[논문]OTT(Over-the-Top) 서비스의 몰아보기 시청행위 영향 요인 탐색

황경호; 김경애

doi:10.15207/jkcs.2020.11.3.181

OTT(Over-the-Top) 서비스의 몰아보기 시청행위 영향 요인 탐색
Examining Factors Affecting the Binge-Watching Behaviors of OTT Services 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.3, 2020년, pp.181 - 186

황경호 (경남대학교 자유전공학부) , 김경애 (한양대학교 경영학과)

초록
AI-Helper

본 연구는 온라인동영상서비스 OTT(Over-the-Top) 이용자의 몰아보기(Binge-watching) 시청행위에 영향을 미치는 요인을 실증적으로 탐색하였다. 이를 위해 2018년 한국언론진흥재단 미디어연구센터의 'OTT 서비스 이용자 인식조사'에 참여한 OTT 이용 경험자 1,000명의 자료를 수집하여 분석하였다. 종속변수는 OTT 서비스 몰아보기로 설정하였으며, 독립변수는 성별, 연령, OTT 서비스 이용 빈도, OTT 콘텐츠 프로그램 추천 알고리즘 만족도, OTT에서 주로 이용하는 콘텐츠 유형을 포함하였다. OTT 몰아보기 시청행위의 예측 요인은 다층 퍼셉트론(MLP) 인공신경망 알고리즘을 이용하여 분석하였다. 연구결과, 연령, OTT 콘텐츠 프로그램 추천 알고리즘 만족도, OTT 서비스 이용 빈도, OTT에서 주로 이용하는 콘텐츠 유형 중 국내드라마, 국내영화, 해외드라마 등이 OTT 몰아보기 시청행위에 중요도가 높은 요인으로 밝혀졌다.

Abstract ▼ AI-Helper

The purpose of this study is to empirically examine the factors affecting the binge-watching behaviors of OTT service users by using a multi-layer perceptron (MLP) artificial neural network. All samples (n=1,000) were collected from 'A survey on user awareness in OTT service' published by a Media Research Center of the Korea Press Foundation in 2018. Our research model includes one dependent variable which is binge-watching behaviors on OTT service and five independent variables such as gender, age, frequency of service usage, users' satisfaction with content recommendation algorithm, and content types mainly consumed. Our findings demonstrate that age, frequency of service usage, users' satisfaction with content recommendation algorithms, and certain types of contents (e.g., Korean dramas, Korean films, and foreign dramas) were found to be highly related to binge-watching behavior on OTT services.

주제어

표/그림 (2)

표 Table 1. Descriptive statistics
표 Table 2. Relative importance of independent variable

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 이용자들의 새로운 영상 시청행태이자 사회문화적인 현상인 OTT 몰아보기 시청행위에 영향을 미치는 요인들을 다층 퍼셉트론(multi-layer perceptron; MLP) 인공신경망 알고리즘을 적용하여 탐색하고, 각 영향 요인들 간의 상대적 중요도를 살펴보고자 하였다.
선행연구에서 지적하는 바와 같이 콘텐츠의 특성 그리고 이용자 개인의 인구통계적, 심리적 속성 등 이 미디어 이용 행위를 결정하는 요소가 될 수 있기 때문이다[4]. 이에 본 연구는 크게 이용자 측면과 콘텐츠 유형 측면에서 몰아보기에 영향을 주는 요소를 탐색해보고 OTT를 비롯한 융합 미디어 연구에 시사점을 제공하고자 한다.

제안 방법

독립변수는 성별, 연령, OTT 서비스 이 용 빈도(매일 이용, 주 3-4회 이용, 주 1-2회 이용, 격주 1-2회 이용, 월 1-2회 이용), OTT 콘텐츠 프로그램 추천 알고리즘 만족도(전혀 만족하지 못한다, 거의 만족하지 못한다, 약간 만족한다, 매우 만족한다), OTT에서 주로 이용하는 콘텐츠 유형(국내영화, 해외영화, 국내 드라마, 해외드라마, 예능프로그램, 다큐멘터리, 뮤직비디오, 스포츠 중계, 애니메이션, 크리에이터 제작 영상)을 포함하였다.
이를 위해 가장 선호하는 OTT 이용패턴 4개의 응답 범주(실시간 방송 시청, 출․퇴근 시간 정기적 시청, 여가시간에 1-2편 시청, 여가 시간에 몰아서(3편 이상) 시청)를 OTT 몰아보기 시청 행위(여가시간에 몰아서(3편 이상) 시청)와 그 외 시청행위(실시간 방송 시청, 출․퇴근 시간 정기적 시청, 여가시간 에 1-2편 시청)로 재구성하여 분석에 활용하였다.
조사항목은 OTT 서비스 이용실태, OTT에서 주로 이용하는 콘텐츠 유형, OTT 서비스 이용빈도, 가장 선호하는 OTT 이용패턴, OTT 콘텐츠 프로그램 추천 알고리즘 만족도 등이 포함되었다.
종속변수는 OTT 몰아보기 시청행위로 설정하였으며, 동일한 프로그램의 에피소드를 3편 이상 쉬지 않고 지속해서 보는 것으로 정의하였다.

대상 데이터

본 연구는 OTT 이용자들의 시청행위를 파악하기 위해 한국언론진흥재단 미디어연구센터에서 실시한 ‘OTT 서비스 이용자 인식조사’[15]의 원시 자료를 이용하였다.

이론/모형

데이터 분석을 위하여 인공신경망 알고리즘인 다층 퍼 셉트론(MLP) 분석 기법을 적용하였다. 다층 퍼셉트론 (MLP)은 인공신경망의 대표적인 알고리즘으로 가장 많이 쓰이는 기법이다.

성능/효과

신경망의 네트워크 다이어그램에서 시냅스 가중값은 투입된 변수의 레이어와 다음 단계의 레이어 사이의 관련성을 시각적인 방법으로 제시하는데, 연결 가중치가 높을수록 레이어 간의 선이 굵게 표시된다. 본 다층 신경망 모형을 통한 독립변수 중요도 분석결과, 연령(0.226), OTT 콘텐츠 프로그램 추천 알고리즘 만족도(0.181), OTT 서비스 이용 빈도(0.083), OTT에서 주로 이용하는 콘텐츠 유형 중 국내드라마(0.070), 국내영화(0.065), 해외드라마(0.065)가 OTT 몰아보기 시청행위 예측의 가중치가 높은 주요 변수로 도출되었다. 입력 변수중요도와 입력된 변수의 영향 수준을 동일한 단위로 변환한 정규화 중요도는 Table 2에 제시하였다.
본 연구에서 OTT 서비스 이용자들의 몰아보기 시청 행위에 영향을 미치는 요인을 다층 퍼센트론 모형을 통해 살펴본 결과 연령, OTT 콘텐츠 프로그램 추천 알고리즘 만족도, OTT 서비스 이용 빈도, OTT에서 주로 이용하는 콘텐츠 유형 중 국내드라마, 국내영화, 해외드라마 등이 주요 예측 요인으로 파악되었다.
전체 표본(n=1,000)을 학습 표본 69.4%(n=694), 검정 표본 30.6%(n=306)의 비율로 각각 분할하여 인공신경망 분석을 실시한 결과, 데이터의 오차를 최소화하는 은닉층의 수는 1개, 은닉층 1에서의 노드의 수는 7개가 각각 도출되었다. ROC 곡선 아래 면적(Area Under ROC Curve; AUC)은 0.
첫째, 아직 학술적으로 시작 단계에 있는 OTT 서비스의 몰아보기 행 위에 대한 탐색적 시도를 함으로써 새로운 시청행위를 예측할 수 있는 변인들을 밝혀냈다는 점이다.

후속연구

첫째, 아직 학술적으로 시작 단계에 있는 OTT 서비스의 몰아보기 행 위에 대한 탐색적 시도를 함으로써 새로운 시청행위를 예측할 수 있는 변인들을 밝혀냈다는 점이다. 둘째, 몰아 보기를 주로 하는 이용자층 및 콘텐츠 특성을 파악함으로써 몰아보기를 전략적으로 유도하는 국내 OTT 관련 기업에 실무적인 시사점을 제공할 수 있을 것으로 보인다.
몰아보기에 최적화된 콘텐츠 유형과 특성을 파악하는 것은 이용자 확보 및 유지 전략에도 유용하게 활용될 수 있을 것이다.
본 연구는 이미 조사된 2차 자료를 활용하여 분석을 시행하였기 때문에 좀 더 다양한 독립변수를 고려하지 못했다는 한계점이 존재한다. 향후 연구에서는 미디어 이용동기 연구에서 지적하는 개인의 다양한 심리상태 및 사회구조적 변인 등을 고려한 확장된 OTT 시청행위 예측 모형을 살펴볼 필요가 있다.
본 연구는 이미 조사된 2차 자료를 활용하여 분석을 시행하였기 때문에 좀 더 다양한 독립변수를 고려하지 못했다는 한계점이 존재한다. 향후 연구에서는 미디어 이용동기 연구에서 지적하는 개인의 다양한 심리상태 및 사회구조적 변인 등을 고려한 확장된 OTT 시청행위 예측 모형을 살펴볼 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	OTT 서비스는 사용자들이 어떻게 사용할 수 있는가?	OTT 서비스는 기존의 방송 네트워크가 아닌 인터넷망을 이용하여 소비자에게 직접 콘텐츠를 제공하는 모든 동영상 서비스를 통칭하는 포괄적 개념이다[1]. 이용자는 인터넷만 연결되어 있다면 휴대폰, 노트북 등 다양한 기기를 통해 동영상을 시청할 수 있게 되었다. 시간과 장소의 제약을 받지 않고 콘텐츠를 볼 수 있다는 OTT 서비스의 특징은 이용자의 콘텐츠 이용 행태에 큰 영향을 미친다.
	OTT 서비스란?	OTT 서비스는 기존의 방송 네트워크가 아닌 인터넷망을 이용하여 소비자에게 직접 콘텐츠를 제공하는 모든 동영상 서비스를 통칭하는 포괄적 개념이다[1]. 이용자는 인터넷만 연결되어 있다면 휴대폰, 노트북 등 다양한 기기를 통해 동영상을 시청할 수 있게 되었다.
	OTT 서비스의 특징은?	이용자는 인터넷만 연결되어 있다면 휴대폰, 노트북 등 다양한 기기를 통해 동영상을 시청할 수 있게 되었다. 시간과 장소의 제약을 받지 않고 콘텐츠를 볼 수 있다는 OTT 서비스의 특징은 이용자의 콘텐츠 이용 행태에 큰 영향을 미친다.

참고문헌 (21)

J. H. Yoo & J. Y. Park. (2018). A Study on the Factors Influencing Continuous Usage Intension based on OTT Service User. Journal of Broadcasting and Telecommunications Research, 102, 46-79.
S. Matrix. (2014). The Netflix Effect: Teens, Binge Watching, and On-Demand Digital Media Trends. Jeunesse: Young People, Texts, Cultures, 6(1), 119-138. DOI : 10.1353/jeu.2014.0002

상세보기
S. S. Han, H. S. Yu & D. H. Shin. (2017). Explicating Motivations and Attitudes Affecting the Persistent Intention to Adopt Binge-Watching. Journal of the Korea Contents Association, 7(2), 521-534. DOI : 10.5392/JKCA.2017.17.02.521
S. Lee. (2018). Analysis of Psychological and Structural Determinants that Affect Binge-watching of Drama Series. Journal of the Korea Contents Association, 18(2), 405-418. DOI : 10.5392/JKCA.2018.18.02.405

원문보기 상세보기
R. Tukachinsky & K. Eyal. (2018). The Psychology of Marathon Television Viewing: Antecedents and Viewer Involvement. Mass Communication and Society, 21(3), 275-295. DOI : 10.1080/15205436.2017.1422765

상세보기
M. Flayelle, P. Maurage & J. Billieux. (2017). Toward a Qualitative Understanding of Binge-watching Behaviors: A Focus Group Approach. Journal of Behavioral Addictions, 6(4), 457-471. DOI : 10.1556/2006.6.2017.060

상세보기
H. Kim, S. Kwon & B. Chang. (2019). Investigating Factors Affecting Consumer Segment of Cord-Cutting: Focusing on Korean Subscribers. Korean Journal of Broadcasting and Telecommunication Studies, 33(2), 67-103.
K. H. Jung & Y. J. Choi. (2019). A Study on Explicating Binge-watching as an Active Behavior of Audiences: Binge-watching Model Applying to Theory of Planned Behavior. Korean Journal of Broadcasting and Telecommunication Studies, 33(3), 141-179.
M. Jenner. (2016). Is this TVIV? On Netflix, TVIII and Binge-watching. New Media & Society, 18(2), 257-273. DOI : 10.1177/1461444814541523

상세보기
Y. C. Chung. (2019). One-person Households: Active Media User. KISDI STAT Report, 19-03.
Limelight Networks. (2019). The State of Online Video [Online]. https://www.limelight.com/resources/white-paper/state-of-online-video-2019/
A. A. M. Ahmed. (2017). New Era of TV-watching Behavior: Binge-watching and Its Psychological Effects. Media Watch, 8(2), 192-207. DOI : 10.15655/mw/2017/v8i2/49006
A. E. Moore. (2015). Binge Watching: Exploring the Relationship of Binge Watched Television Genres and Colleges at Clemson University. Graduate Research and Discovery Symposium, paper 138.
H. J. Shim, S. H. Ju, S. H. Lim & H. Lee. (2015). A Study on the Change of Media Use Behavior of Audiences and Its Ripple Effects in Nonlinear TV Viewing Environment. KISDI, 15-10.
M. J. Choi. (2018). A Survey on User Awareness in OTT Service. Media Issue, 4(12), 1-12.
I. A. Basheer & M. Hajmeer. (2000). Artificial Neural Networks: Fundamentals, Computing, Design, and Application. Journal of Microbiological Methods, 43(3), 3-31.

상세보기
H. Byeon. (2017). Exploring Influence Factors for Peer Attachment in Korean Youth Based on Multi-Layer Perceptron Artificial Neural Networks. Journal of the Korea Convergence Society, 8(10), 209-214. DOI : 10.15207/JKCS.2017.8.10.209

원문보기 상세보기
S. H. Kwon, K. W. Park & B. H. Chang. (2017). A Comparison of Predicting Movie Success between Artificial Neural Network and Decision Tree. Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, 7(4), 593-601. DOI : 10.14257/AJMAHS.2017.04.37
K. Jeong. (2018). Application of Artificial Neural Network model to an Analysis of the Factors Affecting the Intention of the Vulnerable Class to move to Hangbok Housing in Incheon. Housing Studies Review, 26(3), 55-78. DOI : 10.24957/hsr.2018.26.3.55
J. Na, S. Park, H. Ju, I. Kim & H. Lee. (2016). Caries Prediction Using the Caries Activity Test with a Sulfisomidine Mixture: A 3-year Follow-up Study. Journal of Korean Academy of Oral Health, 40(3), 183-189. DOI : 10.11149/jkaoh.2016.40.3.183

상세보기
S. W. Song. (2018). Assess the Accuracy of Diagnostic Tools. Korean Journal of Family Practice, 8(1), 1-2. DOI : 10.21215/kjfp.2018.8.1.1

상세보기

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