온라인 버즈(Buzz)를 활용한 머신러닝 기반 TV프로그램 시청률 예측에 관한 연구 (A Study on the Predicting Audience Rating of TV Programs Based on Machine Learning Using Online Buzz)

서지정보

· 발행기관 : 사이버커뮤니케이션학회
· 수록지 정보 : 사이버커뮤니케이션학보 / 41권 / 3호 / 5 ~ 42페이지
· 저자명 : 이각명, 권상희

초록

본 연구는 온라인 버즈(buzz) 데이터를 활용한 인공지능 기반 TV 시청률을 예측모형에 관한 연구이다. 이론적 배경으로 소셜 뷰잉을 바탕으로 하고 있다. 최근 TV를 시청하면서 소셜 미디어를 통해 시청과 관련한 이야기를 나누는 ‘소셜 뷰잉’ (Social Viewing)이 새롭게 주목받기 시작한다. 본 연구에서는 기존의시청률 예측을 보완하는 기법을 사용하여 TV프로그램 시청률 예측 모델을 개발하고, 온라인 특성을 기반으로 한 시청률 예측 모델의 성능을 평가하고, 중요 특성을 분석하였으며, 시청률과 온라인 버즈를 바탕으로 TV프로그램의 시청유형 구분에 대한 추가 논의를 진행하였다. 연구 방법에서는 본 연구가 RACOI시스템에서 수집한 총 2646개 TV프로그램의종합반응 데이터세트를 모형 검증에 투입하였다. 온라인 버즈와 시청률 간의상관분석을 하며, 수치 예측과 특성 중요도를 계산하기 위해 의사결정나무, 랜덤포레스트, 그래디언트부스팅, 선형회귀 등 머신러닝 기법을 사용하였다. TV 프로그램의 시청유형을 구분하기 위해 다차원 척도법을 활용하였다.
연구 결과에서는 소셜 데이터인 온라인 버즈와 시청률 간의 상관관계를 확인하고, 인공신경망 모델이 11개의 모델 중 가장 정확한 것으로 나타나고, 온라인동영상수가 TV프로그램 시청률에 중요한 영향을 주는 것으로 파악되고, TV프로그램이 시청률과 온라인 버즈량을 바탕으로 4가지 차원으로 세분화할 수 있다. 학술적 차원에서 소셜 데이터의 활용 가능성과 통합시청률 모델의 적용 가능성을 탐구하는 새로운 방향성을 제시한다. 실무적 차원에서 TV프로그램의기획, 제작, 마케팅에 있어 실질적인 가이드라인을 제공할 수 있다.

영어초록

This study investigates an artificial intelligence-based TV ratings prediction model using online buzz data, grounded in the theoretical background of social viewing. Recently, ‘Social Viewing’, which involves watching TV and talking about it through social media, is starting to attract new attention. The study develops a TV program ratings prediction model that supplements traditional methods, evaluates the performance of the ratings prediction model based on online characteristics, analyzes important features, and discusses categorization of TV program types based on ratings and online buzz levels.
The research method involved utilizing comprehensive datasets of 2,646 TV programs collected from the RACOI system. Correlation analyses between online buzz and ratings were conducted, and machine learning techniques such as decision trees, random forests, gradient boosting, and linear regression were used to predict numerical outcomes and calculate feature importance. Multidimensional scaling was employed to classify TV program types.
In the research results, a statistically significant correlation between online buzz and TV ratings was established, with artificial neural network models displaying superior predictive accuracy compared to the 11 models tested. Furthermore, it was determined that the number of online videos significantly impacts TV ratings. Finally, the study categorizes TV programs into four dimensions based on their ratings and online buzz. As a research implication, the study suggests new directions in academia by exploring the potential of social data and the applicability of integrated ratings models.. Moreover, it provides practical guidelines for the strategic planning, production, and marketing of TV programs.

참고자료

· 없음