OTT 서비스에 대한 빅데이터 기반의 이용자 선호도 연구 : 디시인사이드(DCinside) 넷플릭스 갤러리에 대한 감정분석을 중심으로
A Big Data based User Preference Study for OTT Service : Focusing on the Sentiment analysis of Netflix Gallery on DCinside
- 주제어 (키워드) OTT 서비스에 대한 이용자 선호도 , 소셜 네트워크 분석 , 감정분석 , 넷플릭스 , User preferences for OTT services , social network analysis , emotional analysis , Netflix
- 발행기관 서강대학교 일반대학원
- 지도교수 현대원
- 발행년도 2022
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 일반대학원 신문방송학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066589
- UCI I804:11029-000000066589
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 논문은 OTT 플랫폼 이용자의 선호도를 분석하기 위해 국내에서 가장 많은 이용자를 보유하고 있는 OTT 플랫폼인 넷플릭스에 대해 집중적 논의가 이루어지고 있는 디시인사이드 넷플릭스 갤러리에 업로드되는 게시글을 분석하였다. 넷플릭스 갤러리에 업로드된 게시글을 통해 넷플릭스를 구성하고 있는 단어를 확인하고 이를 수치화 시켜 넷플릭스라는 OTT 플랫폼을 구성하고 있는 요소들을 제안하였으며, 이와 같은 요소를 파악하기 위해 빅데이터를 활용한 소셜 네트워크 분석을 진행하였다. 이용자들의 관심과 감정을 분석하기 위해 감정사전을 개발했으며, 사전을 통해 산출한 요소들을 토대로 연관어 분석과 감정분석을 실시하였다. 먼저 넷플릭스에 대한 주요 키워드는 콘텐츠와 관련된 단어임을 확인할 수 있었다. 넷플릭스 갤러리 이용자들은 콘텐츠와 콘텐츠에 대한 다양한 단어들 통해 넷플릭스에 대한 감정을 표출하고 있었다. 구체적으로 언급되는 콘텐츠의 수는 넷플릭스 전체 콘텐츠 중 3% 정도로 한정적이었으며, 집중적으로 논의되고 있는 콘텐츠는 국내 맞춤형 콘텐츠인 ‘인간수업’, ‘킹덤’, ‘스위트홈’ 등으로 나타났다. 국내 맞춤형 콘텐츠가 공개될 때마다 넷플릭스 갤러리에 데이터가 증가하는 것도 확인할 수 있었으며, 데이터가 증가하기 시작한 것은 넷플릭스 오리지널 콘텐츠인 ‘킹덤’으로 확인되었다. 또한 ‘추천’이라는 단어가 콘텐츠에 대한 단어 다음으로 많이 나왔는데, 이를 통해 넷플릭스가 빅데이터를 활용한 알고리즘을 통해 이용자에게 제안하는 콘텐츠보다 커뮤니티를 통해 이용자 사이에서 회자되는 콘텐츠가 더 각광받고 있다는 점을 확인할 수 있었다. 디시인사이드 넷플릭스 갤러리는 넷플릭스에 대해 가장 활발하게 논의되고 있는 커뮤니티라 할 수 있다. 하지만 지나친 은어와 신조어, 비속어 등이 많아 10대부터 50대까지 다양한 연령이 즐기는 OTT 플랫폼 서비스에 대해 일반적인 활용에는 어려움이 있다. 보다 일반적인 활용을 위해서는 다양한 커뮤니티, 웹사이트 등을 통한 데이터 산출이 필요하다. 본 연구는 기존에 진행되었던 설문조사 방식을 통해 이용자 선호도를 파악한 연구와는 달리, 빅데이터 분석을 통해 OTT 이용자들의 관심과 감정을 분석해내는 새로운 방법론을 통해 분석했다는 점과 이를 다른 OTT 플랫폼으로까지 확장할 수 있다는 점에서 의의가 있다.
more초록 (요약문)
This study attempted to analyze the preference of OTT(Over-The-Top) platform users. For the study, the posts of the DCInside Netflix Gallery were analyzed. Netflix is the OTT platform with the largest number of users in Korea, and DC Inside Netflix Gallery is a community that is intensively discussing Netflix. Based on the posts in the Netflix Gallery on DC Inside, the words that make up Netflix were extracted and quantified to suggest components about Netflix, known as the OTT platforms. The identification of these components was conducted through social network analysis using big data. In addition, an emotional dictionary was developed to analyze users' interests and emotions, and related word analysis and emotional analysis were conducted based on the factors calculated using the emotional dictionary. As a result of the analysis, first, the main keyword about Netflix was identified as a word related to content. It was also found that they were expressing their Emotion for Netflix through various words that make up the content. Specifically, the number of contents mentioned in the community was less than 3% of the total content of Netflix, and the content being intensively discussed was customized content in Korea(i.e. ‘Human Class’, ‘Kingdom’, and ‘Sweet Home. Second, it was found that as domestic customized content was released, the data of the Netflix Gallery on DCInside also increased. The inflection point was confirmed as "Kingdom," the original Netflix content. In addition, it was confirmed that the word 'recommendation' was the second most after the content-related word. Through this, it be seen that the content is talked about among users through the community is more popular and in the spotlight than content that Netflix proposes to users through algorithms using big data. Netflix Gallery on DC Inside can be said to be the most actively discussed community online about Netflix. However, there are too many slang words, newly coined words, and slang words, so it is difficult to use them as a user's preference for OTT platform services enjoyed by various ages from teens to 50s. For the general use of this, it will be necessary to analysis data through various communities and websites. This study has differences in user preference research using the existing survey method in that it analyzed the interests and emotions of OTT users using big data analysis. In addition, this methodology is significant in that it can be applied to the preference analysis of other OTT platforms.
more