95. 파이널 프로젝트 (1)주제/목표/일정 세우기

일정

 

 

 

 

 

배경

영화산업은 제작, 배급, 상영의 3단계로 이루어져 있으며 이중 국내 배급 및 상영시장은 주로 CJ, 롯데, 오리온등의 대기업에게 시장집중도가 높은 양상을 보이고 있다. 영화산업은 경험재(experience goods)의 성격을 지니고 있어 서비스상품이 소비되기 전에는 수요량을 예측하기 어려우며, 이로 인해 영화시장은 가격 및 수요량이 아닌 최초 제작단계의 투자과정에 의해 좌우되는 공급자 중심의 구조이다. 반면 수익성의 경우 이미 티켓가격이 결정되어 있어 영화의 흥행도에 따른 관객수 등의 수요에 의해 결정되는 특징을 가지고 있다. 이러한 영화 산업의 특성상 투자 위험부담이 클 수 밖에 없다.

 

 

목표

이번 프로젝트에서는 천만 수요를 이끌어 낸 메가히트 작품의 흥행에 영향을 미친 요인들을 분석해보고자 한다. 분석 결과를 바탕으로 성적 부진 영화들의 실패 요인은 무엇이었는지 살펴보고, 추후 개봉작들이 흥행에 성공할 수 있을지를 예측해봄으로써 향후 영화 제작자들의 의사결정 방향을 제시하고자 한다.

 

 

개요

2012년 이후 개봉한 한국 영화 중 누적 관객 수 500만 명 이상의 영화 49편을 선정했다. 이 중 천만 관객을 돌파한 한국 영화는 11편이었고, 천만 관객을 돌파하지 못한 영화가 38편이었다. 천만 관객 영화와 비 천만 관객 영화로 그룹을 나눈 후, 총 9가지 요인에 대해서 가설 검증 및 머신러닝 기법 및 알고리즘을 사용하여 예측 모델을 구축했다. 2012년 이후로 선정한 이유는 스마트폰 가입자가 3천만 명을 돌파하고, 유튜브와 OTT서비스가 급격히 성장하기 시작한 해이기 때문이다. 스마트폰과 미디어 산업의 발달이 영화 산업에 영향을 준다는 가설때문에 2012년 이후 영화부터 대상으로 했다.

 

 

 

 

 

데이터 선택 / 수집

영화 진흥원 https://www.kofic.or.kr/kofic/business/infm/introData.do

네이버 영화 https://movie.naver.com/

왓챠피디아 https://pedia.watcha.com/ko-KR

구글 트렌드 https://trends.google.co.kr/trends/?geo=KR 

네이버 검색어 트렌드 https://datalab.naver.com/keyword/trendSearch.naver

네이버 데이터랩 : 검색어트렌드

 

 

 

 

 

레퍼런스

통계 분석으로 본 천만 영화 - 천만 영화, 그것이 알고 싶다 - 전종혁, 윤하 (2014)

 

빅데이터 분석을 통한 천만 관객 영화 예측 모델 - 우종필, 이응환(2018)

빅데이터 분석을 통한 영화 관객수, 매출액 예측 모델 - 이응환, 우종필(2019)

순환 신경망(LSTM)을 이용한 영화 평점 예측 - 강경필, 주제걸 (2016)

인공지능 기반형 빅데이터 정보시스템에 관한 연구 -영화제작자와 천만 영화 사례분석 중심으로 - 이상윤, 윤홍주(2019)

영화 마케팅의 빅데이터 활용효과에 관한 연구 <설국열차>의 SNS 데이터 분석 처리과정 중심으로 - 김진욱 (2014)