• 산업경영시스템학회지
• /
• 제42권4호
• /
• pp.173-182
• /
• 2019

This study attempts to improve the understanding of the rapidly growing online video platform market such as Youtube and OTT, and to investigate the attributes and relative importance of them. For this purpose, the factors that influence the choice to use were derived through literature studies and the Focus Group Interview (FGI), and the priority of the factors was calculated through the analytic hierarchy process (AHP). The upper layer of the AHP structure was 'Relationship', 'Entertainment', 'Informativity', and 'Convenience', and the lower layer was structured into 13 elements. The importance priority analysis among the factors that influence the choice to use was done by teenagers, 20s, and 30s and the results are summarized as follows : First, Users consider the 'Just for fun' and 'Satisfaction of interests' as the most important factors, followed by 'Easy accessibility to use', 'Vicarious satisfaction', 'Usefulness of Information', and 'Up-to-dateness of information'. Second, the ranking of the upper layer was in the order of 'Entertainment'-'Informativity'-'Convenience'-'Relationship'.As a result of AHP,'Entertainment' was 3.6 times more important than 'Relationship'. In the comparison by age group, only teenagers regarded that 'Convenience' is more important than 'Informativity'. According to the characteristics of the age group, the lower layer of teenagers consider 'Convenient function' to be important and ranked 'Usefulness of information' in 8^th. While 'Vicarious satisfaction' ranked 4th out of 13 factors in the entire age group, those in their 20s and 30s ranked 8^th, showing a difference. In the case of 20s, 'Reasonable price' was ranked 4th and the 'Diversity of Information' was ranked 5th, Otherwise 30s consider 'Trustworthiness of Information' to the third. Third, unlike 'Convenience' which was the lower-rank in the upper layer AHP analysis, 'Easy accessibility to use', the lower-layer of convenience, ranked third overall in the importance analysis among the 13 lower-layer factors, and showed a similar patterns in the age groups results. In the conclusion, this study demonstrates that 'Convenience' and 'Vicarious satisfaction' factors, which were not relatively well addressed in the previous studies, are the key factors to be considered in. By presenting the results of the importance analysis on each of the selected attributes, This study has a practical implication that Industries such as on-line video service platform provider can use the importance priority in establishing the directions of future strategy.

• 한국인터넷방송통신학회논문지
• /
• 제23권2호
• /
• pp.175-183
• /
• 2023

플랫폼 사업자와 콘텐츠 사업자 간 밀접한 상호의존관계를 갖는 방송 시장환경에서, 지상파 재송신 대가와 관련한 갈등, 프로그램 사용료 갈등 및 홈쇼핑 송출 수수료 갈등 등의 문제가 심화되고 있다. 본 연구는 국내 방송시장의 환경을 분석하고 시사점을 제시하는 한편 플랫폼과 PP간 사용료 갈등 원인 분석 및 사용료 갈등 분쟁 해소를 위한 세부대안을 제안하고자 하였다. 국내 방송시장에 대한 환경분석 결과는 다음과 같다. 첫째, 방송산업의 성장 동력이 서비스이용료나 콘텐츠 사용료와 같은 직접 재원으로 변화하였고, 커머스가 증가하고 있다는 것이다. 둘째, 국내 방송시장의 헤게모니가 지상파에서 유료방송 그리고 OTT로 변화하면서 자발적 진입에 의한 방송 영역 전반의 독점이 해체되고 있다는 것이다. 셋째, 기존 방송시장의 해체와 재편으로 기존 규제 체계의 정비 필요성이 증가하고 있다. 한편, 본 연구는 유료방송플랫폼과 PP간 첨예하게 맞서는 사용료에 대한 분쟁을 해결하기 위해서는 PP의 수익구조 다변화, 선계약 후공급 정착 방안 및 CPS 협상력 강화 전략을 제안하였다.

• 융합신호처리학회논문지
• /
• 제24권1호
• /
• pp.42-50
• /
• 2023

기술의 발전은 제작 기법, 편집 기술 등 미디어 산업 전반에 걸쳐 디지털 혁신을 이루어 왔고, OTT 서비스와 스트리밍 시대를 관통하며 소비자 관람 형태의 다양성을 가져왔다. 빅데이터와 딥러닝 네트워크의 융합으로 뉴스 기사, 소설, 대본 등 형식을 갖춘 글을 자동으로 생성하였으나 작가의 의도를 반영하고 문맥적으로 매끄러운 스토리를 생성한 연구는 부족하였다. 본 논문에서는 이미지 캡션 생성 기술로 스토리보드 속 사진의 흐름을 파악하고, 언어모델을 통해 이야기 흐름이 자연스러운 스토리를 자동 생성하는 것을 기술한다. 합성곱 신경망(CNN)과 주의 집중기법(Attention)을 활용한 이미지 캡션 생성 기술을 통해 스토리보드의 사진을 묘사하는 문장을 생성하고, 첫 번째 이미지 캡션을 KoGPT-2에 입력하여 생성된 새로운 글과 두 번째 이미지의 캡션을 다음 입력값으로 활용한 재귀적 접근 방안을 제안하여 전후 문맥이 자연스럽고 기획 의도에 맞는 스토리를 생성하는 연구를 진행한다. 본 논문으로 인공지능을 통해 작가의 의도를 반영한 스토리를 자동으로 대량 생성하여 콘텐츠 창작의 고통을 경감시키고, 인공지능이 디지털 콘텐츠 제작의 전반적인 과정에 참여하여 미디어 지능화를 활성화한다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.499-503
• /
• 2024

방송 프로그램은 자체 방송 송출 외에도 인터넷 다시 보기, OTT, IPTV 서비스 등 다양한 매체에 제공되고 있다. 이 경우 콘텐츠 특성을 잘 나타내는 검색용 키워드 제공은 필수적이다. 방송사에서는 제작 단계, 아카이브 단계 등에서 주요 키워드를 수동으로 입력하는 방법을 주로 사용한다. 이 방식은 양적으로는 핵심 메타데이터 확보에 부족하고, 내용 면에서도 타 매체 서비스에서 콘텐츠 추천과 검색에 한계를 드러낸다. 본 연구는 EBS에서 개발한 DTV 자막방송 서버를 통해 사전 아카이빙 된 폐쇄형 자막 데이터를 활용하여 다수의 메타데이터를 확보하는 방법을 구현했다. 먼저 구글의 자연어 처리 AI 기술을 적용하여 핵심 메타데이터를 자동으로 추출하였다. 다음 단계는 핵심 연구 내용으로 우선순위와 콘텐츠 특성을 반영하여 핵심 메타데이터를 찾는 방법을 제안한다. 차별화된 메타데이터 가중치를 구하는 기술로는 TF-IDF 계산법을 응용하여 중요도를 분류했다. 실험 결과 성공적인 가중치 데이터를 얻었다. 이 연구로 확보한 문자열 메타데이터는 추후 문자열 유사도 측정 연구와 결합하면 타 매체에 제공하는 콘텐츠 서비스에서 정교한 콘텐츠 추천용 메타데이터를 확보하는 기반이 된다.

• 한국콘텐츠학회논문지
• /
• 제20권5호
• /
• pp.467-475
• /
• 2020

IPTV VOD 이용률이 증가하면서 VOD 이용패턴에 대한 심도깊은 연구의 필요성이 증대되고 있다. 이 논문은 VOD이용자를 유료VOD이용자와 무료VOD이용자로 구분하고 이용동기, 다양한 이용행태, 인구통계학적 변인 등 요인들이 이 두 그룹의 차이에 미치는 영향을 실증적으로 분석했다. 연구결과 유료VOD이용자와 무료 VOD이용자 간 차이에 영향을 미치는 요인은 사회적 동기, VOD 만족도, 홀드백 종료후 이용, 광고스킵 지불의향, VOD이용비중, VOD이용포기경험, TV시청시간, SVOD이용시간 등이었는데, VOD만족도를 제외한 모든 변인들이 유료VOD이용자의 특성을 정(+)적으로 예측했다. 추가로 VOD와 SVOD(유료OTT서비스) 이용간 관계를 분석결과 유료VOD이용자가 무료이용자보다 SVOD를 VOD의 대안서비스로 이용하는 비중이 더 높았다. 선행연구들에 비해 이 연구는 그동안 파편적으로 진행되었던 VOD 이용관련 변인들을 종합적으로 고려했다는 점에서 차별성을 갖는다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.145-165
• /
• 2023

추천 시스템은 인터넷의 발달로 급격하게 증가하는 정보의 양으로 인해 생긴 정보 선택의 어려움을 소비자에게 덜어주고 각 개인의 취향에 맞는 정보를 효율적으로 보여주는 중요한 역할을 한다. 특히, E-commerce와 OTT 기업은 상품과 콘텐츠 양이 급격하게 증가하면서 추천 시스템의 도움 없이는 인기 있는 상품만 소비되는 현상을 극복하지 못한다. 이러한 현상을 극복하고 고객 개인 취향에 맞는 정보 혹은 콘텐츠를 제공해 고객의 소비를 유도하기 위해 추천 시스템의 연구가 활발히 진행되고 있다. 일반적으로 유저(user)의 과거 행동 이력을 활용한 협업 필터링이 유저가 선호한 콘텐츠의 정보를 활용하는 콘텐츠 기반 필터링에 비해 높은 성능을 보여준다. 하지만 협업 필터링은 과거 행동 데이터가 부족한 유저에 대해서는 추천의 성능이 낮아지는 콜드 스타트(Cold Start) 문제를 겪게 된다. 본 논문에서는 카카오 아레나 경진대회에서 주어진 음악 스트리밍 서비스 멜론의 플레이리스트 데이터를 기반으로 앞에서 언급한 콜드 스타트 문제를 해결할 수 있는 하이브리드 음악 추천 시스템을 제시했다. 본 연구에서는 플레이리스트에 수록된 곡 목록과 각 음악과 플레이리스트의 메타데이터를 활용해 절반 혹은 전부 가려진 플레이리스트의 다른 수록 곡을 예측하는 것을 목표로 하였다. 이를 위해 플레이리스트 안에 곡이 있는 경우와 아예 곡이 없는 경우를 나눠서 추천을 진행하였다. 플레이리스트 안에 곡이 있는 경우에는 해당 플레이리스트의 곡 목록과 각 곡의 메타데이터를 활용하기 위해 LightFM을 활용하였다. 그 다음에 Item2Vec을 활용해 플레이리스트에 있는 수록 곡과 태그 및 제목의 임베딩 벡터를 생성하고 이를 추천에 활용하였다. 최종적으로 LightFM과 Item2Vec 모델의 앙상블을 통해 최종 추천 결과를 생성하였다. 플레이리스트 안에 곡이 없고 태그 혹은 제목만이 존재할 경우에는 플레이리스트의 메타데이터인 태그와 제목을 FastText를 활용해 사전 학습을 시켜 생성된 플레이리스트 벡터를 기반으로 플레이리스트 간의 유사도를 활용하여 추천을 진행하였다. 이렇게 추천한 결과, 기존 Matrix Factorization(MF)에서 해결하지 못한 콜드 스타트 문제를 해결할 수 있었을 뿐만 아니라 곡과 플레이리스트의 메타데이터를 활용해 기존 MF 모델인 ALS와 BPR 그리고 Word2Vec 기반으로 추천해 주는 Item2Vec 기술보다 높은 추천 성능을 낼 수 있었다. 또한, LightFM을 토대로 다양한 곡의 메타데이터를 실험한 결과, 여러 메타데이터 중에서 아티스트 정보를 단독으로 활용한 LightFM 모델이 다른 메타데이터를 활용한 LightFM 모델들과 비교해 가장 높은 성능을 보여준다는 것을 확인할 수 있었다.