SNS 빅데이타를 사용한 예측집단(Predictable Cluster) 특성 연구 = A Study for Characteristics of Predictable Cluster Using SNS Bigdata

국문 초록 (Abstract)

본 연구는 SNS 사회적 네트워크에서 보다 긴밀한 관계를 바탕으로 형성된 소비자 클러스터인 하위네트워크(sub-network)들 중에서 정보 확산의 최종 결과를 예측하는데 핵심이 되는 하위네트워크를 예측집단(predictable cluster)로 선정하고, 네트워크적 방법론을 사용하여 이 예측집단의 네트워크적 특성을 살펴보고자 하였다. 이를 위해 우리나라 SNS 사이트의 빅데이타를 사용하여 이 사이트에서 나타나는 사회적 네트워크를 도출하고 이 네트워크에서 발생하는 정보 확산을 예측하기위한 예측집단인 하위집단을 선정하기위해 사회적 네트워크에서의 총확산과 개별 하위네트워크 확산간의 상관관계를 분석하였다. 2개의 상관관계 분석을 바탕으로 예측집단(predictable cluster)을 선정하고 이들의 네트워크적 특성을 분석하였으며, 또한 이 예측집단의 네트워크에서의 정보 확산 특성과 정보수용 특성을 분석하였다.
그 결과, 먼저, 사회적 네트워크에서 추출된 100개의 하위네트워크들 중에서 예측집단(predictable cluster)로 선정된 하위네트워크들의 확산 특성에서는 q값, takeoff시점, peak시점이 유의하게 나타났다. 이것은 예측집단(predictable cluster)으로 선정된 하위네트워크들은 q값이 작아질수록 100개 하위네트워크들의 총확산과 상관관계가 높아져 전체 확산을 예측하기에 적절하며, 또한 takeoff시점은 짧을수록, peak 시점은 길수록 예측집단(predictable cluster)의 특성이 더 높게 나타나고 있다는 것을 알 수 있었다. 다음으로, 예측집단(predictable cluster)으로 선정된 하위네트워크들의 수용 특성에서는 수용양과 유의한 차이가 있는 것으로 나타났다. 이것은 예측집단(predictable cluster)으로 선정된 하위네트워크들의 수용양이 클수록 100개 하위네트워크들의 총확산이 더 높아지는 것으로, 총확산의 성공적인 양적 증가를 예측하는 방향으로 예측집단(predictable cluster)들의 특성이 나타나는 것이라 할 수 있다. 이상의 연구결과를 통해 몇 가지 시사점을 도출하였으며, 한계점도 제시하였다.

참고문헌 (Reference)

1 옥경영, "온라인커뮤니티 사이트에서 하위네트워크의 특성이 정보의 초기 확산에 미치는 영향에 관한 연구" 한국소비자학회 20 (20): 37-64, 2009

2 김용학, "사회연결망이론" 박영사 2003

3 한상만, "마케팅에서 Network 연구를 위한 탐색적 고찰" 한국소비자학회 17 (17): 61-88, 2006

4 Lim, Byeong-Lak, "The late take-off phenomenon in the diffusion of telecommunication services" 15 : 537-557, 2003

5 Granovetter, Mark, "The Strength of Weak Ties" 78 (78): 1360-1380, 1973

6 Becker, Gary S., "The Economics of Discrimination, 2nd ed." Univ., Chicago Press 1957

7 Young, Ruth C., "The Contribution of Voluntary Organizations to Community Structure" 71 (71): 178-186, 1965

8 Albert, "Statistical Mechanics of Complex Networks" 74 : 1-51, 2001

9 Browne, Kath, "Snowball Sampling: Using Social Networks to Research Non heterosexual Women" 8 (8): 47-60, 2005

10 Watts, Duncan J., "Six Degrees: The Science of a Connected Age" Norton 2003

11 한상만, "SNS에서의 소비자 정보 확산에 있어 사회적 전염과 랜덤효과에 관한 탐색적 연구" 한국소비자학회 23 (23): 419-440, 2012

12 Newman, M. E. J., "Properties of Highly Clustered Networks" 10 (10): 1-7, 2003

13 Barrat, "On the properties of small-world network models" 13 : 547-560, 2000

14 Watts, Duncan J., "Networks, Dynamics, and the Small-World Phenomenon" 105 (105): 493-527, 1999

15 Hung, "Information Cascades: Replication and an Extension to Majority Rule and Conformity Rewarding Institutions" 2001

16 Anderson, Lisa, "Information Cascades in the Laboratory" 87 (87): 847-862, 1997

17 Scharfstein, David S., "Herd Behavior and Investment" 80 (80): 465-479, 1990

18 Hirshleifer, David, "Herd Behavior and Cascading in Capital Markets: a Review and Synthesis" 9 (9): 25-66, 2003

19 Newman, M. E. J., "Finding and evaluating community structure in networks" 69-83, 2004

20 Borgs Christian, "Exploring the Community Structure of News groups" 2004

21 Newman, M. E. J., "Detecting community structure in networks" 38 : 321-330, 2004

22 Hu Wuyang, "Consumer Cluster Analysis and Demand for Blueberry Jam Attributes" 15 : 420-435, 2009

23 Girvan, "Community Structure in Social and Biological network" 99 (99): 7821-7826, 2002

24 Cha, Meeyoung, "Characterizing Social Cascades in Frickr" 2008

25 Pandit, "Characterization and control of small-world networks" 60 (60): 1119-1122, 1999

26 Lukovitz, Karlene, "Boomer Research Defines Six New Consumer Clusters"

27 Banerjee, "A simple model of herd behavior" 107 (107): 797-817, 1992

28 Bass, "A New Product Growth for Model Consumer Durables" 15 (15): 215-227, 1969