Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Youtube Mukbang and Online Delivery Orders: Analysis of Impacts and Predictive Model

유튜브 먹방과 온라인 배달 주문: 영향력 분석과 예측 모형

  • Choi, Sarah (School of MIS, Hanyang University) ;
  • Lee, Sang-Yong Tom (School of MIS, Hanyang University)
  • 최사라 (한양대학교 일반대학원 경영학과 경영정보시스템전공) ;
  • 이상용 (한양대학교 경영대학 경영학부)
  • Received : 2022.09.04
  • Accepted : 2022.11.03
  • Published : 2022.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

One of the most important current features of food related industry is the growth of food delivery service. Another notable food related culture is, with the advent of Youtube, the popularity of Mukbang, which refers to content that records eating. Based on these background, this study intended to focus on two things. First, we tried to see the impact of Youtube Mukbang and the sentiments of Mukbang comments on the number of related food deliveries. Next, we tried to set up the predictive modeling of chicken delivery order with machine learning method. We used Youtube Mukbang comments data as well as weather related data as main independent variables. The dependent variable used in this study is the number of delivery order of fried chicken. The period of data used in this study is from June 3, 2015 to September 30, 2019, and a total of 1,580 data were used. For the predictive modeling, we used machine learning methods such as linear regression, ridge, lasso, random forest, and gradient boost. We found that the sentiment of Youtube Mukbang and comments have impacts on the number of delivery orders. The prediction model with Mukban data we set up in this study had better performances than the existing models without Mukbang data. We also tried to suggest managerial implications to the food delivery service industry.

음식 문화 및 산업과 관련한 대표적 특징들 중에는 음식 배달 주문 산업이 성장하고 있다는 것과 유튜브와 같은 1인 미디어에서의 소위 '먹는 방송' (먹방)이 최고의 인기 콘텐츠로 자리 잡았다는 사실 등을 거론할 수 있다. 본 연구는 이러한 배경에 근거하여 두가지 초점을 두어 연구하고자 하였다. 먼저, 유튜브 먹방과 먹방 댓글에서 확인되는 대중들의 감성이 관련 음식의 배달 이용 건수에 영향을 미치는지를 회귀분석 모형을 통하여 확인하고자 하였다. 다음으로, 대한민국에서 대표적인 주문 음식인 치킨의 배달 이용 건수 데이터와 유튜브 먹방 댓글 데이터와 날씨 데이터를 활용하여, 머신 러닝을 통한 치킨 배달 주문 예측 모형을 구현하였다. 2015년 6월 3일부터 2019년 9월 30일까지 총 1,580개의 데이터를 활용하였고, 날씨 변수로서의 온도, 습도, 강수량과 유튜브 먹방 변수로의 영상에 달린 댓글 수, 댓글의 긍정어 수, 중립어 수, 부정어 수 등을 수집하였다. 본 연구에 활용된 데이터의 유튜브 먹방과 먹방 댓글의 감성이 배달 이용 건수에 영향 미침을 확인하기위해 선형 회귀 방법론을 사용하였으며, 예측모델을 위해 사용된 머신 러닝은 Linear Regression, Ridge, Lasso, Random Forest, Gradient Boost이다. 본 연구를 통해 유튜브 먹방과 댓글의 감성이 배달 이용 건수에 영향 미침을 확인하였고 예측 모형 또한 기존 모델보다 성능이 좋아짐을 Root Mean Square Error 값을 통하여 확인하였다. 본 연구는 먹방의 광고 효과를 확인하였으며, 배달 업종에서의 경영에 활용할 수 있는 함의를 제공하고자 하였다.

Keywords

Acknowledgement

이 논문은 2020년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임 (NRF-2020S1A3A2A02093277)

References

  1. 권재영, 김시내, 박은지, & 송종우. (2015). 국내 배달음식 이용 건수 분석 및 예측. 응용통계연구, 28(5), 977-990. https://doi.org/10.5351/KJAS.2015.28.5.977
  2. 권태용, 곽재영, 신주일, 양다영, 여현구, 이영재, & 윤상후. (2018). 기상자료와 기계학습을 통한 배달주문 수요예측. 한국기상학회 학술대회 논문집, 540-540.
  3. 김경재, 한인구, & 안현철. (2005). Support Vector Machine 을 이용한 고객구매예측모형. 지능정보연구, 11(3), 69-81.
  4. 김대룡, 김다영, & 변수지. (2016). 날씨에 따른 배달음식 주문건수 예측. 한국기상학회 학술대회 논문집, 480-481.
  5. 김영민, 정석재, & 이석준. (2014). 소셜 미디어 감성분석을 통한 주가 등락 예측에 관한 연구. Entrue Journal of Information Technology, 13(3), 59-70.
  6. 송정은, & 장원호. (2013). 유투브(YouTube) 이용자들의 참여에 따른 한류의 확산: 홍콩의 10-20대 유투브(YouTube) 이용자조사를 중심으로. 한국콘텐츠학회논문지, 13(4), 155-169. https://doi.org/10.5392/JKCA.2013.13.04.155
  7. 이맹탁, 이준영, & 심성욱. (2020). 유튜브 (YouTube) 뷰티 인플루언 서 속성이 콘텐츠 태도, 제품 태도, 구전의도, 구매의도에 미치는 영향 연구. 광고학연구, 31(5), 117-142.
  8. 정지선, 김동성, & 김종우. (2015). 온라인 언급이 기업 성과에 미치는 영향 분석: 뉴스 감성분석을 통한 기업별 주가 예측. 지능정보연구, 21(4), 37-51. https://doi.org/10.13088/JIIS.2015.21.4.037
  9. 조정태, & 최상현. (2015). 영화리뷰 감성 분석을 통한 평점 예측 연구. 경영과 정보연구, 34(3), 161-177.
  10. 홍석경, & 박소정. (2016). 미디어 문화 속 먹방과 헤게모니 과정. 언론과 사회, 24(1), 105-150.
  11. Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705
  12. Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32. https://doi.org/10.1023/A:1010933404324
  13. Chiu, C. (2002). A case-based customer classification approach for direct marketing. Expert systems with Applications, 22(2), 163-168. https://doi.org/10.1016/S0957-4174(01)00052-5
  14. Firat, D. (2019). YouTube advertising value and its effects on purchase intention. Journal of Global Business Insights, 4(2), 141-155. https://doi.org/10.5038/2640-6489.4.2.1097
  15. Guelman, L. (2012). Gradient boosting trees for auto insurance loss cost modeling and prediction. Expert Systems with Applications, 39(3), 3659-3667. https://doi.org/10.1016/j.eswa.2011.09.058
  16. Peng, W., & Park, D. H. (2011, July). Generate adjective sentiment dictionary for social media sentiment analysis using constrained nonnegative matrix factorization. In Fifth International AAAI Conference on Weblogs and Social Media.
  17. Schwarz, G. (1978). Estimating the dimension of a model. The annals of statistics, 461-464.
  18. Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Methodological), 58(1), 267-288. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x
  19. 김경진. (2019.04.25). [ONE SHOT] 유튜브 분야별 최고 인기 채널 & 인기 유튜버 톱3. 중앙일보 https://dcnewsj.joins.com/article/2343250
  20. 김보라. (2019.09.27). '멜로가체질'뜨자BBQ매출 껑충_PPL전략'눈에띄네'. 시장경제. https://www.meconomynews.com/news/articleView.html?idxno=33472
  21. 김보라. (2019.09.26).BBQ치킨, JTBC 드라마 '멜로가 체질' 등장에 매출 평균 138% 상승. 백세시대. http://www.100ssd.co.kr/news/articleView.html?idxno=64279
  22. 김정엽. (2016.05.04). 배달음식1호, 1968년7월냉면. 서울엔. http://www.seouland.com/arti/culture/culture_general/354.html
  23. 전승엽, 박성은, 김유정. (2017.09.11). [디지털스토리] 한국인이 가장 많이 시키는 배달음식은. 연합뉴스. https://www.yna.co.kr/view/AKR20170905129800797