영화 관련 빅데이터 활용
작성자 : leejee 분류 : 연구개발 | IT 작성일 : 2018.04.03 17:26:23 조회 : 972 키워드 : 4차산업혁명,의사결정,성과예측,영화데이터,빅데이터
(요약/배경)
영화산업의 가치사슬단계에 따라 각 단계에서 고려할 수 있는 빅데이터 변수를 활용하여 제작 투자 배급 상영단계별 비즈니스 분석에 활용 가능하다.
(데이터1) 영화의 성과예측과 빅데이터 의사결정
영화의 성과예측은 산업 전반에 걸친 의사결정단계와 밀접한 연관이 있다. 일반적으로 영화산업의 가치사슬은 제작 배급 상영 단계로 구분되어 있으며 각 단계에서는 영화의 성과를 예측하기 위해 고려할 수 있는 요인이 다르다. 예를 들면 제작 단계에서는 스토리와 감독 및 배우 배급 단계에서는 상영관 수와 스크린 수 상영 단계에서는 전문가 평가 등의 요소들에 대한 의사결정이 이루어 진다. 영화흥행예측 결과를 실무적으로 활용할 여지가 많음에도 불구하고 의사결정자들은 정성적이고 경험적인 평가에 의존하고 있는 형편이다. 영화산업은 영화상품이 경험재이기 때문에 성공에 대한 불확실성이 높다. 각 산업단계에서 의사결정자들이 객관적으로 참고할 수 있는 정보가 적다. 예를 들어 투자자 입장에서는 투자여부를 결정하는 시기가 제작 전 단계이기 때문에 제작이 완결되기 전 시놉시스와 트리트먼트 수준의 스토리라인 기획한 감독 출연예정인 배우 등과 같이 한정된 정보를 바탕으로 결정하게 된다. 한계점을 극복하기 위해 주차별로 개봉 전과 개봉 후 주차별 관객 수의 변화와 그에 대한 흥행요소를 고려한다. 따라서 영화산업의 가치사슬의 각단계에 따라 변수의 영향력이 다를 수 있으며 영화흥행 예측 모형에 반영할 필요가 있다. 인공신경망 분석의 경우, 모형에 따라 입력층에 투입되는 변수는 달라지며 모형간 비교를 위해 출력층은 동일하게 구성한다.
역전파 학습방법을 이용하여 신경망의 연결정도를 최적화하고 입력층은 선형회귀분석 결과를 바탕으로 출력층은 흥행 성적인 총 관객 수 분포를 기준으로 몇개의 그룹으로 분류할 수 있다.
영화흥행예측분야에 기계학습 기법을 도입하여 빅데이터 분석 기법인 인공신경망과 의사결정나무 기법에 의해 분석하고 활용한다,
<인공신경망 다중퍼셉트론 모델>
출처 : 소셜 빅데이터를 이용한 영화 흥행 요인 분석
(데이터2) 소셜 빅데이터를 이용한 영화 흥행 요인 분석
국내에서도 다양한 소셜 분석 솔루션들이 개발되고 있는 가운데, 메조미디어에서 개발한 티버즈(TIBUZZ, Talking Index Buzz)는 흥행에 성공한 영화44편을 선별하고 소셜미디어에서 해당 영화에 대해 언급한 데이터 70만건 이상을 분석한 결과, 소셜미디어에올라온 버즈(buzz)량과 영화 관객수가 비슷한 흐름을 보이고 있음을 분석했다. 즉, 영화 44편에 대한 개봉 전후 일주일간의 총버즈량과 총관객수의 증감을 비교하여 특히 개봉직전 보다 개봉 직후의 버즈량과 영화 흥행 사이에 더 밀접한 상관관계가 있음을 밝혔다.
Tip
영화산업은 영화상품이 경험재이기 때문에 성공에 대한 불확실성이 높다. 각 단계에서 의사결정자들이 객관적으로 참고할 수 있는 빅데이터 분석 정보를 활용하자.
<참고자료·문헌>
☞ 소셜 빅데이터를 이용한 영화 흥행 요인 분석(이오준 외, 2014)
기계학습 기반의 영화흥행예측 방법 비교(권신혜 외, 2017)