본 연구는 영화 흥행에 미치는 온라인 구전 변수들의 영향을 다루었다. 2012년 부터 2015년까지 4년 동안 국내에서 개봉한 총 관객 수 50만 이상인 276편의 영화에 대한 통계분석 결과 개봉 후 포털의 평가자 수, 개봉 후 블로그 수, 개봉 후 뉴스 수와 같은 온라인 구전의 크기를 나타내는 변수들이 온라인 구전의 방향을 나타내는 개봉 후 포털의 평점이나 혹은 영화의 내재적 속성을 나타내는 변수들로서 감독, 배우, 배급사, 등급, 국적, 개봉 월, 개봉 계절 등 보다 영화 흥행과 더욱 연관성이 있었다.
본 연구는 영화 흥행에 미치는 온라인 구전 변수들의 영향을 다루었다. 2012년 부터 2015년까지 4년 동안 국내에서 개봉한 총 관객 수 50만 이상인 276편의 영화에 대한 통계분석 결과 개봉 후 포털의 평가자 수, 개봉 후 블로그 수, 개봉 후 뉴스 수와 같은 온라인 구전의 크기를 나타내는 변수들이 온라인 구전의 방향을 나타내는 개봉 후 포털의 평점이나 혹은 영화의 내재적 속성을 나타내는 변수들로서 감독, 배우, 배급사, 등급, 국적, 개봉 월, 개봉 계절 등 보다 영화 흥행과 더욱 연관성이 있었다.
This study deals with the effect of online word-of-mouth (OWOM) variables on the box office. From the result of statistical analysis on 276 films with audiences of more than five hundred thousand released in the Korea from 2012 to 2015, it can be seen that the variables showing the size of OWOM (suc...
This study deals with the effect of online word-of-mouth (OWOM) variables on the box office. From the result of statistical analysis on 276 films with audiences of more than five hundred thousand released in the Korea from 2012 to 2015, it can be seen that the variables showing the size of OWOM (such as the number of the portal movie rater, blog, and news after release) are associated more with the box office than the portal movie rating showing the direction of OWOM as well as variables showing the inherent properties of the film such as grade, nationality, release month, release season, directors, actors, and distributors.
This study deals with the effect of online word-of-mouth (OWOM) variables on the box office. From the result of statistical analysis on 276 films with audiences of more than five hundred thousand released in the Korea from 2012 to 2015, it can be seen that the variables showing the size of OWOM (such as the number of the portal movie rater, blog, and news after release) are associated more with the box office than the portal movie rating showing the direction of OWOM as well as variables showing the inherent properties of the film such as grade, nationality, release month, release season, directors, actors, and distributors.
본 연구에서는 한국영화산업이 오랜 침체기에서 벗어나 전성기를 걷고 있는 2012년부터 2015년까지 4년 동안 개봉한 영화를 대상으로 포털 사이트의 영화 평점 및 영화 평가자 수, 영화 블로그 수, 영화 뉴스 수 등이 영화 흥행 예측에 효과적인 OWOM 변수들로 사용될 수 있는 지를 연구하고자 한다.
제안 방법
본 연구의 결과로서 OWOM 변수 중에서 포털 사이트의 평점보다는 포털 평가자 수, 블로그 수, 뉴스 수가 영화 흥행 예측 변수로써 훨씬 더 유용할 것으로 기대된다. 또한 개별 영화들의 다양한 그래프를 통하여 두 주요 포털 사이트 간의 성향 차이와 개별 영화에서 OWOM 변수의 특징을 알아본다.
본 연구에서는 영화에 대한 네이버 및 다음 포털의 평점과 평가자 수, 블로그 수, 뉴스 수와 같은 온라인 구전(OWOM) 변수들이 영화의 경제적 성공을 나타내는 총 관객 수 예측에 영향력 있는 변수인지를 알아보기 위해서 2012년부터 2015년까지 4년 동안 국내에서 상영된 총 관객 수 50만 이상의 영화 276편을 대상으로 통계적 자료분석을 수행하였다. 통계 분석 결과 포털의 개봉 후 평가자수, 개봉 후 블로그수, 개봉 후 뉴스 수와 같은 OWOM의 크기를 나타내는 변수들이 OWOM의 방향성을 나타내는 포털의 개봉 후 평점 그리고 영화의 내재적인 속성을 나타내는 변수들인 감독, 배우, 배급사, 등급, 국적, 개봉월, 개봉 계절 등의 변수들에 비해 영화 흥행과의 연관성이 상대적으로 더 높음을 알 수 있었다.
본 연구에서는 편의상 영화의 경제적 성공을 판단하는 기준으로 영화의 수익성 대신 총 관객 수로 판단하기로 하였다. 포털 영화 평점은 일반 네티즌들이 내린 각 영화에 대한 종합적인 평가로서 포털 영화 평점으로 높은 점수를 받은 영화는 물질적 성공과는 다른 면에서 성공한 영화라고 할 수 있다.
대상 데이터
본 연구에서 사용한 영화데이터는 한국에서 2012년 1월 1일 이후 개봉하여 2015년 12월 31일 이내에 상영종료가 된 영화들 중 누적 총 관객 수가 50만 명 이상인 276개 영화이다. 누적 총 관객 수가 50만명 미만인 영화들의 경우, 독립자본영화 혹은 상영기간이 짧은 영화들이 많아 OWOM 효과를 나타내는 변수들의 자료 수집에 어려움이 있어서 분석에서 제외시켰다.
1은 자료 분석에 사용한 변수들을 정의한 표이다. 영화 속성을 나타내는 변수들에 대한 자료 수집은 영화진흥위원회의 통합전산망 KOBIS 사이트(www.kobis.or.kr)를 활용하였다. 총 관객 수(Audience)는 최종 영화의 흥행 지표를 나타내고, 개봉 일 관객 수(Daudience)는 개봉 당일 영화의 흥행 지표를 나타낸다.
데이터처리
총 관객 수가 양적변수일 때는 목표변수인 총 관객 수와 각 양적 예측변수와의 피어슨 상관계수가 그리고 총 관객 수와 각 질적 예측변수와의 ANOVA검정에서 p-value가 변수 선택의 정보를 줄 수 있다. 총 관객 수가 범주형 변수일 때는 양적 예측변수는 범주화하여 총 관객 수와 각 범주형 예측변수와의 독립성검정인 카이제곱검정의 p-value가 변수 선택의 정보를 줄 수 있다.
흔히 총 관객 수를 예측하는 확률모형에서 총 관객 수는 양적변수로 사용할 수도 있고 적절한 범주로 나누어 범주형 변수로 만들어 사용하기도 한다. 총 관객 수가 양적변수일 때는 목표변수인 총 관객 수와 각 양적 예측변수와의 피어슨 상관계수가 그리고 총 관객 수와 각 질적 예측변수와의 ANOVA검정에서 p-value가 변수 선택의 정보를 줄 수 있다. 총 관객 수가 범주형 변수일 때는 양적 예측변수는 범주화하여 총 관객 수와 각 범주형 예측변수와의 독립성검정인 카이제곱검정의 p-value가 변수 선택의 정보를 줄 수 있다.
성능/효과
상관분석, 카이제곱 독립성검정, ANOVA검정, 그리고 의사결정나무분석의 결과로부터 2012년부터 2015년까지의 3년간 통합자료, 혹은 년도별 자료, 그리고 국내외 자료 등 어느 자료를 사용하든지 포털의 개봉 후 평가자수, 개봉 후 블로그 수, 개봉 후 뉴스 수와 같은 개봉 후 OWOM의 크기를 나타내는 변수들이 OWOM의 방향성을 나타내는 포털의 개봉 후 평점 그리고 영화의 내재적인 속성을 나타내는 변수들인 감독, 배우, 배급사, 등급, 국적, 개봉 월, 개봉 계절 등의 변수들에 비해 영화 흥행과의 연관성이 상대적으로 더 높다.
5%의 설명력을 가진다. 첫 번째 요인의 경우 총 관객 수, 네이버 포털 평가자 수, 개봉 후 블로그 수, 개봉 후 뉴스 수가 포함되었고 두 번째 요인에는 네이버 및 다음 포털의 개봉 후 평점이 포함되었고, 세 번째 요인에는 네이버 및 다음 포털의 개봉 후 평가자 수가 포함되었다. 첫 번째 요인은 대중의 많은 관심과 애호 속에 수익을 얻은 영화인지를 나타내는 ‘영화 흥행 성공’ 요인, 두 번째 요인은 ‘포털 네티즌들의 평가’ 요인, 세 번째 요인은 영화에 대한 ‘포털 네티즌들의 관심도’라고 정의할 수 있다.
한편 분석에 사용된 영화 데이터의 연도별, 국적별 자료에 따라 또는 사용 통계분석 기법에 따라 예측변수들 간의 중요성에 차이가 있지만 네이버 포털의 개봉 후 평가자 수, 개봉 후 블로그 수, 그리고 개봉후 뉴스 수는 일관성 있게 중요한 예측변수로 나타났다. 기존 관련 연구에서 포털 평점은 때때로 주요한 예측변수로 다루어져 왔다.
후속연구
그러나 이들 각 시점에서 이들 변수들을 추정하여 간접적으로 사용할 수 있다. 이와 같은 본 연구 결과에 근거하여 다중회귀모형, 다항로짓모형, 신경망모형, 의사결정 모형, SVM(support vector machine)과 같은 다양한 확률통계모형에 의해 총 관객 수를 예측하는 주제를 후속 연구로 진행하고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
소셜미디어란 무엇인가?
소셜미디어(social media)란 웹상에서 타인과 쌍방향 커뮤니케이션을 할 수 있는 온라인 플랫폼을 의미한다. 소셜미디어에는 대표적으로 블로그(Blog), 소셜 네트워크 서비스(SNS), 손수제작물(UCC) 등이 있다.
2012년 한국 영화산업은 어떤 해로 기록 되었는가?
영화진흥위원회(Korean Film Council; KOFIC) (2013, 2014, 2015, 2016)의 한국 영화산업 결산에 따르면 2007년부터 2011년까지 적자상태에 놓여 있었던 한국영화산업의 침체기는 2012년에 흑자로 돌아서면서 불황을 벗어난 걸로 평가되었다. 2012년 한국 영화산업은 총 관객 수와 매출액면에서 과거에 비해 한 단계 도약한 해로 기록되었다. 2012년 총 관객 수는 1억 9,489만 명으로 전년 대비 21.
소셜미디어는 기업의 마케팅뿐만 아니라 영화산업에도 큰 영향을 미치는 요인인 이유는?
소셜미디어에는 대표적으로 블로그(Blog), 소셜 네트워크 서비스(SNS), 손수제작물(UCC) 등이 있다. TV, 라디오, 신문, 잡지 등과 같은 전통매체가 일방적인 정보전달을 한다면 소셜미디어는 온라인상에서 수많은 이용자들에 의해 다양한 콘텐츠가 자유롭게 생성되고 공유되므로 소셜미디어를 통하여 어떤 주제에 대해서든지 불특정 다수의 의견을 들여다 볼 수 있다. 최근 소셜미디어가 급격하게 발달해 감에 따라 소셜미디어는 기업의 마케팅뿐만 아니라 영화산업에도 큰 영향을 미치는 요인으로 작용하고 있다.
참고문헌 (14)
Bae, J., Shim, B. J., and Kim, B.-D. (2010). Simultaneous effect between eWOM and revenues: Korea movie industry, Asia Marketing Journal, 12, 1-25.
Kim, S. H. and Han, J. M. (2014). An analysis of motion picture box office performance: focusing on Korean movies released in 2012, Institute of Social Science, 53, 191-214.
Kim, S.-Y., Im, S., and Jung, Y. (2010). A comparison study of the determinants of performance of motion pictures: art film vs. commercial film, The Journal of the Korea Contents Association, 10, 381-393.
Kim, Y. H. and Hong, J. H. (2011). A study for the development of motion picture box-office prediction model, The Korean Journal of Applied Statistics, 18, 859-869.
Kim, Y. H. and Hong, J. H. (2013). A study for the drivers of movie box-office performance, The Korean Journal of Applied Statistics, 26, 441-450.
Korean Film Council (2013). 2012 Korean film industry settlement, Korean Film, 35, 20-31.
Korean Film Council (2014). 2013 Korean film industry settlement, Korean Film, 47, 16-33.
Korean Film Council (2015). 2014 Korean film industry settlement, Korean Film, 59, 15-32.
Korean Film Council (2016). 2015 Korean film industry settlement, Korean Film, 71, 12-27.
Lee, I. H. and Cho, S. B. (2014). The analysis of the relationship between the box-office performance and the movie attributes using a quantile regression, Journal of the Korea Management Engineers Society, 19, 117-134.
Liu, Y. (2006). Word of mouth for movies: its dynamics and impact on box office revenue, Journal of Marketing, 70, 74-89.
Park, S.-H., Song, H.-J., and Jung, W.-K. (2011). The determinants of motion picture box office performance: evidence from Korean movies released in 2009-2010, Journal of Communication Science, 11, 231-258.
Sadikov, E., Parameswaran, A., and Venetis, P. (2009). Blogs as predictors of movie success. In Proceedings of the Third International ICWSM Conference, 304-307.
Yim, J. Y. and Hwang, B. Y. (2014). Data engineering: predicting movie success based on machine learning using twitter, KIPS Transactions on Software and Data Engineering, 3, 263-270.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.