• Journal of Digital Convergence
• /
• v.18 no.7
• /
• pp.177-188
• /
• 2020

In the digital world, creative industries such as music, movies, and drama have been the most impacted by digital transformation. As these contents were converted to a digital format of 0s and 1s, the business model changed and so did the rules of competition in the market. Apple, Spotify, and Netflix were quick to ride the digital transformation wave to become market leaders in the creative industry. This study reviews case studies in the creative industry to grasp the important factors necessary for market restructuring using digital technology. It was found that companies that set visions, platform, and open innovation as business strategies were able to achieve critical mass and become market leaders. These three elements are commonly found in the contents industry. On the other hand, companies that did not embrace digital innovation have become victims of digital darwinism. By analysing the experience of digital product innovation through case studies in the creative industry, we can derive implications for digital transformation in the 4th industrial revolution.

• 한국벤처창업학회:학술대회논문집
• /
• 2018.04a
• /
• pp.27-30
• /
• 2018

디지털 음원 시장을 양분하는 가장 대표적 디지털 음원 소비방식은 다운로드(download)와 스트리밍(streaming)이다. 음원 스트리밍 시장은 IT 기술의 발전으로 빠른 성장을 거듭하여 스트리밍 이용 수가 급격히 증가한 반면, 다운로드 수는 감소하는 추세를 보이고 있어 음원 소비 방식이 소유방식에서 접근방식으로 변화중이라고 할 수 있다. 스포티파이(Spotify)와 같은 음원 스트리밍 기업이 프리미엄(Freemium) 가격정책을 운용하는 반면, 국내 음원 스트리밍 기업은 정액요금제 가격정책을 주로 채택하고 있다. 정액요금제 가격정책을 채택한 기업의 수입은 소비자가 매달 지불하는 일정한 금액으로 고정되어 있지만, 비용은 징수규정에 따라 소비자가 스트리밍을 하는 횟수에 비례하여 증가하기 때문에 변동성이 있다. 서비스를 열성적으로 이용하는 소비자가 추가 구매를 할 가능성이 높은 다른 비즈니스에 비해, 정액제로 운영되는 음원 스트리밍 비즈니스는 사실상 추가 구매가 이뤄지는 경우가 드물기 때문에 음원 이용 건수가 많은 소비자가 기업의 높은 가치를 주는(high-value) 고객이 아닐 수 있다. 따라서 본 연구는 스트리밍 정액요금제 소비자를 음원 소비량에 따라 세분화(segmentation)하고 이들의 특성을 살펴봄으로써, 음원 스트리밍 기업과 연구자에게 효과적인 전략을 세우는 데 도움을 주는 것을 목표로 한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.7
• /
• pp.842-848
• /
• 2020

Music markets have entered the era of streaming. In order to select and propose music that suits the taste of music consumers, there is an active demand and research on an automatic music genre classification system. We propose a method to improve the accuracy of genre unclassified songs, which was a lack of the previous system, by using a generative adversarial network (GAN) to further develop the automatic voting system for deep learning music genre using Softmax proposed in the previous paper. In the previous study, if the spectrogram of the song was ambiguous to grasp the genre of the song, it was forced to leave it as an unclassified song. In this paper, we proposed a system that increases the accuracy of genre classification of unclassified songs by converting the spectrogram of unclassified songs into an easy-to-read spectrogram using GAN. And the result of the experiment was able to derive an excellent result compared to the existing method.