웹 3.0 시대 빅데이터 시각화 분석 도구를 활용한 SNS 기업 소셜리서치에 관한 연구

(1)

투고일_2019.10.10 심사기간_2019.11.01-14 게재확정일_2019.11.15

A Study on Social Research SNS Big Data Visualization and Analysis Tool in Web 3.0 Era

추진기_경기대학교 시각정보디자인

Choo, Jin Ki_Division of Visual Information Design, Kyonggi University

차례 1. 서론

1.1. 연구 배경 및 목적 1.2. 연구범위 및 방법

2. 웹 3.0시대 소셜네트워크서비스(SNS) 고찰 2.1. SNS 정보성

2.2. SNS 상호작용성 2.3. SNS 멀티미디성

3. SNS와 빅데이터

3.1. 빅데이터 마이닝의 개념 및 분석 3.2. SNS 빅용데이터 활용

3.3. SNS 빅데이터 분석 및 시각화 3.4. SNS 빅데이터 시각화 사례연구

4. 결론

참고문헌

(2)

웹 3.0 시대 빅데이터 시각화 분석 도구를 활용한 SNS 기업 소셜리서치에 관한 연구

A Study on Social Research SNS Big Data Visualization and Analysis Tool in Web 3.0 Era

추진기_경기대학교 시각정보디자인

Choo, Jin Ki_Division of Visual Information Design, Kyonggi University

요약 디지털 혁명이 세상을 주도하는 기업 환경에서 경쟁력을 제고 할 수 있는 새로운 이론과 전략에 관한 연구는 산업혁명 이후에 끊임없이 제기되었다. 이제 빅데이터는 디지털 시대에 새로운 인류 문명의 도약에 대한 통찰력 을 제시할 수 있는 하나의 방법이 되었고 소셜네트워크서비스(SNS)상에서 이를 분석하고 시각화하는 방법은 진화하고 있다. 본 연구는 새로운 미래를 지향하는 웹 3.0 시대를 고찰하고 이를 기반으로 하는 SNS 기업에 대한 소셜 리서치(Social Research) 빅데이터 시각화 유형의 가치와 필요성을 위한 실증적 연구를 하고자 하 였다. 실제 빅데이터 분석은 오피니언 마이닝(Opinon Mining) 분석기법을 적용한 소셜 매트릭스(Social MetrixTM)를 도구로 활용하여 SNS 서비스기업을 대상으로 연관어 검색 비중과 감성 분석 그리고 세부 키워드 에 의한 긍, 부정 영향력 등을 측정하고 분석하는 방법으로 진행하였다. 연구결과, 해당 SNS 기업과 연관된 연 관어 특성을 데이터 시각화를 통해 쉽게 파악할 수 있었다. 이러한 빅데이터 시각화는 사용자에게 유용한 정보 들을 더욱 쉽고 빠르게 활용할 수 있도록 통찰력을 재고해 주고, 기업 에게는 정확한 방향으로 분석 솔루션을 활용할 수 있도록 해야 하는 데 초점을 맞추어야 한다는 시사점을 발견할 수 있었다. 시대적으로 끊임없이 생산 되는 정보의 홍수 속에서 빅데이터 시각화에 따른 분석 솔루션은 많은 사용자에게 가치 있는 정보가 될 것이다.

앞으로 이러한 연구가 데이터 마이닝(Data Mining) 기술보완과 더불어 시각화 분석을 통해 빅데이터의 풍부한 경험 데이터가 정보화 활용에 핵심적 기반을 제시할 것이다.

Research on new theories and strategies that can enhance competitiveness in the corporate environment where the digital revolution leads the world has been continuously made after the Industrial Revolution. Big data has now become a way of presenting insights into a new leap in human civilization in the digital age, and methods of analyzing and visualizing it on social SNS are evolving. This study aims to empirically study the value and necessity of social research big data visualization type for SNS company based on web 3.0 era aiming for a new future. In actual big data analysis, Social MatrixTM using the Opinon Mining analysis method is used as a tool to analyze the weight and sensitivity of the search for SNS service companies, and to analyze the positive and negative influences by detailed keywords. It proceeded by the method of measuring and analyzing. As a result, it was easy to identify the characteristics of the related words associated with the SNS company through data visualization. These big data visualizations have led to the implications of rethinking insights to make it easier and faster to use information that is useful to users, and focusing on ensuring that analytics solutions are available to businesses in the right direction. In the flood of information produced constantly, analytics solutions based on big data visualization will be valuable to many users. In the future, these studies will complement data mining technology and visualize analysis, and the rich experience data of big data will provide the core foundation for the utilization of informatization.

중심어

웹 3.0 SNS 빅데이터 소셜리서치

ABSTRACT Keyword

Web 3.0 SNS Big Data Social Rsearch

(3)

1. 서론

웹 2.0 시대에는 참여, 공유, 개방이 특징으로 네티즌들이 적극 참여해서 정보를 만들고 공유 하는 사회적인 연결성을 중시했다면 웹 3.0¹⁾ 은 SNS가 진화되면서 데이터의 의미를 중심으로 서비스되는 시대를 말한다. 개인화, 지능화, 상황인식 등이 웹 3.0의 대표 키워드로 인터넷에 서의 엄청난 양의 정보를 추출해서 그중에 내가 지금 필요한 정보와 지식만 보여주는 맞춤형 웹의 시대가 웹 3.0인 것이다. 바로 사물인터넷 기술, 클라우드 기술 등이 이 웹 3.0으로 가능 하게 된 것이다. 이처럼 개인화, 지능화된 웹 3.0은 개인에 맞는 정보를 알아서 찾아주는 인공 지능형 웹을 말한다. <그림 1>²⁾과같이 SNS의 기반 위에 빅데이터를 활용한 많은 정보공유 가 시도되고 있는데 수많은 정보 텍스트에서 소비자 인사이트를 얻기 위해 가장 중요한 것은 글의 맥락과 의미를 분석하는 것이다. 단순히 온라인에서 수집된 텍스트에서 추출한 키워드의 출현빈도만을 가지고 분석하기엔 한계가 있다. 소셜리서치에서 마이닝 된 데이터 분석과 키워 드의 출현빈도에 따라 순위를 매기고 상위 키워드를 중심으로 인사이트를 찾고 소비자의 심리 적 요인에서 비롯되는 진정한 의미를 찾기 위해서는 어떤 키워드를 볼 것인지, 키워드와 연관 된 단어나 수식어는 무엇인지, 그 단어 간의 관계가 의미하는 것은 무엇인지가 모두 고려되어 야 하는데 이것을 맞춤형 서비스 플랫폼³⁾이라고 할 수 있다. 이에 소셜리서치 전략의 한 방법 인 대표적인 SNS 기업에 대한 빅데이터 시각화 분석을 통해 SNS 사용자의 경험 정보와 연관 어에 따른 정보 동향의 중요성을 재고해 본다.

1.1. 연구배경 및 목적

전통적인 경영환경에서 활용되던 소셜미디어 (Social Media) 전략은 오늘날에는 더 유용하 지 않다. 디지털 기술의 혁명과 발전으로 세상 은 더 연결되고 수평이 되어 온라인이라는 개 념이 근본적으로 웹 1.0에서 웹 2.0으로 전환되 어 변화하고 있다. 이에 새로운 미래를 지향하 는 웹 3.0 시대를 고찰하고 SNS의 특성과 기업 을 분석하고 빅데이터 분석에 따른 활용방안과 전략을 제시하고자 한다.

1.2. 연구범위 및 방법

연구범위는 현재 소셜 웹서비스를 하는 대표적인 기업을 중심으로 국내 소셜리서치 서비스 중의 하 나인 ‘소셜 메트릭스(Social MetricsTM)⁴⁾'를 활용한 분석을 하였다. 실제 빅데이터 분석은 오피니언 마이닝(Opinon Mining)⁵⁾ 분석기법을 적용하여 SNS 기업명을 키워드로 하고 정해 진 기간에 해당하는 연관어 검색 비중과 감성 분석 그리고 세부 키워드에 의한 긍, 부정 영향력 등을 측정하고 해당 검색 시간대에 따른 소셜미디어의 버즈(Buzz)량과 노출빈도 등을 확인하 고 분석하여 활용하는 방법으로 진행하였다.

1) 웹 2.0 이후 진화된 차세대 웹을 웹 3.0이라 한다. 일부에서는 웹 사용자에게 모든 것을 맞추는 인공 지능형의 웹 환경을 웹 3.0 으로 보고 시맨틱 웹(Semantic Web)을 웹 3.0 핵심 기술로 사용하고 있다.-한국정보통신기술협회-

2) http://www.kait.or.kr/etc/search.jsp

3) 김택천, 김택준, 『웹 3.0이야기』, 소금나무, 2008, p.21 4) http://www.socialmetrics.co.kr

5) 웹사이트와 소셜미디어에 나타난 여론과 의견을 분석하여 유용한 정보로 재가공하는 기술. 텍스트를 분석하여 네티즌들의 감성과 의견을 통계/수치화하여 객관적인 정보로 바꿀 수 있는 기술이다.-한국정보통신기술협회-

<그림 2> 연구 개념도

<그림 1> SNS의 진화

(4)

2. 웹 3.0시대 소셜네트워크서비스(SNS) 고찰

웹 3.0시대를 이해하려면 새로운 혁신에 대한 소개보다 기존에 회자 되던 개념들을 잘 정리해 야 한다. 웹을 기반으로 하여 사람들이 기존의 인간관계를 강화하고 새로운 관계를 만들 수 있는 서비스, 이것을 흔히 줄여서 SNS라고 부른다. SNS는 사람들을 일정한 유형으로 분류하 는 서비스, 친구들과 연락을 주고받을 수 있는 수단을 제공하는 서비스, 사용자들의 신뢰 관계 를 기반으로 무언가를 추천하는 시스템을 갖춘 서비스 등으로 분류된다. <그림 3>⁶⁾ 과같이 스마트폰을 이용한 SNS 사용이 늘어나면서 이동통신사들도 관련 애플리케이션을 공급하는 등 적극적으로 대응하고 있으며 휴대전화 단말기 제조사들도 단말기에 SNS 기능을 탑재해 출시하고 있다. 세계적으로 사용되는 SNS로는 페이스북, 인스타그램, 트위터, 유튜브 등이 있다. 북미의 마이스페이스와 링크드인, 중국의 웨이보, 한국의 블로그, 카카오스토리 등 지역 이나 나라마다 특화된 SNS도 있다. “웹 3.0은 수많은 정보 가운데 컴퓨터가 우리에게 꼭 필요 한 정보를 찾아 분석한 정보를 알려주고 보여줄 수 있도록 고안된 웹 기술”이라며 “이런 기술을 설명하고 이에 의해 바뀌고 있는 시장을 설명해야 한다”⁷⁾고 말한다. 인터넷에는 1000억 개가 넘는 웹페이지가 있다. 이는 1990년 월드와이드웹(WWW) 발명 후 인간이 하루 평균 1000개 가 넘는 웹페이지를 만들어왔다는 말과 같다. 이토록 많은 웹 페이지는 종래의 검색엔진으로 우리가 원하는 정보를 검색하는 것을 불가능하게 한다. 오늘날 우리가 빅데이터에 열광하는 이유는 과거에는 너무 커서 분석을 할 수 없었던 데이터의 분석이 이제는 가능해졌고 이것을 통해 새로운 가치(Value: 데이터의 가치)를 찾아내고 있기 때문이다. 데이터는 과거보다 더 빨리 늘어나고(Volume: 데이터의 규모), 더 많은 형태(Variety: 데이터의 다양성)를 가지고, 실시간에 가까운 속도(Velocity: 데이터의 생성 주기)로 생성되고 있는데, 오늘날 이러한 데이 터를 이용한 빅데이터를 이용한 소셜미디어 분석기법의 활용으로 빅데이터 분석기술들이 현 실화되고 있다.⁸⁾

2.1. SNS 정보성

정보를 전달하는 것이 기본적인 목적이라고 볼 때, 정보의 품질에 따라 브랜드에 대한 인식의 반응은 자연스러운 현상이라고 했다⁹⁾ 이를 토대로 정보시스템의 시스템 품질과 정보 품질이 소비자 만족과 조직에 미치는 영향을 모델로 만들었다. SNS의 개념을 연구한 선행 이론은 다양하게 찾아볼 수 있는데 기업의 관점으로 가치 특징은 저비용, 새로운 고객 또는 팬층 확보, 언제 어디서든 메시지 전달용이, 쉽고 빠른 메시지 전달, 관심과 친분을 기반으로 신뢰감 형성 이런 가치를 통해 소셜미디어는 가치를 창출한다고 했다. 이와 더불어 SNS가 온라인 인맥구축 을 기반으로 인적 네트워크를 만들어 이를 관리하고 이득이 되는 정보들을 공유한다고 했다.

그리고 <그림 4>와 같이 SNS를 7가지로 정의¹⁰⁾하였다.

2.2. SNS 상호작용성

뉴미디어 학자들은 뉴미디어의 주요 변인 중 하나로 상호작용성을 꼽았는데 양방향이며 상호 적이고 반응 적인 커뮤니케이션이라고 나누어 구분했고, 이것이 모두 상호작용성 안에 포함 되어 있다고 주장했다. 처음에는 사람과 관계 속에서의 커뮤니케이션이었지만, 미디어의 발 달로 인해 기기를 대상으로 비인간적 관계에서 도 범위가 확대되었고 일방적인 정보 전달의 플랫폼을 벗어나 브랜드와 고객이 양방향으로 커뮤니케이션할 수 있게 대응하는 개념¹¹⁾이 되었다.

6) 이완규, 「빅데이터를 이용한 스마트 도시관리」, 801 포커스, 제190호, 부산발전연구원, 2013, p3 7) 이영환. 『웹 3.0 세상을 바꾸고 있다』, 보문각, 2010, p.15

8) Gryman, G, Tapping into power of Big Data. Technology Forecase, 2010(3), pp. 4-13 9) Delone/Mclean, The Delone and Mclean Model of Information System Success, 1992. p87 10) Smith, G. "Social Software Building Blocks" nForum, 2007. [cited 2008.4.29.], p.241

11) 문영주, 이종호, 「온라인 커뮤니티 결정요인이 재문의 도에 미치는 영향 연구」, e-비즈니스 연구, 제7권, 제4호, 2006, p.85

<그림 4> SNS 7가지 정의

<그림 3> IT 기술 발달과 디지털 정보

(5)

2.3. SNS 멀티미디어성

SNS는 다양성의 의도를 동시에 가지고 있으며, 영상, 사진, 그래픽, 음성 등의 복 합 감각 매체로 풍부한 정보를 제공한다.¹²⁾ 선행 연구에서 이러한 SNS의 멀티미디어 성은 이용자의 인식 수준과 이용 의도 간에 밀접한 관계가 있다고 나타났다. 그러므로 기업이 브랜드를 광고 할 때는 양질의 정보와 콘텐츠, 손쉬운 요소도 필요하지만, 재미 요소도 적극적으로 제공해야 한다. 이것은 이용자들이 다양한 방법으로 효과를 주어 정보를 제공한다면 훨씬 더 효과적인 방법으로 만족하게 할 수 있을 뿐만 아니라 이해하는데 중요한 요인이 되고 재구매 의도까지 영향을 미치기 때문에 중요하다고 알려져 있다.

3. SNS와 빅데이터

빅데이터(Big Data)란 데이터의 양, 생성 주기(실시간 생산), 형식(수치 데이터뿐 아니라 문 자와 같은 비정형 데이터 포괄) 등에서 과거의 데이터에 비해 규모가 크고, 형태가 다양하여 기존의 방법으로는 수집, 저장, 검색, 분석이 어려운 방대한 크기의 데이터를 의미함¹³⁾이라고 하였는데 과거의 데이터는 단순히 저장되는 그 자체가 중요한 의미를 가졌지만 오늘날은 각종 모바일을 비롯한 스마트기기의 발전과 SNS, 그리고 사물인터넷 등에서 발생 되는 수많은 비정 형의 정보들을 해석하여 새롭게 문제를 해결하거나 새로운 방안을 제시하는 빅데이터 분석이 활발하게 진행되고 있다. 이러한 중심에 서 있는 기업, <그림 5>¹⁴⁾은 현재 SNS 서비스기업 과 점유율을 나타낸 것이다. 이에 산업계는 정형 및 비정형의 소셜 빅데이터로부터 일정한 패턴을 발견하고 그 안에 숨겨진 의미와 가치를 발굴해내는 소셜 빅데이터 분석(Social Big Data Analytics)에 관심과 투자를 기울이고 있다.¹⁵⁾ 이러한 소셜 빅데이터는 뉴스, 블로그, 트위터 등 다양한 소셜미디어에서 방대한 양의 데이터를 수집하고 분석해 의미 있는 시사점 (Insight)을 찾아내는 일련의 과정¹⁶⁾이며 누가 무엇을 왜 어떻게 언제, 어디서 이야기했는지, 누구에게서 누구에게로 얼마나 많이 전달되는지, 그리고 지속적으로 변화하는 이야기들의 생 성과 유통의 과정이 어떤 시 계열적 패턴을 나타내는지 등의 분석에 사용된다¹⁷⁾ 라고 하였다.

3.1. 빅데이터 마이닝의 개념 및 분석

데이터마이닝이란 의미 있는 패턴과 규칙을 발견하기 위해서 자동화되거나 반자동화된 도구 를 이용하여 대량의 데이터를 탐색하고 분석하는 과정으로 알려져 있는데 “데이터마이닝은

통계 및 수학적 기술뿐만 아니라 패턴인식 기 술들을 이용하여 데이터 저장소에 저장된 대 용량의 데이터를 조사해서 의미 있는 새로운 상관관계, 패턴, 추세 등을 발견하는 과정이 다"¹⁸⁾ <그림 6>과 같이 SNS 속성과 사용자 빅데이터 연관성을 살펴보면 이러한 사회적 분위기 속에서 대량의 SNS 데이터로부터 새 로운 정보를 추출하여, 사용자의 의도와 진의를 파악할 수 있다.¹⁹⁾ 생성된 빅데이터는 다양한 방법으로 분석 및 해석이 가능하며, 그 중 소셜 네트워크 서비스 분석의 경우 소셜 네트워크에 서 생성되는 다양한 빅데이터에 대해서 각 개인 또는 그룹의 인지적, 감성적 경험을 통해 소셜 네트워크 내 영향력, 관심사, 성향 및 행동 패턴을 추출하고 분석하는 것이 가능하다. 따라서

12) 장종희, 친절한 소셜 마케팅, 에듀웨이, 2015, p.49 13) 정용찬, 『빅데이터』, 커뮤니케이션북스, 2013. p.1 14) KPR 소셜커뮤니케이션연구소(http://www.kpr.co.kr)

15)이태분, 김병준. 「정책 PR분야에서 소셜 빅데이터 어낼러틱 활용가능성 연구」. 홍보학연구. 19(1).2015. p.335-384 16) 오동하. 『시민과 소통하는 시정. 소셜 빅데이터 활용』. BDI 정책포커스. (320), 2017, p.1-12

17)정혜정, 오경화. 「소셜빅데이터를 통한 윤리소비유형, 동기와 감정분석」. 한국심리학회지, 17(4), 2016. p.875-893) 18) 가트너그룹 2004. https://bloggm.tistory.com/196

19) 백봉현, 「SNS상의 비정형 빅데이터로부터 감성정보 추출방법」. 영남대학교, 석사학위논문, 2014, p.68

<그림 5> SNS 서비스 기업

<그림 6> SNS 속성과 사용자 빅데이터 연관성

(6)

이제는 특정 대상에 대한 사람들의 인식과 만족도에 대한 분석은 빅데이터 분석을 통해 정확하 고 다양한 의견을 얻어낼 수 있게 되었다. 아울러 오피니언 마이닝 혹은 감성 분석의 경우, 어떠한 사용자가 생성한 온라인 텍스트 속에 담긴 감성(Sentiment), 정서(Affect), 주관 (Subjectivity), 또는 감정(Emotion)을 식별하기 위해 사용된다. 즉, 감성 분석을 통해 이용자 가 서비스 또는 특정 공간으로부터 어떠한 느낌을 받았는지 파악하기 위한 것이다. 해외의 경우 감성 분석 연구 관련 기법은 2000년대 이후로 활발히 연구되고 있는데, 특히 이러한 감성 분석 연구가 급증한 주된 이유는 소셜미디어의 확산에 있다고 본다. 감성 분석은 웹, 블로그, 카페, 소셜 네트워크 사이트 등에서 발생하는 텍스트에 적용이 가능하다. 이들은 주로 웹에서의 구전 혹은 온라인 구전(e-word of mouth, eWOM)으로 일컬어지는 것으로, 마케팅 분야에서 특히 중요한 데이터로써 활용되는 추세이다.²⁰⁾

3.2. SNS 빅데이터 활용

빅데이터 분석 활용의 효과는 우선 경쟁 환경의 이해가 선행되어야 한다. 예를 들어 정보가 발생하는 소셜 네트워크의 구조와 정보 전달 패턴의 파악이 매우 중요하다. 또한, 소비 활동에 영향을 주고받는 소비자들의 소셜 네트워크 구조를 파악하여 효과적인 마케팅을 위한 기반 정보를 확보하고, 소비자들은 기업이 제공하는 정보보다 프로슈머, 커뮤니티 동료 등이 제공하 는 정보를 더욱 신뢰하는 환경의 이해가 필요하다.²¹⁾ <표 1>²²⁾은 방대한 빅데이터를 양산해 내는 소셜 커뮤니케이션 요소와 콘텐츠 서비스를 하는 기업을 나타낸 것이다. 주로 기업이 운영하는 소셜미디어는 혼자서 데이터를 관리하고 참여하며 위기관리를 할 수 있거나 해야 하는 주체가 아니다. 소셜미디어를 관리 운영하는 그룹이라면 기존 자사의 온, 오프라인 시스 템을 꼼꼼하게 들여다보고, 스스로 어떤 의사결정 그룹의 지원과 명령을 받아야 하는지 찾아내 야 한다. 그런 이후에야 그 시스템에 완전하게 녹아 들어가 일사분란 하고 체계적인 빅데이터 전략을 실행할 수 있다.²³⁾ 빅데이터를 활용하기 위해서는 데이터 분석이라는 필수 과정을

20) Chevalier and Mavzlin, 2006; Chen and Xie, 2008; Duan et al., 2008; Ghose and Ipeirotis, 2011; Cui et al., 2012; Pagano and Maalej, 2013, p.125

21) 이병엽, 임종태, 유재수, 「빅데이터를 활용한 소셜 분석기법의 활용」, 한국콘텐츠학회논문지 Vol.13, No.2, 2013. p.234 22) 올리비에 블랜챠드(Olivier Blanchard), inmD역, 『SOCIAL MEDIA(소셜미디어)』, 2011, p.32

구분 내용 목적 해당 컨텐츠

소 셜 커 뮤 니 케 이 션 분 류

소셜 컨텐츠

사진 공유/동영상 제품과 서비스이용, 관심 사항

플리커. 유튜브, 카이트(kyte), 포토버킷(photobucket)

블로그/

마이크로블로그

기업 블로그, 피드백, 아이디어제안수집

블로그, 타입패드, 워드프레스(wordpress), 트위터, 플럭 (plurk), 시스믹(seesmic), 블로그펄스, 사임포니, 테크리지.

구글 알리미. 세일즈포스닷컴

팟캐스팅 정보, 학습,

엔터테인먼트

오에오(ODEO), 히어디스닷컴(hearthis), 비치웍스위드록스, 퍼스널라이프미디어

소셜 플랫폼 소셜

네트워크 존재감 페이스북,링크드인,마이스페이스,프로덕트펄스(product

pulse) 화이트

레이블 제품 확장

플럭, 자이브, 애드개버(adgabber), 메레디스퍼블리싱 (meredish publishing), 콩데나스트(condenast), 로데일 (rodalstore)

위키 협업, 개발 자이브소프트웨어(jive software), 왯페인트(wetpaint), 트위 키, 위키미디어, 우드매거진(wood magazine), FG스궤어드

소셜 인터랙션 행사

서비스 행사조직 이벤트풀, 브루클린미술관

위치기반서비스 Meet up 닷지볼(dodge ball, 브라이트카이트(bright kite), 칠리스, 스타박스

업데이트 콘 텐 츠 스 트 림

(stream) 프랜드 피드, 페이스북, 밍글(mingl), 록시 극장

이메일 RSS, 피드 구글 리더, 이메일

<표 1> 소셜 커뮤니케이션의 종류와 컨텐츠 서비스

(7)

거치는데 ‘빅데이터 분석’이라 함은 학자마다 정 의가 상의하지만 공통적으로 ‘기존의 관리와 분 석의 역량을 초과한 막대한 정형적, 비정형적 데이터를 처리하기 위한 분석기술’ 정도로 정의 할 수 있다. 이에 산업계는 정형 및 비정형의 소 셜 빅데이터로부터 일정한 패턴을 발견하고 그 안에 숨겨진 의미와 가치를 발굴해내는 소셜 빅 데이터 분석(Social big data analytics)에 관심 과 투자를 기울이고 있다.²⁴⁾

오늘날 우리가 빅데이터에 열광하는 이유는 과 거에는 너무 커서 분석을 할 수 없었던 데이터 의 분석이 이제는 가능해졌고 이것을 통해 새로운 가치(Value: 데이터의 가치)를 찾아내고 있기 때문이다. 데이터는 과거에 비해 더 빨리 늘어나고(Volume: 데이터의 규모), 더 많은 형태(Variety: 데이터의 다양성)를 가지고, 실시간에 가까운 속도(Velocity: 데이터의 생성 주기)로 생성되고 있는데, 오늘날 이러한 데이터를 이용한 소셜미디어 분석기술들이 현실화되 고 있다.²⁵⁾ 또한, 소셜미디어에 나타나는 정보의 경로를 분석하면 잠재적 소비자군과 이들이 소속되어 있는 다양한 커뮤니티 구조를 파악하는 것이 가능하다. <그림 7>과 같이 매우 복잡 해 보이는 소셜 네트워크 구조 내부에는 정보를 보다 긴밀하게 주고받는 많은 커뮤니티가 중첩 됨을 알 수 있고, 각 커뮤니티의 성격과 결속 유형에 대한 정보가 중요함을 알 수 있다.²⁶⁾ 결국, 빅데이터를 분석하면 SNS상에 나타난 소셜미디어의 특성뿐 아니라 사용자의 감정과 취향 그리고 연관된 생각의 동향을 알 수 있게 된다.

3.3. SNS 빅데이터 분석 및 시각화

소셜 빅데이터 분석 업체들은 대부분 국내 텍스트마이닝 전문업체로 이루어져 있으며 자연어 처리기술과 텍스트마이닝 기술을 바탕으로 블로그와 트위터 문서를 분석해서 정보를 실시간 으로 제공하는 서비스를 진행하고 있다. 이러한 소셜 빅데이터 서비스 업체들은 사용자가 입 력한 키워드에 대해 소셜미디어에서 노출된 빈도 추이와 관련 연관어 맵(Map) 을 제공하고, 각 키워드에 대한 긍정과 부정과 같은 감성 정보 및 날짜별로 가장 많이 확산된 트윗 메시지를 제공하고 있는데 기업들은 이러한 서비스를 통해 해당 이슈가 되는 단어나 상품에 대해 소셜 미디어상에서 소비자의 실시간 생생한 반응정보를 비즈니스에 활용할 수 있게 된다. 소셜리서 치 기업들의 빅데이터 분석은 대부분의 선행 연구에서 다음과 같은 네 가지를 제안하고 있 다.²⁷⁾ 첫째, 텍스트 마이닝(Text Mining)은 비/반 정형 텍스트에서 자연어처리기술(Natural Language Processing)을 통해 유용한 정보 추출을 목적으로 다른 정보와의 연계성을 파악하 고 분류 혹은 군집화, 요약 등 빅데이터의 숨겨진 의미 있는 정보를 발견하는 것이다. 둘째, 오피니언 마이닝(Opinion Mining) 또는 평판 분석(Sentiment Analysis)이라고 불리는 기술 로서 소셜미디어 등의 정형 또는 비정형 텍스트에서 감성 분석기술을 적용하여 긍정, 부정, 중립의 사용자 의견을 분석한다. 특정 상품이나 서비스의 시장 규모 예측이나 소비자 반응, 입소문 분석(Viral Analysis)에 활용된다. 셋째, 소셜 네트워크 분석(Social Network Analysis)은 네트워크 연결구조 및 연결 강도를 바탕으로 메시지의 경로 파악을 통해 전파경 로 추적과 영향력 등을 측정하여 입소문의 중심을 찾거나 허브(Hub) 역할을 하는 사용자를 찾을 때 활용된다. 넷째, 클러스트 분석(Cluster Analysis)은 군집 분석이라고 불리는 기술로 서 비슷한 특성을 가진 개체를 합쳐 유사 특성의 군(Group)을 발굴하는데 이용되며 트위터나

23) 정용민, 송동현, 『소셜미디어 시대의 위기관리』, e비즈북스. 2011. p.31.

24) 이태분, 김병준. 「정책 PR분야에서 소셜 빅데이터 어낼러틱스 활용가능성 연구」. 홍보학연구. 제19권, 제1호. 2015 p.336-384.

25) Gryman, G, Tapping into power of Big Data.Technology Forecase, 2010(3), pp.4-13

26) Y. Y. Ahn, Link communication reveal multiacale complexity in metworke, Nature(466), 2010. pp. 761-764, 27) 조성우. 『Big Data 시대의 기술』. KT 종합기술연구원, 2011. p.232

<그림 7> SNS 속성과 빅데이터의 관계

(8)

블로그 등에서 사용자 댓글 등을 분석해 동일한 관심사나 취미를 가진 사용자군을 분류해 분석 하는 방법이다. 본 연구에서는 소셜 빅데이터를 분석하기 위해서 텍스트마이닝 기법의 하나인 오피니언 마이닝²⁸⁾의 기법을 활용하였는데 SNS 서비스 업체들에 대한 소비자들의 SNS상에 구현하고 있는 키워드를 분석하기 위해 ㈜다음소프트의 소셜 메트릭스(Social Matrix^TM)를 도구로 사용하였다. 소셜 메트릭스의 경우 정보에 포함된 스팸 및 노이즈 데이터를 제거하여 제공하고 핵심적인 자연어 처리기술을 적용하여 가능한 연관성이 높은 키워드를 빈도수에 따 라 제시해주어 본 연구의 목적에 적합한 분석방법이라 할 수 있다. 소셜 빅데이터를 생산하고 유통하는 기업의 내용은 <표 2>²⁹⁾와 같다. 이제는 SNS 기업에서 소셜미디어를 이용하여 고객과 직접 소통하면서 상품이나 서비스를 홍보하는 것이 일상화되었다. 페이스북, 블로그, 다음 카카오톡, 트위터, 유튜브, 인스타그램 등 같은 소셜 네트워크 서비스가 폭발적으로 증가 하면서 많은 기업이 소셜미디어를 마케팅에 활용하고 있다. 소셜미디어 마케팅은 기존의 일반 적인 마케팅과 달리 고객이 주체가 된다. 이들은 자발적으로 블로그나 트위터 등을 활용해 기업의 제품이나 서비스에 관한 아이디어로 상품 개선에 적극적으로 개입한다. 고객의 자발적 인 참여는 자연스럽게 빅데이터가 되고 기업의 입장에서는 막대한 비용을 들이지 않고도 고객 들의 숨겨진 니즈(Needs) 를 파악해 새로운 시장진출이나 상품 기획에 활용할 수 있는 정보를 손쉽게 확보할 수 있는 장점이 있다.

소셜미디어 효과측정과 관련된 지식을 쌓는 과정에서 근본적인 문제를 고민하게 되었는데 소 셜 분석, 버즈(Buzz) 분석, 빅데이터 분석 등으로 불리는 방법들로 기업이 얻을 수 있는 것은

28) 장성복, 「소셜 빅데이터를 통한 공연예술의 온라인 여론 분석」, 한국 디자인트렌드학회, 제57권, 2017, p.82

29) 주혜진, 「국내 대형 항공사 SNS 마케팅이 소비자 태도와 구매 의도에 미치는 영향」, 홍익대학교, 석사학위논문, 2017. pp.

11-17

SNS 기업 내용

2004년 2월 하버드의 학생이었던 마크 저커버그(Mark Zuckerberg)에 의해 하버드 학생들만을 위해 만들어진 서비스로. 3년 만에 800만 명의 회원을 확보했다. 빠르게 커뮤니케이션을 하고 싶어하는 10대와 20대의 젊은 사람들에게 지대한 관심을 불러일으켰고 2006년 9월 이후 13세 이상은 누구나 가입할 수 있었으며, 3년 만에 800만 명의 회원을 확보했다.

웹(web)과 로그(log)의 합성 조어로 자신의 일상이나 견해 등을 상시적으로 게시하는 온라인 세계에서 네티즌 사이에 정보와 의견이 교환되는 가장 중요한 채널 중 하나로 개인의 소소한 일상을 일기장처럼 기록하는 신변잡 기부터 특정 영역의 정보와 소식을 게시하거나 특정 견해와 태도를 표명하는 형태까지 블로그가 다루는 영역은 사실상 무제한이다. 신제품 소식을 알리거나 소비자 대상 이벤트를 실시하는 등 기업 홍보 활동의 주요 플랫폼으 로 사용되고 있기도 하다.

다음커뮤니케이션은 인터넷 포털 사이트 ‘다음’(Daum)을 운영했던 회사로 1995년 설립됐고, 2014년 카카오와 합병해 ‘다음카카오’라는 이름을 거쳐 현재 회사 이름은 ‘카카오’(Kakao)가 되었다. 카카오스토리는 2012년 3월 22일 서비스를 시작한 사진 공유 기반 소셜 네트워크 서비스이다. 사용자들은 여러 가지 글이나 사진 등을 올릴 수 있다. 기존 카톡이 메시지 중심이었다면 카카오스토리는 사진 중심의 SNS라고 보면 된다.

지저귀다 라는 뜻으로 블로그와 인터페이스와 미니 홈페이지의‘친구 맺기’ 기능과 메신저를 한데 모아놓은 서비 스로 최초의 마이크로 블로그 형태로 전 세계적으로 인기를 얻었다. 휴대전화의 문자메시지와 웹을 결합한 방법 을 찾던 미국의 벤처기업가 잭 도시(Jack Dorsey)와 에번 윌리엄스 (Even Williams) 그리고 비즈 스톤(Biz stone) 등이 공동으로 개발하였으며 오비어스(Obvious crop) 가 개설했다.

유튜브는 2005년 2월 15일 전자상거래 회사인 페이팔의 전 직장 동료였던 스티브 첸과 채드 헐리, 조드커림이 공동으로 창업했다. 12월 15일 유튜브가 공식적으로 서비스를 시작했을 때 매일 200만 개 이상의 동영상이 올라 왔다. 이에 미국의 구글사가 저작권 침해 문제 해결을 위해 연예기획사들과 합의하여 저작권이 있는 동영상을 유튜브에 올릴 수 있도록 허가받고, 저작권이 있는 노래들을 동영상에 수록할 수 있는 권리를 사용자에게 부여한 다는 내용의 거래를 성사시켰다.

인스타그램은 대표적인 3세대 SNS이다. 다른 사이트는 모두 앱을 기반으로 하지만 유일하게 모바일 환경에 최적 화되어있다. 세상의 순간들을 포착하고 공유한다(capturing and sharing the world's moments)는 슬로건을 내건 플랫폼으로 인스턴트(Instant) 와 텔레그램 (Telegram)의 합성어이고, 페이스북과 이메일 계정으로 인스타그램 의 계정을 생성할 수 있으며 더욱 손쉽고 즉각적인 콘텐츠로 위치 기반 서비스가 가능하다.

<표 2> 국내 서비스 중인 대표 SNS 기업

(9)

무엇이고 많은 분석가와 마케터, 홍보 담당자는 소셜 공간의 수많은 데이터에서 무엇을 볼 것인가에 대한 해답은 끊임없이 제기되어왔다. 특히 버즈(Buzz) 분석은 소비자들이 웹상에서 어떤 정보를 이야기하는 것으로 즉, 트위터나 개인 블로그, 카페 등에 작성한 글 모두가 버즈가 된다. 그리고 이렇게 처리된 데이터를 활용하여 쉽게 인지할 수 있도록 시각화하고 그래프를 통해 통계화시켜서 다양한 분야에 활용하게 된다. 또한, 궁금한 키워드를 검색하기만 하면 수십, 수백만 건 문서의 실시간 분석결과를 통해 어떠한 이야기들이 온라인상에서 회자되고 있는지도 바로 확인할 수 있는데, 이렇게 파급력 있는 ‘소셜미디어’에서 생성되는 다양한 텍스 트 형태의 데이터를 실시간 수집하여 분석하고 보여주는 서비스가 바로 소셜리서치 기업이 하는 일이다. <표 3> 소셜리서치 사이트는 이러한 고민을 해결해주는 하나의 도구가 될 수 있다. 중요한 키워드를 입력하면 연관어 분석을 통해 기존 마케팅 리서치 영역에서 조사하려는 사용자의 관심과 취향을 알 수 있게 한다. 그리고 기업에서 궁금한 중요한 항목 중 하나인 소비자가 어떤 과정을 거쳐 자사의 브랜드/제품을 이용하고 선호하게 되는지를 알아볼 수 있는

Social Research 서비스기업

Social Big Data 시각화 서비스 유형

이미지 맵/버즈 량 긍정/부정 동향 SNS 여론 확산 추이

socialmetrics

www.socialmetrics.co.kr

Pulse-K

http://www.pulsek.com

Tibuzz www.tibuzz.co.kr

diquest

https://www.diquest.com

wisenut www.wisenut.com

SMART SMA http://www.lgcns.co.kr

<표 3> 소셜 리서치 서비스 사이트

(10)

것이다. 예전에는 이를 위해 마케터나 연구원들은 의도된 설문이나 F.G.I(실제 면접 조사) 등 여러 가지 방법론을 설계하고 실행해 왔다. 그러나 기존 방법들은 모두 의도된 상태에서 조사가 이루어지기 때문에 조사자의 의도가 반영된 응답을 받을 수밖에 없고, 제한된 공간과 상황에서 응답자의 다양한 생각과 의견, 특히 소비자 무의식 속 인사이트를 확보하기가 어려울 수 있었다. 이제는 소셜리서치가 등장하면서 이러한 부족함을 많이 보완하고 소비자 니즈에 대한 솔루션을 쉽고 빠르게 알려줄 수 있는 데이터를 확보하게 된 것이다.

3.4. SNS 빅데이터 시각화 사례연구

<표 4>는 소셜리서치 업체를 통해 얻을 수 있는 소셜 빅데이터의 한 분석 사례이다. 분석기법 은 오피니언 마이닝으로 이 분석방법은 웹사이트와 소셜미디어에서 특정 주제에 대한 여론이 나 정보(댓글, 게시글) 등 주관적 의견을 수집・분석해 객관적 정보로 도출하는 빅데이터 처리 기술이다. 웹 문서를 의미하는 가장 작은 단위로 나누어 분석하고, 주제에 관한 객관적인 정보 뿐 아니라 글로 나타낸 감정 표현까지 분석할 수 있다는 점이 특징이다. 연관어 대한 이미지 맵, 버즈량, 해당 연관어 대한 카테고리 분류, 긍정/부정 동향과 실제 SNS상에서 진행되는 소셜미디어 확산 추세를 통합하여 제시해준다. 이 런 특징 때문에 소셜 네트 워크상의 이용자 ‘감정분 석’(Sentiment Analysis) 이라고도 불린다. 이런 분 석기법으로 현재 오피니언 마이닝 분석기법을 통한 SNS 서비스기업 6개에 대 한 리서치 결과 사례는 다 음과 같다. 그리고 <표 5>, <표 6>은 해당 SNS 기업의 빅데이터 분석에 대한 결과이다. 대용량의 데이터에 숨겨져 있는 데이터 간의 관계·패턴을 탐색하고 이를 모델화하여 업무에 적용할 수 있는 의미 있는 정보로 변환함으로써 개인 또는 기업의 의사결정에 적용하는 일련의 과정과 이것을 시각화하여 감각적으로 나타내 주는 시각화는 특정 서비스 및 상품에 대한 시장 규모 예측, 소비자의 반응, 입소문 분석 등에 활용이 적합할 뿐만 아니라 현재 많은 기업이 오피니언 마이닝 기술을 활용해 자사와 자사 상품 관련 댓글 ․ SNS 게시글 등을 실시간으로 분석해 대응 전략을 세우고 있다. 이러한 오피니언 마이닝 기술과 시각화는 상품 구매 및 정보획득에 있어 서 평판의 중요성이 더욱 증대되고, 트위터, 페이스북과 같은 소셜 기반 서비스와 블로깅 등을 통해 사용자가 자신의 경험을 바탕으로 작성한 이용 후기나 평가내용을 공유하는 리뷰 관련 시장이 활성화되면서 그 가치가 더욱 높아지고 있다. <표 7>는 소셜리서치 대상이었던 6개 SNS 기업의 연관어 분석 종합결과이다. 분석 내용에서 특이한 점은 대체로 예외 없이 SNS 기업은 연관어 분석 카테고리 중 (1) 번에 해당하는 ‘인물’에 대한 비중이 매우 큰 것을 알 수 있다. 사용자의 관심이 SNS상에서 가장 큰 비중을 차지하는 것은 그만큼 사람에 대한 관심 이 매우 강하게 투영되었다고 볼 수 있다. 페이스북은 지구촌 소셜미디어의 최강자로서 폭발적 인 성장을 계속해온 SNS다. 특히 페이스북은 ‘타겟 마켓팅’으로 주목을 받고 있는데 전 세계적 으로 널리 사용되는 커뮤니케이션 플랫폼일 뿐 아니라 광고를 하는 기업 대부분이 페이스북 광고만 하며, 페이스북 광고에서 매출의 절반이 나올 정도로 페이스북을 통한 광고는 효과적이 다. 분석 결과 두 가지 연관어에 관심이 집중되었는데 주로 (1) 인물, (8) 시사/경제에 사용자 들의 많은 연관검색이 분석되었다. 개인 활동이 강조된 블로그는 (1) 인물, (2) 상품, (3)

빅데이터 유형

Social Research 시각화

Social Insight Social Ranking 연 관 어

긍정/부정 동향 확산 추이

이미지 맵/버즈량 분류 타입

오피니언 마이닝

1.인물 2.상품 3.라이프 4.단체 5.브랜드 6.문화/여가 7.장소 8.시사/경제

4.5k(2019.08.04) 5.8k(2019.08.07) 3.3k(2019.08.10) 4.9k(2019.08.13) 4.6k(2019.08.16) 7.3k(2019.08.19.) .

. . Opinion Analysis Data by Social Metrix ^TM

(www.socialmetrics.co.kr)

<표 4> 소셜 리서치의 분석예시

(11)

라이프, (5) 문화/여가에 많은 연관검색이 버즈 데이터로 남아있게 되었다. 특히 카카오스토리 는 (1) 인물, (3) 라이프, (4) 단체, (5) 브랜드, (7) 장소 등 여러 연관 카테고리에서 다른 SNS보다 많은 연관검색어로 데이터 링 되었고 마찬가지로 트위터는 (1) 인물, (2) 상품, (3) 라이프, (6) 문화/여가, (8) 시사/경제 등에서 폭넓게 연관검색이 데이터 링 되었음을 알 수 있다. 전통적으로 미디어에 강한 유튜브는 (1) 인물, (6) 문화/여가 등 특정 관심 사항 카테고 리에 집중되어 연관어로 검색되는 상황이었으며 최근 사진 미디어를 활용해서 큰 반향을 이끌 고 있는 인스타그램은 (1) 인물, (4) 단체, (6) 문화/여가, (8) 시사/경제 부분에서 집중적으로 연관검색어가 데이터 링 되었다. 이러한 데이터는 앞서 이야기한 대로 해당 3개월 동안의 연관 검색 데이터이므로 그 기간에 SNS 사용자들의 동향을 살펴본다는 제한된 데이터 값을 의미한 다. 하지만 해당 기간에 SNS 사용자들의 연관된 키워드가 무엇이고 긍정/부정 등의 정서적 감정을 해석해 볼 수 있다는 큰 장점이 있고 또한 온라인 미디어를 통항 확산 추세가 어떻게

SNS

Big Data Service Contents Opinion Analysis Data by Social Metrix ^TM (Research Period : 2019.8.4.-2019.9.3. / k:1,000건)

연관어 맵 감성 분석 긍, 부정 동향 확산 추이

1.facebook

2. blog

3. kakao

4. twitter

5. YouTube

6. Instagram

<표 5> SNS 기업 빅데이터 시각화 분석 사례

(12)

진행되고 있는지에 대한 데이터를 확보하여 소셜미디어에 활용할 수 있다는 장점이 있다. <표 6>은 소셜리서치 대상이었던 6개 SNS 기업의 연관어 분석결과이다.

분석 키워드

Opinion Analysis Data by Social Metrix ^TM (Research Period : 2019.8.4.-2019.9.3. / k:1,000건) 연관어 맵 /버즈량