[ Article ]

Journal of Digital Contents Society - Vol. 25, No. 7, pp.1665-1675

ISSN: 1598-2009 (Print) 2287-738X (Online)

Print publication date 31 Jul 2024

Received 25 Apr 2024 Revised 27 May 2024 Accepted 04 Jun 2024

DOI: https://doi.org/10.9728/dcs.2024.25.7.1665

넷플릭스 시리즈 ‘오징어 게임’ 관련 유튜브 파생 콘텐츠의 이용자 인게이지먼트 분석

정다희¹ ; 오윤경² ; 최믿음³^{, *}

1동덕여자대학교 사회과학대학 문헌정보학전공 조교수
2동덕여자대학교 사회과학대학 경영학전공 교수
3동덕여자대학교 문화지식융합대학 커뮤니케이션콘텐츠전공 조교수

Engaging Minds and Hearts: Dual Impact of 'Squid Game' Derivative Contents on User Engagement

Dahee Chung¹ ; Yun Kyung Oh² ; Mideum Choi³^{, *}

1Assistant Professor, Department of Library and Information Sciences, Dongduk Women’s University, Seoul 02748, Korea
2Professor, Department of Business Administration, Dongduk Women’s University, Seoul 02748, Korea
3Assistant Professor, Department of Communication Contents, Dongduk Women’s University, Seoul 02748, Korea

Correspondence to: ^*Mideum Choi Tel: +82-2-940-4785 E-mail: aledma83@dongduk.ac.kr

Copyright ⓒ 2024 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

초록

본 연구는 OTT(Over The Top) 파생 콘텐츠에 대한 이용자 반응을 분석했다. 텍스트 분석 방법을 활용하여 유튜브에 업로드 된 넷플릭스 ‘오징어 게임’의 파생 콘텐츠를 유형화하고, 콘텐츠 유형에 따른 미디어 이용자의 인게이지먼트를 분석했다. 분석 결과 요약형 파생 콘텐츠, 반응형 파생 콘텐츠, 크리에이터 활동 연수는 소극적 인게이지먼트와 적극적 인게이지먼트 모두에 유의미한 긍정적 영향이 있었다. 배우 중심 콘텐츠, 영어 콘텐츠, 넷플릭스 공식 채널 콘텐츠는 소극적 인게이지먼트 향상에 영향을 미쳤고, 감독과 제작 관련 콘텐츠, 콘텐츠 길이는 적극적 인게이지먼트를 높이는 효과가 있었다. 본 연구결과는 오리지널 콘텐츠에 대한 파생 콘텐츠의 생성 행태 및 콘텐츠 특성과 이용자의 인게이지먼트와의 관계를 분석한 데 의의가 있다.

Abstract

This study analyzed media user engagement with OTT derivative content. Using text analysis methods, we categorized derivative content from Netflix’s “Squid Game” uploaded to YouTube and examined media user engagement according to content types. The results showed that summary-type derivative content, reaction-type derivative content, and content creators’ years of activity had a significantly positive effect on both passive and active engagement (e.g., passive engagement such as likes, active engagement such as comments). Actor-focused content, English-language content, and content from Netflix’s official channel influenced passive engagement, while content about directors and production, as well as content length, impacted active engagement. This study contributes to understanding the status of OTT derivative content and analyzing the correlation between content factors and user engagement.

Keywords:

OTT Content, Derivative Contents, YouTube Derivative Contents, Squid Game, User Engagement

키워드:

OTT 콘텐츠, 파생 콘텐츠, 유튜브 파생 콘텐츠, 오징어 게임, 이용자 인게이지먼트

Ⅰ. 서 론

구독 기반 서비스는 다양한 산업 전반에 걸쳐 이용자 수가 증가하며 주요 서비스 비즈니스 모델로 자리 잡고 있다. 2018년 ‘구독경제’라는 용어가 등장한 이후 국내 콘텐츠산업은 동영상, 음악, 웹툰, 전자책 등 콘텐츠 서비스에 구독경제 모델을 도입하기 시작하였으며, 여러 콘텐츠 영역에 걸쳐 구독 기반 미디어 플랫폼이 확산되었다. 공중파, IPTV(Internet Protocol Television) 등을 통하여 무료 혹은 가입제로 제공하던 방송 서비스도 OTT(Over The Top) 플랫폼을 중심으로 구독 기반 서비스로 주 서비스 제공 방식이 변화했다.

구독 기반 서비스를 제공하는 OTT 플랫폼의 비중은 꾸준히 증가하고 있다. 2022년 상반기 콘텐츠산업 실태조사 결과 방송 분야는 전체 콘텐츠산업 매출액의 16.4%를 차지하며 가장 많은 비중을 차지했다. 이는 OTT 플랫폼 매출과 방송 제작사 수의 증가로 인한 상승으로 2022년 상반기 방송산업 성장세에 대하여 부정적 전망(96.0점/기준점수 100.0점)을 보였음에도 뚜렷한 상승세를 보인 것이다. 2022년 하반기에는 성장세에 대하여 부정적인 전망에서 긍정적인 전망(101.9점)으로 전환되어 활발한 콘텐츠 매출과 투자가 예상된다고 발표했다[1].

OTT 플랫폼은 수익 모델에 따라 이용자가 일정한 비용을 지불하고 특정 콘텐츠를 정해진 기간 동안 소장하는 ‘건별 결제 서비스’, 일정한 비용을 지불하고 정해진 기간 동안 무제한 열람하는 구독형 정액제인 ‘콘텐츠 구독 서비스’, 무료로 콘텐츠를 이용하는 대신 일정 시간 광고를 시청하는 ‘광고형 스트리밍 서비스’의 형태로 콘텐츠를 제공하고 있다[2]. 콘텐츠 영역의 구독 형태의 특징은 ‘건별 결제 서비스’에서 ‘콘텐츠 구독 서비스’와 ‘광고형 스트리밍 서비스’ 중심으로 서비스 형태가 변화하고 있다는 점이다. 넷플릭스가 ‘콘텐츠 구독 서비스’의 대표 예시이며 유튜브가 ‘광고형 스트리밍 서비스’의 대표 예시다[3].

OTT 플랫폼 이용자의 62%는 가장 많이 사용하는 플랫폼이 유료 서비스였고, 이용자의 연령대가 높을수록 유료 구독 플랫폼 개수가 많고 더 많은 비용을 지출하는 것으로 나타났다[4]. 이용자가 서비스를 이용할 때 느끼는 불편한 점에 대하여 ‘경제적 부담’이 모든 연령대에서 가장 높게 나타났으며, 이용자의 83.8%는 서비스를 지속적으로 이용할 의향이 있다고 답하여 콘텐츠 구독이 이용자에게 지속적인 경제적 부담으로 작용할 가능성이 높은 것으로 나타났다[4]. OTT 플랫폼 구독이 지속적 경제적 부담으로 작용하면 가계의 경제적 부담을 낮추기 위해 서비스 해지를 고려할 수 있는데, 서비스를 이용하지 않게 된다면 대중적인 인기 콘텐츠를 접하지 못할 가능성이 따른다. 연구[5]에 따르면 유료 OTT 이용자 수가 증가하는 반면 IPTV, 케이블TV 등 유료 방송 가입자 수 증가폭은 감소하여 OTT 서비스가 주요 방송 매체로 대체되는 현상이 예측되고 있다. 이러한 상황에서 이용자가 경제적 부담 없이 인기 콘텐츠를 접하기 위하여 ‘광고형 스트리밍 서비스’ 콘텐츠 활용 가능성을 주목할 필요가 있다.

‘광고형 스트리밍 서비스’의 대표 사례인 구글의 동영상 플랫폼 유튜브(YouTube)는 인터넷 접속만 가능하면 누구나 무료로 동영상을 시청할 수 있는 서비스다. 유튜브도 유료 구독 서비스를 제공하고 있지만 의무 가입이 아니며 전 세계 유튜브 시청자 27억 명 중 8천만 명만 유튜브 유료 구독 서비스인 ‘유튜브 프리미엄’을 이용하고 있다[6]. 논문[7]에 따르면 이용자 입장에서 유튜브의 강점은 ‘무료 콘텐츠의 다양성’이며 이용자는 전 세계에서 제작된 다채로운 콘텐츠를 무료로 시청하는 것을 유튜브에 기대하고 있다. 이러한 콘텐츠 구독 서비스와 광고형 스트리밍 서비스의 차이로 인하여 유튜브에는 넷플릭스에서 제공하는 콘텐츠를 원소스로 하는 파생 콘텐츠(derivative contents)가 업로드되고 있다. 본 연구는 ‘콘텐츠 구독 서비스’의 활성화로 정보격차가 발생할 수 있는 뉴미디어 환경에서 ‘광고형 스트리밍 서비스’에서 제공하는 콘텐츠 구독 서비스의 파생 콘텐츠에 대한 이용자 반응을 연구하고자 하였다.

이를 위해 이 연구는 유튜브에 업로드 된 넷플릭스의 대표 킬러 콘텐츠인 ‘오징어 게임’의 파생 콘텐츠를 분석하였다. ‘오징어 게임’의 파생 콘텐츠 현황을 파악하기 위해 텍스트 분석 방법을 활용하여 유튜브에 게시된 ‘오징어 게임’ 관련 동영상을 유형화했다. 이후 콘텐츠 관련 요소인 조회 수, 좋아요, 댓글 정보를 활용하여 파생 콘텐츠 유형에 따른 미디어 이용자의 인게이지먼트를 분석했다. 이러한 과정을 통해 유튜브에서 넷플릭스 파생 콘텐츠를 시청하는 이용자가 파생 콘텐츠를 유료 구독 서비스 콘텐츠의 대체물로 활용하는지, 또는 OTT 플랫폼에서 원콘텐츠를 시청한 이후 추가로 관련 영상을 즐기기 위한 수단으로 활용하는지를 알아보고자 했다. 본 연구 결과는 유튜브에 게시된 넷플릭스 오리지널 콘텐츠의 파생 콘텐츠 관련 통계와 이용자 인게이지먼트 분석을 통하여 넷플릭스 파생 콘텐츠의 활용 전략 및 시사점에 대하여 제안하고자 한다.

Ⅱ. 문헌 연구

2-1 OTT 구독 서비스의 개념과 유형

방송법 제2조와 인터넷멀티미디어방송사업법 제2조에 따르면 방송은 텔레비전방송, 라디오방송, 데이터방송, 이동멀티미디어방송(DMB), 인터넷 멀티미디어 방송(IPTV)으로 구분된다[8]. OTT는 이러한 기존 방송 유형이 아닌 인터넷 네트워크를 통하여 여러 단말기로 동영상 콘텐츠를 제공하는 서비스를 말한다[9]. OTT 플랫폼은 서비스 사업자의 성격과 수익모델을 기준으로 세분화된다. 먼저 서비스 사업자의 성격을 기준으로 방송 사업자 운영 OTT, 망 사업자 운영 OTT, 인터넷 사업자 운영 OTT, 단말기 사업자 운영 OTT 등으로 구분된다[10]. 다만 시장에 참여하는 서비스 사업자의 성격이 복합적이기 때문에 사업자 성격을 기준으로 OTT 플랫폼을 명확하게 유형화하긴 어렵다. 수익모델을 기준으로 OTT 플랫폼을 구분하면 구독형 유료 OTT와 광고기반 무료 OTT로 구분된다[11]. 넷플릭스는 대표적인 구독형 유료 OTT 플랫폼으로 넷플릭스 이용자는 서비스를 이용하기 위해서 월정액 이용료를 지불해야 한다. 유튜브는 대표적인 광고기반 무료 OTT 플랫폼으로 유튜브 이용자는 가입여부를 떠나 광고를 시청하는 대가로 무료로 유튜브 콘텐츠를 이용할 수 있다. OTT의 콘텐츠 구독 서비스는 대규모 제작비를 투입하여 제작한 드라마 시리즈와 영화를 주로 서비스하며 광고형 스트리밍 서비스는 개인이 제작한 콘텐츠를 주로 서비스한다[12]. 기존 OTT 구독 서비스의 이용자 관련 연구는 이용자의 이용 의도와 만족도, 콘텐츠 특성 등 구독의 지속성을 높이는 방안을 중심으로 진행되었다[13]-[17].

2-2 넷플릭스 오징어 게임 관련 선행 연구

‘오징어 게임’은 2021년 9월 공개된 넷플릭스 오리지널 시리즈로 456억 원의 상금이 걸린 서바이벌 게임에 참여하는 단편 유닛 스토리 포맷의 드라마다. ‘오징어 게임’은 ‘퀸스 갬빗’을 제치고 넷플릭스 오리지널 시리즈 중 가장 오랜 기간 1위에 오른 작품이다. 논문[18]은 소셜 미디어 트위터가 ‘오징어 게임’ 흥행에 영향을 미친 요소를 분석했다. 사람들은 소셜 미디어에 ‘오징어 게임’ 관련 자신의 견해와 의견 또는 ‘오징어 게임’ 시청 소감을 공유하고 댓글로 ‘오징어 게임’의 줄거리에 대한 대화가 이어지도록 유도했다. 소셜 네트워크를 확장하기 위하여 드라마의 중요한 장면을 언급하였고, 이를 통하여 소셜 미디어 내 네트워크가 확장되면서 이 네트워크에 들어 온 사람들이 ‘오징어 게임’을 직접 시청할 가능성이 높아졌다. 이는 일반적인 넷플릭스 시리즈와 비교할 때 이전에 나타난 적 없는 계단식 정보 전파 방식으로 공식 계정 외에 개인 계정 등 다양한 방식으로 ‘오징어 게임’ 관련 내용이 게시되고 이를 통하여 ‘오징어 게임’의 팬이 아닌 사람들에게 ‘오징어 게임’을 전파하는 소셜 미디어의 에코 챔버의 역할을 하였다. 논문[19]는 ‘오징어 게임’의 성공 요인으로 우수한 감독과 출연진, 전 세계 사람들이 공감할 수 있는 디스토피아적 주제, 연령, 성별, 국적을 떠나 폭넓은 관객을 대상으로 하는 단순한 유닛 형식의 드라마 포맷, 전 세계 2억 명의 가입자를 보유하고 있는 넷플릭스의 우수한 비즈니스 모델을 제시하였다. 논문[20]은 ‘오징어 게임’의 성공 요인으로 단순한 게임 스토리, 레트로 전략, 현대적 영상미, 단순 미학, 넷플릭스 플랫폼을 통한 공개, 넷플릭스의 추천 알고리즘, 몰아보기 유도 등을 제시하였다. 소셜 네트워크 분석을 통해 본 ‘오징어 게임’의 성공요인에 따르면 소셜 미디어 내 ‘오징어 게임’ 관련된 감정은 즐거움, 서프라이즈 등 긍정적 반응이며 작품 내용, 줄거리의 현실적 의미, 출연 배우, 작품 장르 등과 연관된 이야기를 하고 있었다[21].

논문[22]는 ‘오징어 게임’ 관련 해외 연구 동향을 체계적으로 고찰하였는데, 고찰 문헌 중 24.3%는 넷플릭스와의 연관성에 대하여 논하였으며 14.3%는 소셜 미디어를 포함한 디지털 미디어 관련 파급력에 대하여 논하였다. 특히 소셜 미디어를 통한 입소문 구전이 글로벌 시청자 확보에 강한 정적 상관관계를 갖고 있음을 규명하였다.

2-3 유튜브 콘텐츠 선행 연구

유튜브 콘텐츠에 관련된 선행 연구는 다음과 같이 구분할 수 있다.

첫째, 유튜브 콘텐츠에 대한 일반적인 현상 연구다. 유튜브 채널의 10%가 전체 조회 수의 80%를 차지하고 있으며, 유튜브 콘텐츠의 81.77%가 10분 이하의 영상이다[6]. 논문[23]은 유튜브 콘텐츠에 대한 종합적 고찰을 통하여 동영상에 대사가 적을수록 조회 수가 높으며 분석적인 내용의 콘텐츠는 분석 수준이 높아질수록 조회 수가 낮아지는 분석적 내용과 조회 수의 반비례 경향을 규명하였다. 감정적 내용을 다루는 콘텐츠는 감정의 긍정, 부정과 조회 수가 영향을 미치지 않는 것으로 나타났다. 유튜브 댓글에 대한 분석은 동영상에 대사가 많을수록 댓글 수가 적었으며 분석적 내용 유무와 댓글의 개수는 유의미한 관계가 없었으며, 주관적인 내용의 동영상일수록 댓글의 개수가 많았다. 긍정적인 감정을 다루는 콘텐츠일수록 댓글의 개수가 적은 것으로 나타났다. 동영상 길이와 댓글도 유의미한 상관관계를 가지고 있는데, 짧은 분량의 영상보다 보통 또는 긴 길이의 영상이 더 많은 댓글 수를 가지고 있다.

둘째, 콘텐츠 이용에 대한 연구다. 콘텐츠 이용시간에 대하여 조회 수가 높아지고 댓글이 많아질수록 이용자의 상호작용이 활발해져 이용자가 채널에 느끼는 매력이 높아지며 콘텐츠 이용시간이 증가한다고 제시했다[19],[24]. 콘텐츠 제목과 크리에이터의 전문성 등은 콘텐츠 이용에 유의미한 영향을 미치지 못하는 것으로 나타났다. 이용자의 관심을 끌기 위해 유튜브 콘텐츠 제목에 은어, 비속어, 이모티콘, 의도적 오타 또는 맞춤법 무시도 나타나는데, 이러한 방식은 기존의 미디어가 가지는 정형화된 표현보다는 크리에이터만의 창의적인 표현을 통해 콘텐츠를 알리려는 의도로 보인다. 논문[25]에 따르면 이러한 이용자의 호기심을 자극하기 위한 제목들의 동영상 댓글 수의 추이를 보면 자극적인 제목의 동영상에 대한 이용자의 관심이 높지 않았다. 반면 평이한 제목이더라도 콘텐츠 내용과 연관된 영화가 개봉하며 댓글 수가 많이 증가하는 등 제목보다는 콘텐츠 관련 트렌드가 시청에 영향을 미치는 것으로 나타났다. 크리에이터 관련 연구에 따르면 크리에이터의 전문성과 신뢰감은 이용자 몰입에 영향을 미치지 못하는 반면 크리에이터의 친근함은 이용자의 몰입에 영향을 미치는 것으로 나타났다[26].

셋째, 유튜브 파생 콘텐츠에 대한 연구다. 파생 콘텐츠는 영화, 드라마 등 기존 콘텐츠에 크리에이터의 정보, 지식, 경험을 추가해 가공하는 2차 콘텐츠다[27]. 파생 콘텐츠는 원본에서 필요한 부분을 추출하고(1차), 추출한 내용을 크리에이터가 합성 및 배열하고(2차), 배열한 콘텐츠를 크리에이터의 스타일로 가공하여 자막과 배경 음악 등을 덧입히는(3차) 편집 과정을 거친다. 이는 드라마 원본을 유지하는 가운데 크리에이터의 의도에 따라 스토리를 축소하거나 확대하고, 내용을 생략하고 변환하는 “사용자에 의한 부분화, 통합, 재구성의 3단계"를 거치는 것이다[27],[28]. 파생 콘텐츠는 기존 콘텐츠에 대한 해석과 표현을 더하는 스토리 리텔링(story-retelling) 기법을 통해 콘텐츠에 대한 지식적 정보 또는 감각적 정보를 제공한다[27],[29]. 지식적 정보는 주관적 자막, 해석, 리액션 등이며, 감각적 정보는 부분 편집, 부분 편집 모음, 교차 편집 등이다[29]. 파생 콘텐츠의 제목은 기존 콘텐츠의 작품명을 파생 콘텐츠 제목에 언급하기 보다는 비속어나 감정이 드러나는 이모티콘과 같이 이용자의 관심을 끌 수 있는 표현을 사용하고 있다[27]. 파생 콘텐츠를 이용하는데 콘텐츠 분량(길이)과 유용한 정보를 얼마나 제공하는지는 콘텐츠 몰입의 요인이 아닌 것으로 나타났다[26]. 파생 콘텐츠의 완성도와 충실성도 영상 이용에 영향이 없는 것으로 나타났다. 유튜브 파생 콘텐츠는 오히려 리뷰 영상의 완성도가 부족한 경우 콘텐츠의 부족한 부분을 이용자가 댓글을 통해 비판하거나 지적하고 새로운 해석을 제시함으로 담론이 생산성을 갖게 된다[28]. 파생 콘텐츠는 제작자의 전문성과 플랫폼의 내용 검열 부재로 인한 신뢰성 결여 등의 이유로 작품성보다는 콘텐츠가 독창적인 내용을 가질 수록 이용자의 주의를 집중시킨다[26]. 파생 콘텐츠는 기존 콘텐츠에 대한 정확한 해석이 목적이 아닌 기존 콘텐츠에 대한 의미화 담론의 확장을 가능하게 하는 수단으로, 파생 콘텐츠에 이용자의 조회 수, 공감, 댓글 등의 인게이지먼트가 추가되면 파생 콘텐츠는 구체적 의미를 생산하는 담론의 성격을 갖게 된다[26].

2-4 유튜브 파생 콘텐츠의 인게이지먼트 관련 선행 연구

본 연구는 논문[30]의 소셜미디어 인게이지먼트를 미디어 이용자 인게이지먼트(User Engagement)의 조작적 정의로 사용했다. 논문[30]은 소셜미디어 인게이지먼트를 “소셜미디어 이용자가 좋아요, 댓글 쓰기, 포스팅 등을 통해 참여하는 순간의 생각과 느낌의 총합”으로 정의했다. 이용자가 겪는 여러 심리적 경험인 인게이지먼트의 대표적인 유형은 좋아요, 공유, 댓글 쓰기, 포스팅이 있으며, 각 행동은 함께 다루지 않고 분리해서 분석될 필요가 있다[30]. 유튜브 파생 콘텐츠를 보는 시청자는 조회 수, 댓글 내용, 댓글의 개수 등 다른 이용자들이 만들어낸 복합적인 인게이지먼트 기록을 보게 된다[31]. 이러한 인게이지먼트는 실시간으로 업데이트가 되어 복수의 주체에 의해 종결되지 않는 ‘디지털 텍스트 읽기’가 발생한다. 인게이지먼트에 의한 콘텐츠에 종결되지 않는 지속적 변형이 발생하는 과정은 “뉴미디어를 이용한 미디어 이용자의 협력적인 담론 실천 행위”로 4단계로 구분할 수 있다[32]. 1단계는 동영상을 시청하는 단계로 업로드된 비디오를 시청하는 가장 개인적인 단계다. 2단계는 좋아요를 누르는 단계로 좋아요 버튼을 누름으로 인해 개인 선호도를 플랫폼에 나타내는 단계다. 3단계는 댓글을 남기거나 동영상을 공유하는 단계로 개인의 생각이나 감정을 글로 표현하고 동영상을 주변 사람에게 공유하거나 유튜브의 다른 동영상 관련 게시글에 동영상을 공유하는 단계다. 4단계는 외부에 동영상을 게시하는 단계로 다른 플랫폼이나 채널에 동영상을 게시함으로 누구나 동영상을 볼 수 있도록 하는 단계다. 이러한 인게이지먼트에에 대하여 논문[33]은 좋아요 버튼을 누르는 것은 동영상에 대한 자신의 긍정적인 인상을 표현하는 것인 반면, 댓글을 적는 것은 동영상에 대한 반응을 남기거나 동영상을 평가하는 등 동영상 관련한 활동을 하는 시발점이 될 수 있다고 했다.

이용자의 인게이지먼트와 인게이지먼트에 영향을 미치는 선행 요인에 대한 다양한 선행 연구가 진행되었다. 논문[34]는 댓글 수, 추천 수, 조회 수가 콘텐츠 몰입에 정(+)의 영향을 주어 이러한 콘텐츠 외적인 요소가 콘텐츠를 평가하는데 중요한 단서 역할을 하고 있다고 했다. 추천 수와 같은 콘텐츠 외적인 내용이 이용자가 콘텐츠를 몰입하는 데 영향을 주고 이러한 영향력이 콘텐츠 관련 소비에 영향을 미치는 것을 규명한 것이다. 논문[35]는 유튜브 이용자의 댓글을 통해 동영상 확산 또는 소비의 네트워크가 형성되며, 특정 이용자가 댓글을 다는 동영상들 간의 네트워크가 형성되어 동영상들의 내용, 이용자 등의 공통 분모가 만들어지는 현상을 제시했다. 이용자의 판단과 댓글을 다는 행동이 동영상 간의 네트워크 형성의 근거가 되는 것이다. 이렇게 댓글로 형성된 네트워크는 친구 관계, 구독, 즐겨찾기 등의 방향성을 갖는 네트워크와 다르게 ‘무방향 네트워크’를 형성하여 댓글을 쓴 사람을 통하여 무방향성 동영상 확산이 발생한다. 기존 연구도 이러한 댓글을 활용한 동영상과 동영상 간의 연관성과 네트워크에 중요성을 강조하고 연구를 진행했다[36].

논문[37]에 따르면 조회 수, 오락성, 정보성이 이용자 만족에 유의한 영향을 미친다. 조회 수는 콘텐츠를 시청하기 전에 직관적으로 확인할 수 있는 반면 댓글, 오락성, 정보성은 콘텐츠를 직접 시청하거나 탐색해야 한다는 점에서 차이점이 있다. 동영상에 대한 좋아요와 싫어요는 이용자의 감정 방향이 반영된 평가이며, 댓글 수는 긍정과 부정의 감정 방향이 모두 반영되어 있으나 어떠한 감정이든 동영상에 대한 관심과 흥미를 표현한 것으로 해석한다[36]. 구독자 수는 특정 콘텐츠보다는 채널 전체에 대한 호응도와 긍정적인 반응을 나타내며, 동영상 분량과 조회 수 관련 연구결과는 논문[26]과 일치한다[36].

유튜브는 댓글 수, 공유 수, 좋아요 등의 이용 지표를 통하여 인게이지먼트가 활발한 콘텐츠일수록 플랫폼 화면 상단에 우선 노출시키는 알고리즘을 사용하고 있다[24]. 이를 바탕으로 조회 수와 구독자 수의 상관관계를 살펴보면 평균 조회 수와 평균 구독자 수 및 채널 개설 기간 분석 결과, 구독자 수가 높은 채널은 구독자 수와 채널 개설 기간이 정적인 상관관계를 보였다. 반면 구독자 수가 높은 채널의 조회 수와 채널 개설 기간은 부적 상관관계를 보였다[38]. 또한 조회 수 대비 구독자의 비율은 채널이 얼마나 잘 성장하는지를 나타내며, 댓글 수 대비 조회 수의 비율은 이용자의 참여도를 나타내고, 좋아요 수 대비 조회 수의 비율은 동영상의 인기 정도를 알 수 있다[39].

Ⅲ. 연구방법

3-1 데이터 수집 및 특성

이 연구는 넷플릭스 킬러 콘텐츠와 관련하여 유튜브에 게시된 파생 콘텐츠 영상의 속성이 미디어 이용자 인게이지먼트에 미치는 영향을 분석하기 위하여 ‘오징어 게임’을 연구 대상으로 선정하였다. 유튜브 검색 엔진에 ‘오징어 게임’ 관련 영어 및 한국어로 작성된 콘텐츠를 콘텐츠명과 출연배우 이름을 쿼리로 활용하여 총 1,698건의 영상을 확인하였고, 각 영상의 제목, 조회 수, 좋아요 수, 댓글 수, 재생 시간 및 채널 정보를 파이썬을 활용한 웹스크래핑(Web scraping) 방식으로 수집하였다. 이후 데이터 스크리닝 과정을 통하여 숏폼 콘텐츠(Shorts) 376건을 제외한 풀영상(Full video) 콘텐츠로 분석 대상을 한정하였다. 또한 ‘오징어 게임’이 2021년 9월 넷플릭스에 방영된 이후 부터 2022년 8월까지 유튜브에 게시된 시점을 기준으로 조회 수 1000회 이상인 데이터 907건을 분석 대상으로 하였다. 수집된 동영상 콘텐츠의 제목에 10회 이상 빈출단어에 대해 워드크라우드 분석을 적용한 결과는 그림1과 같다. 분석 데이터에서 상대적 비중이 높게 나타난 “game”(665건), “squid”(659건), “오징어게임”(221건), “오징어”(181건), “게임”(176건), “netflix”(82건), “넷플릭스”(24건)는 시각화 결과의 가독성을 높이고 제목에 반영된 파생 콘텐츠 유형과 내용 관련 단어를 효과적으로 식별하기 위해 제외하였다.

Fig. 1.

Word cloud analysis of titles for Netflix’s ‘Squid Game’ related derivative content*The data was collected from both English and Korean content, so the words in the word cloud are either English or Korean

3-2 변수의 정의

본 연구에서는 파생 콘텐츠의 미디어 인게이지먼트에 영향을 미치는 요인으로 파생 콘텐츠 유형과 특성, 그리고 채널 특성 변수를 사용하였고 해당 변수들의 정의는 표 1과 같다.

Table 1.

Variable definitions

종속변수인 이용자 인게이지먼트 측정을 위해서 기존 유튜브 이용자 반응 연구에서 사용된 조회 수 1000회 당 좋아요 수와 댓글 수 지표를 활용하였다[40],[41].

소극적 인게이지먼트 지표로 조회 수 1000회 당 좋아요 수(Likes per 1000 Views: LpkV)를 사용하였으며, 이는 파생 콘텐츠 시청 후 이용자들이 호감을 나타내기 위해 좋아요를 클릭한 정도를 나타낸다. 적극적 인게이지먼트 지표로는 조회 수 1000회 당 댓글 수(Comments per 1000 Views: CpkV)로 측정하여, 파생 콘텐츠 시청 후 댓글 게시와 같은 적극적 반응을 나타내는 정도를 평가하였다.

파생 콘텐츠에 대한 미디어 인게이지먼트에 영향을 미치는 독립변수로는 파생 콘텐츠 유형, 파생 콘텐츠 주제, 사용 언어, 영상의 길이, 게시 시점, 채널 특성 변수를 활용하였다. 본 연구에서 사용된 파생 콘텐츠 유형 변수 중 ‘Summary Content’는 해당 콘텐츠가 원본 콘텐츠를 요약하거나 설명하는 내용을 담고 있는 요약형 파생 콘텐츠임을 나타내는 변수이다. 콘텐츠 제목에 ‘recap’, ‘review’, ‘ending’, ‘explain’, ‘summary’, ‘요약’, ‘리뷰’, ‘몰아보기’, ‘다시보기’, ‘총정리’, ‘결말’, ‘해석’, ‘분석’, ‘스포주의’ 등의 단어가 포함된 경우에 해당한다.

또한, ‘Reaction Content’ 변수는 제목에 ‘react’, ‘recap’, ‘response’, ‘반응’, ‘리액션’ 등의 단어가 포함되어 있는 콘텐츠를 나타내며, 크리에이터가 킬러 콘텐츠에 대한 정서적 감정을 표현한 반응형 콘텐츠임을 나타내는 변수이다.

한편, 콘텐츠의 주제와 관련된 변수로 ‘Actor Topic’ 변수는 제목에 특정 배우의 이름이나 ‘연기’, ‘play’에 대한 언급이 포함된 파생 콘텐츠를 지칭하며 콘텐츠가 출연 배우의 연기에 집중된 주제를 나타내고 있음을 보여준다. ‘Directing Topic’ 변수는 제목에 감독의 이름이나 ‘direct’, ‘making’, ‘감독’, ‘연출’, ‘제작’, ‘메이킹’,이라는 단어가 포함된 콘텐츠를 지칭하며, 연출 기법이나 감독의 작품세계나 제작 의도를 다루고 있음을 나타낸다.

그 외 파생 콘텐츠 특성 변수로 ‘English’ 변수는 제목과 설명이 전부 영어로 작성된 콘텐츠를 나타내며, 이는 해당 콘텐츠가 영어 사용자를 주 시청대상으로 하고 있음을 의미한다. ‘Video Length’는 재생시간으로 분 단위로 측정한 콘텐츠의 길이를 나타낸다.

‘Publish Timing’ 변수는 오리지널 시리즈 출시 후 파생 콘텐츠가 업로드되기까지의 경과 시간을 주 단위로 나타내어, 파생 콘텐츠가 얼마나 신속하게 제작되어 게시되었는지를 측정하고자 하였다.

콘텐츠를 게시한 채널 특성과 관련된 변수로 ‘Official Channel’ 변수는 콘텐츠를 게시한 채널이 넷플릭스에 의해 공식적으로 운영되는지 여부를 나타내며, 그렇지 않은 경우는 개별 채널 크리에이터에 의해 제작된 파생 콘텐츠임을 나타낸다. ‘Subscribers’ 변수는 채널의 총 구독자 수를 나타내며, 채널의 인기나 영향력을 가늠할 수 있는 지표로 활용된다. ‘Experience’ 변수는 채널이 개설된 이후 운영된 연한를 나타내며 채널 운영자의 전문성을 측정한다.

연구 변수의 기술 통계량은 표 2와 같다. 파생 콘텐츠 이용자 인게이지먼트 변수인 LpkV와 CpkV의 평균은 각각 19.585와 1.213으로, 이는 1,000회 영상 조회 수당 평균 19.585개의 좋아요와 1.213개의 댓글이 생성되었음을 의미한다. 표준편차는 각각 16.313과 1.211로, 두 변수 모두 상당한 변동성을 보여준다. Summary Content의 평균은 0.145, Reaction Content의 평균은 0.099로, 데이터 중 약 14.5%가 요약형 콘텐츠이고 9.9%가 반응형 콘텐츠로 요약형 콘텐츠가 상대적으로 높은 비중을 차지하고 있다. Actor Topic의 평균은 0.224로, 전체 콘텐츠의 약 22.4%가 배우, 등장인물, 연기과 관련된 주제를 다루고 있으며, 감독이나 제작 관련 주제 콘텐츠임을 반영하는 Directing Topic의 평균은 0.057로, Actor Topic에 비해 상대적으로 적은 5.7% 비중을 나타낸다.

Table 2.

Descriptive analysis

‘오징어 게임’ 관련 파생 콘텐츠의 약 60.3%는 영어로 제작되었으며 콘텐츠의 평균 재생시간은 약 9.5분이다. Publish Timing의 평균값은 8.164로, ‘오징어 게임’ 출시 후 평균적으로 약 8.2주 전후에 파생 콘텐츠가 업로드되었다. Official Channel의 평균은 0.084로, 전체 콘텐츠 중 8.4%가 넷플릭스 공식 채널에 게시되었음을 나타낸다. 파생 콘텐츠를 게시한 채널의 구독자 수(Subscribers) 평균은 약 2.453백만 명이다. Experience 변수는 평균 7.213년으로, 파생 콘텐츠를 업로드한 유튜브 채널의 평균 운영 기간이 약 7.2년임을 의미한다.

그림 2에서는 넷플릭스 ‘오징어 게임’ 출시 이후 제작된 파생 콘텐츠 중, 넷플릭스 유튜브 공식 채널에 업로드된 파생 콘텐츠와 요약형 및 반응형 파생 콘텐츠의 생성 추이를 함께 도식화한 것이다. 오리지널 콘텐츠 출시 후 한 달 안에 가장 많은 요약형 및 반응형 콘텐츠가 생성되었으며, 이후에는 급격히 감소하는 패턴을 나타냈다. 이러한 패턴은 개별 크리에이터들이 오리지널 콘텐츠에 대한 관심이 가장 높은 시기에 맞추어 파생 콘텐츠를 제작하고 업로드함으로써 최대한의 조회 수와 사용자 반응을 이끌어내려는 전략으로 풀이할 수 있다.

Fig 2.

The trend of derivative content creation on YouTube since the release of 'Squid Game'

3-3 연구 모형

본 연구에서는 파생 콘텐츠의 미디어 인게이지먼트 유형을 소극적 인게이지먼트(LpkV)와 적극적 인게지이먼트(CpkV)로 구분하고, 각각에 대해 파생 콘텐츠의 유형과, 콘텐츠의 특성, 채널 특성이 미치는 차별적 영향에 대한 분석하고자 하였다. 이를 위해 다중회귀모형을 적용하였고, 해당 연구 모형은 식 (1)과 같다.

M e d i a E n g a g e m e n t i = β 0 + β 1 S u m m a r y C o n t e n t i + β 2 R e a c t i o n C o n t e n t i + β 3 A c t o r T o p i c i + β 4 D i r e c t o r T o p i c i + β 5 E n g l i s h i + β 6 V i d e o L e n g t h i + β 7 P u b l i s h T i m i n g i + γ 1 O f f i c i a l C h a n n e l i + γ 2 S u b s c r i b e r s i + γ 3 Exp e r i e n c e i + ϵ i

(1)

Ⅳ. 결 과

표 3은 조회 수 1천회당 좋아요 수(LpkV)를 종속변수로 사용한 파생 콘텐츠에 대한 소극적 형태의 미디어 이용자인게이지먼트 모형의 계수 추정 결과를 보여준다. 콘텐츠 유형 변수의 효과를 분석한 결과, 요약형 파생 콘텐츠(Summary Content)와 반응형 파생 콘텐츠(Reaction Content)가 모두 소극적 인게이지먼트를 크게 증가시키는 것으로 나타났다( $β 1^= 8.014, p < 0.01$ , $β 2^= 15.720, p < 0.01$ ). 이는 영화 내용의 요약이 영화의 핵심 순간을 회상하거나 강조함으로써 시청자들의 반응을 유도한다는 것을 시사한다. 특히, 반응형 파생 콘텐츠에 대한 상대적 ‘좋아요’ 비중이 더 높게 나타난 결과는 오리지널 콘텐츠에 대한 감정적 반응을 공유하는 파생 콘텐츠가 소극적 인게이지먼트를 유의하게 향상시키는 것으로 해석할 수 있다. 또한 배우를 중심으로 한 콘텐츠(ActorTopic)도 감정 반응을 증가시키는 또 다른 중요한 요소로, 주연 배우들을 중심으로 한 콘텐츠가 시청자들의 소극적 반응을 유도하는 데 효과적임을 시사한다( $β 3^= 2.564, p < 0.05$ ).

Table ３.

Estimation results of the passive media engagement model (dev.var.:LpkV）

콘텐츠의 형식과 관련된 변수에서는 영어로 작성된 콘텐츠가 한국어로 작성된 콘텐츠보다 더 높은 소극적 미디어 이용자 반응을 유도하는 것으로 나타나며 영어로 제작된 파생 콘텐츠가 글로벌 시청자의 반응을 긍정적으로 끌어내고 있음을 보여준다( $β 5^= 10.467, p < 0.01$ ). 그러나 제작 및 감독 관련 토픽을 다룬 파생 콘텐츠나 영상의 길이, 게시 시점은 미디어 이용자의 소극적 반응을 유도하는 데 있어 유의한 효과가 발견되지 않았다.

한편 채널 관련 변수들의 경우, 넷플릭스 공식 채널에 게시된 파생 콘텐츠일수록( $γ 1^= 5.917, p < 0.01$ ), 구독자의 수가 많을수록( $γ 2^= 0.102, p < 0.10$ ), 크리에이터의 채널 운영 경험이 길수록( $γ 3^= 0.699, p < 0.01$ ) 해당 콘텐츠의 조회 수 대비 좋아요 수가 유의하게 증가하는 것으로 나타났다. 이는 파생 콘텐츠가 게시된 채널의 신뢰성과 인지도가 높을수록, 미디어 이용자들이 소극적이지만 구체적인 방식으로 참여하려는 경향이 높아진다는 것으로 해석할 수 있다.

표 4는 조회 수 1000회 당 댓글 수(CpkV)를 종속 변수로 하는 파생 콘텐츠에 대한 적극적 인게이지먼트 모형의 적합 결과를 보여준다. 소극적 인게이지먼트 모형과 마찬가지로 요약형 파생 콘텐츠(Summary Content)와 반응형 파생 콘텐츠(Reaction Content)는 모두 시청자의 분석적 반응을 유도하는 데 중요한 역할을 하는 것으로 나타났다( $β 1^= 0.683, p < 0.01$ , $β 2^= 0.794, p < 0.01$ ). 그러나 소극적 인게이지먼트 모형과 달리, 반응형 파생 콘텐츠는 적극적 참여를 유도하는 데에서는 상대적으로 더 높은 효과를 보이지 않았다. 또한 배우에 초점을 맞춘 콘텐츠는 조회 수 대비 좋아요 수를 높이는 데 기여했으나, 댓글 반응을 높이는 데는 그 효과가 유의미하지 않았다. 반면, 감독이나 제작 관련 주제는 해당 파생 콘텐츠에 대한 댓글 반응에 대해 유의한 양의 관계를 나타냈다( $β 4^= 0.475, p < 0.01$ ). 콘텐츠의 길이가 길어질수록 댓글 반응도 증가하는 경향을 보였다( $β 6^= 0.005, p < 0.10$ ). 이는 제작 과정이나 감독의 의도를 다루는 파생 콘텐츠가 미디어 사용자들 사이의 의견 교환을 촉진하고, 상대적으로 긴 분량의 파생 콘텐츠가 원작과 관련된 토론을 더 많이 유도한다는 점을 시사한다.

Table 4.

Estimation results of the active media enagagement model (dev.var.:CpkV）

채널 특성이 적극적 인게이지먼트에 미치는 영향을 살펴보면, 넷플릭스 공식 채널에서 게시된 파생 콘텐츠는 개인 크리에이터 채널에 게시된 파생 콘텐츠에 대비하여 조회 수 대비 댓글이 적은 것으로 나타났다( $γ 1^= - 0.413, p < 0.01$ ). 이는 공식 채널의 콘텐츠가 주로 정보 전달의 성격을 띠고 있어 적극적 형태의 상호작용이 상대적으로 낮게 나타났다. 이는 개인크리에이터가 제작한 파생 콘텐츠가 넷플릭스와 같은 공식채널에 게시된 콘텐츠에 비해 시청자들 사이의 토론을 효과적으로 이끌어내고 있음을 보여준다. 마지막으로 채널 운영 경험이 증가할수록 조회 수 대비 댓글 수가 증가하는 것으로 나타났다( $γ 3^= 0.054, p < 0.01$ ). 이는 채널 운영 경험이 풍부한 크리에이터들이 보다 전략적이고 참여적인 콘텐츠를 제공함으로써 소극적 인게이지먼트뿐만 아니라 적극적 인게이지먼트 또한 증가시키는 것으로 해석할 수 있다.

Ⅴ. 결 론

본 연구는 구독 서비스 플랫폼 콘텐츠를 활용한 광고형 스트리밍 서비스의 콘텐츠 현황 조사를 통해 이용자가 파생 콘텐츠를 소비하는 행태를 분석했다. 이를 위해 유튜브에서 넷플릭스 ‘오징어 게임’ 관련 영어 및 한국어 콘텐츠를 웹스크래핑하여 수집하여 빈도분석와 기술통계분석을 진행하고, 도출 결과를 바탕으로 미디어 인게이지먼트 모형 분석을 시행했다. 이는 ‘오징어 게임’의 미디어 파급력에 대한 선행연구를 바탕으로 관련 콘텐츠의 유형과 콘텐츠 관련 요소를 세분화하여 분석한 것으로 주요 연구 결과는 다음과 같다.

첫째, 콘텐츠 제목에 빈도수가 높게 등장한 단어는 드라마 줄거리 관련, 콘텐츠 내용 관련, 드라마 형식 관련 단어가 주를 이뤘다. 드라마에서 진행한 게임과 관련된 light, challenge, red, green이 높은 빈도수를 보였으며, 유튜브 콘텐츠 내용을 설명하는 reaction과 trailer가 많이 등장했다. 또한 드라마 형식을 의미하는 episode, season, scene, ep 등도 높은 빈도수를 보였다. 이는 평범한 제목이라도 파생 콘텐츠의 원콘텐츠가 방송되면 파생 콘텐츠 이용에 영향을 미쳐 제목보다는 콘텐츠 내용이 영향을 미친다는 논문[25]의 결과와 일치한다. 반면 이용자의 관심을 끌도록 콘텐츠 제목에 은어, 비속어, 이모티콘 등을 사용한다는 논문[27]과는 다른 결과로, 논문[27]의 연구 대상인 애니메이션과 OTT 시리즈의 파생 콘텐츠에 대한 제목에 차이가 있음을 알 수 있다.

둘째, 요약형 파생 콘텐츠, 반응형 파생 콘텐츠, 배우 중심 콘텐츠, 영어로 작성된 콘텐츠, 넷플릭스 공식 채널 콘텐츠, 크리에이터가 소극적 인게이지먼트와 유의미한 영향이 있는 것으로 나타났다. 반응형 파생 콘텐츠의 좋아요 수가 요약형 파생 콘텐츠보다 높게 나타난 것을 통하여 반응형 파생 콘텐츠가 요약형 파생 콘텐츠보다 이용자의 긍정적 감정이 많은 것으로 해석할 수 있다[36]. 채널의 특성에 따른 좋아요 수는 공식 채널인 경우, 구독자 수가 많을수록, 채널 운영 경험이 길수록 좋아요 수가 높은 것으로 나타났다. 이는 크리에이터 전문성, 신뢰감이 이용자 몰입에 영향을 미치지 못한다는 논문[26]과 차별된 결과로, 넷플릭스 공식 채널과 같은 전문성이 있는 제작자가 미치는 영향을 확인할 수 있었다.

셋째, 요약형 파생 콘텐츠, 반응형 파생 콘텐츠, 감독과 제작 관련 콘텐츠, 콘텐츠 길이, 크리에이터가 적극적 인게이지먼트와 유의미한 영향이 있는 것으로 나타났다. 요약형 파생 콘텐츠, 반응형 파생 콘텐츠, 감독과 제작 관련 콘텐츠가 댓글 반응을 높이는데 영향을 미친 것은 동영상의 대사량, 분석적 내용, 주관적 내용에 대한 댓글 수의 관계를 제시한 논문[23]의 결과와 차이를 보인다. 콘텐츠 길이가 길수록 댓글 수가 증가하는 결과도 논문[23]과 차별성을 가지는데, 이는 2019년까지의 유튜브 데이터를 분석한 선행 연구 이후 이용자 인게이지먼트에 변화가 발생했음을 시사한다. 향후 2019년 이후 유튜브 이용 트렌드 변화와 인게이지먼트 변화와의 연관성에 대하여 분석할 필요가 있다.

본 연구는 구독 서비스 콘텐츠의 파생 콘텐츠 현황을 정리하고, 콘텐츠 이용자의 소극적 인게이지먼트와 적극적 인게이지먼트와 콘텐츠 요소의 상관관계를 분석한데 의의가 있다. 본 연구의 한계점을 토대로 다음과 같이 후속 연구를 제안할 수 있다. 첫째, 본 연구는 영어 및 한국어로 업로드된 ‘오징어 게임’ 파생 콘텐츠만을 대상으로 진행했다. 연구 결과를 일반화하기 위하여 넷플릭스 인게이지먼트(시청 현황) 보고서 시청 시간 상위권에 있는 콘텐츠의 파생 콘텐츠로 연구 범위를 확대해서 다양한 장르 콘텐츠에 대한 인게이지먼트를 비교 분석할 수 있다. 둘째, 이 연구는 논문[30]에서 제시한 조작적 정의를 사용하여 조회 수 1000회 당 좋아요 수, 댓글 수와 같은 표면적 수준의 인게이지먼트에 대한 정량적 지표를 핵심 변수로 활용하였다. 정량적 지표는 방대한 양의 데이터를 대량으로 처리할 수 있고 데이터에 기반한 객관적 분석이 가능하다는 장점을 지닌 반면, 사회문화적 배경을 고려한 데이터 분석과 유연한 해석이 어렵다는 단점을 지닌다. 후속 연구는 심도있는 수준의 인게이지먼트로 연구 범위를 확대하여 유튜브 댓글 등 정성적 지표를 활용한 내용 분석, 감정 분석을 통해 이용자 인게이지먼트 반응을 보다 상세히 파악할 필요가 있다. 셋째, 본 연구는 파생 콘텐츠 관련 변수만 분석한 한계점이 있다. 기존 콘텐츠 관련 변수를 연구 범위에 포함하여 향후 ‘오징어 게임’의 인기가 시간이 지나면서 어떻게 변했는지 정리하고, ‘오징어 게임’의 인기와 파생 콘텐츠의 지속성과의 관계를 분석할 필요가 있다. 또한 기존 콘텐츠 서비스 후 시간의 흐름에 따른 파생 콘텐츠에 대한 인게이지먼트 변화를 분석하면 파생 콘텐츠를 활용한 마케팅 효과와 전략에 대하여 살펴볼 수 있을 것이다.

References

Korea Creative Content Agency. 2022 First Half Content Industry Trends Analysis Report [Internet]. Available: https://www.kocca.kr/kocca/bbs/view/B0158949/2001761.do?searchCnd=&searchWrd=&cateTp1=&cateTp2=&useYn=&menuNo=204157&categorys=0&subcate=0&cateCode=&type=&instNo=0&questionTp=&ufSetting=&recovery=&option1=&option2=&year=&morePage=&qtp=&domainId=&sortCode=&pageIndex=1#, .
H. Kim, “A Plan to Activate Korean OTT Platform Through French OTT Platform Policy Analysis,” Journal of Culture Industry, Vol. 22, No. 3, pp. 127-135, September 2022. [https://doi.org/10.35174/JKCI.2022.09.22.3.127]
S. Choi, “Domestic OTT Service Landscape Changes and Market Outlook,” Press Arbitration, Vol. 150, pp. 4-17, March 2019.
Korea Creative Content Agency. 2021 Study on Content Usage Trends in the Digital Transformation Era [Internet]. Available: https://welcon.kocca.kr/cmm/fms/CrawlingFileDown.do?atchFileId=FILE_028471b8-ff6b-41ae-a346-ecd179a8897a&fileSn=1, .
S. Lee, “An Exploratory Analysis of OTT Usage Patterns,” The Journal of the Korea Contents Association, Vol. 21, No. 7, pp. 119-126, July 2021. [https://doi.org/10.5392/JKCA.2021.21.07.119]
R. McGrady, K. Zheng, R. Curran, J. Baumgartner, and E. Zuckerman, “Dialing for Videos: A Random Sample of YouTube,” Journal of Quantitative Description: Digital Media, Vol. 3, pp. 1-85, December 2023. [https://doi.org/10.51685/jqd.2023.022]
T. H. Byun, “Analyzes the Characteristics in the Contents Production and Usage Environment of YouTube and its Popular Channels; and Examination of its Implications,” A Treatise on The Plastic Media, Vol. 21, No. 4, pp. 227-239, November 2018.
Community Media Foundation. Definition of Broadcasting [Internet]. Available: https://www.mediin.or.kr/front/13/content.do, .
Y.-J. Kim, “Impact of OTT Service on the Content Creation, Distribution and Consumption,” Studies of Broadcasting Culture, Vol. 27, No. 1, pp. 75-102, June 2015. [https://doi.org/10.22854/sbc.2015.27.1.75]
S. Kim and D. Kim, “Rethinking OTT Regulation Based on the Global OTT Market Trends and Regulation Cases,” Journal of Internet Computing and Services, Vol. 20, No. 6, pp. 143-156, December 2019. [https://doi.org/10.7472/jksii.2019.20.6.143]
Y. Chung and W. Zhang, “Effects of Service Characteristics of a Subscription-Based OTT on User Satisfaction and Continuance Intention: Evaluation by Netflix Users,” The Journal of the Korea Contents Association, Vol. 20, No. 12, pp. 123-135, December 2020. [https://doi.org/10.5392/JKCA.2020.20.12.123]
S. J. Kwak and E. C. Choi, “The Current State of OTT Service Industry and Demand Analysis,” Journal of the Korean Data Analysis Society, Vol. 22, No. 6, pp. 2561-2572, December 2020. [https://doi.org/10.37727/jkdas.2020.22.6.2561]
J. Yoo and J.-Y. Park, “A Study on the Factors Influencing Continuous Usage Intension based on OTT Service User,” Korean Journal of Broadcasting & Telecommunications Research, No. 102, pp. 46-79, April 2018. [https://doi.org/10.22876/kjbtr.2018.102.002]
U. Byun and H. Baek, “An Exploratory Study on the Current State of Multiple Subscriptions to OTT Services and the Characteristics of Users,” Korean Journal of Broadcasting & Telecommunications Research, No. 117, pp. 43-69, January 2022. [https://doi.org/10.22876/kjbtr.2022.117.002]
M. J. Ham, Y. J, Shin, and S. W. Lee, “A Study on OTT Content’s Characteristics: Focusing on User Characteristics and Place of Use,” The Journal of the Korea Contents Association, Vol. 18, No. 3, pp. 124-137, March 2018. [https://doi.org/10.5392/JKCA.2018.18.03.124]
B. Chun and J. Kim, “An Analysis of the Influence of Video Characteristics, Content Characteristics and Innovative Diffusion Characteristics of Online Video Service(OTT) on Viewing Attitude of Viewers,” Journal of Communication Design, No. 73, pp. 9-24, October 2020. [https://doi.org/10.25111/jcd.2020.73.01]
H. J. Kim, “Analysis of K-content : Focusing on K-drama as a Killer Content of Big OTT Service Platform,” Korea and World Review, Vol. 4, No. 4, pp. 215-236, July 2022. [https://doi.org/10.22743/kwr.2022.4.4.215]
W. Ahmed, A. Fenton, M. Hardey, and R. Das, “Binge Watching and the Role of Social Media Virality Towards Promoting Netflix’s Squid Game,” IIM Kozhikode Society & Management Review, Vol. 11, No. 2, pp. 222-234, July 2022. [https://doi.org/10.1177/22779752221083351]
X. Hong and H. Yang, “Some Thoughts on the Global Trend of Film and Television Works from the Perspective of Communication: The Case of Squid Game,” Open Journal of Social Sciences, Vol. 10, No. 6, pp. 33-41, June 2022. [https://doi.org/10.4236/jss.2022.106004]
S. Ahn, J. W. Jung, and S. Oh, “Analysis of Success Factors of OTT Original Contents Through BigData, Netflix’s ‘Squid Game Season 2’ Proposal,” Journal of Korea Society of Digital Industry and Information Management, Vol. 18, No. 1, pp. 55-64, March 2022. [https://doi.org/10.17662/ksdim.2022.18.1.055]
Z. Zeng and H. Lee, “Analyse of the Box Office Causes of Korean Dramas in China Using Big Data: Focusing on the Case of <Squid Game>,” Journal of the Moving Image Technology Association of Korea, No. 38, pp. 19-41, May 2022. [https://doi.org/10.34269/mitak.2022.1.38.002]
M.-S. Heo, “International Research Trends on Netflix’s Killer Content Squid Game: A Systematic Literature Review,” Journal of Digital Contents Society, Vol. 24, No. 4, pp. 713-723, April 2023. [https://doi.org/10.9728/dcs.2023.24.4.713]
A. C. Munaro, R. H. Barcelos, E. C. F. Maffezzolli, J. P. Santos Rodrigues, and E. C. Paraiso, “To Engage or Not Engage? The Features of Video Content on YouTube Affecting Digital Consumer Engagement,” Journal of Consumer Behaviour, Vol. 20, No. 5, pp. 1336-1352, September/October 2021. [https://doi.org/10.1002/cb.1939]
Y. Pi and K. Kim, “News Characteristics and Users’ Reactions to YouTube Video News on Terrestrial Broadcasting: A Content Analysis of KBS KLAB, MBC 14F, and SBS SUBUSU NEWS,” Korean Journal of Broadcasting and Telecommunication Studies, Vol. 37, No. 4, pp. 334-373, July 2023. [https://doi.org/10.22876/kab.2023.37.4.010]
H. Kim and J. Song, “Analysis of Utilization and Assessment of Predicting Models for YouTube Science Channel -Focusing on Using Social Big Data Analysis and Machine Learning-,” Journal of Educational Technology, Vol. 36, No. 2, pp. 383-412, June 2020.
Y.-J. Jeong, N.-J. Lee, and J.-H. Lee, “The Effects of YouTube Summary Contents Features and Contents Provider Credibility on Users’ Flow and Satisfaction,” Journal of the Korea Convergence Society, Vol. 12, No. 2, pp. 35-44, February 2021. [https://doi.org/10.15207/JKCS.2021.12.2.035]
J.-W. Kwon, “An Analysis on Korean YouTube Animation Review Channels,” Cartoon & Animation Studies, No. 69, pp. 301-342, December 2022. [https://doi.org/10.7230/KOSCAS.2022.69.301]
J. Park, “Discourse on Reading a Film through New Media: Focusing on a <Parasite>(2019) Review Video,” Journal of Korean Language Education, No. 50, pp. 365-398, December 2022. [https://doi.org/10.17313/jkorle.2022..50.365]
Y. Oh and K. C. H. Kim, “A Study on the Typology of K-Pop Fandom Contents -Focusing on the YouTube Platform-,” The Journal of Culture Contents, No. 26, pp. 211-248, December 2022. [https://doi.org/10.34227/tjocc.2022..26.211]
J. Cho, D. Hong, and J. Jun, “Differences in Engagement by Social Media Consumer Behavior: Focusing on Like, Comment, Share, and Posting,” Advertising Research, No. 126, pp. 110-133, September 2020. [https://doi.org/10.16914/ar.2020.126.110]
L. Yi, M. Y. Um, and J. B. Kim, “The Influence of the Characteristics of Short-form Content and Recommendation System on Chinese Users’ Flow and Satisfaction: Focusing on TikTok Movie Summary Content,” The e-Business Studies, Vol. 24, No. 4, pp. 91-109, August 2023. [https://doi.org/10.20462/TeBS.2023.8.24.4.91]
K. K. Aldous, J. An, and B. J. Jansen, “View, Like, Comment, Post: Analyzing User Engagement by Topic at 4 Levels across 5 Social Media Platforms for 53 News Organizations,” in Proceedings of the 13th International AAAI Conference on Web and Social Media, Munich, Germany, pp. 47-57, June 2019. [https://doi.org/10.1609/icwsm.v13i01.3208]
P. Benson, YouTube as Text: Spoken Interaction Analysis and Digital Discourse, in Discourse and Digital Practices: Doing Discourse Analysis in the Digital Age, Abingdon, UK: Routledge, ch. 6, pp. 81-96, 2017. [https://doi.org/10.4324/9781315726465-6]
J. Lee, H. Zang, and J. Choi, “The Differential Effects of YouTube-Mediated Intrinsic and Extrinsic Cues on Attitude toward Ad and Tourist Destination,” Journal of Product Research, Vol. 39, No. 6, pp. 69-74, December 2021.
Y.-S. Hyun, “Trends of YouTube Contents and Impact Factors on Contents’ Hits Related with Human Resource Development,” The Korean Journal of Human Resource Development Quarterly, Vol. 24, No. 3, pp. 319-354, August 2022. [https://doi.org/10.18211/kjhrdq.2022.24.3.010]
B. E. Park and G. G. Lim, “A Study on the Impact Factors of Contents Diffusion in Youtube Using Integrated Content Network Analysis,” Journal of Intelligence and Information Systems, Vol. 21, No. 3, pp. 19-36, September 2015. [https://doi.org/10.13088/jiis.2015.21.3.19]
J.-H. Lee, M.-B. Kang, and Y.-D. Jeong, “The Effect of Selection Attributes of YouTube Tourism Channel on User Satisfaction and Intention to Use,” Tourism Research, Vol. 45, No. 3, pp. 365-382, September 2020. [https://doi.org/10.32780/ktidoi.2020.45.3.365]
J. Seol, “An Exploratory Study on Most Popular YouTube Channel Genres and Their Popularity,” Journal of Media Economics & Culture, Vol. 19, No. 1, pp. 49-86, February 2021. [https://doi.org/10.21328/JMEC.2021.2.19.1.49]
Y. Han, “A Study on the Growth and Performance of YouTube Channels as an Extended Broadcasting Channels of Terrestrial Broadcasters,” Journal of Cybercommunication Academic Society, Vol. 39, No. 3, pp. 137-198, September 2022. [https://doi.org/10.36494/JCAS.2022.09.39.3.137]
L. A. Liikkanen and A. Salovaara, “Music on YouTube: User Engagement with Traditional, User-appropriated and Derivative Videos,” Computers in Human Behavior, Vol. 50, pp. 108-124, September 2015. [https://doi.org/10.1016/j.chb.2015.01.067]
Y. K. Oh and J. Y. Choeh, “Social Media Engagements of Music Videos on YouTube’s Official Artist Channels,” Convergence, Vol. 28, No. 3, pp. 804-821, June 2022. [https://doi.org/10.1177/13548565211054906]

저자소개

정다희(Dahee Chung)

2010년：인디애나대학교(문헌정보학석사)

2017년：인디애나대학교(정보학박사)

2019년～현 재: 동덕여자대학교 문헌정보학전공 조교수

※관심분야：OTT, 구독 서비스 등

오윤경(Yun Kyung Oh)

2003년：서울대학교 경영대학원(경영학석사)

2011년：Purdue University(경영학박사-마케팅)

2012년～현 재: 동덕여자대학교 경영학전공 교수

※관심분야：디지털마케팅, 마케팅애널리틱스, 텍스트마이닝 등

최믿음(Mideum Choi)

2010년：한양대학교 신문방송학과(언론학석사)

2015년：한양대학교 신문방송학과(언론학박사)

2015년～2016년: KBS 방송문화연구소 객원연구원

2016년～2017년: 고려대학교 정보문화연구소 연구교수

2018년～2020년: KBS 공영미디어연구소 연구원

2020년～현 재: 동덕여자대학교 커뮤니케이션콘텐츠전공 조교수

※관심분야：뉴미디어, 미디어 콘텐츠, 수용자 연구

Variables	Estimate	Std.Err.
Note:p<0.1; p<0.05; **p<0.01
Summary Content	8.014^***	(1.374)
Reaction Content	15.720^***	(1.601)
Actor Topic	2.564^**	(1.166)
Directing Topic	0.301	(2.127)
English	10.467^***	(1.007)
Video Length	0.039	(0.029)
Publish Timing	-0.064	(0.049)
Official Channel	5.917^***	(1.748)
Subscribers	0.102^**	(0.052)
Experience	0.699^***	(0.119)
Constant	4.312^***	(1.264)
R-squared	0.260
Adj. R-squared	0.251

Variables	Estimate	Std.Err.
Note:p<0.1; p<0.05; **p<0.01
Summary Content	0.538^***	(0.110)
Reaction Content	0.683^***	(0.129)
Actor Topic	0.108	(0.094)
Directing Topic	0.475^***	(0.171)
English	0.117	(0.081)
Video Length	0.005^*	(0.002)
Publish Timing	-0.002	(0.004)
Official Channel	-0.413^***	(0.141)
Subscribers	-0.003	(0.004)
Experience	0.054^***	(0.010)
Constant	0.538^***	(0.102)
R-squared	0.131
Adj. R-squared	0.121

Variable	Definition
LpkV	Passive user engagement, measured by the number of likes per 1,000 video views.
CpkV	Active user engagement, measured by the number of comments per 1,000 video views.
Summary Content	Content of the summary type; equals 1 if the content title includes terms like ‘recap’, ‘review’, ‘ending’, ‘explain’, ‘summary’; otherwise, it equals 0.
Reaction Content	Content of the reaction type; equals 1 if the content title includes terms like ‘react’, ‘recap’, ‘response’; otherwise, it equals 0.
Actor Topic	Topics related to actors or their performances; equals 1 if the content title contains any of the listed actors’ names or references to acting/plays; otherwise, it equals 0.
Directing Topic	Topics related to directing; equals 1 if the content title contains the director’s name or terms like ‘direct’, ‘making’; otherwise, it equals 0.
English	Indicates if the content is produced in English; equals 1 if the content title and description are entirely in English; otherwise, it equals 0.
VideoLength	The length of the content in minutes.
Publish Timing	The number of weeks elapsed between the release of an OTT series and the content upload.
Official Channel	Content from Netflix’s official channel; equals 1 if the channel is officially operated by Netflix; otherwise, it equals 0.
Subscribers	The total number of channel subscribers (in millions).
Experience	The total number of years the channel has been operating.

Variables	Mean	Std.Dev.
LpkV	19.585	16.313
CpkV	1.213	1.211
Summary Content	0.146	0.353
Reaction Content	0.099	0.299
Actor Topic	0.224	0.417
Directing Topic	0.057	0.233
English	0.603	0.490
Video Length	9.472	16.182
Publish Timing	8.165	10.034
Official Channel	0.084	0.277
Subscribers	2.453	9.380
Experience	7.235	4.075