이론/모형

• 후)회차분석에서는">회차 분석에서는 12회 이하, 12회 초과로 범주화하여 분류 모형을 만들었다. 배깅, 랜덤 포레스트, 서포트 벡터 머신, 다항 로그 선형 모형을 사용하였으며 모형 비교 시에는 오분류율을 지표로 사용하였다. 모든 분석은

  성능/효과

  • Figrue 3.1(a) com을 보면 공중파 프로그램(SBS, MBC, KBS)의 평균 시청률이 케이블 채널 프로그램보다 높은 것으로 나타났다. 공중파 프로그램 중에서는 MBC가 평균 시청률이 높고 케이블 채널 프로그램 중에서는 Mnet이 높음을 알 수 있다.
  • Figure 3.1(c)의 year의 경우 최근에 시작된 프로그램일수록 평균 시청률이 전반적으로 감소하는 추세를 보이며 특히 2011년과 2012년 사이에 평균 시청률이 가파르게 감소하는 것을 볼 수 있다. 이는 2011년부터 스마트폰 시장의 활성화로 TV 시청이 ">나타났다. 1회 시청률이 클수록 평균 시청률이 증가하다가 1회 시청률이 10% 이상일 때는 증가량에 큰 차이가 없는 것으로 나타났다. 그리고 후)랜덤포레스트">랜덤 포레스트 모형의 (OOB estimates를 이용한) ROC 곡선을 그린 것이다. AUC 값이 0.91로 매우 높은 것을 보아 랜덤 포레스트 모형의 성능이 매우 좋은 것을 알 수 있다.
  • newarticle0 변수의 그래프를 보면 프로그램 시작 연도의 평균 기사 개수보다 적 을 경우 기사 개수가 증가할수록 시청률이 급격히 증가하지만 평균 기사 개수보다 2,000개 이상 많은 프 로그램들의 경우 기사 개수에 따른 평균 시청률 차이가 거의 없는 것으로 나타났다.
  • 05 하에서 유의한 변수들에 대해서만 설명하겠다. 공중파 또는 JTBC 채널 프로그램일 때 tvN에 비해 평균 시청률이 높은 것으로 나타났다. 또한 Model1의 결과와 05 하에서 유의한 변수들에 대해서만 설명하겠다. 공중파 채널 프로그램의 평균 시청률이 tvN 채널에 비해 높은 것으로 나타났다. 시즌이 거듭될수록, 후)것으로">것으로 나타났다. 그리고 시작 연도가 최근일수록, type이 기타이거나 토크/개그일 때 평균 시청률이 낮아지며, 이전 시즌의 시청률이 증가할 때, 평균 시청률이 감소하는 것으로 나타났다. 이는 Model1과 후)프로그램의">프로그램의 인기 등을 척도로 방영 지속 여부를 결정하는 시기가 12회일 것이라고 예상하였다. 따라서 12회 초과 방영되는 프로그램은 장기 프로그램으로 발전할 가능성이 있다고 판단하였다. 오디션과 같이 공중파 또는 JTBC 채널 프로그램일 때 tvN에 비해 평균 시청률이 높은 것으로 나타났다. 또한 Model1의 결과와 마찬가지로 시즌이 거듭될수록, 시청자가 참여하는 프로그램일수록, 유명 PD일수록 평균 시청률이 증가하는 것으로 나타났다. 그리고 시작 연도가 최근일수록, type이 기타이거나 토크/개그일 때 평균 시청률이 후)랜덤포레스트">랜덤 포레스트 모형에서 com(방송사)이 가장 중요한 변수로 선택되었으며 prev(이전 시즌의 시청률), year(시작 연도), newarticle0, type, starPD(유명 PD 여부) 또한 중요한 변수로 나타났다. Figrue 3.
  • 본 논문에서 프로그램 평균 시청률의 오차가 1%대로 매우 낮았으며 프로그램 회차에서도 오분류율이 20% 전후로 매우 좋은 예측력을 보였다. 때문에 프로그램을 제작하는 입장에서 프로그램의 평균 시청률 예측 모형 중에서는 배깅, 랜덤 포레스트 모형의 성능이 좋았는데, 그 중에서도 첫 방송 후 적합한 랜덤 포레스트 모형의 RMSE 값이 1.733%로 가장 낮았다. 후)랜덤포레스트">랜덤 포레스트 모형들에서 공통적으로 중요 변수로 선택된 변수들은 방송국과 프로그램 유형이었다. 첫 회 시청률과 이전 시즌 시청률, 연도, 프로그램 기사 개수, 유명 PD 여부도 중요도가 높은 것으로 나타났다. 이러한 변수들은 2장에서 후)이 전">이전 시즌의 시청률이 클수록 평균 시청률이 증가한다. 추가적으로 시청자가 참여하는 프로그램일수록, 유명 PD일수록 평균 시청률이 증가하는 것으로 나타났다.
  • ">있다. 특히 배깅 모형과 랜덤 포레스트 모형의 교차오차가 1%대로 확인되어 매우 정확하게 추정되었다.
  • 평균 시청률 예측 치가 증가할수록 12회 초과 그룹으로 갈 확률이 증가하는데, 약 1.8%–3.4%까지는 그 값의 변화가 없 다가, 다시 약 4%까지는 증가한다.
  • 후)회차를">회차를 잘 예측하기 위해서는 평균 시청률 예측치, 시작 연도, 예능 유형과 방송국 변수의 역할이 중요하다는 사실을 알 수 있었다.

  후속연구

  • 후)예측하지">예측하지 못했다는 한계점이 있다. 단지 3개월 이상 방영 여부를 분류하는 데 그치지 않고 프로그램의 정확한 수명을 예측할 수 있었다면 상황에 따라 다양한 방안을 제시할 수 있었을 것이다. 이를 보완하기 위해서는 예능 후)프로그램회차와">프로그램 회차와 관련이 높은 제작비 정보가 필요할 것이다. 또한 본 논문에서는 2017년 5월 기준으로 종영한 프로그램만을 다루었지만 생존분석모형을 이용한다면 현재 방영중인 프로그램도 포함해서 분석이 가능할 것이다.
  • 후)이를">이를 포털 사이트 등에서 알아내야 했던 번거로움이 있었다. 또한 본 연구는 프로그램 회차를 정확히 예측하지 못했다는 한계점이 있다. 단지 3개월 이상 방영 여부를 분류하는 데 그치지 않고 프로그램의 후)일정">일정 시간이 지난 후 경향성을 포함하는 데이터가 생성되었을 때 모형을 적합하는 것이 합리적일 것이다. 또한 프로그램의 수명을 결정하는 데 중요한 역할을 하는 제작비 정보도 포함된다면 모형의 예측력을 향상시킬 수 있을 것이다.