• 벤처창업연구
• /
• 제18권1호
• /
• pp.1-11
• /
• 2023

빅테크 기업으로 불리는 글로벌 플랫폼들은 전 세계적인 규모로 성장하면서 데이터의 축적과 가격경쟁력, 네트워크 효과를 확보했다. 이로 인한 경쟁우위를 배경으로 글로벌 플랫폼이 그 위상을 더욱 강화되고 있다. 유럽연합(EU) 집행위 경쟁분과위원회는 반독점 위반을 이유로 구글에 대해 막대한 과징금을 부과하기도 하였는데 이는 구글의 미납 세금을 거둬들이기 위한 것이라 해석되기도 하였다. 실제로 글로벌 플랫폼의 편법적인 조세회피를 겨냥하여 '구글세' 형태의 과세 노력이 진행 중이다. 한편, 국내 콘텐츠 스타트업 및 중소벤처기업 등에도 큰 영향을 미치고 있는 글로벌 플랫폼의 국내 매출과 세금 규모는 정확히 측정되지 않고 있다. 구글의 경우 연구문헌에 따르면 2017년 한국 매출을 약 2조~3조원으로 추정하였으나, 구글코리아는 2021년 매출이 2,900억 원이라 신고하고 130억 원의 세금을 납부하였다. 본 연구는 국내에 큰 영향을 미치고 있는 글로벌 플랫폼의 경제적 효과를 검증하고 구체적으로 대표적인 글로벌 플랫폼인 구글의 연간 국내 매출액과 세금을 정량적으로 추정하고자 하였다. 구글에서 발간한 구글 경제 효과 관련 문건에서 제시된 수치를 기초로 구글의 연간 국내 매출과 세금을 추정한 결과, 연간 매출 4~9조 원, 세금 3,906억 원~9,131억 원의 결과를 얻었다. 본 연구는 이런 글로벌 플랫폼 기업의 국가별 과세 권한 문제를 구글이라는 구체적 사례를 가지고 추정함으로써 앞으로 전개될 디지털 경제 시대의 국가, 조세 정책 방향에 대한 기초 자료를 제공했다는 점에서 의의가 있다 할 수 있다.

• 벤처창업연구
• /
• 제18권3호
• /
• pp.141-156
• /
• 2023

전 세계적으로 유례없는 Covid-19 팬데믹으로 인해 기업의 비즈니스 방식 및 내용이 크게 변화됐다. 따라서 Covid-19 이후 산업 전반에서 일어나고 있는 혁신 양상을 면밀히 모니터링하고, 이를 바탕으로 미래 비즈니스를 기획/설계하는 것이 산업현장에서 크게 요구되고 있다. 다수 연구에서 펜데믹 이후 비즈니스 동향 분석이 시도됐으나 특정 산업에 국한된 분석을 수행하는 점, 설문 및 문헌 연구 중심으로 수행되어 객관적 데이터의 활용이 부족한 점에서 한계점이 존재하고 있다. 이에 본 연구에서는 글로벌 스타트업 데이터인 Crunchbase를 활용하여 Covid-19 이후 비즈니스 산업의 트렌드를 분석하고자 한다. 트렌드 분석을 위해 Crunchbase에서 2018년부터 2021년까지 2년 단위로 데이터를 수집 및 전처리를 진행하였다. 산업 변화를 확인하기 위해 네트워크 분석, LDA 기반 토픽 분석, Doc2vec 클러스터링 분석을 결합한 접근 방식을 사용하여 비즈니스 콘텐츠의 변화를 분석하였다. 연구 결과 각 분야에서 비대면/온라인 기술들이 훨씬 전문성을 갖추며 성장하고 있으며, 기술융합에 초점을 두고 많은 산업들이 성장하고 있는 것으로 파악되었다. 본 연구는 Covid-19의 영향으로 기업투자자 및 예비 창업자들에게 급속도로 변화하는 산업의 흐름을 파악할 수 있게 하고 투자 의사결정에 많은 도움을 줄 것으로 기대된다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.