• 한국인터넷방송통신학회논문지
• /
• 제21권4호
• /
• pp.149-156
• /
• 2021

인터넷망에서 동영상 콘텐츠를 스트리밍 서비스로 시청할 수 있게 해주는 OTT 서비스는 최근 많은 각광을 받고 있으며 이용자수 또한 가파르게 증가하고 있다. OTT 회사가 전통적인 미디어 회사들 및 타 OTT 회사들과 관계에서 경쟁 우위를 확보하기 위해 더 많은 콘텐츠를 확보하는 것은 당연한 전략일 것이다. 하지만 OTT 사업자로부터 유발된 인터넷 트래픽양 또한 더불어 같이 증가하게 되므로 이를 전송해 주어야 하는 인터넷 서비스 회사의 설비 투자도 증가해야 한다는 의견도 있다. 본 연구에서는 대표적인 OTT 회사인 넷플릭스의 콘텐츠 투자가 자사의 매출 증가와 인터넷 서비스 회사의 인터넷 망 투자 증가에 어떠한 영향을 미치는 지를 시차 분포 모형을 통해 실증적으로 분석하였다. 분석결과는 넷플릭스의 콘텐츠 투자는 자사의 매출 증대에 기여하고 있으며, 또한 인터넷 서비스 사업자 들의 인터넷 망투자 증가에도 영향을 미치는 것을 보여 준다. 이는 OTT 사업자의 콘텐츠 확대 전략이 유효한 경영 전략임을 확인해주며, OTT 사업자 들로부터 우발디는 막대한 인터넷 트래픽을 지연없이 전송하기 위한 인터넷 망 설비 투자 비용을 OTT 사업자 들이 분담할 필요가 있다는 연구 결과 들을 실증적으로 지지한다.

• International journal of advanced smart convergence
• /
• 제10권4호
• /
• pp.72-83
• /
• 2021

The use of the predictive analytics (PA) powered by the artificial intelligence (AI) is more important in the movie sector during the COVID-19 pandemic, because Hollywood witnessed the impact of the 'Netflix Effect' and began to invest in data and AI. Our purpose is to discover a few cases of the AI centered PA in the movie industry value chain based on five objectives of PA: Compete, grow, enforce, improve, and satisfy. Even if movie companies' interest is to predict future success for competing with over-the-tops (OTTs) at a first glance, it is observed, once they start to use the PA with the AI, they try to utilize the enhanced PA platforms for remaining four objectives. As a result, ScriptBook, Vault, Pilot, Cinelytic and Merlin Video (Merlin) are use cases for the objective 'compete.' Movio of Vista Group International and Datorama of Salesforce are use cases for the objective 'grow.' Industrial Light & Magic (ILM) and Geena Davis Institute on Gender in Media (GDI) with Disney are use cases for the objective 'enforce.' Watson, Benjamin, and Greenlight Essential are use cases for the objective 'improve.' Disney Research (DR) with Simon Fraser University and California Institute of Technology is the use case for the objective 'satisfy.'

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.494-504
• /
• 2021

넷플릭스를 대표하는 OTT(Over-The-Top) 서비스의 확산과 코로나19로 인한 사회적 거리두기 현상은 국내 멀티플렉스 영화관에 있어 전반적인 악재로 작용했다. 이에 더해 디지털 시프팅(Digital Shifting) 현상이 가미되며 국내 오프라인 영화관은 새로운 성장의 판로를 모색할 필요성이 대두되었다. 본 연구는 이러한 문제의식 속에서 소비자의 가치 인식이라는 개념에 주목하여 소비자의 가치 인식 유형에 따른 멀티플렉스 영화관의 브랜드이미지와 구매 만족도의 관계를 규명하고자 시도되었다. 총 350명의 연구대상자에게 설문조사를 통해 자료를 표집한 뒤, 연구 모형에 따른 실증분석을 시행한 결과는 다음과 같다. 오프라인 영화 관람객의 가치인식 유형 중 실용성이 브랜드이미지 구축에 대해 가장 강한 영향을 미치고 있었으며, 자기충실성이 오프라인 영화 관람의 구매 만족도에 대해 가장 강한 영향을 미치고 있었다. 또한, 오프라인 영화관의 브랜드이미지는 영화 관람객들의 구매 만족도에 정(+)적 영향을 미쳤다. 본 연구는 이를 토대로 오프라인 영화관의 뉴노멀 시대 속의 새로운 생존 전략을 제시하였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.67-86
• /
• 2020

추천시스템은 시간이 흐를수록 사용자와 기업에게 점점 더 큰 영향을 주고 있다. 최근 코로나(COVID-19) 팬데믹 현상이 전 세계적으로 일어나면서 세대를 뛰어넘어 E-Commerce의 중요성이 증대되었고 추천시스템은 E-Commerce 활성화의 최중심에 있다. 추천시스템이 개발된 이래로 다수의 알고리즘이 추천시스템의 정확도를 올리는 것에 집중되어 있었고, 추천시스템의 희귀성, 다양성, 우연성 등과 같은 다른 가치들이 간과되고 있다. 본 논문에서는 사용자의 만족도는 추천시스템의 정확도에만 달려있지 않고 다양한 성능을 겸비했을 때 고객에게 만족스러운 추천서비스 경험을 제공할 것이라 생각하여 다양성을 위한 그래프 기반의 추천시스템을 개발하였다. 사용자 네트워크를 구성한 뒤 카테고리를 활용한 무게중심변화를 통해 유사도가 낮은 이질적인 사용자를 찾아 추천상품의 유사성을 낮추는 방식으로 다양성을 도모하였다. 또한, 추천의 다양성은 사용자의 다양성 선호 수준에 따라 상이할 것이라는 가정에 따라 사용자의 다양성 선호 수준을 구별하였고 다양성 모델 성능이 사용자 특성별로 다름을 확인할 수 있었다. 전체 연구 결과, 추천시스템의 정확성과 다양성이 트레이드 오프 관계에 놓여있다는 것을 확인할 수 있었지만 본 연구모델을 통해 근소한 정확도 손실 대비 높은 다양성을 얻을 수 있었다. 본 연구는 그래프 기반의 추천시스템을 통해 사용자의 만족도를 향상시키는 다양성을 실현하였다는 연구적 의의와 사용자 수준을 고려한 추천의 다양성을 적용 결과를 통해 기업의 장기적 이윤을 상승시킬 수 있는 모델 개발이라는 실무적 의의를 꼽을 수 있다.