• 제목/요약/키워드: 스포티파이

검색결과 3건 처리시간 0.017초

창작 산업 (Creative Industry) 디지털 트랜스포메이션 사례연구: 시장재편전략과 플랫폼중심으로 (Creative Industry Digital Transformation Case Study: Market Reorganization Strategy and Platform)

  • 이호근;이서영
    • 디지털융복합연구
    • /
    • 제18권7호
    • /
    • pp.177-188
    • /
    • 2020
  • 디지털 세계가 도래하면서 산업차원에서 디지털 트랜스포메이션이 가장 활발하게 이루어지고 있는 영역은 음악, 영화, 드라마와 같은 창작산업이다. 이들 창작물이 0과 1로 이루어진 디지털 포맷으로 전환되면서 비즈니스 모델이 변화하고 그 결과 시장에서 경쟁의 룰이 바뀌었다. 애플과 스포티파이, 넷플릭스는 창작산업에서 디지털 트랜스포메이션을 통해 시장 리더가 된 기업들이다. 본 연구는 창작 산업의 사례연구를 통해 디지털 기술을 활용한 시장재편에 필요한 중요한 요소를 파악하는 것이다. 사례 연구 결과, 디지털 기술을 활용해 시장을 재편한 기업들의 전략적 특성은 비전, 플랫폼, 그리고 개방적 혁신이라는 세 가지 요소임을 발견하였다. 반면 이러한 전략을 구사하지 못해 디지털 혁신의 기회를 놓친 기업들은 디지털 다위니즘의 희생양으로 몰락의 길을 걸었다. 본 논문은 4차산업혁명 시대의 디지털 트랜스포메이션은 세 가지 전략요소를 최대한 활용함으로써 플랫폼을 구축하고, 가급적 많은 파트너들이 플랫폼에 동참할 수 있도록 개방적인 혁신으로 초기에 크리티컬 매스를 확보하는 것이 무엇보다도 중요하다는 시사점을 제시하고 있다.

국내 음원 스트리밍 플랫폼의 사용자 특성 연구

  • 석민성;유병준;이재환
    • 한국벤처창업학회:학술대회논문집
    • /
    • 한국벤처창업학회 2018년도 춘계학술대회
    • /
    • 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.

  • PDF

생성적 적대 신경망(GAN)을 이용한 딥러닝 음악 장르 분류 시스템 모델 개선 (Deep Learning Music Genre Classification System Model Improvement Using Generative Adversarial Networks (GAN))

  • 배준
    • 한국정보통신학회논문지
    • /
    • 제24권7호
    • /
    • pp.842-848
    • /
    • 2020
  • 아이튠즈, 스포티파이, 멜론 등 음악시장은 바야흐로 스트리밍의 시대로 접어들었고, 음악 소비자의 취향에 맞는 음악 선곡과 제안을 위해 음악장르 자동 구분 시스템에 대한 요구와 연구가 활발하다. 이전 논문에서 제안한 소프트 맥스를 이용한 딥러닝 음악장르 자동구분 투표 시스템을 더욱 발전시켜 생성적 적대 신경망(GAN)을 이용하여 이전 시스템의 미흡한 점이었던 장르 미분류 곡들에 대한 정확도를 높이는 방법을 제안한다. 이전 연구에서는 전체 곡을 작은 샘플 로 나누고 각각의 샘플을 CNN 분석하여 그 결과들의 총합으로 장르 구분을 하는 투표 시스템으로 곡 장르분류 정확도를 높일 수 있었다. 하지만 곡의 스펙트로그램이 곡의 장르를 파악하기에 모호한 곡의 경우에는 미분류 곡으로 남겨놓을 수밖에 없었다. 이 논문에서는 생성적 적대 신경망을 이용하여 미분류 곡의 스펙트로그램을 판독하기 쉬운 장르의 스펙트로그램으로 바꾸어 미분류 곡의 장르 구분 정확도를 높이는 시스템을 제안하고 그 실험결과 기존 방식에 비해 우수한 결과를 도출해낼 수 있었다.