황영미
(School of General Education Sookmyung Women's University)
,
박진태
(School of Computer Science and Engineering, Korea University of Technology and Education)
,
문일영
(School of Computer Science and Engineering, Korea University of Technology and Education)
,
김광선
(School of Mechanical Engineering, Korea University of Technology and Education)
,
권오영
(School of Computer Science and Engineering, Korea University of Technology and Education)
이 연구는 빅데이터를 활용하여 영화흥행 요인을 분석하는 것이 목적이다. 한국의 영화산업 규모는 날로 커지고 있지만, 현재까지 진행되어온 영화 흥행 요인 분석 및 예측과 관련된 논의는 관련 데이터를 망라하지 못해 정확성을 담보할 수 없는 상황이었다. 지금까지 한국에서의 천만 영화는 총 13편이 있었고, 이 연구에서는 천만 흥행에 눈물과 웃음이 주된 텍스트 내적 요인으로 작용함을 밝혔다. 이에 빅데이터를 활용해 영화에 대한 댓글 중 웃음과 눈물과 관련된 용어를 수집한 후, 영화의 구성 5단계(발단-전개-위기-절정-결말) 중 어느 부분에 웃음과 눈물 요소가 많은지를 도표화하여 천만 영화의 장르별 구성 방식을 논증하였다. 이러한 분석 결과는 앞으로 영화 제작 전 단계에서 시나리오 상에서의 흥행 예측을 하는 종합적인 데이터베이스 구축에 기여하게 될 것이다.
이 연구는 빅데이터를 활용하여 영화흥행 요인을 분석하는 것이 목적이다. 한국의 영화산업 규모는 날로 커지고 있지만, 현재까지 진행되어온 영화 흥행 요인 분석 및 예측과 관련된 논의는 관련 데이터를 망라하지 못해 정확성을 담보할 수 없는 상황이었다. 지금까지 한국에서의 천만 영화는 총 13편이 있었고, 이 연구에서는 천만 흥행에 눈물과 웃음이 주된 텍스트 내적 요인으로 작용함을 밝혔다. 이에 빅데이터를 활용해 영화에 대한 댓글 중 웃음과 눈물과 관련된 용어를 수집한 후, 영화의 구성 5단계(발단-전개-위기-절정-결말) 중 어느 부분에 웃음과 눈물 요소가 많은지를 도표화하여 천만 영화의 장르별 구성 방식을 논증하였다. 이러한 분석 결과는 앞으로 영화 제작 전 단계에서 시나리오 상에서의 흥행 예측을 하는 종합적인 데이터베이스 구축에 기여하게 될 것이다.
The study aims to analyze factors of box office utilizing big data. The film industry has been increasing in the scale, but the discussion on analysis and prediction of box-office hit has not secured reliability because of failing in including all relevant data. 13 films have sold 10 million tickets...
The study aims to analyze factors of box office utilizing big data. The film industry has been increasing in the scale, but the discussion on analysis and prediction of box-office hit has not secured reliability because of failing in including all relevant data. 13 films have sold 10 million tickets until the present in Korea. The study demonstrated laughs and tears as an main interior factors of box-office hit films which showed more than 10 milling tickets power. First, the study collected terms relevant to laugh and tear. Next, it schematizes how frequently laugh and tear factors could be found along the 5-film-stage (exposition - Rising action - crisis - climax - ending) and revealed box-office hit films by genre. The results of the analysis would contribute to the construction of comprehensive database for the box office predictions on future scenarios.
The study aims to analyze factors of box office utilizing big data. The film industry has been increasing in the scale, but the discussion on analysis and prediction of box-office hit has not secured reliability because of failing in including all relevant data. 13 films have sold 10 million tickets until the present in Korea. The study demonstrated laughs and tears as an main interior factors of box-office hit films which showed more than 10 milling tickets power. First, the study collected terms relevant to laugh and tear. Next, it schematizes how frequently laugh and tear factors could be found along the 5-film-stage (exposition - Rising action - crisis - climax - ending) and revealed box-office hit films by genre. The results of the analysis would contribute to the construction of comprehensive database for the box office predictions on future scenarios.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
”[1]. 그러나 본 연구는 천만 영화의 공통적인 항목요소가 있다고 보고, 이를 찾아보았다.
그러면 눈물의 요소는 어떠한가를 살펴보자.
따라서 빅데이터를 활용하여 영화 흥행 요인을 분석하고 모델 구축을 통해 체계적으로 관리하여 영화 흥행을 예측할 수 있는 프로그램을 개발하고자 하는 본 연구는 ‘영화공학’의 하나의 사례가 될 것이다[5].
본 논문에서 수행하고자 하는 것은 천만이상의 관객을 동원한 흥행작들의 흥행 요소를 규명하고자 하는 것이다. 이를 위해 영화를 사극, 드라마, 액션, 재난, 역사 물(시대극)로 분류하고 각 장르에서 대표적인 영화, 총 13개의 흥행작을 추출하였다.
본 연구는 13편의 한국 천만 영화를 대상으로 흥행 요인을 분석하고 이러한 분석 결과가 실제로 어떠한 흥행 결과를 낳게 되었는지에 대한 영화 흥행 예측 모델을 구축하는 것을 목표로 한다.
본 연구는 국내에서 천만이상의 관객을 동원한 한국영화 13편의 흥행작들의 흥행 요소를 규명하고자 하였다. 이를 위해 천만 영화를 대상으로 웃음과 눈물이라는 텍스트 내적 흥행 요소를 도출하고 이러한 분석 결과가 실제로 어떠한 흥행 결과를 낳게 되었는지에 대한 종합적인 데이터베이스를 구축하는 것을 목표로 하였다.
본 연구는 근원적인 차원에서 제기될 수 있는 융합 가능성을 모색함과 동시에 궁극적으로는 융합 연구 결과가 실제 산업적 측면에서 어떻게 활용될 수 있는지를 연구하는 것이 목표이다.
또한 이들 기존 연구들은 일부 개별 영화 작품들에 대한 사후적인 평가에 그칠 뿐만 아니라 다루고 있는 영화 작품도 매우 제한적이어서 신뢰도 높은 평가 자료로 활용되기에는 한계가 있다. 본 연구는 이에 빅데이터를 활용하여 천만 영화의 흥행 요인 평가 측정 결과를 산출한 후 흥행을 장르별로 예측할 수 있는 체계를 마련하고자 한다.
본 연구에서는 이러한 융합연구방법을 ‘영화공학 (Film Engineering)’이라는 새로운 용어로 지칭하며 융합연구의 지평을 넓히고자 한다.
각 장면을 이미지화 하여 구글 이미지 검색을 통해 검색한 결과, 장면별 5,000 ~ 6,000개 정도의 검색결과가 추출되었으며, 각 결과 페이지에 있는 눈물과 웃음의 요소를 중복을 제거하여 추출하였다. 이렇게 수집한 결과를 바탕으로 다음절에서는 흥행작에서 영화의 러닝 타임 안에서 명장면과 눈물과 웃음의 요소의 수와 러닝 타임 구간 별 각 요소의 가 등장하는 추이를 살펴보도록 하겠다.
본 연구는 국내에서 천만이상의 관객을 동원한 한국영화 13편의 흥행작들의 흥행 요소를 규명하고자 하였다. 이를 위해 천만 영화를 대상으로 웃음과 눈물이라는 텍스트 내적 흥행 요소를 도출하고 이러한 분석 결과가 실제로 어떠한 흥행 결과를 낳게 되었는지에 대한 종합적인 데이터베이스를 구축하는 것을 목표로 하였다. 그 결과 13편 각각의 영화가 영화별로 웃음과 울음의 요소가 다르게 나타났지만, 대체로 웃음과 울음이 골고루 섞여 있는 것으로 나타났다.
이처럼 웃음과 눈물은 보편적 정서로서 천만 영화의 흥행요소임을 알 수 있다. 그러면 천만 영화에서 웃음과 눈물의 요소가 중요하다는 것을 어떻게 증명할 수 있을까? 이에 본 연구는 빅데이터를 활용하여 한국의 13편의 천만 영화에 대한 흥행 요소를 발견하는 데 그첫 번째 목적이 있으므로, SNS 등의 인터넷 댓글에 웃음과 눈물의 요소가 어떻게 나오는지를 빅데이터를 활용해 도출해 보았다. 표 1은 눈물과 웃음의 요소를 추출 하기 위해 정리한 것이다.
이에 본 연구는 영화 흥행을 좌우하는 텍스트 내·외적 요인에 대한 객관적 지표를 산출하고, 이를 수학 및 공학계에서 활용되고 있는 최적화 이론을 토대로 객관적으로 분석한 후, 이것이 영화 관객에게 미치는 영향 관계를 빅데이터를 활용하여 확증해나가고자 한다.
제안 방법
각 영화 마다 관객들이 추천한 수를 바탕으로 명장면을 13개씩 추출하였다. 추천 수의 기준은 네이버, 다음, 영화진흥위원회에서 관객들이 평한 장면과 대사를 조합해 추천 수가 많은 순으로 추출한 것이다.
사극 장르에서는 <왕의 남자>, <명량>, <광해>를 드라마 장르에서는 <실미도>, <국제시장>, <7번방의 선물>, <변호인>, <태극기 휘날리며, 재난 장르에서는 <괴물>, <해운대>, 액션 장르에서는 <베테랑>, <도둑들,> 역사물(시대극)로는<암살>을 선택하였다. 각 영화에 대해 제작단계에 따른 기본 데이터(제작사, 감독, 배우, 배급사, 상영관 수, 개봉시기, 전개방식, 장르, 등급, 수상내역 등)를 포털사이트와 영화진흥위원회의 연도별 통계자료를 통해 수집하였고, 또한 각 영화에 대한 감상평을 전문가와 일반인으로 나누어 수집하였다.
영화흥행 요인을 분석하기에 앞서 우선 천만 영화의 흥행요소에 대해 어떻게 접근할 것인가 대한 문제를 해결해야 한다. 그리하여 첫째로, 기존의 천만 영화 연구나 영화의 흥행 요소 연구를 바탕으로 어느 요소가 가장 핵심적인 흥행요소가 되는지를 추출한다. 둘째로는 13편의 천만 영화를 대상으로 앞서 발견된 흥행요소가 SNS 댓글이나 인터넷 포털, 기사에서 어떻게 나타나는지 키워드 버즈량으로 빅데이터 분석을 실시한다.
셋째, 영화 전체의 러닝타임을 영화의 구성 5단계(발단-전개위기-절정-결말)로 구분하여 해당 요소가 영화별로 어느 부분에 많이 나타나는지 도표화 한다. 넷째로, 영화 구성 5단계 중 어느 부분에 흥행 요소가 많은지를 장르별로 구분하여 천만 영화의 장르별 구성 방식을 논증하고자 한다.
그리하여 첫째로, 기존의 천만 영화 연구나 영화의 흥행 요소 연구를 바탕으로 어느 요소가 가장 핵심적인 흥행요소가 되는지를 추출한다. 둘째로는 13편의 천만 영화를 대상으로 앞서 발견된 흥행요소가 SNS 댓글이나 인터넷 포털, 기사에서 어떻게 나타나는지 키워드 버즈량으로 빅데이터 분석을 실시한다. 셋째, 영화 전체의 러닝타임을 영화의 구성 5단계(발단-전개위기-절정-결말)로 구분하여 해당 요소가 영화별로 어느 부분에 많이 나타나는지 도표화 한다.
본 연구의 수행은 영화에서 분석한 영화흥행 요인을 지표화한 후 빅데이터를 활용한 공학적 접근으로 구축 하는 순서로 진행된다. 이 연구는 빅데이터를 공학적으로 재구성하는 기술 개발 추진 방법이 상당히 중요하다.
둘째로는 13편의 천만 영화를 대상으로 앞서 발견된 흥행요소가 SNS 댓글이나 인터넷 포털, 기사에서 어떻게 나타나는지 키워드 버즈량으로 빅데이터 분석을 실시한다. 셋째, 영화 전체의 러닝타임을 영화의 구성 5단계(발단-전개위기-절정-결말)로 구분하여 해당 요소가 영화별로 어느 부분에 많이 나타나는지 도표화 한다. 넷째로, 영화 구성 5단계 중 어느 부분에 흥행 요소가 많은지를 장르별로 구분하여 천만 영화의 장르별 구성 방식을 논증하고자 한다.
연구를 위해 python, java를 이용한 웹 크롤러를 설계, 개발하였다.
그렇다면 영화의 구성 5단계(발단, 전개, 위기, 절정, 결말) 중 어느 구간에서 웃음이나 눈물이 가장 많이 나타나는지 그 구성이 중요하다고 할 수 있을 것이다. 이를 영화별로 빅데이터 작업을 통해 결과를 도출하고 이를 다시 장르별로 비교 분석하고자 한다.
본 논문에서 수행하고자 하는 것은 천만이상의 관객을 동원한 흥행작들의 흥행 요소를 규명하고자 하는 것이다. 이를 위해 영화를 사극, 드라마, 액션, 재난, 역사 물(시대극)로 분류하고 각 장르에서 대표적인 영화, 총 13개의 흥행작을 추출하였다. 사극 장르에서는 <왕의 남자>, <명량>, <광해>를 드라마 장르에서는 <실미도>, <국제시장>, <7번방의 선물>, <변호인>, <태극기 휘날리며, 재난 장르에서는 <괴물>, <해운대>, 액션 장르에서는 <베테랑>, <도둑들,> 역사물(시대극)로는<암살>을 선택하였다.
해당 프로그램에서는 특정 사이트의 내용을 텍스트 파일로 읽어와 영화별로 저장해 주는 역할과 별도의 키워드를 기준으로 관련된 내용을 수집해 주는 역할을 한다. 웹 데이터를 읽어 오는 것은 python과 crawler4js를 서버에 저장하는 것은 java와 poi라이브러리를 이용하였다.
성능/효과
다음 절에서 제시하는 장면에 scene1 ~ scene13으로 표시되어 있으며, 1부터 추천 수가 높은 장면이다. 각 장면을 이미지화 하여 구글 이미지 검색을 통해 검색한 결과, 장면별 5,000 ~ 6,000개 정도의 검색결과가 추출되었으며, 각 결과 페이지에 있는 눈물과 웃음의 요소를 중복을 제거하여 추출하였다. 이렇게 수집한 결과를 바탕으로 다음절에서는 흥행작에서 영화의 러닝 타임 안에서 명장면과 눈물과 웃음의 요소의 수와 러닝 타임 구간 별 각 요소의 가 등장하는 추이를 살펴보도록 하겠다.
이를 위해 천만 영화를 대상으로 웃음과 눈물이라는 텍스트 내적 흥행 요소를 도출하고 이러한 분석 결과가 실제로 어떠한 흥행 결과를 낳게 되었는지에 대한 종합적인 데이터베이스를 구축하는 것을 목표로 하였다. 그 결과 13편 각각의 영화가 영화별로 웃음과 울음의 요소가 다르게 나타났지만, 대체로 웃음과 울음이 골고루 섞여 있는 것으로 나타났다. 특히 장르별로 살펴볼 때, 사극 장르의 경우 구성의 구간별로 웃음은 전개 부분에서, 울음은 위기 부분에서 가장 많은 버즈량을 기록하고 있다는 것을 알 수 있어서 영화가 흥행하려면 구성을 어떻게 해야 할 것인가에 대한 중요한 자료를 제시한 것으로 볼 수 있다.
그렇다면 과연 관객들이 공명하는 요소가 무엇인가. 이 논문에서는 많은 연구를 살펴본 결과, 그것이 눈물과 웃음의 요소인 것을 결론내릴 수 있었다. 우선 눈물의 요소를 먼저 살펴보자.
후속연구
그 결과 이러한 요소데이터를 수집 및 분석한 결과를 통합적으로 관리할 수 있는 체계를 마련할 수 있을 것으로 본다. 그렇다면 이러한 결과를 바탕으로 시나리오 상태에서도 흥행 예측이 가능하게 될 것이다[4].
본 연구가 수행하고자 하는 연구는 한국 천만 영화를 대상으로 ‘① 영화 흥행 요인 분석 → ② 영화 흥행 예측 모델 및 요인 분석을 위한 빅데이터 플랫폼 구축 → 나아가 빅데이터를 활용한 흥행 예측 평가 프로그램 개발’을 염두에 두고 진행될 예정이다.
본 연구의 분석 결과는 실제 영화 산업 현장에서 사전-제작-사후 단계 전반에 걸쳐 유의미한 영향을 줄 수 있을 것이며, 이를 토대로 제작된 영화는 향후 흥행과 부가가치를 창출해낼 수 있을 것이다. 이러한 영화 흥행 자료의 활용을 통해 영화 제작에 드는 비용의 리스크를 최소화하는 데 많은 도움이 될 것으로 보인다.
‘빅데이터’란 기존의 데이터베이스 관리도구로 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 넘어 대량의 정형 또는 비정형 데이터 집합으로부터 가치를 추출하고 결과를 분석하는 기술을 말한다. 빅데이터 기술은 다변화된 사회를 더욱 정확하게 예측하여 효율적으로 작동케 하고 개인화된 사회 구성원 에 맞는 맞춤형 정보를 제공해줄 수 있을 것으로 기대된다. 이같이 빅데이터는 사회, 경제, 문화, 과학기술 등의 전 영역에 걸쳐 가치 있는 정보를 제공할 수 있다는 점에서 그 중요성이 부각되고 있다.
본 연구의 분석 결과는 실제 영화 산업 현장에서 사전-제작-사후 단계 전반에 걸쳐 유의미한 영향을 줄 수 있을 것이며, 이를 토대로 제작된 영화는 향후 흥행과 부가가치를 창출해낼 수 있을 것이다. 이러한 영화 흥행 자료의 활용을 통해 영화 제작에 드는 비용의 리스크를 최소화하는 데 많은 도움이 될 것으로 보인다. 그러므로 흥행 실패에 따른 위험성을 최소화하는 데 기여할 수 있을 것이다.
이를 위해 영화 산업, 즉 영화 흥행요소를 영화 텍스트를 둘러싼 프리 프로덕션 단계에서부터 포스트 프로덕션 단계 모두를 아울러 영화 흥행 요인을 객관적으로 분석·예측하는 데에 필요한 지식 네트워크 구축을 위한 융합적 연구가 필요하다.
영화 흥행 요인 분석 및 평가 체계는 제작 상황뿐만 아니라 프리 프로덕션(시나리오 개발 및 선정, 배우섭외, 스태프 결정, 장소헌팅, 콘티, 제작발표회 등) 과정에서부터 포스트 프로덕션(편집, 광학녹음, 홍보마케팅, 배급 상영 등)과정에 이르기까지 영화 제작과 관련된 전방위적인 평가 및 예측이 행해질 수 있는 데로 나아가야 한다. 이를 위해서는 이 연구결과로 도출된 웃음과 눈물의 흥행 요소가 어느 구성 구간에 나타나는지를 바탕으로 하여 사회적/시대적 분위기 요인과 텍스트내적/외적 요인 모두를 아우르는 흥행 요인 분석이 행해져야 하며, 그 결과를 영화 흥행 예측 모델을 구축하여 관리하는 프로그램 구축을 차후 연구과제로 남긴다.
이와 같은 빅데이터를 활용한 데이터 베이스 구축은 영화 제작 환경에서 사전 제작 단계에서 부터 사후 단계에 이르기까지 전반적인 영향 평가가 가능한 기초 자료 마련을 뜻한다. 이처럼 영화흥행 요소의 데이터베이스 개발을 통해 흥행 예측이 가능해지면 영화의 생산성 향상에 지대한 영향을 미치게 될 것이다.
천만 영화의 텍스트 내적 핵심 구성 요소를 추출하여 이를 바탕으로 영화 흥행 예측 모델 구축 및 소프트웨어 개발로 인한 흥행 예측이 가능해지면, 영화의 생산성 향상에 지대한 영향을 미치게 될 것이며, 이러한 융합 연구의 결과물을 통해 영화산업에 상당히 기여하게 될 것이므로 반드시 필요한 연구이다.
천만영화에서 ‘웃음’과 ‘눈물’이라는 텍스트 내적 요소를 도출하고 이를 빅데이터를 활용하여 검증한 본 논문의 영화흥행 분석 역시 오차범위가 적은 방식이라는 것을 강조하여도 될 것이다.
텍스트 내적인 요소들에 대한 정밀한 분석과 정보 구축을 통해 영화의 발상이나 구성에 있어 기초 자료들을 풍부하게 제공할 수 있으며, 영화 제작이나 기타 관련 영상물의 생산 작업 현장에도 실질적인 자료로 활용될 수 있을 것이다. 이와 같은 빅데이터를 활용한 데이터 베이스 구축은 영화 제작 환경에서 사전 제작 단계에서 부터 사후 단계에 이르기까지 전반적인 영향 평가가 가능한 기초 자료 마련을 뜻한다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터 기술에 기대되는 점은 무엇인가?
‘빅데이터’란 기존의 데이터베이스 관리도구로 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 넘어 대량의 정형 또는 비정형 데이터 집합으로부터 가치를 추출하고 결과를 분석하는 기술을 말한다. 빅데이터 기술은 다변화된 사회를 더욱 정확하게 예측하여 효율적으로 작동케 하고 개인화된 사회 구성원 에 맞는 맞춤형 정보를 제공해줄 수 있을 것으로 기대된다. 이같이 빅데이터는 사회, 경제, 문화, 과학기술 등의 전 영역에 걸쳐 가치 있는 정보를 제공할 수 있다는 점에서 그 중요성이 부각되고 있다.
빅데이터란?
‘빅데이터’란 기존의 데이터베이스 관리도구로 데이터를 수집, 저장, 관리, 분석할 수 있는 역량을 넘어 대량의 정형 또는 비정형 데이터 집합으로부터 가치를 추출하고 결과를 분석하는 기술을 말한다. 빅데이터 기술은 다변화된 사회를 더욱 정확하게 예측하여 효율적으로 작동케 하고 개인화된 사회 구성원 에 맞는 맞춤형 정보를 제공해줄 수 있을 것으로 기대된다.
빅데이터를 활용해 영화흥행 요인을 분석하는 본 연구의 천만 영화의 흥행요소에 대한 접근 방법은?
영화흥행 요인을 분석하기에 앞서 우선 천만 영화의 흥행요소에 대해 어떻게 접근할 것인가 대한 문제를 해결해야 한다. 그리하여 첫째로, 기존의 천만 영화 연구나 영화의 흥행 요소 연구를 바탕으로 어느 요소가 가장 핵심적인 흥행요소가 되는지를 추출한다. 둘째로는 13편의 천만 영화를 대상으로 앞서 발견된 흥행요소가 SNS 댓글이나 인터넷 포털, 기사에서 어떻게 나타나는지 키워드 버즈량으로 빅데이터 분석을 실시한다. 셋째, 영화 전체의 러닝타임을 영화의 구성 5단계(발단-전개위기-절정-결말)로 구분하여 해당 요소가 영화별로 어느 부분에 많이 나타나는지 도표화 한다. 넷째로, 영화 구성 5단계 중 어느 부분에 흥행 요소가 많은지를 장르별로 구분하여 천만 영화의 장르별 구성 방식을 논증하고자 한다.
참고문헌 (6)
S. R. Kang, "A Study on the 10-million Mark Films-Focusing on Patriarchal familism and Tragedy as 'Shinpa'," International Society for the Korean people culture , vol. 52, pp.343-372 , Dec. 2015.
J.K. Kim, "Film Editing Style and Tears in the Audience," Society for journalism and communication studies, vol. 19, no. 1, pp. 87-113, Feb. 2015.
S.Y. Kim, "A Study on 'the Comic Mode' in Korean Cinema Since the 1990s - Focusing on the Transitional Emergence of Romantic Comedy Genre Films-," Film Studies Association of Korea, vol. 60, pp. 29-55, Jun. 2014.
Y.D.Kim, I.H. Joo, Y.K.Park, I.Y.Moon, O.Y.Kwon, "A Study on Personal Experience Knowledge Evaluation Model for Knowledge Service," Journal of the Korea Institute of Information and Communication Engineering, vol. 17, no. 8, pp. 1865-1872, Aug. 2013.
Y.M. Hwang, "The Scientific Possibility and Direction of Film Engineering as Convergence Science," Film Studies Association of Korea, vol. 61, pp. 453-473, Sep. 2014.
J.W. Kim, "Big Data's Effect on its Practical Use for Box-office Success of Films : Focus on the Process of Management of Opinion Mining on Roaring Currents," Journal of the Korea Entertainment Industry, vol.9. no. 2, pp. 81-90, Jun. 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.