠 유형에서의 긍정적 반응이 가장 많았으며, 음악 유튜브 콘텐츠 유형의 긍정 형용사의 수가 지속적으로 증가하였다. 본 연구는 세 가지 시사점을 가진다. 첫째, 콘텐츠 트렌드 파악과 관련어 파악하였으며 콘텐츠 제작자는 본 연구의 유형별 특징을 활용할 수 있을 것이다. 둘째, 특히 게임 유튜브 콘텐츠 유형의 마케팅 전략 구축 시 소셜 미디어의 활용에 대해 고려할 필요가 있으며 다른 유형에 비해 콘텐츠에 대한 높은 마케팅 효과를 얻을 가능성이 크다는 것을 확인하였다. 마지막으로, 각 콘텐츠 유형별 이용자들에게 불러오는 감성의 차이를 감성 분석을 통해 확인함으로써 콘텐츠 제작 시 이용자들의 긍정적인 감성을 최대한 이끌어낼 수 있는 방향을 고려할 수 있을 것이다. 또한, 이러한 긍정적 반응을 세 가지 인기 요인으로 분류하여 유튜버 및 유튜브 콘텐츠의 인기도 관리와 측정에 모두 도움을 줄 수 있을 것으로 생각한다.
유튜브(YouTube)는 동영상 중심의 소셜 미디어 플랫폼으로서 네트워크 기술의 발달에 힘입어 그 인기가 급증하였다. 최근 국내에서도 유튜브 이용이 급속도로 확산되고 있다. 유튜브에는 다양한 유형의 콘텐츠가 존재하며, 이용자들은 선택적으로 콘텐츠를 시청하기 때문에 유튜브 콘텐츠 제작에 있어 대중의 인식을 파악하는 것은 중요하다. 본 연구의 목적은 소셜 빅데이터 기술을 활용하여 최근 인기 있는 유튜브 콘텐츠 유형을 파악하고 이에 대한 대중의 인식 및 감성을 시계열적으로 분석하여 콘텐츠 제작자에게 인사이트를 제공하는 데 있다. 본 연구는 최근 1년간의 네이버의 블로그, 뉴스, 카페, 지식IN과 다음의 블로그, 뉴스, 카페에 게재된 텍스트를 분석하여 유튜브의 최신 인기 콘텐츠 유형을 파악하였으며 상위 3개의 유형에 대한 연도별 빈도, 네트워크, 감성 등의 변화를 분석하였다. 빈도 분석 결과를 토대로 게임, 영화, 음악 유형이 유튜브 인기 콘텐츠 유형으로 도출되었으며, 각 유형별 3년간의 텍스트 데이터로 빈도 분석을 수행하여 이에 대한 대중의 인식을 알아보았다. 빈도 분석 결과, 유사한 단어들이 많이 등장하였으나 연도별로 순위가 다르게 나타났으며 모든 유형에서 2021년에 가장 큰 변화가 있었다. 네크워크 분석 결과, 유형별로 활성화의 변화가 다름을 확인하였다. 세 유형 중 게임 유형의 밀집도가 가장 높았으며, 연도에 비례하게 네트워크 활성화 정도가 크게 증가하였다. 감성 분석 결과, 특정 긍정적 반응들이 공통적으로 지속적인 고빈도를 보였고, 영화 유튜브 콘텐츠 유형에서의 긍정적 반응이 가장 많았으며, 음악 유튜브 콘텐츠 유형의 긍정 형용사의 수가 지속적으로 증가하였다. 본 연구는 세 가지 시사점을 가진다. 첫째, 콘텐츠 트렌드 파악과 관련어 파악하였으며 콘텐츠 제작자는 본 연구의 유형별 특징을 활용할 수 있을 것이다. 둘째, 특히 게임 유튜브 콘텐츠 유형의 마케팅 전략 구축 시 소셜 미디어의 활용에 대해 고려할 필요가 있으며 다른 유형에 비해 콘텐츠에 대한 높은 마케팅 효과를 얻을 가능성이 크다는 것을 확인하였다. 마지막으로, 각 콘텐츠 유형별 이용자들에게 불러오는 감성의 차이를 감성 분석을 통해 확인함으로써 콘텐츠 제작 시 이용자들의 긍정적인 감성을 최대한 이끌어낼 수 있는 방향을 고려할 수 있을 것이다. 또한, 이러한 긍정적 반응을 세 가지 인기 요인으로 분류하여 유튜버 및 유튜브 콘텐츠의 인기도 관리와 측정에 모두 도움을 줄 수 있을 것으로 생각한다.
YouTube is a video-oriented social media platform whose popularity has increased following network technology development. Recently, there has been a rapid increase in the use of YouTube in Korea. YouTube has various contents from which viewers can choose what they wish to watch, so it is important ...
YouTube is a video-oriented social media platform whose popularity has increased following network technology development. Recently, there has been a rapid increase in the use of YouTube in Korea. YouTube has various contents from which viewers can choose what they wish to watch, so it is important to understand the public perception in creating YouTube content. This study aims to provide insights for content creators by identifying the popular YouTube content types using social big data technology. In addition, it analyzes public perceptions and sensibilities regarding these popular types of content using a time series model. This study explores the text posted on blogs, news, cafés, or knowledgeIN on Naver(www.naver.com) and blogs, news, and cafés on Daum(www.daum.net) over the past year to identify YouTube's latest popular content types. Frequency, network, and emotion analyses were conducted to identify the top three popular content types. The frequency analysis categorized games, movies, and music as popular YouTube content types. It was performed using three years of text data on each content type to determine the public perception. Several similar words appeared from the frequency analysis, but their rankings differed by year. The biggest change occurred in 2021 for all content types. The network analysis confirmed that the change in activation was different for each content type. Gaming density was the highest among the three content types. In addition, the degree of network activation increased significantly in proportion to the observed year. The emotional analysis showed that certain positive responses had a common high constant frequency. The most positive responses in the movie content type and the number of positive adjectives in the music content type continued to increase. This study has three implications. First, words related to content trends were identified. Accordingly, content creators can utilize the characteristics of each content type identified in this study. Second, the study confirmed the need to use social media, especially when establishing a marketing strategy for the game content type. It is more likely to have a higher marketing effect on content than the other content types. Finally, by examining the difference in the emotions experienced by the users of each content type through emotional analysis, it is possible to consider how users can maximize positive emotions when producing content. In addition, this positive response is classified into three popular factors to help manage and measure the popularity of YouTubers and YouTube content.
YouTube is a video-oriented social media platform whose popularity has increased following network technology development. Recently, there has been a rapid increase in the use of YouTube in Korea. YouTube has various contents from which viewers can choose what they wish to watch, so it is important to understand the public perception in creating YouTube content. This study aims to provide insights for content creators by identifying the popular YouTube content types using social big data technology. In addition, it analyzes public perceptions and sensibilities regarding these popular types of content using a time series model. This study explores the text posted on blogs, news, cafés, or knowledgeIN on Naver(www.naver.com) and blogs, news, and cafés on Daum(www.daum.net) over the past year to identify YouTube's latest popular content types. Frequency, network, and emotion analyses were conducted to identify the top three popular content types. The frequency analysis categorized games, movies, and music as popular YouTube content types. It was performed using three years of text data on each content type to determine the public perception. Several similar words appeared from the frequency analysis, but their rankings differed by year. The biggest change occurred in 2021 for all content types. The network analysis confirmed that the change in activation was different for each content type. Gaming density was the highest among the three content types. In addition, the degree of network activation increased significantly in proportion to the observed year. The emotional analysis showed that certain positive responses had a common high constant frequency. The most positive responses in the movie content type and the number of positive adjectives in the music content type continued to increase. This study has three implications. First, words related to content trends were identified. Accordingly, content creators can utilize the characteristics of each content type identified in this study. Second, the study confirmed the need to use social media, especially when establishing a marketing strategy for the game content type. It is more likely to have a higher marketing effect on content than the other content types. Finally, by examining the difference in the emotions experienced by the users of each content type through emotional analysis, it is possible to consider how users can maximize positive emotions when producing content. In addition, this positive response is classified into three popular factors to help manage and measure the popularity of YouTubers and YouTube content.
주제어
#유튜브 콘텐츠 게임 유튜브 콘텐츠 영화 유튜브 콘텐츠 음악 유튜브 콘텐츠 텍스트 마이닝 키워드 빈도 분석 키워드 네트워크 분석 감성 분석
학위논문 정보
저자
김세원
학위수여기관
연세대학교 대학원
학위구분
국내석사
학과
경영학과
지도교수
박선주
발행연도
2022
총페이지
v, 58장
키워드
유튜브 콘텐츠 게임 유튜브 콘텐츠 영화 유튜브 콘텐츠 음악 유튜브 콘텐츠 텍스트 마이닝 키워드 빈도 분석 키워드 네트워크 분석 감성 분석
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.