Korea Digital Contents Society

Journal Archive

Journal of Digital Contents Society - Vol. 23 , No. 5

[ Article ]
Journal of Digital Contents Society - Vol. 23, No. 5, pp. 837-845
Abbreviation: J. DCS
ISSN: 1598-2009 (Print) 2287-738X (Online)
Print publication date 31 May 2022
Received 19 Apr 2022 Revised 23 May 2022 Accepted 25 May 2022
DOI: https://doi.org/10.9728/dcs.2022.23.5.837

버즈 분석(Buzz Analysis)을 통한 OTT 플랫폼 이용자 관심 분석: 트위터 데이터를 중심으로
임진솔1 ; 소현기1 ; 오효정2, *
1전북대학교 기록관리학과 석사과정
2전북대학교 문헌정보학과 교수

OTT Platform User Interest Analysis through Buzz Analysis: Based on Twitter Data
Jinsol Lim1 ; Hyeon-Gi So1 ; Hyo-Jung Oh2, *
1Graduate School, Department of Archive & Record Management, Jeonbuk University, Jeonju 54896, Korea
2Professor, Department of Library & Information Science, Jeonbuk University, Jeonju 54896, Korea
Correspondence to : *Hyo-Jung Oh Tel: +82-63-270-3208 E-mail: ohj@jbnu.ac.kr


Copyright ⓒ 2022 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.
Funding Information ▼

초록

최근 디지털 기반의 콘텐츠 소비 활동이 활성화됨에 따라, 국내 OTT 시장의 이용자 확보 및 점유율을 높이기 위한 경쟁이 치열해지고 있다. 과열된 시장에서 우위를 선점하기 위해 OTT 서비스 이용자에 대한 정보를 얻을 수 있는 ‘버즈 분석(Buzz Analysis)’은 필수적이다. 본 연구는 이용자 관심도가 직접적으로 표출되는 소셜 미디어인 트위터를 분석 대상으로 선정하고, 트윗 수집을 통해 서비스 제공자 관점에서 이용자가 어떤 이유로 인해 OTT 플랫폼을 구독하고 콘텐츠를 이용하는지 파악하였다. 분석결과, 이용자의 관심도가 가장 높게 나타난 속성은 ‘콘텐츠’이며, 플랫폼에서 제공하는 ‘서비스’나 영화·드라마·예능 등에 출연하는 ‘출연자’ 역시 OTT 이용에 유의미한 영향을 미쳤다. 결론적으로 각각의 플랫폼들이 속성에 따라 자신만의 차별화된 서비스를 제공하고, 이용자 역시 플랫폼의 특성에 따라 콘텐츠를 소비하고 있음을 확인하였다. 서비스 제공자 관점에서 이용자의 반응을 분석한 본 연구 결과가 향후 OTT 플랫폼 서비스에 대한 마케팅 기초자료로써 활용될 수 있을 것이라 기대한다.

Abstract

Recently, as digital-based content consumption is activated competition in the domestic OTT market to secure users and increase market share is intensifying. In order to gain an edge in the overheated market, ‘Buzz Analysis’ is essential for service providers to obtain information about users. Therefore, this study analyzes why users subscribe to OTT platforms and use content from a service provider's point of view through social media, tweet, collections. As a result, the attribute that showed the highest level of interest is ‘content’ and the ‘services’ available on the platform, and ‘performers’ appearing in movies, dramas, and entertainment shows also had a significant effect on using the platform. In conclusion, this study confirmed that each platform has a differentiation using its own attributes and uses appropriate content. It is expected that the results of this study analyzing user responses from the perspective of service providers can be used as basic marketing data for OTT platform services in the future.


Keywords: OTT Platform, Buzz Analysis, User Interest Analysis, Twitter, Content
키워드: OTT 플랫폼, 버즈 분석, 이용자 관심 분석, 트위터, 콘텐츠

Ⅰ. 서 론

2010년 전후로, 국내에서는 인터넷 및 이동통신의 발달 덕분에 언제 어디서든 다양한 단말기로 동영상 콘텐츠를 이용할 수 있는 환경이 구축되었다. 그 결과, 온라인 동영상 제공 서비스인 OTT(Over-the-Top) 서비스를 필두로, 디지털 기반의 콘텐츠 소비 활동이 급속도로 활성화되고 있다. 또한, 미디어 이용에 대한 패러다임이 변화하면서 미디어 소비 형태가 다양해지고 있다. 코로나-19로 인한 비대면 문화의 확산으로 직접 영화관에 가는 대신 집이나 실내에서 온라인이나 모바일로 콘텐츠를 이용하는 것이 그 대표적인 예라고 할 수 있다.

현재 국내 OTT 플랫폼 시장은 넷플릭스(Netflix), 유튜브(Youtube) 등과 같은 글로벌 OTT 플랫폼 기업을 필두로 CJ ENM의 티빙(Tving), SK텔레콤과 지상파 방송 4사가 합작 운영하는 웨이브(Wavve), 포털·콘텐츠 기업인 왓챠(Watcha) 등 다양한 국내 기업이 경쟁을 이루고 있다. 특히, 디즈니 플러스(Disney+), 애플 TV(Apple TV) 등 세계적 대기업이 후발주자로 등장하면서 이용자 확보 및 점유율을 높이기 위한 경쟁이 치열해지고 있다.

이처럼 콘텐츠 경쟁이 과열됨에 따라, OTT 플랫폼 관련해서 이용자가 플랫폼에서 소비하는 콘텐츠와 이에 대한 선호도 및 사용 경험, 제공되는 서비스 등이 중요한 요소로 대두되고 있다[1]. 이에 따라 콘텐츠의 선택, 서비스 이용 동기 및 경험 등 이용자에 관한 다종의 연구가 진행되고 있다. 이러한 연구들은 OTT 플랫폼 시장의 경쟁력을 확보하기 위해 이용자에 초점을 둔 연구의 필요성을 강조한다. 특히, 경쟁이 치열해질수록 기업과 고객 간의 관계를 확실히 구축하는 것이 시장에서 경쟁우위를 선점하는데 중요한 수단이 될 수 있으므로, 고객이 어떤 이유에 서비스를 선택하고 이탈하는지에 대한 규명이 필요하다[2]. 따라서 OTT 서비스 사업자를 위해 기존 이용자 및 신규 이용자를 어떻게 유지하고 유치할 수 있는지에 대한 유용한 정보를 제공하는 연구가 이루어질 필요가 있다.

이러한 필요성에 따라 많은 연구가 진행되고 있지만, 서비스 제공자 관점에서 이용자들의 생각이나 의견을 파악하는 소셜 모니터링(Social Monitoring) 및 소셜 트렌드(Social Trend) 분석은 진행되고 있지 않다. 서비스 제공자는 효율적인 경영을 위해 이용자의 니즈(needs)를 파악할 필요가 있다[3]. 이를 위해 소셜 미디어에서 추출되는 빅데이터를 통해 사람들의 관심도와 중요도를 분석하는 버즈 분석(Buzz Analysis)을 활용할 수 있다. OTT 사업자는 버즈 분석을 비즈니스에 적용하여 이용자의 요구사항을 인지하고, 카페, 커뮤니티, 블로그, 트위터, 온라인 뉴스 기사 등의 대규모 데이터를 분석한 결과를 바탕으로 타깃 이용자를 파악할 수 있다. 또한, 새로운 콘텐츠나 서비스를 기획 및 개발하고, 이에 대한 이용자의 반응을 모니터링하며, 타깃 이용자들에 대한 유치 전략을 도출할 필요가 있다.

본 연구는 앞서 선행된 이용자 분석 관련 연구들을 토대로 OTT 플랫폼과 콘텐츠에 대해 방대한 선택 사항을 가진 이용자가 어떤 요인으로 인해 OTT 플랫폼을 구독하고 관심을 기울이는지를 텍스트 분석 기술을 활용하여 살펴보고자 한다. 이를 위해 온라인 뉴스나 댓글 등에 비해 비교적 자기 생각이나 의견을 자유롭게 실시간으로 공유하는 트위터를 분석 대상으로 선정하여 이용자 관점에서의 소비자 인식 조사를 진행한다. 먼저, 어떤 이슈 때문에 이용자 반응이 폭발적이었는지를 가늠하기 위해 이용자 반응 급상승 구간을 설정하고, 해당 구간에서 언급이 급상승한 키워드를 추출한다. 다음으로, 이용자들이 어떤 콘텐츠 및 서비스에 관심을 가지고 소비하기를 원하는지, 어떤 키워드의 언급이 확산되는지를 파악한다. 본 연구는 서비스 제공자 관점에서 일반 이용자의 반응을 제공함으로써 OTT 플랫폼 사업자의 서비스 개선 방향 수립 시 근거자료로 활용이 가능하다.


Ⅱ. 이론적 배경 및 선행연구
2-1 OTT 플랫폼

EU의 전자 통신 규제 기구인 BEREC(2016)의 정의에 따르면, OTT 서비스는 “공용 인터넷을 통해 최종 사용자에게 제공되는 콘텐츠, 서비스, 또는 애플리케이션”으로 규정하고 있다. OTT 서비스는 셋톱박스를 통해 방송·VOD(Video on Demand) 서비스를 제공하던 기존 방송 서비스와는 달리 개방형 인터넷을 통해 시청자에게 다양한 콘텐츠를 제공한다. OTT 서비스 이용자는 시간 및 장소에 제한 없이 인터넷에 접근할 수 있는 환경에서 언제든지 콘텐츠를 시청할 수 있다.

OTT 플랫폼 시장은 일정 구독료만 지불하면 이용자가 선호하는 콘텐츠를 제약 없이 여러 단말기로 이용할 수 있는 등의 장점을 토대로 성장하였다. OTT 서비스를 제공하는 업체도 점차 다양하게 분화하여 콘텐츠 제작사를 비롯해 구글(Google), 애플(Apple)과 같은 인터넷·하드웨어 사업자와 기간통신사업자인 SKT, KT, 그리고 기존의 지상파 방송사업자나 유료방송사업자들도 OTT 서비스에 진출하고 있다[4]. 더욱이 최근 코로나-19로 인한 비대면 문화가 보편화됨에 따라 기존 미디어 시장의 이용자들이 OTT 서비스로 대거 유입되어 OTT 시장의 성장과 동시에 타 플랫폼과의 경쟁이 치열해지고 있다[5]. OTT 사업자는 구독·번들링(bundling) 전략을 위해 단순히 콘텐츠만을 갖추는 것에 그치지 않고, 플랫폼을 대표할 수 있는 양질의 콘텐츠와 시장 경쟁력 확보에 요구되는 적절한 서비스를 제공하기 위해 노력하고 있다.

OTT 플랫폼에 대한 이용자들의 관심 사항이나 의견, 즉 버즈를 수집하기 위해 먼저 국내에서 론칭되어 일정 기간 이상 서비스를 제공하고 있는 OTT 플랫폼을 조사해보면 <표 1>과 같다. <표 1>은 2021년 1월을 기준으로, 월간 순 이용자 수(Monthly Activity User, MAU)가 많은 상위 5개의 플랫폼을 비교한 결과이다. 표에서 보이는 바와 같이 티빙은 타 플랫폼에 비해 늦게 출시되었으나, 넷플릭스, 웨이브 다음으로 가장 많은 이용자를 가진 플랫폼으로 성장하였다. 또한, 웨이브와 티빙은 월정액 형태로 서비스 이용료를 지불하고 콘텐츠를 시청하는 SVOD(Subscription VOD) 형식뿐만 아니라 원하는 콘텐츠별 단품 결제 후 시청이 가능한 TVOD(Transaction VOD) 형식을 포함하는 혼합형(Hybrid) 모델을 제공하고 있다.

Table 1. 
OTT Platform in Service in South Korea
OTT Platform Netflix Wavve Tving Seezn Watcha
Release Date 2007.1 2019.9 2020.10 2019.11 2016.1
MAU(2021.1) 9.93M 4.19M 2.64M 1.86M 1.46M
Business Model SVOD SVOD+TVOD SVOD+TVOD SVOD SVOD

2-2 선행연구

OTT 시장이 빠르게 성장하고 규모가 확대됨에 따라 OTT 플랫폼과 관련된 다수의 연구는 현재 활발하게 진행되고 있다. 이와 관련된 선행연구를 세 가지 정도로 분류하여 살펴볼 수 있다. 주요 연구를 보면, OTT 서비스 확산으로 인한 미디어 산업의 변화 요인 연구[6]-[7], OTT 플랫폼의 콘텐츠 연구[8]-[9], OTT 플랫폼의 이용자 경험 연구[10]-[11] 등이다. 해당 연구를 살펴보면 다음과 같다.

미디어 산업 변화 요인 연구에서 [6]은 빠르게 진화하고 있는 OTT 서비스가 기존의 방송 산업에 미친 영향을 분석하고, OTT 서비스 관계자들의 전락 및 대응을 살펴보며, 넷플릭스의 국내 진출 이후의 변화와 동향에 대해 정리하고 있다. [7]은 코로나-19 팬데믹과 미디어 환경 변화로, 그동안 기본적인 영화 관람 방식에서 OTT 플랫폼 이용 등 개인 미디어를 통한 소비의 비중이 높아짐에 따른 영화산업의 변화 양상과 동향에 대해 논의하고 있다.

[8]은 빠르게 진화하고 있는 OTT 서비스가 기존 방송 산업에 미친 영향을 분석하고, 신규 사업자, 기존 방송사업자, 유료방송사업자 등 OTT 서비스를 둘러싼 다양한 행위자의 전략과 대응을 중심으로 살펴보고 있다. [9]는 넷플릭스와 왓챠를 중심으로 고전소설 영화에 대한 유통과 소비 형태를 분석하고, 고전소설의 마이크로 장르 개발과 큐레이션 작업을 학술적 차원에서 수행할 것을 제안하고 있다.

마지막으로는 OTT 플랫폼에 대한 사용자의 이용 경험 및 의도 관련 분석이 있다. [10]은 이용자의 OTT 플랫폼 이용 경험 측정과 그 영향을 미치는 요인에 관한 연구를 위해 설문 조사와 심층 인터뷰를 진행한다. 하지만 관련 연구는 설문 조사 집단과 심층 연구 집단이 일치하고, 해당 OTT 플랫폼을 이용해본 경험이 있는 유경험자보다 무경험자의 비율이 높아 해당 설문 조사를 표본으로 하여 OTT 플랫폼의 이용에 영향을 미치는 요인을 분석하기에는 다소 미흡하다.

[11]은 국내·외 사업자들이 제공하는 OTT 서비스의 리뷰 데이터를 수집하여 해당 서비스에 대한 이용자의 감성 분석을 실시하였다. 하지만 대부분의 리뷰 데이터는 서비스 이용 후에 작성되는 사용자의 평가로, 서비스에 대한 이용 만족도는 파악할 수 있으나 이용자 관심의 변화 및 시장 흐름 변화를 파악하기에는 적합하지 않다. 따라서 본 연구에서는 이를 보완하기 위해 비교적 자신의 생각이나 견해를 가감 없이 드러낼 수 있고, 실시간 공유가 가능한 트위터를 분석 대상으로 선정하였다.

본 연구는 대량의 데이터 그 자체로도 의미와 정보를 띄고 있는 소셜 네트워크 서비스(SNS) 중 OpenAPI를 제공하고 있어 자동으로 관련 데이터 수집이 가능한 트위터를 활용하여 이용자 관심 분석을 한다. 이를 위해 급상승 구간에서 추출된 핫 키워드를 통해 OTT 플랫폼 이용자의 관심과 변화 추이를 분석하고자 한다.


Ⅲ. 분석방법

<그림 1>은 본 연구의 분석방법을 도식화한 것으로, 크게 다섯 단계로 구성되어 있다. 먼저 국내 트위터에서 ‘OTT 플랫폼’ 관련 키워드를 포함하고 있는 트윗의 본문 데이터를 수집한다. 소셜 네트워크 서비스는 다수의 이용자 목소리를 가감 없이 수렴하는 데 좋은 매개체로, 대중의 반응을 파악하는 데 활용될 수 있다. 핫 키워드 분석을 위해 자연어 형태로 이루어진 문장의 형태소 분석 및 무의미한 어절을 불용어 처리하는 등의 데이터 전처리를 진행했다. 다음으로 처리된 데이터의 추이를 분석하여 급상승 구간을 선정하고, 해당 구간에 등장하는 핫 키워드를 추출하여 이용자 관심 사항을 분석하였다. 마지막으로 워드 클라우드를 활용하여 선별된 핫 키워드의 종류와 빈도를 직관적으로 파악할 수 있도록 시각화하였다. 각 단계는 다음 하위 항목에서 상세히 설명한다.


Fig. 1. 
Overview of our Approach

3-1 데이터 수집

본 연구는 이용자 관심 분석을 위해 트위터 데이터를 수집하여 버즈 분석을 수행한다. 데이터 수집 기간은 여러 연구에서 언급한 바와 같이 국내에 OTT 플랫폼이 도입되고 활성화되는 시점에서 콘텐츠 소비가 증가한 2019년부터 2021년으로 설정한다[5].

데이터 분석 대상으로는 ‘넷플릭스’, ‘왓챠’, ‘티빙’을 선정하였다. 앞서 2-1에서 2021년 1월 MAU를 기준으로 조사한 상위 5개의 플랫폼 중 ‘웨이브’와 ‘시즌’은 동형이의어로 인해 OTT 플랫폼과 관련한 버즈만을 자동으로 필터링하는 것이 거의 불가능하여 분석 대상에서 제외하였다. 데이터 수집 과정에서 넷플릭스나 왓챠의 경우는 ‘넷플’, ‘와챠’, ‘왓차’와 같이 트위터에서 이용자들이 자주 사용하는 명칭의 형태를 추가하여 수집하였다. <표 2>는 OTT 플랫폼 관련 버즈 수집 결과로, 총 1,500,387개의 트윗을 수집하였고, 그중 온라인 뉴스를 스크랩한 도배글이나 중복된 트윗을 제거하여 최종 1,477,909개의 트윗을 선별하였다.

Table 2. 
Number of collected and preprocessed tweets data for OTT Platform
OTT Platform Netflix Tving Watcha Total
Number of Collected Tweet Data 936,089 185,352 378,946 1,500,387
Number of Preprocessed Tweet Data 918,471 178,091 381,347 1,477,909
Data Collecting Period: 2019.1–2021.12

3-2 데이터 전처리

개인 이용자들이 소통을 위해 작성한 트윗에는 URL, 이모지(유니코드 문자)와 같은 불필요한 정보인 노이즈(noise)가 많이 포함되어 있어, 트윗을 분석하기 위해서는 데이터를 분석이 가능한 형태로 변형시키는 전처리 작업이 필요하다. 특히, 트위터에서는 불규칙한 구문과 비표준적인 형태의 문장이 사용되는 경우가 많아 트위터에서 수집된 원시 데이터(raw data)는 분석에 바로 이용될 수 없다[12]. 또한, 한국어는 영어와 달리 ‘교착어’라는 특성이 있어 형태소 단위로 토큰화가 선행되어야 한다. 이를 위해, 추출한 날짜, 본문 내용 등을 DataFrame으로 만들고, 크롤링한 데이터를 파이썬의 KoNLPy 패키지를 통해 형태소 분석 후, 명사를 추출하였다. 다음으로, ‘넷플’, ‘유튭’ 등과 같은 축약어를 ‘넷플릭스’, ‘유튜브’로 확장시키고, ‘오징어’와 ‘게임’, ‘환승’과 ‘연애’ 등과 같이 고유명사에 해당하지만, 형태소 단위로 분리되어 두 단어로 추출된 단어를 병합시켰다. 또한 ‘넷플앤칠’, ‘넷없왓있’ 등과 같은 SNS 신조어를 사전에 추가하는 정규화 작업을 진행하였다. 예외적으로, ‘띵작’, ‘고인물’과 같이 빈도가 높지만, 분석에 영향이 미미한 단어는 불용어 처리 후 삭제하였고, 최종적으로, 총 148,778개의 명사 키워드를 추출하였다.

3-3 추이 분석을 통한 급상승 구간 선정

이 단계는 이용자 버즈 추이를 분석하고, 관심도에 따라 단어의 빈도가 급격히 상승한 구간을 선정하여, 급상승 키워드를 추출하는 과정이다. 먼저, 이용자의 해당 플랫폼 언급 추이를 파악하기 위해 기간별로 트윗 개수를 조사한다. 그런 다음, 데이터 수집 기간 동안 트윗의 평균 상승 개수를 계산하여 본 연구의 분석 대상을 급상승 구간으로 선정하는 데 활용한다. 마지막으로, 이용자 관심을 대변할 수 있는 해당 구간의 급상승 키워드를 추출한다.

우선 평균 상승 개수를 구하기 위해 전 월(month)의 대비 상승하는 월의 값을 모두 더한다. 각 플랫폼의 평균 상승 개수를 계산하면, 넷플릭스는 3,666개, 왓챠는 2,996개, 티빙는 1,260개이다. 본 연구에서의 급상승 구간은 ‘평균 상승 값보다 높은 값을 가진 구간’으로 설정한다.

<표 3>은 플랫폼마다 선정한 급상승 구간의 각 최고점(High Point)·최저점(Low Point)을 기록한 월 트윗 개수와 상승 개수((High-Low) Point)를 나타낸 것이다. 괄호 안에 나타난 것은 분석 기간 동안의 평균 상승 개수이고, 볼드(Bold)로 표시된 부분은 급상승 구간 중에서도 특히 급등한 구간이다. 전체 플랫폼 중 상승 개수가 가장 많은 구간은 넷플릭스의 2021년 6월부터 2021년 9월로, 4개월간 23,898개의 트윗이 증가하였으나, 단기간에 가장 많은 상승 개수가 나타난 구간은 왓챠의 2020년 11월부터 2020년 12월로, 1개월 만에 17,372개의 트윗이 증가했음을 알 수 있다.

Table 3. 
Soaring section Extracted by Platform
OTT Platform Low Point # Tweet High Point # Tweet (High-Low) Point
Netflix
(3,666)
2019.05 10,976 2019.07 15,374 4,398
2019.10 10,812 2020.03 25,471 14,659
2020.06 15,646 2020.09 24,078 8,432
2020.11 16,609 2020.12 27,809 11,200
2021.06 17,014 2021.09 40,912 23,898
2021.10 29,392 2021.12 33,829 4,437
Watcha
(2,996)
2020.02 5,833 2020.03 10,153 4,320
2020.06 5,452 2020.09 13,003 7,551
2020.11 10,836 2020.12 28,208 17,372
2021.06 12,284 2021.08 19,190 6,906
2021.10 15,942 2021.11 19,473 3,531
Tving
(1,260)
2020.07 2,621 2020.08 4,187 1,566
2020.11 3,081 2021.01 8,590 5,590
2021.02 7,085 2021.03 11,783 4,698
2021.04 8,528 2021.05 11,791 3,263
2021.06 9,077 2021.09 11,534 2,457
2021.10 9,897 2021.12 16,702 6,805

<그림 2>는 트위터에서 OTT 플랫폼을 언급한 트윗 수의 추이에 대한 조사 결과를 보여준다. x축은 월별 데이터 수집 기간, y축은 트윗 개수, 그리고 빨간색 화살표는 본 연구에서 정의한 급상승 구간을 표현한 것이다. 본 연구에서는 트윗 개수가 증가할수록 OTT 플랫폼에 대한 이용자 관심도가 높다고 가정하고, 그 수가 계속해서 상승하는 구간을 파악하였다.


Fig. 2. 
Number of Tweets where the OTT Platform was Mentioned on Twitter (Jan 2019 - Dec 2021)

예를 들어, 넷플릭스의 경우, 2019년 5월(10,976개)부터 2019년 7월(15,374개)까지 트윗 수가 계속해서 상승하다 8월에 12,580개로 하락하는 것을 볼 수 있다. 따라서, 2019년 5월부터 2019년 7월까지의 구간이 본 연구에서 정의한 급상승 구간에 포함된다.

전체적인 그래프를 살펴보면 플랫폼별 급상승 양상이 서로 상이한 것을 알 수 있는데, 넷플릭스의 경우 상승 구간에 관심도가 증가하는 폭이 다른 플랫폼에 비해 매우 큰 편인 반면, 티빙의 경우 소폭으로 등락을 반복하지만, 전체적으로는 꾸준히 증가하여 계단식 상승 양상을 보인다. 왓챠의 경우 2020년 12월에 매우 급격한 상승 폭을 보인 것을 빼고는 소폭 등락을 반복하는 것으로 파악되었다.

본 연구에서는 이러한 급상승 구간에 수집된 버즈를 통해 이용자 관심 사항이 무엇인지, 어떤 요인들이 급진적으로 표출되었는지를 파악한다.

3-4 이용자 관심 분석

이 단계는 OTT 플랫폼별 급상승 구간에서 추출한 키워드를 바탕으로 각 플랫폼에 대한 이용자 관심을 파악하는 단계에 있다. 먼저 급상승 구간이 최고점에 도달한 개월과 최저점을 기록한 개월에 등장한 키워드의 개수를 비교하여, 개수가 증가한 키워드를 ‘핫 키워드(Hot Keywords)’로 정의하고, 최고점 달별로 상위 100개의 핫 키워드를 추출하였다. 이후 구간마다 키워드를 한눈에 파악하기 쉽도록 플랫폼별로 정리하고, 언급량이 높은 순서대로 정렬하였다. 중복되는 단어의 경우, 언급 빈도를 한 번에 통합시키기 위한 후처리 과정을 진행하였다. 그 결과, 넷플릭스는 419개, 왓챠는 288개, 티빙은 354개의 키워드가 추출되었다.

이를 토대로 본 연구는 처리된 키워드를 통해 해당 플랫폼에 대한 이용자의 관심을 분석한다. 먼저 유사한 키워드끼리 그룹화하는 작업을 반복해서 진행하였다. 그룹화는 이용자가 플랫폼별로 차별성을 인지할 수 있는 핵심적인 기준으로 설정하였고, 세부적인 속성은 OTT 서비스 속성에 관한 분석 연구를 진행한 [13]의 연구를 기반으로 하였다.

3-5 핫 키워드 시각화

이번 단계에서는 워드 클라우드 기법을 통해 도출된 급상승 키워드의 빈도를 가시적으로 보여준다. 워드 클라우드는 핵심 단어를 시각적으로 돋보이게 하는 기법으로, 키워드의 출현 빈도수가 높은 단어일수록 크고 굵게, 낮은 단어일수록 단어가 작게 표현된다. 본 연구에서는 이전 단계에서 추출한 핫 키워드 중 가독성 및 표본의 중요성을 고려하여 단어 빈도가 가장 높은 상위 50개의 단어만을 시각화하여 워드 클라우드를 생성한다.

또한, 가시성 확보를 위해 속성마다 색깔을 부여하여 ‘콘텐츠’는 남색, ‘서비스’는 녹색, ‘출연자’는 노란색으로 구별하였으며, 글자 크기는 키워드 중요도를 의미한다.


Ⅳ. 분석결과

본 장에서는 워드 클라우드를 토대로 각 OTT 플랫폼에 대한 이용자의 관심 결과를 분석한다.

<표 4>는 앞서 도출한 OTT 플랫폼별 핫 키워드 상위 50개를 분석하여 정렬한 결과를 나타낸 것이다. 첫 번째 열은 각 플랫폼에 등장하는 키워드들을 대표할 수 있는 ‘속성(Factor)’을, 두 번째 열은 속성을 보다 구체적으로 분석하기 위한 ‘세부 속성(Sub-Factor)’을 나타낸다. 세 번째 열은 세부 속성별 해당 주요 내용을 보여준다. 여기에서 굵게 처리된 키워드는 <표 3>에서 언급한 다른 월에 비해 트윗 개수가 급격하게 상승한 월에서 추출된 키워드이다.

Table 4. 
Hot Keywords Extracted by OTT Platform*It is a keyword extracted from Korean Twitter, and it is expressed in Korean because English translation is not possible.
Factor Sub-Factor OTT Platform
Netflix Watcha Tving
Content Original Drama 오징어게임, 킹덤, 보건교사안은영, DP, 스위트홈, 첫사랑은처음이라서, 기묘한이야기, 마이네임 - 프레데터, 해피니스, 유미의세포들, 내과박원장
Movie 고요의 바다 - 서복, 해피뉴이어
Entertainment Show 버스티드, 신세계로부터, 범바너, 먹보와털보, 솔로지옥 - 여고추리반, 아이돌받아쓰기대회, 케이콘, 환승연애
non-Original Drama 청춘기록, 갯마을차차차 언내추럴, 닥터후, 상견니, 체르노빌, 태경, 신우, 진정령, 새빛남고학생회, 커피한잔할까요, 미란다, 킬링이브 마우스, 정바름
Movie 스파이더맨, 마블, 지브리 해리포터, 극장판, 엑스맨 코난, 무삭제판
Entertainment Show - - 스우파, 팬텀싱어, 스걸파
Animation 죠죠 슈가슈가룬, 천관사복, 하이큐 -
Etc. 원작, 웹툰, 신작 독점 -
Service Price & Promotion 결제, 가입, 구독 결제, 구독, 쿠폰, 가입, 이용권, 프리미엄, 초대, 체험 결제, 유료, 멤버십, 네이버플러스, 이용권, 구독, 가입, 프리미엄, 혜택, 쿠폰, 포인트
Login 계정, 파티 계정, 4인팟, 성인인증, 아이디 티빙팟, 성인인증, 파티, 계정, 아이디, 로그인
Broadcasting 시청 시청, 생중계, 스트리밍 티비엔, 라이브, 시청률, 방송, 시청, 스트리밍
Usability 자막, 정주행, 더빙, 화질 정주행, 자막, 캡쳐, 더빙, 광고, 화질, 통역, 번역, 추천작 자막, 화질, 캡쳐, 재방, 광고, 더빙
Community - 왓챠파티, 코멘터리, 연말결산 -
Cast 카이, 아이유, 오세훈, 배우, 엑소, 공유, 박보검, 이도현, 배두나, 김선호, 송강, 진영, 방탄소년단, 김요한, 구교환, 블랙핑크, 이정재 배우, 필모, 강유석, 최애, 방탄소년단 이승기, 한지민, 카이, 최예나

<표 4>의 속성은 각 플랫폼을 대표할 수 있는 공통적인 속성인 ‘콘텐츠(Content)’, 사용자 편의 환경을 의미하는 ‘서비스(Service)’, 프로그램에 출연한 배우나 가수 등을 의미하는 ‘출연자(Cast)’로 구성된다. 콘텐츠의 세부 속성은 ‘드라마(Drama)’, ‘영화(Movie)’, ‘예능(Entertainment Show)’, ‘애니메이션(Animation)’으로 나누어 ‘오리지널(Original)’과 ‘오리지널이 아닌(Non-Original)’ 콘텐츠, 그리고 ‘기타(Etc.)’ 콘텐츠로 구분하였고, 서비스는 ‘가격 및 프로모션(Price & Promotion)’, ‘로그인(Login)’, ‘방송(Broadcasting)’, ‘사용 용이성(Usability)’, ‘커뮤니티(Community)’로 구성하였다. 출연자의 경우에는 도출된 키워드가 대부분 콘텐츠에 출연한 연예인, 방송인 등의 이름이기에 다른 하위 세부 속성 없이 나타내었다. 해당 플랫폼별 주요 키워드 내용을 세부적으로 살펴보면 다음과 같다.

4-1 넷플릭스

<그림 3>은 넷플릭스에 대해 이용자 관심도가 높은 핫 키워드를 시각화한 것으로, 주로 콘텐츠(남색) 키워드와 출연자(노란색) 키워드가 많이 도출된 것을 확인할 수 있다. 이용자 버즈가 가장 많았던 속성은 콘텐츠 속성으로, 상위 핫 키워드 50개 중 23개의 키워드가 도출되었다. 그중에서도 오리지널 콘텐츠에 대한 언급(14/23)이 많았고, 특히 넷플릭스 오리지널 드라마(8/14)가 큰 비중을 차지하였다. 타 플랫폼에 비해 넷플릭스는 <기묘한 이야기>와 같은 해외 오리지널 콘텐츠를 기점으로, <오징어게임>, <버스티드>, <킹덤> 등 국내 오리지널 콘텐츠 제작을 통해 경쟁우위를 차지하고 있었다. 또한 <스위트홈>, <보건교사안은영>과 같이 웹툰이나 소설의 원작을 각색하여 드라마로 제작하는 등 기존 팬층을 확보하는 전략을 구사하기도 하였다. 게다가 <킹덤>이나 <스위트홈>처럼 주로 장편 영화로만 제작되던 좀비·판타지물을 시즌제로 제작하여 이용자의 지속적인 호응을 이끌었다.


Fig. 3. 
A Word Cloud Visualized with Netflix’s Hot Keywords

* It is a keyword extracted from Korean Twitter, and it is expressed in Korean because English translation is not possible.



넷플릭스에서는 출연자 속성(17/50) 또한 자주 언급되었다. <그림 3>에서 보이는 바와 같이 ‘아이유’, ‘엑소’, 등 해당 연예인이 드라마나 예능에 출연했을 때 이용자의 반응이 트윗을 통해 즉각적으로 나타났고, 특히 ‘카이’, ‘오세훈’과 같이 아이돌이 출연했을 경우 더 많은 반응을 보였다. 이처럼 자신이 좋아하는 연예인의 작품을 보기 위한 즉각적 반응들은 향후 해당 플랫폼의 구독을 유인하는 기회를 제공하기도 한다.

한편, 서비스(녹색)에 대한 관심도는 두 속성에 비해 낮은 것으로 파악되었으며, 왓챠나 티빙에 비해서도 상대적으로 적은 수의 키워드(10/50)가 도출되었다. 이는 타 플랫폼보다 오래전부터 OTT 시장에 진출하여 이용자를 위한 서비스 구축을 해왔기에 상대적으로 관심도가 적은 편이라고 볼 수 있다.

4-2 왓챠

후발주자인 왓챠의 콘텐츠는 타 플랫폼과 달리 해외 콘텐츠에 주력하고 있다. 이는 <그림 4>의 이용자 관심도에서도 같은 맥락으로 표출되는데, 왓챠의 콘텐츠와 관련된 핫 키워드(18/50)에는 <언내추럴>, <닥터후>, <상견니>, <체르노빌>, <미란다>, <킬링이브>, <해리포터>, <엑스맨>과 같은 해외 시리즈물(9/18)이나 해외 애니메이션(3/18)인 <슈가슈가룬>, <천관사복>, <하이큐>에 대한 언급이 높은 비중을 차지한다. 이처럼 왓챠는 넷플릭스나 티빙에서 제공하지 않는 해외 콘텐츠를 서비스함으로써 틈새시장을 공략하고 있다. 이러한 이유에서 이용자가 왓챠를 구독함을 알 수 있다. 특히 왓챠는 2020년 12월에 OTT 플랫폼 중 처음으로 <해리포터> 전 시리즈를 서비스하여 폭발적인 반응을 일으켰다. 하지만 타 콘텐츠들이 지속적인 화제성을 확보하기에는 다소 미흡하였다.


Fig. 4. 
A Word Cloud Visualized with Watcha’s Hot Keywords

* It is a keyword extracted from Korean Twitter, and it is expressed in Korean because English translation is not possible.



왓챠에는 넷플릭스나 티빙에서 제공하지 않는 이용자 소통 공간이 있다. 가장 대표적인 서비스인 ‘왓챠파티’는 다른 이용자와 함께 채팅하며 영화나 드라마를 감상할 수 있는 기능으로, 콘텐츠를 함께 소비하여 교류를 통해 공감대를 형성할 수 있다. 또한, ‘코멘터리’는 셀럽이나 영화감독, 기자 등과 함께 콘텐츠를 감상할 수 있도록 기획된 왓챠파티 이벤트로, 수집된 트윗을 통해 당시 이용자에게 큰 호응을 얻었다는 것을 알 수 있었다. 이는 <그림 4>와 같이 <그림 3>과 <그림 5>에 비해 녹색 키워드가 많이, 그리고 크게 나타난 것으로도 확인 가능하다.


Fig. 5. 
A Word Cloud Visualized with Tving’s Hot Keywords

* It is a keyword extracted from Korean Twitter, and it is expressed in Korean because English translation is not possible.



또한, 왓챠에서는 배우의 작품을 모아둔 필모그래피를 한눈에 볼 수 있는 기능과 더불어 그 안에서 배우가 등장한 콘텐츠를 바로 시청할 수 있는 기능을 갖추고 있다. 대부분의 이용자는 자신이 좋아하는 배우의 작품을 보기 위해 배우의 이름을 검색하여 해당 기능을 이용한다. 따라서 본 연구자들은 ‘필모’라는 키워드를 서비스가 아닌 출연자 속성으로 나타내었다.

4-3 티빙

티빙은 세 플랫폼 중 가장 늦게 OTT 서비스 시장에 진출하였으나, 영화·드라마·예능 등 오리지널 콘텐츠를 제작함으로써 팬덤층을 형성하고 콘텐츠 장르의 다양한 변화를 추구하고 있다. <그림 5>에 나타난 티빙의 이용자 관심 키워드 중 콘텐츠 분야(17/50)를 살펴보면, 오리지널 드라마에 대한 언급이 주를 이룬 넷플릭스와는 달리, 드라마(4/17)뿐만 아니라 오리지널 예능(8/17)에 대한 언급이 고루 높음을 알 수 있다. 특히 수집된 트윗의 분석결과, 티빙은 예능 분야의 콘텐츠를 서비스하였을 때 이용자의 언급량이 더 많았다. 또한, <프레데터>, <아이돌받아쓰기대회>와 같이 방송 채널인 tvN의 스핀오프 프로그램을 서비스한다는 점이 특징이다.

한편 <표 4>에 나타난 바와 같이, 티빙은 세 OTT 플랫폼 중 가장 많은 종류의 서비스 관련 키워드(29/50)가 추출되었으나 <그림 5>에서 보이듯이 그 중요도(글씨 크기)는 낮은 것으로 파악되었다. 티빙은 ‘네이버플러스’와 함께하는 프로모션을 통해 가입자의 범위를 확대하여 새로운 이용자의 유입을 도모하였고, ‘티빙팟’과 같이 아이디 공유를 위한 이야기가 많이 나타났다. 또한, 티빙은 넷플릭스나 왓챠와는 달리 여러 방송을 실시간으로 볼 수 있어 <그림 5>에서 보이듯이 실시간 방송인 ‘라이브’에 대한 언급도 적지 않았다.

앞서 언급된 바와 같이 티빙에서 도출된 키워드는 주로 콘텐츠와 서비스 속성에 치우쳐 있어, 출연자 속성에 대한 키워드는 상대적으로 적게 도출되었다(4/50). 따라서 티빙만의 출연자 속성을 특정 짓기는 어렵지만, ‘이승기’, ‘한지민’, ‘카이’, ‘최예나’처럼 티빙에서 서비스된 콘텐츠에 출연한 유명 연예인의 언급이 대부분으로 넷플릭스와 유사한 경향을 보인다고 할 수 있다.

4-4 종합 결과

본 연구는 넷플릭스, 왓챠, 티빙의 이용자가 각 플랫폼의 어떤 요인에 관심을 많이 가지는지를 조사하기 위해 트윗을 수집하고, 급상승 키워드를 도출하여 분석을 진행하였다. 분석결과를 정리하면 다음과 같다.

먼저, 이용자들은 넷플릭스에서 자체 제작한 오리지널 드라마에 가장 많은 반응을 보였다. 특히 2021년 9월에 공개된 <오징어게임>은 전 세계적으로 폭발적인 인기를 얻어 역대 넷플릭스 오리지널 콘텐츠 중 시청자 수 1위에 등극하기도 하였다. 또한, 콘텐츠에 출연하는 연예인에 대해서도 상당한 반응을 보였다. 유명 아이돌 그룹 멤버가 출연할 경우, 트위터를 통해 이들이 출연한 콘텐츠에 대한 즉각적인 반응이 많았다는 것을 확인할 수 있었다.

왓챠의 경우에는 2020년 12월에 영화 <해리포터> 전 시리즈를 론칭했을 때 이용자들에게 제일 큰 호응을 얻었으나, ‘왓챠’라는 플랫폼에 대해 지속적인 반응을 이끌어내지는 못하였다. 이를 해결하기 위해 왓챠는 이미 출시된 콘텐츠이더라도 사람들의 관심도가 높고, 계속해서 창구 효과(windowing effect)를 일으킬 수 있는 콘텐츠에 주력할 필요가 있다. 왓챠를 언급한 트윗에는 ‘서비스’와 관련된 키워드가 많이 도출되었는데, 그중에서 ‘왓챠파티’는 왓챠의 정체성을 보여주는 도구로 활용되어 다른 OTT 플랫폼과 차별성을 보여주었다.

티빙도 넷플릭스와 마찬가지로 오리지널 콘텐츠에 관한 내용이 많이 거론되었다. 티빙의 오리지널 예능인 <여고추리반>이나 <아이돌받아쓰기대회>는 티빙의 월간 이용자 수를 늘리는 데 큰 영향을 끼쳤다. 티빙은 타 플랫폼에 비해 늦게 서비스를 시작하였지만, 오리지널 예능 부분에서 강세를 보여주며 경쟁력을 다져가고 있다.


Ⅴ. 결 론

본 연구는 이용자가 어떤 이유를 통해 OTT 플랫폼에서 어떤 콘텐츠에 관심을 기울이는지, 또한 어떤 속성을 드러내고 있는지에 대한 요인을 밝힘으로써 서비스 제공자 관점에서 이용자의 반응을 분석하였다. 앞서 분석한 결과를 종합해보면, 이용자가 폭발적인 관심을 보인 주된 요소는 주로 플랫폼에서 제공되는 콘텐츠에 대한 키워드였다. 예를 들어, 넷플릭스는 <킹덤>이나 <오징어게임>과 같은 자체 제작한 오리지널 콘텐츠가 공개되었을 경우, 왓챠는 <해리포터>와 같이 인지도가 높은 해외 시리즈물을 론칭했을 경우, 티빙은 아이돌이 많이 출연한 오리지널 예능 등을 선보였을 때 이용자의 관심도가 높았음을 보여주었다. 이러한 분석결과에서 알 수 있듯이 각각의 해당 플랫폼은 자신들만의 차별화된 전략을 토대로 그에 걸맞은 콘텐츠를 활용하고 있다. 이에, OTT 시장에 신규로 진입하는 애플 TV나 디즈니 플러스도 이러한 사례를 검토하여 자신들만의 플랫폼 영역을 구축하고 타 플랫폼과의 차별성을 갖출 필요가 있을 것이다. 이처럼 소셜 미디어 기반 텍스트 분석 기술을 활용한 연구 결과는 향후 OTT 플랫폼 서비스에 대한 마케팅 기초자료로써 활용될 수 있을 것이라 기대한다.

본 연구는 사용자가 어떤 사용 의도를 가지고 플랫폼을 이용하고 있는지에 대한 분석은 가능했으나 이용자의 연령대를 파악할 수 없다는 한계가 있다. 그로 인해 세대별로 어떤 속성에 관심을 가지는지, 전 세대를 아우르는 속성에는 무엇이 있는지 파악하기에 다소 미흡한 부분이 있다. 따라서 이용자의 반응에 대한 보다 더 명확한 분석을 위해 세대별 이용자 분석 등의 심층 연구를 수행할 예정이다.


Acknowledgments

이 논문은 2022년도 전북대학교 연구기반 조성비 지원에 의하여 연구되었음.

이 논문은 2021년도 한국연구재단 연구비 지원에 의한 결과의 일부임 (NRF-2021R1I1A3047435).


References
1. H. G. Lee, C. K. Yeo and S. H. Kang, “Identifying the Mechanism of Formation of Contiuous Usage Intention in Domestic OTT Service,” Journal of Korea Service Management Society, vol. 22, No. 4, pp. 145-169, November 2021.
2. C. Fornell, “A National Customer Satisfaction Barometer: The Swedish Experience,” Journal of Marketing, Vol. 56, No. 1, pp. 6-21, January 1992.
3. E. J. Song, “A Study on the Case Analysis of Customer Reputation based on Big Data,” Journal of the Korea Institute of Information and Communication Engineering, Vol. 17, No. 10, pp. 2439-2446, October 2013.
4. D. H. Kim and N. K. Park, “Effects of OTT Service Users Use Motivations on Satisfaction and Intention of Continued Use,” Journal of Broadcasting and Telecommunications Research, No. 93, pp. 77-110, January 2016.
5. U. J. Byun and H. M. Baek, “An Exploratory Study on the Current State of Multiple Subscriptions to OTT Services and the Characteristics of Users,” Journal of Broadcasting and Telecommunications Research, No. 117, pp. 43-69, January 2022.
6. S. H. Song, “Changes and Trends of Media Industry Caused by Diffusion of OTT Service,” Korean Journal of Converging Humanities, Vol. 7, No. 1, pp. 63-78, February 2019.
7. S. H. Song, “Aspects of Changes and Trends in the Film Industry due to the Covid-19 Pandemic and Media Environment Changes,” Korean Journal of Social Quality, Vol. 4, No. 4, pp. 77-93, December 2020.
8. 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.
9. H. K. Jung, “The Future of Classical Novel Contents and OTT Service- Focused on Films Netflix and Watcha -,” Yeol-sang Journal of Classical Studies, No. 75, pp. 45-90, October 2021.
10. H. S. Choi and S. I. Kim, “A Study on User Experience of OTT Service –Focused on Netflix, Watcha and Wavve-,” Journal of Digital Convergence, Vol. 18, No. 4, pp. 425-431, April 2020.
11. H. S. Cho, S. A. Kang and M. H. Ryu, “An Analysis of OTT Service Review Using Text Mining: Focusing on the Competitive Advantage of Local Service,” The Journal of Korean Institute of Communications and Information Sciences, Vol. 46, No. 4, pp. 722-733, January 2020.
12. M. Kaufmann, “Syntactic Normalization of Twitter Messages,” International conference on natural language processing, Kharagpur, July 2010.
13. E. A. Kwak and J. H. Choi, “An Analysis of User’s Perception regarding Service Attributes and Competitive Relationship among OTT Services in the Korean Market,” Broadcasting & Communication, Vol. 20, No. 2, pp. 121-169, June 2019.

저자소개

임진솔(Jinsol Lim)

2020년 : 전북대학교 원예학과 졸업

현 재 : 전북대학교 기록관리학과 석사과정

※관심분야 : 데이터 분석, 텍스트 마이닝 등

소현기(Hyeon-Gi So)

2021년 : 전북대학교 사학과 졸업

현 재 : 전북대학교 기록관리학과 석사과정

※관심분야 : 데이터 분석, 텍스트 마이닝 등

오효정(Hyo-Jung Oh)

2008년 : 한국과학기술원 컴퓨터공학과(공학박사)

2000년~2015년 : 한국전자 통신연구원 지식마이닝연구실 책임연구원

2015년~현 재 : 전북대학교 문헌정보학과 부교수

※관심분야 : 정보검색, 텍스트마이닝, 빅데이터정보처리 등