스토리 기반 컨텐츠를 위한 시장성 평가 모형 : 영화 시나리오의 시장 성과 예측을 중심으로 :영화 시나리오의 시장 성과 예측을 중심으로

Q: 이 논문에서 정의한 제품 가치란 무엇인가?

고객이 영화, 소설, 온라인 게임과 같은 스토리 기반 콘텐츠에 대해 느끼는 주관적인 가치를 의미한다. 이는 고정된 값이 아니라 소비자가 콘텐츠를 경험하는 과정에서 시간에 따라 변동하는 동적인 특징을 가진다.

Q: 스토리 기반 콘텐츠의 제품 가치와 시장 성과를 결정짓는 핵심 요인은 무엇인가?

연구 결과, 스토리의 정점 효과와 최근 효과가 제품 가치에 유의미한 영향을 미치며 특히 3막의 최고 평가 장면이 결정적이다. 또한 2막에서 3막으로의 극적 전환과 제작 인력의 역량이 시장 성과를 높이는 핵심 요인으로 작용한다.

정재학; 어지연

학술저널

저자정보: 정재학 어지연

저널정보: 한국마케팅학회 마케팅연구 마케팅연구 제25권 제2호

오류 신고하기

피인용 1

검색

초록·키워드

영화, 소설, 온라인 게임과 같이 스토리를 기반으로 한 문화 콘텐츠의 경우, 제품 속성을 기반으로 콘텐츠의 시장 성과 즉, 고객들이 제품에 대해 느끼는 제품 가치를 분석하거나 매출을 예측하기 위한 연구는 극히 부족한 상태이다. 본 연구는 기존 제품 가치 모형을 적용하기 어렵게 하는 스토리 기반 콘텐츠의 두 가지 특성, 즉 제품 가치 경험치가 경험 과정에서 시간에 따라 변하며(제품 가치 변동성), 제품 핵심 속성인 스토리를 정량적으로 표현하기 어렵다 (제품 속성의 정성적 특성)는 특성을 고려하여, 스토리 정보(story information)를 이용한 스토리 기반 콘텐츠의 시장 성과 연구 모형을 2단계 모형으로 개발하였다. 스토리 특성이 제품 가치에 미치는 주 효과를 모형 1(수준 1)로 다루고, 더 나아가 제작 인력의 역량과 관객의 영화 관람 후 최종 가치 인지 효과가 시장 성과에 미치는 영향을 영화 스토리와의 상호작용 효과로 모형 2(수준 2)로 고려한 2단계 로그 선형 회귀모형을 개발, 제시하였다. 실증 분석을 위해 영화 스토리(시나리오)가 제작된 시점에서 2004년도부터 2008년도까지 5년간 개봉된 영화 중 총 68편의 영화 스토리(시나리오)에 대해 각 영화 별로 20대 남녀 일반인 20명에서 30명이 각 시나리오 장면(scene) 별로 극적 재미 수준을 5점 척도로 평가한 자료를 이용하여, 해당 영화의 투자와 제작 여부를 결정하기 위한 시장 성과 실증분석을 하였다. 본 연구는 첫째, 스토리 기반 콘텐츠의 경우, 소비 경험이 발생하는 시간에 따라 변동하는 해당 스토리의 제품 가치는 스토리의 어떤 특성에 의해 결정되는 지를 알아 보았고, 둘째, 시장 성과에 영향을 미치는 스토리 특성 변수를 개발하고, 이 스토리 특성을 이용하여 스토리 기반 콘텐츠의 시장 성과를 분석, 예측할 수 있는 모형을 제시하였다. 셋째, 실증 분석을 통하여 대표적인 스토리 기반 콘텐츠인 영화 시나리오의 제품 가치와 매출을 평가 예측하고 이 결과를 이용하여 시장성 제고 관점에서 바람직한 스토리의 구조적 특징을 밝히고 있다. 본 연구가 학문적으로 기여 하는 바는 다음과 같다. 첫째, 본 연구는 스토리를 제품 가치 관점에서 연구한 최초의 연구이며, 둘째, 스토리 특성을 계량적으로 측정할 수 있는 주요 변수들 (예를 들면, 극적 전환기울기와 극적 리듬 등)을 개발하여, 스토리 특성이 제품 가치에 미치는 영향을 계량적 분석이 가능하도록 하였다. 셋째, 스토리 특성을 이용하여 스토리 기반 콘텐츠의 시장 성과를 예측할 수 있는 방법을 처음으로 제시하였다. 마지막으로 본 연구의 가장 중요한 가치는, 영화 뿐만이 아니라 음악, 놀이공원, 온라인 게임 등 많은 제품과 서비스들이 시간에 따라 동일하지 않은 수준의 가치를 소비자에게 제공하는 경우가 많은 데, 소비 경험 후 소비자가 평가, 인지하는 총체적 제품 가치 형성에 소비 과정에서 경험하는 제품 가치 변동이 어떻게 반영되는 지에 대한 정보를 제공하였다.

Movie studios/productions in Korea have to choose among thousands of scenarios to invest or product new movie in the scenario stage. We propose, to our best knowledge, the first model to help studios/productions evaluate scenarios for forecasting the market performances of the movie based on the scenario. The objective of our study is to provide a marketability forecasting model for story-based culture content. The production process of a movie can be described with the following 3 phases. The first phase is to develop a story(scenario), the second phase is to visualize the story(film production), and the last phase is to market this movie to movie goers. At each phases of the production process, a movie studio is faced with the following three key important decisions: Firstly, the studio should decide whether to invest(make) the movie or not.(a Go/No Go decision). If they decide to make a movie based on the story, the second decision is to hire/select human resources for visualizing the story(movie making) the production of this movie such as a director, actors/actresses(human resources decision). Given the human resources, they estimate the associated costs such as movie manufacturing costs and marketing expenses and, finally, decide the level of investment(investment decision). Basically, the value of a movie is determined by two factors: (1) how good the story of the movie is(the value of the movie scenario) and (2) how well people involved in the movie production make the movie(the capability of human resources). Therefore, we develop a two-level hierarchical Bayesian log-linear model framework to predict the market value of a story and the associated movie, and to understand the contributions of the two major factors to the market performances of the movie by modeling the value of a movie according to the 3 phases of movie production. First, we classify story characteristics into two categories: scene-based story characteristics and structure-based story characteristics. Based on that, we develop four major predictors for story characteristics as product attributes, which can measure effect, recency effect, dramatic rhythm effect, and dramatic slope effect. Second, we propose a bi-variate log-linear regression model to analyze the contributions of those story characteristics on the marketability of story-based content. Our two-level model considers the influences of story characteristics on product values and sales with level 1 model and also considers the effects of the capabilities of directors, actors & actresses, and movie studios as an interaction effects via level 2 models. We use three major datasets: (1) 20 to 30 movie viewers` ratings on each scene of 68 movie scenarios before viewing the movie, obtained for five years, (2) 2 different types of market performance data(movie viewers` overall evaluations on movies and the number of viewers in the market), and (3) the capabilities of movie directors, of actor and actress, and of movie studios. First, consumers`scene-by-scene rating data were collected by the biggest movie studio, CJ Entertainment, in Korea. Themovie studio randomly selected and asked them to evaluate 68 movie scenarios that the movie studio had invested and produced from 2004 to 2008, by questioning how much each scene is favorable on a scale from 1 to 5 right after reading the each scene from movie goers` perspective. The data obtained from this survey were used for the movie studio to decide whether to invest money to make a movie with this scenario in a real situation. Secondly, we used the competitiveness(? pervious performances) of actors/actresses, directors, and movie studios, measured by their previous market performances such as their award records and the viewership of movies they were involved in as product attributes. These data were collected from the Korean Film Council(www.kofic.or.kr) and Korean Movie Database(www.kmdb.or.kr). Lastly, we used consumers`overall ratings for their satisfaction level and viewership for box office performance(of Metropolitan Seoul and rural area). Consumers` ratings are 10 point-scaled posted in No. 1 portal site, Naver Movie(movie.naver.com) and No. 1 movie review site, Maxmovie (www.maxmovie.co.kr). Also, movie viewrships was obtained from Korean Film Council (www.kofic.or.kr) and Korean Movie Database(www.kmdb.or.kr). We employ standard hierarchical Bayesian approach to the model estimation. We conducted an empirical analysis by applying our model to the dataset via MCMC simulation. The posterior distribution, which has to be drawn up using a configured prior distribution, is difficult to derive through mathematical calculation. Therefore, this paper employs the MCMC(Markov Chain Monte Carlo) simulation method using the Gibbs Sampler(Gelfand and Smith, 1990) to estimate the model parameters(Allenby, Arora, and Ginter, 1995; Cattin, Gelfand, and Danes, 1983). We have found some important empirical results for movie studios/investors who seek for a systematic approach to evaluating movie scenarios for movie production decision. The empirical results show that the 4 major story characteristics play important roles for the market values of story-based content. Our study makes four methodological and theoretical contributions to the literature on product utility studies, story-based culture content development, and movie demand forecasting studies. First, our study develops the first marketability forecasting model for story-based content, which has never been studied in the marketing literature. Second, we introduced and developed the important story characteristics, which are the major ingredients for story values. These variables can be used for studies on any type of story-based content from marketers` perspectives. Third, we provide some empirical information on a new question critical for the study of story-based products: how a consumer evaluates story-based content of which values vary over consumption periods. Finally, our study provides a method for movie studios/investors who seek for a systematic approach to evaluating movie scenarios for movie production decision.

#스토리 기반 콘텐츠 #영화 시나리오 #제품 가치 #매출 예측 #스토리 특성 #정점 효과 #최근 효과 #극적 전환 효과 #극적 리듬 효과 #양변량 로그 선형 모형 #다수준 모형 #multi-Level model #베이지안 모형 #Story-based Content #Movie Scenario #Sales Forecasting #Story Characteristics #Peak effects #Recency Effect #Dramatic Slope #Dra

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2015-320-002623203

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료