Emotional Attributes of Films and Their Influence on Diffusion Patterns: An Exploratory Analysis Using the Bass Model

초록

본 연구는 온라인 리뷰 텍스트에서 추론한 영화의 감정적 속성이 국내 영화 시장의 확산 패턴에 미치는 영향을 탐색적으로 분석한다. 182,987건의 관객 리뷰에 딥러닝 기반 감정 분류 모델(KcELECTRA)을 적용하여 39개 감정 변수를 추출하고, 요인분석을 통해 9개 차원으로 축소했다. Bass 확산 모형으로 추정한 혁신계수(p), 모방계수(q), 잠재시장 규모(m)를 종속변수로 설정하고 회귀분석을 실시했다. 본 연구는 정보로서의 감정 이론(Affect-as-Information)과 각성 주도 공유 이론(Arousal-driven Sharing)에 기초하여, 특정 감정이 시장 행동으로 연결되는 심리적 메커니즘을 규명한다. 분석 결과, ‘긴장감’과 ‘짜증’ 요인은 혁신계수와 잠재시장 규모에 상반된 효과를 나타냈으며, 특히, ‘긴장감’은 모방계수를 유의하게 증가시켜, 서스펜스나 예측 불가능성을 유발하는 영화가 구전 기반 관객을 확보하고 장기적으로 더 강한 성과를 달성할 가능성이 높음을 시사한다. 특히, 이러한 감정 효과는 장르 및 스크린수 등 구조적 요인을 통제한 후에도 여전히 유의한 것으로 나타났다. 본 연구의 결과는 감정 기반 텍스트 신호와 영화 확산 역학 간의 관계에 대한 새로운 실증적 근거를 제시하며, 포스트 팬데믹 시대의 변화하는 영화 산업에서 제작자와 마케터가 감정적 톤과 관객 참여 전략 간의 균형을 모색하는 데 기여할 것으로 기대한다.

키워드