본 연구는 AVOD 숏폼 플랫폼에서 소비되는 예능 방송 동영상 클립에서 실연자가 클립의 재생수 및 좋아요 수에 미치는 영향을 살펴보았다. 선행연구를 검토해 방송 프로그램 시청요인들과 실연자 화제성 지수를 독립변수로 설정하고, 종속변수는 클립의 재생수와 좋아요수로 설정하여 다중회귀분석을 수행했다. 분석결과, 클립 재생수에는 본방송 시청률, 관찰 예능 및 사전 방송 클립 여부, 실연자 화제성 지수가 정(+)의 영향을, 클립 좋아요수에는 본방송 시청률, 사전 방송 클립 및 재방송 클립 여부, 클립 분량, 실연자 화제성 지수가 정(+)의 영향을 미쳤다. 방송사 채널 점유율과 방송연도는 두 종속변수 모두에 부(-)의 영향을 미쳤다. 실연자의 영향력을 분석하기 위해 회귀분석식의 표준화계수를 본 결과, 클립 재생수에서 실연자 화제성 지수의 표준화계수는 약 0.204로 변수 중 두 번째로 높았고, 좋아요수의 경우 약 0.338로 가장 높았다. 본 연구의 결과는 실연자가 AVOD 숏폼의 흥행에 많은 기여를 하고 있음을 시사한다.
본 연구는 AVOD 숏폼 플랫폼에서 소비되는 예능 방송 동영상 클립에서 실연자가 클립의 재생수 및 좋아요 수에 미치는 영향을 살펴보았다. 선행연구를 검토해 방송 프로그램 시청요인들과 실연자 화제성 지수를 독립변수로 설정하고, 종속변수는 클립의 재생수와 좋아요수로 설정하여 다중회귀분석을 수행했다. 분석결과, 클립 재생수에는 본방송 시청률, 관찰 예능 및 사전 방송 클립 여부, 실연자 화제성 지수가 정(+)의 영향을, 클립 좋아요수에는 본방송 시청률, 사전 방송 클립 및 재방송 클립 여부, 클립 분량, 실연자 화제성 지수가 정(+)의 영향을 미쳤다. 방송사 채널 점유율과 방송연도는 두 종속변수 모두에 부(-)의 영향을 미쳤다. 실연자의 영향력을 분석하기 위해 회귀분석식의 표준화계수를 본 결과, 클립 재생수에서 실연자 화제성 지수의 표준화계수는 약 0.204로 변수 중 두 번째로 높았고, 좋아요수의 경우 약 0.338로 가장 높았다. 본 연구의 결과는 실연자가 AVOD 숏폼의 흥행에 많은 기여를 하고 있음을 시사한다.
This study examines the effect of performers on the number of views and likes of entertainment show clips consumed on AVOD short form platform. Multiple regression analysis was performed, setting program viewing factors and performer's topicality index as independent variables, and setting the numbe...
This study examines the effect of performers on the number of views and likes of entertainment show clips consumed on AVOD short form platform. Multiple regression analysis was performed, setting program viewing factors and performer's topicality index as independent variables, and setting the number of views and likes of clips as dependent variables. As a result of the analysis, performer's topicality index had a positive(+) effect on both dependent variables. According to standardized coefficient, on the number of views, the standardization coefficient of the performer's topicality index was the second highest, and on the number of likes it was the highest among variables. The results suggest that performers contribute a lot to the success of clips on AVOD short form platform.
This study examines the effect of performers on the number of views and likes of entertainment show clips consumed on AVOD short form platform. Multiple regression analysis was performed, setting program viewing factors and performer's topicality index as independent variables, and setting the number of views and likes of clips as dependent variables. As a result of the analysis, performer's topicality index had a positive(+) effect on both dependent variables. According to standardized coefficient, on the number of views, the standardization coefficient of the performer's topicality index was the second highest, and on the number of likes it was the highest among variables. The results suggest that performers contribute a lot to the success of clips on AVOD short form platform.
따라서 본 연구는 방송 프로그램 클립이 소비되는 AVOD 플랫폼에서 실연자가 클립의 재생수 및 좋아요수에 미치는 영향을 살펴보고자 한다. 특히 예능은 일정한 포맷에서 매주 실연자가 바뀌는 형식이 많기 때문에 실연자가 누구냐에 따라 재생수나 화제성이 달라질 것으로 예상된다.
본 연구는 AVOD 플랫폼에 유통되는 예능 방송 클립 에서 실연자 요인이 클립 재생수와 좋아요수에 미치는 영향을 파악했다. 이를 위해 2022년 2월 네이버TV에 방송 클립을 제공하는 8개 채널별로 전체 프로그램수 방송연도, 내용/소재 등을 고려해 총 72개 프로그램의 479개 클립을 표집했다.
선행연구를 고려해 방송·제작 요인, 내용 요인, 클립 요인, 실연자 요인으로 구분해 독립변수를 설정하고, 클립 재생수와 좋아요수를 종속변수로 설정해 정규성 검토 후 다중회귀분석을 수행했다.
유명 예능 연출가나 기획자는 프로그램의 전면에 등장하기도 한다. 이러한 연출가 요인은 프로그램의 흥행에 영향을 미치는 것으로 알려져 있어[7][17] 독립변수로 설정했으며 포털 정보를 참고해 연출가의 5년 이내 프로그램 최고 시청률로 측정했다. 제작사 역량은 프로그램 흥행 실적이나 제작 편수, 인력, 외주 제작 여부 등으로 측정되는데 [18][22], 본 연구에선 방송국 자체 제작과 외주 제작으로 구분했으며, 방송연도 역시 독립변수로 설정했다.
이러한 연출가 요인은 프로그램의 흥행에 영향을 미치는 것으로 알려져 있어[7][17] 독립변수로 설정했으며 포털 정보를 참고해 연출가의 5년 이내 프로그램 최고 시청률로 측정했다. 제작사 역량은 프로그램 흥행 실적이나 제작 편수, 인력, 외주 제작 여부 등으로 측정되는데 [18][22], 본 연구에선 방송국 자체 제작과 외주 제작으로 구분했으며, 방송연도 역시 독립변수로 설정했다.
종속변수는 클립의 재생수와 좋아요수로 설정했다. 선행연구에서 방송 프로그램 시청요인 및 흥행 여부는 주로 시청률로 측정되었는데, 이를 클립에 적용하면 클립 재생수로 볼 수 있다.
예능 프로그램 중엔 코미디 장르가 있으나, 조사대상 기간 내 제작된 코미디 프로그램의 수는 매우 적어 분석 대상에서 제외했다. 클립 유형은 사전방송, 재방송, 기획으로 분류했는데, 사전방송은 예고편 및 선공개 영상, 재방송은 본방송을 분절한 영상, 스페셜은 메이킹이나 하이라이트 영상, 출연자 인터뷰 영상 등 기타 영상으로 정의했다. 클립 분량은 대부분의 클립이20분 이내인 점을 고려해 초(second)로 환산했다.
시청자가 연속재생을 설정한 경우 클립 종료 후 자동으로 다음 클립으로 넘어가 재생수가 올라가는 반면, 좋아요수는 시청자가 클릭해야만 올라가기 때문에 클립에 대한 시청자의 호감을 더 명확하게 보여준다. 클립에 대한 관심 역시 클립의 흥행을 이끌 것으로 판단해 종속변수로 설정했다.
클립의 내용/소재와 유형은 방송사의 웹사이트와 포털에서 제공하는 프로그램 정보를 참고해 분류했다. 내용/소재는 버라이어티, 관찰, 토크로 분류했는데, 버라이어티는 다양한 방송 포맷과 내용을 담아 쇼, 오락, 상황극 등이 복합된 내용의 예능, 관찰은 한정된 장소에서 등장인물을 관찰, 소개하는 예능, 토크는 실내 세트에서 진행자와 게스트가 대화를 나누는 예능으로 정의했다.
대상 데이터
각 채널별로 네이버TV에 업로드된 전체 프로그램수에 비례해 프로그램 수를 확정했고, 클립 수는 방송연도, 내용/소재, 클립 유형의 분포를 고려해 총 72개 프로그램의 479개의 클립을 표집했다. 단, 사단법인 한국방송실연자권리협회가 가창, 연주와 같은 음악 실연을 신탁 대상으로 취급하지 않는 점을 고려해 음악 실연을 중심으로 하는 음악 예능 클립은 표본에서 제외했다.
본 연구는 AVOD 플랫폼에 유통되는 예능 방송 클립 에서 실연자 요인이 클립 재생수와 좋아요수에 미치는 영향을 파악했다. 이를 위해 2022년 2월 네이버TV에 방송 클립을 제공하는 8개 채널별로 전체 프로그램수 방송연도, 내용/소재 등을 고려해 총 72개 프로그램의 479개 클립을 표집했다. 선행연구를 고려해 방송·제작 요인, 내용 요인, 클립 요인, 실연자 요인으로 구분해 독립변수를 설정하고, 클립 재생수와 좋아요수를 종속변수로 설정해 정규성 검토 후 다중회귀분석을 수행했다.
표본 수집은 할당표집 방법을 활용해 2022년 2월기 준 네이버TV에 방송 클립을 제공하는 8개 채널(지상파 3사, 종편 4사, CJ E&M)의 프로그램 중 2018-2020년 사이에 방송된 프로그램의 클립을 수집했다
이론/모형
또한 실연자의 화제성 지수산출에서 다소 정밀도가 떨어진 점이다. 본 연구는 실연자의 화제성 지수를 산출하며 RACOI 지수를 활용했고 RACOI 지수에 나타나지 않은 실연자의 경우 스타브랜드지수를 참고했다. 그런데 RACOI 지수가 주간으로 발표되는 데 비해 스타브랜드지수는 월간으로 발표되는 차이가 있어 실연자 화제성 지수를 명확한 하나의 기준으로 산출하지 못했다.
실연자 화제성 지수는 실연자가 얼마나 화제성이나 인기가 있는지를 정량화한 수치로 방송통신위원회와 한국방송광고진홍공사가 개발한 RACOI(Response Analysis of Content On the Internet) 지수를 기본으로 활용했고, RACOI 지수에 등장하지 않은 실연자는 한국기업평판연구소가 발표하는 스타브랜드지수를 활용해 측정했다.
채널 충성도 측정은 방송통신위원회와 한국방송광고진흥공사의 '고정형TV 실시간 시청점유율 보고서'를 참고했다[35]
성능/효과
로그 변환 후 Q-Q Plot을 통해 정규성을 재검토한 결과 이전 모형에 비해 정규성이 보완된 것으로 나타났다. 각 변수의 왜도와 첨도 수치도 절대값 2~3 사이에 포함되어 정규성을 만족하였으며, 종속변수인 클립 재생수와 좋아요수 역시 히스토그램과 Q-Q plot 및 산점도에서 정규분포를 따르는 것으로 나타났다.
예능 프로그램은 대체로 정해진 포맷 위에서 실연자가 매주 바뀌는 방식으로 진행되기 때문에, 실연자가 누구냐에 따라 그 구체적인 내용이 달라진다. 본 연구는 이러한 실연자의 영향력을 주간별 화제성 지수로 분석하여 방송 클립에 대한 실연자의 기여도를 보여줄 수 있었다.
분석결과 실연자의 화제성은 클립의 재생수와 좋아요수 모두에 유의한 영향을 미치는 것으로 나타났다. 클립 재생수에는 본방송 시청률, 관찰예능 여부, 사전방송 및 재방송 클립 여부, 실연자 화제성이 정의 영향을 클립 좋아요수에는 본방송 시청률, 사전 방송 및 재방송클립 여부, 클립 분량, 실연자 화제성이 정의 영향을 미쳤다.
실연자의 화제성은 클립 재생수에서는 본방송 시청률 다음으로 영향력이 높은 변수였고, 클립 좋아요수에선 가장 영향력이 큰 변수였다. 실연자 화제성 정량화를 위해 사용한 RACOI 지수가 방송사및 언론사의 언급량, 댓글이나 조회수 등의 시청자 반응으로 산출되는 점을 고려할 때, 실연자에 대해 매체및 인터넷에서의 언급량(버즈)이 많아질수록 해당 실연자가 출연하는 예능 방송 클립의 시청 가능성이 높아진다고 볼 수 있다.
채널 점유율과 방송연도는 두 변수 모두에 부의 영향을 미쳤다. 실연자의 화제성은 클립 재생수에서는 본방송 시청률 다음으로 영향력이 높은 변수였고, 클립 좋아요수에선 가장 영향력이 큰 변수였다. 실연자 화제성 정량화를 위해 사용한 RACOI 지수가 방송사및 언론사의 언급량, 댓글이나 조회수 등의 시청자 반응으로 산출되는 점을 고려할 때, 실연자에 대해 매체및 인터넷에서의 언급량(버즈)이 많아질수록 해당 실연자가 출연하는 예능 방송 클립의 시청 가능성이 높아진다고 볼 수 있다.
클립 재생수에는 본방송 시청률, 관찰예능 여부, 사전방송 및 재방송 클립 여부, 실연자 화제성이 정의 영향을 클립 좋아요수에는 본방송 시청률, 사전 방송 및 재방송클립 여부, 클립 분량, 실연자 화제성이 정의 영향을 미쳤다. 채널 점유율과 방송연도는 두 변수 모두에 부의 영향을 미쳤다. 실연자의 화제성은 클립 재생수에서는 본방송 시청률 다음으로 영향력이 높은 변수였고, 클립 좋아요수에선 가장 영향력이 큰 변수였다.
분석결과 실연자의 화제성은 클립의 재생수와 좋아요수 모두에 유의한 영향을 미치는 것으로 나타났다. 클립 재생수에는 본방송 시청률, 관찰예능 여부, 사전방송 및 재방송 클립 여부, 실연자 화제성이 정의 영향을 클립 좋아요수에는 본방송 시청률, 사전 방송 및 재방송클립 여부, 클립 분량, 실연자 화제성이 정의 영향을 미쳤다. 채널 점유율과 방송연도는 두 변수 모두에 부의 영향을 미쳤다.
재생수와 마찬가지로 연속형 변수 모두에 로그를 취한 모형(Log-Log Model)에서는 표준화계수인 β를 %로 그대로 사용하여 설명하므로, 유인요인이 한 단위 변할 때 클립재생수에 β(%) 만큼의 변화를 준다고 말할수 있다. 클립 좋아요수에 가장 큰 영향을 미치는 요인은 실연자의 화제성(0.338)이었다. 이는 표준화계수로 판단할 때 다른 요인에 변동이 없다고 가정하면 실연자의 화제성 지수가 1% 상승할 때, 예능 클립 좋아요수는 약 0.
후속연구
본 연구가 갖는 한계점은 먼저 방송 프로그램의 다양한 내용을 효율적인 통계 분석을 위해 다소 간략화한 점이다. 프로그램의 내용/소재 분석에서 분류한 버라이어티, 관찰, 토크는 방송사 홈페이지나 포털 사이트의 설명을 근거로 분류했지만, 실제 프로그램의 내용은 더 세분화할 수 있을 것이다.
그런데 RACOI 지수가 주간으로 발표되는 데 비해 스타브랜드지수는 월간으로 발표되는 차이가 있어 실연자 화제성 지수를 명확한 하나의 기준으로 산출하지 못했다. 예능에선 진행자 외 게스트가 매주 교체된다는 점을 고려하면 주간으로 실연자의 화제성을 판별하는 것이 합리적이기 때문에, 후속 연구에서는 이와 같은 점이 보완되기를 기대한다.
본 연구가 갖는 한계점은 먼저 방송 프로그램의 다양한 내용을 효율적인 통계 분석을 위해 다소 간략화한 점이다. 프로그램의 내용/소재 분석에서 분류한 버라이어티, 관찰, 토크는 방송사 홈페이지나 포털 사이트의 설명을 근거로 분류했지만, 실제 프로그램의 내용은 더 세분화할 수 있을 것이다. 또한 실연자의 화제성 지수산출에서 다소 정밀도가 떨어진 점이다.
참고문헌 (40)
김윤화, OTT(온라인동영상서비스) 유.무료 이용행태분석, 정보통신정책연구원, 2021.
방송통신위원회, 2019년 방송매체 이용행태 조사, 2019.
방송통신위원회, 2018년 방송매체 이용행태 조사, 2018.
방송통신위원회, 2020년 방송매체 이용행태 조사, 2020.
김남두, 국내 OTT 서비스의 콘텐츠 제공현황 및 서비스.콘텐츠 이용행태 분석, 정보통신정책연구원, 2021.
B. A. B. Brown, R. E. Rice, and K. E. Pearce, "Influences on TV Viewing and Online User-shared Video Use: Demographics, Generations, Contextual Age, Media Use, Motivations, and Audience Activity," Journal of Broadcasting and Electronic Media, Vol.56, No.4, pp.471-493, 2012.
J. M. Kayany and P. Yelsma, "Displacement Effects of Online Media in the Socio-Technical Contexts of Households," Journal of Broadcasting &Electronic Media, Vol.44, No.2, pp.215-229, 2000.
C. F. Greer and D. A. Ferguson, "Tablet Computers and Traditional Television(TV) Viewing: Is the iPad Replacing TV?," Convergence, Vol.21, No.2, pp.244-256, 2015.
심미선, 한진만, "프라임타임대 지상파 텔레비전 프로그램 선택에 영향을 미치는 요인에 관한 연구," 한국언론학보, 제46권, 제4호, pp.177-216, 2002.
R. Cooper, "An Expanded, Integrated Model for Determining Audience Exposure to Television," Journal of Broadcasting & Electronic Media, Vol.37, No.4, pp.401-418, 1993.
X. Kui, H. Lv, Z. Tang, H. Zhou, W. Yang, J. Li, J. Guo, and J. Xia, "TVseer: A Visual Analytics System for Television Ratings," Visual Informatics, Vol.4, No.3, pp.1-11, 2020.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.