Management & Information Systems Review (경영과정보연구)

Daehan Academy of Management Information Systems (대한경영정보학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on Analysis of consumer perception of YouTube advertising using text mining

텍스트 마이닝을 활용한 Youtube 광고에 대한 소비자 인식 분석

  • Eum, Seong-Won (International Trade and Marketing Div., Busan University of Foreign Studies)
  • 엄성원 (부산외국어대학교 국제무역마케팅학부)
  • Received : 2020.06.01
  • Accepted : 2020.06.28
  • Published : 2020.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study is a study that analyzes consumer perception by utilizing text mining, which is a recent issue. we analyzed the consumer's perception of Samsung Galaxy by analyzing consumer reviews of Samsung Galaxy YouTube ads. for analysis, 1,819 consumer reviews of YouTube ads were extracted. through this data pre-processing, keywords for advertisements were classified and extracted into nouns, adjectives, and adverbs. after that, frequency analysis and emotional analysis were performed. Finally, clustering was performed through CONCOR. the summary of this study is as follows. the first most frequently mentioned words were Galaxy Note (n = 217), Good (n = 135), Pen (n = 40), and Function (n = 29). it can be judged through the advertisement that consumers "Galaxy Note", "Good", "Pen", and "Features" have good functional aspects for Samsung mobile phone products and positively recognize the Note Pen. in addition, the recognition of "Samsung Pay", "Innovation", "Design", and "iPhone" shows that Samsung's mobile phone is highly regarded for its innovative design and functional aspects of Samsung Pay. second, it is the result of sentiment analysis on YouTube advertising. As a result of emotional analysis, the ratio of emotional intensity was positive (75.95%) and higher than negative (24.05%). this means that consumers are positively aware of Samsung Galaxy mobile phones. As a result of the emotional keyword analysis, positive keywords were "good", "good", "innovative", "highest", "fast", "pretty", etc., negative keywords were "frightening", "I want to cry", "discomfort", "sorry", "no", etc. were extracted. the implication of this study is that most of the studies by quantitative analysis methods were considered when looking at the consumer perception study of existing advertisements. In this study, we deviated from quantitative research methods for advertising and attempted to analyze consumer perception through qualitative research. this is expected to have a great influence on future research, and I am sure that it will be a starting point for consumer awareness research through qualitative research.

본 연구는 최근에 이슈가 되고 있는 텍스트마이닝을 활용하여 소비자 인식을 분석한 연구이다. 이를 위해 삼성갤럭시 Youtube 광고에 대한 소비자 리뷰 분석을 통해 소비자들이 가지고 있는 삼성 갤럭시에 대한 인식을 분석하였다. 분석을 위해 Youtube 광고의 소비자 리뷰 1,819개를 추출하였다. 이를 데이터 전처리 과정을 거쳐 광고와 관련된 키워드를 명사, 형용사, 부사로 분류하여 추출하였다. 이후 빈도 분석 및 감성 분석을 실시하였으며 마지막으로 구조적 등위성 분석을 통한 군집화를 실시하였다. 본 연구 결과를 간략히 요약하면 다음과 같다. 첫 번째 가장 많이 언급된 단어는 갤럭시 노트(n=217), 좋음(n=135), 펜(n=40), 기능(n=29) 등으로 나타났다. 이는 소비자들이 광고를 통해 "갤럭시 노트", "좋음", "펜", "기능"은 삼성 핸드폰 제품에 대해 기능적인 면이 좋고, 노트 펜에 대해서 긍정적으로 높게 인식한다고 판단할 수 있다. 추가적으로 "삼성페이", "혁신", "디자인", "아이폰" 등에 대한 인식은 삼성 핸드폰에 대해 혁신적인 디자인과 삼성페이의 기능적인 면에서 상당히 좋은 평가를 하는 것을 알 수 있다. 두 번째, Youtube 광고에 대한 감성분석 결과이다. 감성 분석 결과 감성강도 비율이 긍정(75.95%)로 부정(24.05%)보다 높게 나타났다. 이는 소비자들이 삼성 갤럭시 모바일폰에 대해 긍정적으로 인식하고 있음을 의미한다. 감성 키워드 분석 결과 긍정키워드의 경우는 "좋다", "후하다", "혁신적", "최고다", "빠르다", "예쁘다" 등으로 나타났으며, 부정키워드의 경우는 "겁난다", "울고싶다", "불편", "아쉽다", "싫다" 등이 추출되었다. 본 연구이 시사점은 기존 광고에 대한 소비자 인식 연구를 살펴보면 대부분 정량적 분석 방법에 의한 연구가 대부분이었다. 본 연구에서는 광고에 대한 정량적 연구 방법에서 탈피하여 정성적 연구를 통해 소비자 인식분석을 시도하였다. 이는 향후 연구에도 많은 영향을 미칠 것으로 판단되며, 정성적 연구를 통해 소비자 인식 연구의 출발점이 될 것으로 확신한다.

Keywords

References

  1. 김유영․송민(2016), 영화 리뷰 감성분석을 위한 텍스트 마이닝 기반 감성 분류기 구축, 지능정보연구, 22(3), 71-89. https://doi.org/10.13088/jiis.2016.22.3.071
  2. 반현정(2019), 빅데이터 분석을 통한 부산의 특급호텔과 비즈니스 호텔의 의미연결망 분석에 관한 연구, 부경대학교, 석사논문
  3. 이경렬․박명진(2016), 스크린 유형과 광고주 업종에 따른 온라인 및 모바일 동영상광고의 노출효과 비교연구. 브랜드디자인학연구, 14(4), 245-256.
  4. 이승창․임정현․이상학(2015), 모바일 광고 특성이 모바일 광고 태도와 구매의도에 미치는 영향. 광고학연구, 26(6), 213-232.
  5. 이은민․이인수(2015), 모바일 광고시장의 현황분석 및 전망. 정보통신정책연구원 정보통신방송정책, 27(6), 1-16
  6. 이운형(2016), 유튜브 온라인 동영상 광고 트렌드분석. 한국디자인포럼, 51, 95-103.
  7. 양지윤(2018), 텍스트 마이닝을 통한 아이코닉 건축과 장소 브랜딩의 상관성에 관한 연구, 홍익대학교 대학원, 박사논문
  8. 전채남․서일원(2013), 빅데이터 분석의 기술마케팅 활용에 관한 연구: 잠재 수요기업 발굴을 중심으로. 마케팅논집, 21(2), 181-203.
  9. 장육제(2019), SNS광고 속성에 따른 SNS광고 효과에 관한 연구: SNS 광고인식 및 침입성 인식을 중심으로, 동의대학교 대학원, 박사논문
  10. 정성호(2005), 광고소비자의 광고인식에 대한 유형 분석에 관한 연구. 광고학연구, 16(1), 251-273.
  11. 최민학․임병훈.(2017), 스마트폰 모바일광고 유형에 따른 광고의 정보성 인식과 구매의도에 미치는 효과에 관한 연구. 예술인문사회융합멀티미디어논문지, 7, 701-714. https://doi.org/10.35873/AJMAHS.2017.7.6.065
  12. 최승우, 박보람(2015). 인터넷 동영상 인스트림광고 유형에 따른 광고 회피에 대한 연구: 유튜브 이용자를 중심으로. 한국디자인문화학회지, 21(3), 665-673.
  13. Asur, S., & Huberman, B. A.(2010, August), Predicting the future with social media. In 2010 IEEE/WIC/ACM international conference on web intelligence and intelligent agent technology(Vol. 1, pp. 492-499). IEEE.
  14. Bauer, R. A., & Greyser, S. A.(1968), Advertising in America, the consumer view.
  15. Bijaksic, S., Markic, B., & Bevanda, A.(2014), BUSINESS INTELLIGENCE AND ANALYSIS OF SELLING IN RETAIL/POSLOVNA INTELIGENCIA I ANALIZA PRODAJE U MALOPRODAJI. Informatologia, 47(4), 222.
  16. Bing, Y., Liu, H., Zhang, L., Ghosh, D., & Zhang, J.(2010). Nanostructured Pt-alloy electrocatal ysts for PEM fuel cell oxygen reduction reaction. Chemical Society Reviews, 39(6), 2184-2202. https://doi.org/10.1039/b912552c
  17. Calder, B. J., Hollebeek, L. D., & Malthouse, E. C.(2018), Creating stronger brands through consumer experience and engagement. In Customer engagement marketing (pp. 221-242). Palgrave Macmillan, Cham.
  18. Chen, C. L., Liu, C. L., Chang, Y. C., & Tsai, H. P.(2011, November), Mining opinion holders and opinion patterns in US financial statements. In 2011 International Conference on Technologies and Applications of Artificial Intelligence (pp.62-68). IEEE.
  19. Gupta, H., Singh, S., & Sinha, P.(2017), Multimedia tool as a predictor for social media advertising-a YouTube way. Multimedia tools and applications, 76(18), 18557-18568. https://doi.org/10.1007/s11042-016-4249-6
  20. Kim, S. H., & Han, J. M.(2014), An analysis of motion picture box office performance: Focusing on Korean movies released in 2012. Social Science Studies, 53(1), 191-214.
  21. Kumar, N., Rajpure, D. B., Gukal, S.,(2010), U. S. Patent Application No. 12/234,313.
  22. Matz, S. C., & Netzer, O.(2017), Using big data as a window into consumers' psychology. Current opinion in behavioral sciences, 18, 7-12. https://doi.org/10.1016/j.cobeha.2017.05.009
  23. Mittal, B.(1994), Public assessment of TV advertising: Faint praise and harsh criticism. Journal of advertising research, 34(1), 35-54.
  24. Morinaga, S., Yamanishi, K., Tateishi, K., & Fukushima, T.(2002, July), Mining product reputations on the web. In Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 341-349).
  25. Palmgreen, P., Donohew, L., Lorch, E. P., Rogus, M., Helm, D., & Grant, N.(1991), Sensationseeking, message sensation value, and drug us e as mediators of PSA effectiveness. Health Communication, 3(4), 217-227. https://doi.org/10.1207/s15327027hc0304_4
  26. Petty, R. E., Cacioppo, J. T., & Goldman, R.(1981). Personal involvement as a determinant of argument-based persuasion. Journal of personality and social psychology, 41(5), 847. https://doi.org/10.1037/0022-3514.41.5.847
  27. Pollay, R. W., & Mittal, B.(1993), Here's the beef: factors, determinants, and segments in consumer criticism of advertising. Journal of marketing, 57(3), 99-114. https://doi.org/10.2307/1251857
  28. Sorkin, A. R., & Peters, J. W.(2006), Google to acquire YouTube for $1.65 billion. The New York Times, 9.
  29. Tan, H. K., Ngo, C. W., Hong, R., & Chua, T. S.(2009, October), Scalable detection of partial near-duplicate videos by visual-temporal consistency. In Proceedings of the 17th ACM international conference on Multimedia(pp.145-154).
  30. Tong, S., & Koller, D.(2001), Support vector machine active learning with applications to text classification. Journal of machine learning research, 2(Nov), 45-66.
  31. Turney, P. D.(2002), Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. arXiv preprint cs/0212032.
  32. Van Doorn, J., Lemon, K. N., Mittal, V., Nass, S., Pick, D., Pirner, P., & Verhoef, P. C.(2010), Customer engagement behavior: Theoretical foundations and research directions. Journal of service research, 13(3), 253-266. https://doi.org/10.1177/1094670510375599
  33. Wiebe, J.(2000), Learning subjective adjectives from corpora. Aaai/iaai, 20(0), 0.

Cited by

  1. IMC 관점에서 국내기업의 유튜브채널 분석 vol.39, pp.3, 2020, https://doi.org/10.29214/damis.2020.39.3.007