캐릭터 산업은 전 세계적으로 매우 가치가 높은 산업이다. 2022년 글로벌 라 이선싱 시장규모는 3,408억 2,300만 달러로 전년 대비 8.0% 성장하였으며 그중 엔터테인먼트․캐릭터의 라이선싱이 전체 시장규모의 40.5%로 가장 큰 비중을 차 지한다. 하지만 2021년 우리나라 캐릭터 산업의 매출은 약 5조원, 부가가치율은 41.6%, 수출은 약 4억 달러에 불과하다. 그리고 우리나라 캐릭터 가치를 높이기 위해 캐릭터 장르 하나에만 집중하지 않고 다양한 장르나 산업에서 활약하는 ...
캐릭터 산업은 전 세계적으로 매우 가치가 높은 산업이다. 2022년 글로벌 라 이선싱 시장규모는 3,408억 2,300만 달러로 전년 대비 8.0% 성장하였으며 그중 엔터테인먼트․캐릭터의 라이선싱이 전체 시장규모의 40.5%로 가장 큰 비중을 차 지한다. 하지만 2021년 우리나라 캐릭터 산업의 매출은 약 5조원, 부가가치율은 41.6%, 수출은 약 4억 달러에 불과하다. 그리고 우리나라 캐릭터 가치를 높이기 위해 캐릭터 장르 하나에만 집중하지 않고 다양한 장르나 산업에서 활약하는 OSMU 전략이 필요하다. 현재 국내 캐릭터 동향 분석의 가장 큰 한계점은 데이 터에 기반을 둔 정량적 연구가 다소 부족하였으며 전문가 경험에 근거한 질적 연구가 주류를 이루었다. 이번 연구에서는 지난 1년간 캐릭터 이용자의 실태조 사와 주요 SNS 및 뉴스(언론사)에서 언급되고 있는 트렌드 데이터를 바탕으로 머신러닝빅데이터 분석을 통해 캐릭터 이용자가 타 장르의 콘텐츠 구매 의향을 예측하고 영향력이 있는 변수를 확인 하였다. 지도학습을 진행하였고 SVM, Random Forest, Neural Networks, AdaBoost Linear Regreesion, KNN의 알 고리즘을 통해 분석하였다. 그 결과 Linear Regreesion의 알고리즘이 캐릭터에 서 출판으로 확장 될 때 성능평가 0.877로 가장 높은 예측을 보였다. 그리고 영 향력 변수를 확인 할 수 있는 RReliefF 값의 순위 분석을 통해 타 장르 콘텐츠 구매 의향에 큰 영향을 미치는 변수는 1순위 캐릭터 보다 2~3순위 선호 캐릭터 가 중요한 요인임을 알 수 있었다. 반면 캐릭터 이용자의 지역, 성별, 나이, 구매 금액, 구매경험은 영향력이 크지 않음을 확인 하였다. 이를 통해 일반적으로 통 용되는 상식인 캐릭터 OSMU에 있어서 가장 좋아하는 1순위 캐릭터인 메인 캐릭터보다 2~3순위 캐릭터가 주류를 이루는 서브 캐릭터의 중요성이 높다는 점 을 확인 할 수 있었다. 그리고 미국, 일본, 한국 캐릭터로 분류하여 영향력이 미 치는 요인을 세분화하여 비교 분석하였다. 음악, 드라마, 영화 등 여러 콘텐츠들 은 글로벌한 인기를 누리고 있지만 콘텐츠 중 캐릭터는 여전히 미국, 일본 캐릭 터에 비해 한국 캐릭터의 인기가 매우 낮은 실정이다. 따라서 캐릭터 선진국의 변수 영향력과 비교 분석해 보았다. 본 연구를 통하여 머신러닝 알고리즘을 활용해 캐릭터 이용자가 타 장르의 콘 텐츠 구매 의향을 예측할 수 있다는 부분을 확인할 수 있었으며 캐릭터 IP의 OSMU 가능성에 대한 성공확률을 높이는 정책 및 전략을 수립하기 위한 기초자 료로 활용 될 수 있을 것이다. 그리고 본 연구를 바탕으로 향후 캐릭터 산업 관 련하여 정책적 요소와 실무적 관점에서 예측 모형을 개발하여 우리나라 캐릭터 산업 발전에 도움을 줄 수 있을 것이다. 주제어: 캐릭터, 빅데이터, 머신러닝, 지도학습, OSMU, SVM, Random Forest, Neural Networks, AdaBoost Linear Regreesion, KNN
캐릭터 산업은 전 세계적으로 매우 가치가 높은 산업이다. 2022년 글로벌 라 이선싱 시장규모는 3,408억 2,300만 달러로 전년 대비 8.0% 성장하였으며 그중 엔터테인먼트․캐릭터의 라이선싱이 전체 시장규모의 40.5%로 가장 큰 비중을 차 지한다. 하지만 2021년 우리나라 캐릭터 산업의 매출은 약 5조원, 부가가치율은 41.6%, 수출은 약 4억 달러에 불과하다. 그리고 우리나라 캐릭터 가치를 높이기 위해 캐릭터 장르 하나에만 집중하지 않고 다양한 장르나 산업에서 활약하는 OSMU 전략이 필요하다. 현재 국내 캐릭터 동향 분석의 가장 큰 한계점은 데이 터에 기반을 둔 정량적 연구가 다소 부족하였으며 전문가 경험에 근거한 질적 연구가 주류를 이루었다. 이번 연구에서는 지난 1년간 캐릭터 이용자의 실태조 사와 주요 SNS 및 뉴스(언론사)에서 언급되고 있는 트렌드 데이터를 바탕으로 머신러닝 빅데이터 분석을 통해 캐릭터 이용자가 타 장르의 콘텐츠 구매 의향을 예측하고 영향력이 있는 변수를 확인 하였다. 지도학습을 진행하였고 SVM, Random Forest, Neural Networks, AdaBoost Linear Regreesion, KNN의 알 고리즘을 통해 분석하였다. 그 결과 Linear Regreesion의 알고리즘이 캐릭터에 서 출판으로 확장 될 때 성능평가 0.877로 가장 높은 예측을 보였다. 그리고 영 향력 변수를 확인 할 수 있는 RReliefF 값의 순위 분석을 통해 타 장르 콘텐츠 구매 의향에 큰 영향을 미치는 변수는 1순위 캐릭터 보다 2~3순위 선호 캐릭터 가 중요한 요인임을 알 수 있었다. 반면 캐릭터 이용자의 지역, 성별, 나이, 구매 금액, 구매경험은 영향력이 크지 않음을 확인 하였다. 이를 통해 일반적으로 통 용되는 상식인 캐릭터 OSMU에 있어서 가장 좋아하는 1순위 캐릭터인 메인 캐릭터보다 2~3순위 캐릭터가 주류를 이루는 서브 캐릭터의 중요성이 높다는 점 을 확인 할 수 있었다. 그리고 미국, 일본, 한국 캐릭터로 분류하여 영향력이 미 치는 요인을 세분화하여 비교 분석하였다. 음악, 드라마, 영화 등 여러 콘텐츠들 은 글로벌한 인기를 누리고 있지만 콘텐츠 중 캐릭터는 여전히 미국, 일본 캐릭 터에 비해 한국 캐릭터의 인기가 매우 낮은 실정이다. 따라서 캐릭터 선진국의 변수 영향력과 비교 분석해 보았다. 본 연구를 통하여 머신러닝 알고리즘을 활용해 캐릭터 이용자가 타 장르의 콘 텐츠 구매 의향을 예측할 수 있다는 부분을 확인할 수 있었으며 캐릭터 IP의 OSMU 가능성에 대한 성공확률을 높이는 정책 및 전략을 수립하기 위한 기초자 료로 활용 될 수 있을 것이다. 그리고 본 연구를 바탕으로 향후 캐릭터 산업 관 련하여 정책적 요소와 실무적 관점에서 예측 모형을 개발하여 우리나라 캐릭터 산업 발전에 도움을 줄 수 있을 것이다. 주제어: 캐릭터, 빅데이터, 머신러닝, 지도학습, OSMU, SVM, Random Forest, Neural Networks, AdaBoost Linear Regreesion, KNN
주제어
#캐릭터 빅데이터 머신러닝 지도학습 OSMU SVM Random Forest Neural Networks AdaBoost Linear Regreesion KNN
학위논문 정보
저자
전지호
학위수여기관
전남대학교
학위구분
국내석사
학과
경영학과 MIS
지도교수
윤현식
발행연도
2024
총페이지
68
키워드
캐릭터 빅데이터 머신러닝 지도학습 OSMU SVM Random Forest Neural Networks AdaBoost Linear Regreesion KNN
※ AI-Helper는 부적절한 답변을 할 수 있습니다.