[논문]소셜 네트워크 분석을 이용한 팬덤 페르소나 디자인

설상훈; 성기훈

doi:10.7472/jksii.2019.20.5.87

소셜 네트워크 분석을 이용한 팬덤 페르소나 디자인
Fandom-Persona Design based on Social Network Analysis 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.20 no.5, 2019년, pp.87 - 94

설상훈 (Interdisciplinary Course for Service Design Convergence, Sungkyunkwan University) , 성기훈 (Department of Mechanical Engineering, Sungkyunkwan University)

초록
AI-Helper

본 논문에서는 4차 산업혁명시대에 소셜 네트워크 상에서 축적된 소비자들의 비정형 데이터를 서비스디자인과 사회심리학적 측면에서 데이터를 활용해 분석하는 방법을 제안하였다. 먼저 물리적인 공간보다 소셜 네트워크 상의 공간에서 주관적이며 집단적 행위를 보여주는 팬덤 현상을 데이터서비스의 관점에서 정의하였다. 팬덤 모델은 기존의 서비스디자인에서 개인적인 수준으로 분석하였던 고객의 페르소나를 집단적인 수준으로 변환시켰으며, 소비자의 빅데이터를 분석하는 소셜 네트워크 분석은 이를 패턴화하고 시각적으로 분석할 수 있는 효율적인 방법으로 제시하였다. 소셜 리스닝으로 수집한 소비자의 데이터는 연관성, 안정성, 결측정도, 그리고 고유성을 기준으로 Column별 데이터전처리를 진행하였다. 위의 데이터를 기반으로 기업의 브랜드 전략을 적극적 개입형과 소극적 개입형으로 나누고 이러한 전략적 태도가 소비자의 팬덤 커뮤니티의 성장방향성에 미치는 영향을 분석하였다. 이를 위해 소비자의 팬덤 모델을 브랜드전략이 가지는 총 4가지 전략인 독립형, 분산형, 통합형, 그리고 중앙집중형으로 나누어서 제안하였고, 소비자의 팬덤 형상을 시간에 따라 변화추이를 분석하는 성장모델분석 기법으로 제안하였다.

Abstract ▼ AI-Helper

In this paper, the method of analyzing the unformatted data of consumers accumulated on social networks in the era of the Fourth Industrial Revolution by utilizing data from the service design and social psychology aspects was proposed. First, the fandom phenomenon, which shows subjective and collective behavior in a space on a social network rather than physical space, was defined from a data service perspective. The fandom model has been transformed into a collective level of customer Persona that has been analyzed at a personal level in traditional service design, and social network analysis that analyzes consumers' big data has been presented as an efficient way to pattern and visually analyze it. Consumer data collected through social leasing were pre-processed by column based on correlation, stability, missing, and ID-ness. Based on the above data, the company's brand strategy was divided into active and passive interventions and the effect of this strategic attitude on the growth direction of the consumer's fandom community was analyzed. To this end, the fandom model of consumers was proposed by dividing it into four strategies that the brand strategy had: stand-alone, decentralized, integrated and centralized, and the fandom shape of consumers was proposed as a growth model analysis technique that analyzes changes over time.

주제어

표/그림 (9)

그림 (그림 1) 데이터 드리븐 페르소나의 4단계 (Figure 1) The four steps of Data-Driven Personas
그림 (그림 2) 디지털 데이터 소스 사용 방법 및 도구에 따른 분류[12] (Figure 2) Summary of data sources, sample methods, measurement, and metrics[12]
그림 (그림 3) 소셜 네트워크 분석 패턴에 따른 브랜드 팬덤 모델 유형 분류 (Figure 3) Brand fandom model based on social network analysis patterns
그림 (그림 4) 메디힐 브랜드 modularity 분석결과 (Figure 4) Mediheal brand modularity analysis result
그림 (그림 5) 메디힐 브랜드 팬덤 분석 및 성장모형 (Figure 5) Mediheal brand fandom pattern and growth model
그림 (그림 6) 젝시믹스 modularity 분석결과 (Figure 6) Xexymix modularity analysis result
그림 (그림 7) 젝시믹스 브랜드 팬덤 분석 및 성장모형 (Figure 7) Xexymix brand fandom pattern and growth model
그림 (그림 8) 메디힐 최종브랜드 팬덤 모델 (Figure 8) Mediheal Brand-fandom model result
그림 (그림 9) 젝시믹스 최종 브랜드 팬덤 모델 (Figure 9) Xexymix Brand-Fandom model result

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 4차 산업혁명시대에 소셜 네트워크 서비스에서 나타나는 소비자의 팬덤 현상을 파악하기 위해 소셜 리스닝과 소셜 네트워크 분석을 적용하고 브랜드 전략 모델을 융합하는 새로운 접근 방법을 제시하였다. 이를 통해 4가지 브랜드 팬덤 모델을 도출하였으며, 이러한 분류를 통해 소비자의 비정형데이터를 분석하고 시각화하였다.
소셜 네트워크 분석은 사람들 사이의 관계를 다양한 분야에 적용하기 위해 노드와 링크로 연결된 사회 그래프를 만들고 분석하는 방법이다[16]. 본 논문은 소셜 네트워크 분석을 사용하여 팬덤 현상을 확인하기 위해 데이터 상의 팬덤을 정의하였다. 각각의 노드(Node)는 실제로 소셜 네트워크 상에서의 브랜드와 감정 및 행동지표로 정의되며 사용자의 해시태그 데이터를 활용하였다.
소셜 네트워크 분석 기반의 팬덤 모델을 분류하기 위해 기업에서 디자인한 콘텍스트를 중심으로 사용자들이 인위적으로 커뮤니티를 형성하도록 하는 경우와 자발적으로 커뮤니티를 형성하는 경우가 실제 팬덤 성장모형에 어떠한 영향을 미치는지 확인하고자 한다.
각각의 노드(Node)는 실제로 소셜 네트워크 상에서의 브랜드와 감정 및 행동지표로 정의되며 사용자의 해시태그 데이터를 활용하였다. 이를 통해 가중치(Weight Factor)간의 차별을 두지 않으며 연결성(Connection) 만을 사용해서 군집 형상을 확인하고자 하였다. 그림 3과 같이 소셜 네트워크 분석에서 나타나는 각 팬덤에 대하여 패턴의 형상을 통한 정의를 위해 브랜드 전략에서 사용되는 브랜드 전략모델 4가지를 적용하였다.

제안 방법

이를 통해 가중치(Weight Factor)간의 차별을 두지 않으며 연결성(Connection) 만을 사용해서 군집 형상을 확인하고자 하였다. 그림 3과 같이 소셜 네트워크 분석에서 나타나는 각 팬덤에 대하여 패턴의 형상을 통한 정의를 위해 브랜드 전략에서 사용되는 브랜드 전략모델 4가지를 적용하였다.
기업이 소셜 네트워크 서비스에 접근하는 방식을 적극적 개입과 소극적 개입으로 나누어 접근하였다. 적극적 개입의 경우 기업이 의도적인 바이럴 마케팅을 위해 소셜 네트워크 서비스 상에서 마케팅 활동을 진행한 경우로 지정한다.
데이터 전처리를 기반으로 각각 59,393개(메디힐), 69,712개(젝시믹스)의 해시태그를 분류하였고, 고유값을 명확히 분석하기 위해 각 브랜드에서 공식적으로 제시된 콘텍스트에 맞게 해시태그를 수렴시켰다. 데이터 전처리 과정 이후 Gephi와 IBM Cognitive Analysis를 통해 분석 및 시각화를 진행하였다.
이를 통해 4가지 브랜드 팬덤 모델을 도출하였으며, 이러한 분류를 통해 소비자의 비정형데이터를 분석하고 시각화하였다. 또한 4가지 브랜드 모델로 표상되는 기업의 전략적 접근방법은 2가지 사례분석을 통해 성장모델로 구현하였다.
고유성(ID-ness)는 전체 Column 데이터 중 중복데이터를 제외한 고유값의 점유를 의미한다. 본 연구에서는 각 Column별로 안정성(Stability) 5.0% 이상, 결측정도(Missing)는 50.0%이하, 고유성(ID-ness)는 20.0%이상으로 척도를 정하고 데이터 필터링을 진행했다.
또한 수집된 데이터를 분석하기 전에 시스템적 측면에서의 노이즈와 사회적, 기업적 측면에서 생성된 노이즈를 필터링하는 과정이 필요하다. 본 연구에서는 소비자들의 다양한 소셜 리스닝 데이터를 수집하기 위해 인스타그램(Instagram)에서 기업과 연관된 해시태그(Hashtag)를 크롤링하였으며 소비자들만의 데이터를 확보하기 위해 기업 측면에서 진행한 다양한 마케팅, 브랜드 전략들을 수집하여 크롤링한 데이터에서 필터링하였다.
비교 기업선정을 위해 최근 스타트업으로 시작하였고 제품을 다루는 2개의 기업에 대하여 시간에 따라 팬덤의 변화 추이를 추적하였다. 이는 메디힐(의도적 팬덤), 젝시믹스(자발적 팬덤) 2개 기업을 선정하고 변화 추이를 시간에 따라 비교분석하였다.
소비자들의 소셜 리스닝 데이터를 수집하기 위해 인스타그램에서 소비자의 포스팅 내용 중 날짜와 해시태그만을 크롤링하였다. 해시태그의 경우 기존의 문맥적 비정형데이터보다 소비자의 욕망을 간결하고, 직설적으로 표현하는 도구로써 데이터 분석의 정확성을 높여준다[15].
비교 기업선정을 위해 최근 스타트업으로 시작하였고 제품을 다루는 2개의 기업에 대하여 시간에 따라 팬덤의 변화 추이를 추적하였다. 이는 메디힐(의도적 팬덤), 젝시믹스(자발적 팬덤) 2개 기업을 선정하고 변화 추이를 시간에 따라 비교분석하였다. 먼저 2019년 1월부터 8월 사이에 수집된 해시태그 데이터에서 기업이 인위적으로 개입한 광고성 포스팅과 관련된 해시태그를 제거하였다.
본 논문은 4차 산업혁명시대에 소셜 네트워크 서비스에서 나타나는 소비자의 팬덤 현상을 파악하기 위해 소셜 리스닝과 소셜 네트워크 분석을 적용하고 브랜드 전략 모델을 융합하는 새로운 접근 방법을 제시하였다. 이를 통해 4가지 브랜드 팬덤 모델을 도출하였으며, 이러한 분류를 통해 소비자의 비정형데이터를 분석하고 시각화하였다. 또한 4가지 브랜드 모델로 표상되는 기업의 전략적 접근방법은 2가지 사례분석을 통해 성장모델로 구현하였다.
인스타그램에서 수집한 소셜 리스닝 데이터의 경우 소비자가 자발적으로 업로드한 데이터와 함께 각 기업이 의도를 가지고 적극 개입한 마케팅적 데이터도 다량 섞여있다. 이에 따라 기업과의 연계를 통해 해당 브랜드에서 진행하였거나 진행 중인 다양한 소셜 마케팅 요소를 파악하고 콘텍스트 디자인 요소를 필터링한 후 이를 기존의 데이터와 분리하는 작업을 진행하였다.
고유값의 정확성을 높이기 위해 기업이 지정한 제품의 네이밍, 사용자들의 감정표현 언어를 일관성 있는 용어로 정리하였다. 일반적인 텍스트마이닝의 경우 형태소 기반의 분석을 진행하지만 본 연구에서는 소비자의 팬덤 형상을 파악하는 것이 주목적이기 때문에 표준어를 기반으로 사용자의 콘텍스트(Context)를 디자인하였다.

대상 데이터

본 논문은 소셜 네트워크 분석을 사용하여 팬덤 현상을 확인하기 위해 데이터 상의 팬덤을 정의하였다. 각각의 노드(Node)는 실제로 소셜 네트워크 상에서의 브랜드와 감정 및 행동지표로 정의되며 사용자의 해시태그 데이터를 활용하였다. 이를 통해 가중치(Weight Factor)간의 차별을 두지 않으며 연결성(Connection) 만을 사용해서 군집 형상을 확인하고자 하였다.

데이터처리

데이터 전처리를 기반으로 각각 59,393개(메디힐), 69,712개(젝시믹스)의 해시태그를 분류하였고, 고유값을 명확히 분석하기 위해 각 브랜드에서 공식적으로 제시된 콘텍스트에 맞게 해시태그를 수렴시켰다. 데이터 전처리 과정 이후 Gephi와 IBM Cognitive Analysis를 통해 분석 및 시각화를 진행하였다. 메디힐의 경우 총 24개의 팬덤 커뮤니티로 분류되었고, Modularity가 0.

성능/효과

적극적으로 소셜마케팅에 개입한 메디힐과는 달리 젝시믹스의 경우 독립형 브랜드 팬덤 모델과 중앙집중형 브랜드 팬덤 모델로 성장하였다. 2019년 1월부터 8월까지 매월 브랜드 팬덤 성장패턴의 추이를 살펴보면 일관적으로 중앙집중형 브랜드 팬덤 모델로 성장하는 것을 확인할 수 있다. 또한 기존의 메디힐의 사례와 달리 더 많은 팬덤이 생겨나지만 이들을 연계해주는 매개체가 존재하지 않기 때문에 객체별 중앙집중형 브랜드 팬덤 모델로 성장하였다.
특히 적극적 수준에서의 소셜 마케팅 개입은 소비자 팬덤 페르소나를 중앙집중형 팬덤 모델에서 통합형 팬덤 모델로 성장시키는 촉매제가 된다. 두 번째로 스타트업과 같이 다양한 상품군이 제시되지 않고 적극적인 소셜 마케팅 전략을 취할 수 없는 경우 제품만으로 소비자의 팬덤 페르소나가 기업이 설정한 방향으로 형성되기 힘들다. 이는 다량의 소규모 팬덤 형성과 독립적 성장이 페르소나의 명확성을 떨어뜨려 서비스디자인 분야의 효율성을 낮출 수 있을 것으로 판단된다.
브랜드 전략요소와 소셜 네트워크 분석을 통해 팬덤을 분석한 결과와 한계점은 다음과 같다. 첫 번째로 기업의 소셜 마케팅 관여도가 실제 소비자의 브랜드 관련 팬덤을 형성하는데 영향을 끼치는 것으로 파악되었다. 특히 적극적 수준에서의 소셜 마케팅 개입은 소비자 팬덤 페르소나를 중앙집중형 팬덤 모델에서 통합형 팬덤 모델로 성장시키는 촉매제가 된다.
적극 개입형 브랜드-서비스 전략은 자발적 브랜드-서비스 전략과 다르게 각 팬덤 커뮤니티 사이의 연계점을 성장시켜 소규모 팬덤 커뮤니티들을 통합시켰다. 통합된 커뮤니티는 통합형 브랜드 팬덤 모델로 성장하며 그렇지 않은 팬덤 커뮤니티는 중앙집중형 팬덤 모델로 독립적인 성장을 진행하였다.

후속연구

두 번째로, 수집된 데이터를 분석하는 방법으로 다른 분야에서 쓰이는 통계적 모형을 일반적으로 적용하고 있어서 소비자의 심리적, 사회적 연계성 중심의 서비스디자인 분석 방법과 접목하는 것에 한계점이 존재한다.
팬덤을 형성하기 위해 자신있고 명확한 지시가 필요하며 이는 마케팅 차원에서 브랜딩 활동으로 대체된다. 방대한 양의 개인 데이터를 일일이 분석하는 것이 아닌 브랜드에 기반한 팬덤 형성 방식, 잠재력이 높은 팬덤의 종류 등을 파악한다면 연구의 실제적인 시장 적용성이 높아질 것으로 기대된다.
두 번째로 스타트업과 같이 다양한 상품군이 제시되지 않고 적극적인 소셜 마케팅 전략을 취할 수 없는 경우 제품만으로 소비자의 팬덤 페르소나가 기업이 설정한 방향으로 형성되기 힘들다. 이는 다량의 소규모 팬덤 형성과 독립적 성장이 페르소나의 명확성을 떨어뜨려 서비스디자인 분야의 효율성을 낮출 수 있을 것으로 판단된다.
또한 각 기업이 진행한 브랜드-서비스전략의 내부정보 파악이 힘들기 때문에 세분화된 분석을 제시하기 어렵다. 이를 해결하기 위해 기업의 브랜드-서비스 전략을 분석 초기 과정에서 공유하여 실시간으로 소비자의 팬덤 페르소나를 분석한다면 본 연구보다 세분화된 팬덤모델을 제시할 수 있을 것이다.
한계점으로는 2가지의 대표적인 사례를 대상으로 데이터를 수집 및 분석하였기 때문에 일반화의 한계성을 보인다. 또한 각 기업이 진행한 브랜드-서비스전략의 내부정보 파악이 힘들기 때문에 세분화된 분석을 제시하기 어렵다.

질의응답

핵심어	질문	논문에서 추출한 답변
	서비스디자인은 무엇인가?	서비스디자인은 공급자 중심이 아닌 소비자 및 사용자를 중심으로 다양한 방면에서 디자인사고를 적용해 가치를 디자인하고 전달한다[9,10]. 이러한 서비스디자인은 주로 정성적 연구방법인 인터뷰, 타운워칭, 그리고 FGI(Focus Group Interview) 등의 방법으로 사용자의 상태나니즈를 파악하는 방식을 채택한다.
	소비자의 팬덤 모델의 종류는 어떠한가?	위의 데이터를 기반으로 기업의 브랜드 전략을 적극적 개입형과 소극적 개입형으로 나누고 이러한 전략적 태도가 소비자의 팬덤 커뮤니티의 성장방향성에 미치는 영향을 분석하였다. 이를 위해 소비자의 팬덤 모델을 브랜드전략이 가지는 총 4가지 전략인 독립형, 분산형, 통합형, 그리고 중앙집중형으로 나누어서 제안하였고, 소비자의 팬덤 형상을 시간에 따라 변화추이를 분석하는 성장모델분석 기법으로 제안하였다.
	분산형 브랜드 팬덤 모델을 확인하기 어려운 이유는 무엇인가?	분산형 브랜드 팬덤 모델은 다양한 소비자 집단을 타켓팅하고 다양한 상품군을 사용할 경우나타나는 팬덤 모델이다. 스타트업의 경우 초반에 다양한 상품군을 출시하지 못하는 한계점을 가지고 있기 때문에 실제 소셜 네트워크 분석 모델의 초반에는 확인하기 어렵다는 제한이 있다. 통합형 브랜드 팬덤 모델은 유사한 소비자 집단을 타켓팅하지만 상품군이 다양한 브랜드의팬덤 모델이다.

참고문헌 (17)

Roy, R., Shehab, E., et al., "Service as value co production: reframing the service design process", Journal of Manufacturing Technology Management, Vol. 20, no. 5, 2009, pp. 568-590. https://doi.org/10.1108/17410380910960993

상세보기
Lucy Kimbell, "Designing for service as one way of designing services", International Journal of Design, Vol. 5, no. 2, 2011, pp. 41-52. Retrieved October 01, 2019, from http://ijdesign.org/index.php/IJDesign/article/ view/938/345
Ostrom, Amy L., et al., "Service research priorities in a rapidly changing context", Journal of Service Research, Vol. 18, no. 2, 2015, pp. 127-159. https://doi.org/10.1177/1094670515576315

상세보기
Bitner, Mary Jo, Amy L. Ostrom, and Felicia N. Morgan, "Service blueprinting: a practical technique for service innovation", California Management Review, Vol. 50, no. 3, 2008, pp. 66-94. https://doi.org/10.2307/41166446

상세보기
Sampson, Scott E., "Visualizing service operations", Journal of Service Research, Vol. 15, no. 2, 2012, pp. 182-198. https://doi.org/10.1177/1094670511435541

상세보기
Jain, Varsha, Reshma Vatsa, and Khyati Jagani, "Exploring Generation Z's Purchase Behavior towards Luxury Apparel: a Conceptual Framework", Romanian Journal of Marketing, no. 2, 2014, pp. 18-29. Retrieved October 01, 2019, from https://search.proquest.com/docview/1549931202/fulltext
Balduini, Marco, et al., "Social listening of city scale events using the streaming linked data framework", International Semantic Web Conference, 2013, pp. 1-16. https://doi.org/10.1007/978-3-642-41338-4_1

상세보기
Honey, Courtenay, and Susan C. Herring, "Beyond microblogging: Conversation and collaboration via Twitter", 2009 42nd Hawaii International Conference on System Sciences. IEEE, 2009. https://doi.org/10.1109/HICSS.2009.89
Candi, Marina, and Rognvaldur J. Saemundsson, "How different? Comparing the use of design in service innovation in Nordic and American new technology-based firms", Design Studies, Vol. 29, no. 5, 2008, pp. 478-499. https://doi.org/10.1016/j.destud.2008.05.003

상세보기
Frost, Robert, and Kelly Lyons, "Service systems analysis methods and components: a systematic literature review", Service Science, Vol. 9, no. 3, 2017, pp. 219-234. https://doi.org/10.1287/serv.2017.0180

상세보기
Tassi, Roberta, Agata Brilli, and Donato Ricci, "Digital methods for service design experimenting with data-driven frameworks", ServDes2018. Service Design Proof of Concept, Proceedings of the ServDes.2018 Conference, no. 150, 2018. Retrieved October 01, 2019, from http://www.ep.liu.se/ecp/150/091/ecp18150091.pdf
V. Kumar, Veena Chattaraman, et al., "Data-driven services marketing in a connected world", Journal of Service Management, Vol. 24, no. 3, 2013, pp. 330-352. https://doi.org/10.1108/09564231311327021

상세보기
Genevie, Louis E., ed. Collective behavior and social movements, Wadsworth, 1978.
Neil J. Smelser, "Theory Collectve Behav Ils 258", Routledge, 2013. https://doi.org/10.4324/9781315008264
Giannoulakis, Stamatios, and Nicolas Tsapatsoulis, "Evaluating the descriptive power of Instagram hashtags", Journal of Innovation in Digital Ecosystems, Vol. 3, no. 2, 2016, pp. 114-129. https://doi.org/10.1016/j.jides.2016.10.001

상세보기
Otte, Evelien, and Ronald Rousseau, "Social network analysis: a powerful strategy, also for the information sciences", Journal of information Science, Vol. 28, no. 6, 2002, pp. 441-453. https://doi.org/10.1177/016555150202800601

상세보기
Vincent D Blondel, Jean-Loup Guillaume, et al., "Fast unfolding of communities in large networks", Journal of statistical mechanics: theory and experiment, Vol. 2008, no. 10, 2008. http://doi.org/10.1088/1742-5468/2008/10/P10008

상세보기

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증