유통학회 발표 자료 (2016)

1. Should we compete with “Big fish”?
- Competitive Effect of the Korean Film Market Structure
김현교 (세종대학교 유통프랜차이즈 연구소 & 코마스인터렉티브)
이동일 (세종대학교 경영대학)
유통학회
2016.10.28

2. 연구배경
블록버스터 영화와 경쟁할 것인가? Vs. 블록버스터 영화를 피해서 개봉할 것인가?
블록버스터 영화와 함께 개봉하면?
강력한 경쟁자를 상대
시장에대한 관심은 증가
블록버스터 영화를 피한다면?
강력한 경쟁자를 피할 수 있음
사람들의 관심은 감소
이러한 경쟁상황의 중요성에도 불구하고 몇몇 연구만이 이러한 경쟁요소를 다루고 있음. 그러므로 본 연구는 경쟁상황에 대
한 이슈에 집중

3. 문헌연구
많은 영화관련 연구가 배우, 장르, 혹은 소비자 평가, 리뷰 등을 통해 영화 매출을 설명하려는 시도를 진행 (Basuroy,
Chatterjee, and Ravid, 2003; Liu, 2006).
시장의 경쟁상황에 대한 요소는 주요한 설명수단으로 사용되지 않음
매출의 이산성(heterogeneity)은 시장의 특성을 반영할 수 있음. 네트워크 관련 연구들을 살펴보면, 사용자 그룹의 이산성이
eWOM의 확산에 긍정적인 영향을 미친다거나 (Lee et al, 2013) 사용자는 친한 관계끼리는 다른 구매 패턴을 보인다는 등의
사용자 그룹의 이산성을 주요한 설명요소로 사용함(Kim et al, 2012)
그러므로, 시장에서의 이산성이 높아진다면, 전체 시장의 크기도 증가할 것이라고 생각해 볼 수 있음

4. 데이터
- 영화진흥위원회 오픈 API(http://www.kobis.or.kr/kobisopenapi/homepg/apiservice/searchServiceInfo.do)를 통해 수집
- 해당 오픈 API를 통해 한국에서 개봉된 개별영화의 제목과 매출, 점유율 데이터 등을 일자 별로 수집 가능
- 본 분석에서는 2010년 1월 부터 2016년 5월까지의 일별 데이터를 주간 데이터로 취합하여 분석에 활용
예시) XML 방식

5. 연구방법
- 엔트로피 계산을 통한 영화시장에서 매출 이산성의 측정
- Godes & Mayzlin (2004)의 연구에서는 WOM의 분산을 설명하기 위해 엔트로피를 측정
E(t) = −
𝑖=1
𝑁
𝑠𝑎𝑙𝑒𝑠_𝑖
𝑠𝑎𝑙𝑒𝑠_𝑠𝑢𝑚
∗ log(
𝑠𝑎𝑙𝑒𝑠_𝑖
𝑠𝑎𝑙𝑒𝑠_𝑠𝑢𝑚
)
Where,
E(t)= Sales entropy at t week.
𝑠𝑎𝑙𝑒𝑠_𝑠𝑢𝑚 = Total sales at t week
𝑠𝑎𝑙𝑒𝑠_𝑖 = Sales of 𝑖 th movie at t week
예시)
2015년 17주차는 1위 영화에 매출액이 집중된 경우, 2012년 25주차는 비교적 균등한 매출이 발생한 경우. 각각의 엔트로피 값은 1.04, 2.33
순위 주간 영화이름 매출
1 2015-17 어벤져스: 에이지 오브 울트론 29,899,387,100
2 2015-17 차이나타운 5,048,171,154
3 2015-17 위험한 상견례 2 1,598,800,654
4 2015-17 다이노 타임 581,087,500
5 2015-17 장수상회 577,024,800
6 2015-17 분노의 질주: 더 세븐 572,063,600
7 2015-17 기타 영화 552,964,092
8 2015-17 노아의 방주: 남겨진 녀석들 491,911,200
9 2015-17 빌리와 용감한 녀석들 3 278,577,700
10 2015-17 스틸 앨리스 264,896,146
11 2015-17 … 510,091,400
순위 주간 영화이름 매출
1 2012-25 후궁 : 제왕의 첩 3,387,609,500
2 2012-25 미쓰GO 2,440,737,500
3 2012-25 내 아내의 모든 것 2,385,167,500
4 2012-25 마다가스카3 : 이번엔 서커스다! 2,097,956,000
5 2012-25 아부의 왕 1,894,454,500
6 2012-25 락아웃: 익스트림미션 1,266,576,500
7 2012-25 차형사 1,156,203,000
8 2012-25 프로메테우스 1,098,104,000
9 2012-25 기타 영화 895,829,031
10 2012-25 맨 인 블랙 3 847,357,000
11 2012-25 … 677,652,819

6. 연구방법
- 분해법을 사용한 시계열 데이터의 트랜트(trend), 시즈널(seasonal) 제거
- 6년간 전체 매출의 트랜드는 꾸준히 향상되다가 최근 다소 감소추이
- 여름, 겨울에 증가하는 뚜렷한 계절성
- 주별 나머지(remainder)매출 데이터를 종속변수로 사용

7. 연구방법
Study1
- 전체 시장의 크기와 매출 이산성간의 관계
- 베이지안 회귀분석 사용 (R의 MCMCpack package 사용)
- 음(-)의 관계, 시장 매출의 다양성이 높아질 수록 매출은 감소
salest = 𝑏0 + 𝑒𝑡 ∗ 𝑏1
Where,
𝑒𝑡 = Sales entropy at t week.
salest = The sales remainder at t week.
Mean SD Naïve SE Time-series SE
(Intercept) 2.13E+10 2.83E+09 2.83E+07 2.83E+07
et -1.13E+10 1.49E+09 1.49E+07 1.49E+07
sigma2 6.65E+19 5.15E+18 5.15E+16 5.15E+16
2.50% 25% 50% 75% 97.50%
(Intercept) 1.57E+10 1.94E+10 2.13E+10 2.32E+10 2.68E+10
et -1.42E+10 -1.23E+10 -1.13E+10 -1.03E+10 -8.40E+09
sigma2 5.71E+19 6.29E+19 6.63E+19 6.99E+19 7.72E+19
*Iterations = 1001:11000, Thinning interval = 1, Number of chains = 1, Sample size per chain = 10000

8. 연구방법
Study2
- 영화 순위의 조절효과
- 순위가 낮은 영화는 오히려 매출 이산성(엔트로피)이 높아질 수록 높은 매출
- Cor 값은 각각 -0.58, 0.40

9. 연구방법
Study3
- 순위별 영화 매출과 전체 매출간의 관계
- 베이지안 회귀분석 사용 (R의 MCMCpack package 사용)
- 매출의 이산성(et)은 통제변수로 사용
salest
= 𝑏0 + 𝑒𝑡 ∗ 𝑏1 + 𝑟𝑎𝑛𝑘1 ∗ 𝑏2 + 𝑟𝑎𝑛𝑘2 ∗ 𝑏3 + 𝑟𝑎𝑛𝑘3 ∗ 𝑏4 + 𝑟𝑎𝑛𝑘4 ∗ 𝑏5 + 𝑟𝑎𝑛𝑘5 ∗ 𝑏6 + 𝑟𝑎𝑛𝑘7 ∗ 𝑏6 + 𝑟𝑎𝑛𝑘7 ∗ 𝑏8 + 𝑟𝑎𝑛𝑘8
∗ 𝑏9 + 𝑟𝑎𝑛𝑘9 ∗ 𝑏10 + 𝑟𝑎𝑛𝑘10 ∗ 𝑏11
Where,
𝑒𝑡 = Sales entropy at t week.
salest = The sales remainder of rank movies.
𝑟𝑎𝑛𝑘1 ~ 𝑟𝑎𝑛𝑘10 = The sales of rank1~10 movie.

10. 연구방법
Study3
- 전체 매출이 증가한다면, 상위1~3위 영화는 전체 매출과 함께 증가. 4-5위는 일정 범위 내에서 다소 감소될 여지 존재
- 6위 영화는 전체 매출이 증가하면, 매출이 감소될 것
- 7~10위 영화는 전체 매출과 함께 증가될 여지가 있음.
Mean SD Naïve SE Time-series SE
(Intercept) -9.91E+09 5.66E+09 5.66E+07 5.76E+07
et -3.24E+09 2.91E+09 2.91E+07 2.97E+07
Rank1 5.97E-01 1.12E-01 1.12E-03 1.12E-03
Rank2 3.74E-01 1.44E-01 1.44E-03 1.44E-03
Rank3 6.24E-01 2.58E-01 2.58E-03 2.58E-03
Rank4 6.14E-01 4.66E-01 4.66E-03 4.66E-03
Rank5 1.31E+00 8.30E-01 8.30E-03 8.30E-03
Rank6 -1.06E+00 1.25E+00 1.25E-02 1.25E-02
Rank7 1.89E+00 1.62E+00 1.62E-02 1.62E-02
Rank8 8.04E-01 2.29E+00 2.29E-02 2.33E-02
Rank9 3.63E-01 2.84E+00 2.84E-02 2.91E-02
Rank10 2.67E+00 2.91E+00 2.91E-02 2.91E-02
sigma2 3.07E+19 2.43E+18 2.43E+16 2.52E+16
-8.00E+00
-6.00E+00
-4.00E+00
-2.00E+00
0.00E+00
2.00E+00
4.00E+00
6.00E+00
8.00E+00
1.00E+01
1 2 3 4 5 6 7 8 9 10
Variables Interval (2.50% ~ 97.50%) by Rank
2.50% 50% 97.50%

11. 결론
- 시장이 낮은 이산성을 가지고 있다면, 전체 시장의 크기는 증가함 (블록버스터 영화가 전체 시장의 크기를 키움)
- 영화의 순위에 따라 위의 효과는 다르게 나타남. 순위가 낮은 영화 입장(3위 미만)에서는 이산성이 커졌을 때, 전체 매출이
증가
- 영화 순위별로 살펴보면, 1-3위는 전체 영화 매출의 증가 효과를 얻을 수 있지만, 4-5위는 매출을 빼앗길 여지가 있음. 6위
는 아마도 매출이 감소할 것. 7~10위 부터는 다시 매출 증가 효과의 가능성이 존재.

12. 향후 연구
- 향후 연구에서는 소비자의 평가 데이터를 추가적으로 수집, 활용할 예정. 영화와 같은 경험재는 소비자가 리뷰를 주요한 의
사결정 요소로 사용하기 때문(Eliashberg and Shugan, 1997; Reinsteinw and Snyder, 2005).
- 영화의 평점, 긍정,부정 뿐 아니라 리뷰의 주제를 사용할 예정
- 또한, 개별 영화의 라이프 사이클 (초기, 성숙, 감소 단계 등)을 고려한 분석을 시도할 것

13. 고맙습니다.