소셜 빅데이터를 이용한 영화 흥행 요인 분석

국문 초록 (Abstract)

수요 예측은 영화 산업에서 매우 중요한 문제이다. 최근 들어 트위터(Twitter), 페이스북(Facebook)과 같은 소셜미디어의 비정형 텍스트 데이터를 이용하여 영화 흥행을 예측하고 분석하는 시도들이 활발하게 이루어지고 있다. 기존에는 주로 데이터의 주기별 변화량을 측정하여 데이터 양과 영화 흥행간의 상관성을 분석하거나 데이터에 대해 감성의 극성 값을 부여하는 오피니언 마이닝을 통해 영화의 흥행 추이를 예측하였다. 하지만 이러한 정량적 접근만으로는 관객들이 영화를 선택하게 된 근거나 영화의 어떤 속성을 선호하는지를 알 수 없기 때문에 영화의 흥행 요인을 밝히는데 한계가 있었다. 따라서 본 연구는 트위터 데이터를 수집한 후 빈도수 측정을 통해 트윗의 내용을 대표하는 토픽(topic) 키워드를 추출하여 관객들의 관심을 반영하는 영화적 속성들이 무엇인지를 밝히고, 그 속성들에 대한 관객들의 반응을 분석함으로써 영화의 흥행에 영향을 미친 요인들을 제시한다.

다국어 초록 (Multilingual Abstract)

The demand prediction is a critical issue for the film industry. As the social media, such as Twitter and Facebook, gains momentum of late, considerable efforts are being dedicated to prediction and analysis of hit movies based on unstructured text data. For prediction of trends found in commercially successful films, the correlations between the amount of data and hit movies may be analyzed by estimating the data variation by period while opinion mining that assigns sentiment polarity score to data may be employed. However, it is not possible to understand why the audience chooses a certain movie or which attribute of a movie is preferred by using such a quantitative approach. This has limited the efforts to identify factors driving a movies commercial success. In this regard, this study aims to investigate a movies attributes that reflect the interests of the audience. This would be done by extracting topic keywords that represent the contents of Twits through frequency measurement based on the collected Twitter data while analyzing responses displayed by the audience. The objective is to propose factors driving a movies commercial success.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 소셜 분석 솔루션을 이용한 영화 흥행 연구현황
• Ⅳ. 실험 및 시스템 구현
• Ⅴ. 영화 <변호인>의 흥행 요인 분석
• Ⅵ. 결론 및 향후 연구
• 참고문헌

참고문헌 (Reference)

1 이오준, "협업 필터링 추천 시스템을 위한 데이터 신뢰도 기반 가중치를 이용한 하이브리드 선호도 예측 기법" 한국컴퓨터정보학회 19 (19): 61-69, 2014

2 김혜원, "저예산 영화 마케팅에서의 트위터 활용방안" 한국문화산업학회 11 (11): 111-130, 2011

3 허민회, "오피니언 마이닝을 이용한 영화 흥행의 예측" 2013 (2013): 487-500, 2013

4 권선주, "영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용" 한국문화경제학회 17 (17): 35-56, 2014

5 김연형, "영화 흥행 결정 요인과 흥행 성과 예측 연구" 한국통계학회 18 (18): 859-869, 2011

6 김진욱, "영화 마케팅의 빅데이터 활용효과에 관한 연구: <설국열차>의 SNS 데이터 분석 처리과정 중심으로" 한국엔터테인먼트산업학회 8 (8): 349-356, 2014

7 안지혜, "영화 마케팅 채널로서 소셜미디어의 가능성: 다큐멘터리 영화 <땅의 여자> 트위터 마케팅 사례를 중심으로" 한국콘텐츠학회 11 (11): 228-241, 2011

8 황승구, "빅데이터플랫폼 전략" 전자신문사 150-, 2013

9 시로타 마코타, "빅데이터의 충격" 한빛미디어 26-, 2013

10 강범모, "명사 빈도의 변화, 사회적 관심의 트렌드: 물결 21 코퍼스[2000-2009]" 사단법인 한국언어학회 61 (61): 3-38, 2011

11 강지훈, "데이터마이닝기법을 활용한 영화 흥행 실적 예측 기법" 2014 (2014): 142-154, 2014

12 강성진, "군집화 기법과 문서 순위를 이용한 한국어 트윗 상의 토픽 추출" 서울대학교 대학원 2013

13 "www.pulsek.com"

14 "http://www.mezzomedia.co.kr/mezzomediasocial-analysis/"

15 "http://wstarnews.hankyung.com/apps/news? popup=0&nid=01&c1=01&c2=01&c3=00&nkey=201305091632321&mode=sub_view"

16 "http://ko.wikipedia.org/wiki/%EC%9B%B9_%ED%81%AC%EB%A1%A4%EB%9F%AC"

17 "http://kldp.net/projects/hannanum"

18 "http://fizziolo.gy/products/"

19 "http://docs.oracle.com/javase/7/docs/api/java/util/TreeMap.html"

20 A. Elberse, "The effectiveness of pre-release advertising for motion pictures: An empirical investigation using a simulated market" 19 (19): 319-343, 2007

21 송길영, "Social Big Data Mining Service : 활용의 예" 2012 (2012): 161-187, 2012

22 X. Ni, "Short text clustering by finding core terms" 27 (27): 345-365, 2011

23 박선영, "SNS를 통한 구전 효과가 영화 흥행에 미치는 영향 -<써니>의 사례를 중심으로-" 한국콘텐츠학회 12 (12): 40-53, 2012

24 S. Asur, "Predicting the future with social media" 2010 IEEE/WIC/ACM International Conference 1 (1): 492-499, 2010

25 L. Doshi, "Predicting movie prices through dynamic social network analysis" 2 (2): 6423-6433, 2010

26 L. Lica, "Predicting Product Performance with Social Media" 15 (15): 46-56, 2011

27 G. Mishne, "Predicting Movie Sales from Blogger Sentiment" 155-158, 2006

28 M. Joshi, "Movie reviews and revenues: An experiment in text regression" Association for Computational Linguistics 293-296, 2010

29 F. Zufryden, "Linking Advertising to Box Office Performance of New Film Releases-A Marketing Planning Model" 36 (36): 29-42, 1996

30 T. Kim, "Forecasting Box-Office Revenue by Considering Social Network Services in the Korean Market" 64 (64): 2013

31 S. Kim, "Finding core topics : Topic extraction with clustering on tweet" 777-782, 2012

32 M. Balabanović, "Fab:content-based, collaborative recommendation" 40 (40): 66-72, 1997

33 R. Mukherjee, "A movie recommendation system–an application of voting theory in user modeling" 13 (13): 5-33, 2003