Giters

Park-taenam / Project-Viral_Index

21-2 Project - Viral Index Outline

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Viral Index(바이럴 지수)

부제 : 입소문이 영상 콘텐츠의 흥행에 미치는 영향

바이럴 지수란?

SNS 플랫폼에서의 관련 컨텐츠로 인한 입소문으로 영화의 관객수에 미치는 영향을 점수로 표현한 것

🙋 Contributors

이름 Github
김유진 @youjin2github
박태남 @Park-taenam
신은식 @Eunsik-Shin
이은성 @eun-seong
이희원 @Honi-huiwon

✍️ Projects

Background

  • SNS가 발달하면서 입소문으로 특정 컨텐츠가 홍보되는 현상이 많이 발생하고 있다.
  • 이러한 입소문이 영상 제작물의 흥행에 영향을 주는 주요한 요인들 중 하나이다.
  • 바이럴 지수가 영상 컨텐츠뿐만 아니라 다방면으로 사회에 영향을 끼치고 있다.

Expected effects

  • 바이럴 지수가 마케팅이나 사회 영향력 등 다양한 부분에서 활용될 수 있을 것이다.

Process

  1. 데이터 수집
    1. KOBIS 영화 기본 정보 스크래핑
    2. 영화와 관련된 유튜브 영상 정보 수집
  2. 데이터 정제
  3. EDA
    • 데이터 파악
    • 분산 안정화
    • 피쳐 셀렉션
  4. 모델링
    • RandomForest 모델 사용
    • 영화 관련 Model1 과 입소문 관련 Model2로 구성

💾 Data

data desc
영화 관련 데이터 17~20년도 누적 관람객수 상위 50개의 영화(KOBIS)
OTT 관련 데이터 오징어 게임, 보건교사 안은영, 옥자, 승리호, 킹덤

Features

Movie Features

name desc
영화명 영화 이름
개봉일 영화의 개봉일
매출액 영화의 총 매출액
관람객 수 영화의 누적 관람객 수
제작 국가 영화의 제작 국가
배급사 영화의 배급사 리스트, 여러 개일 경우 대표 배급사 하나만 선정
영화 코드 KOBIS 내의 영화 코드
장르 영화의 장르
영화종류 일반 영화 or 독립영화, 일반 영화가 독보적이라 제외
스케일 장편 or 단편, 장편이 독보적이라 제외
러닝타임 영화의 러닝 타임
연령제한 영화의 연령 제한
주연 배우 영화의 주연 배우 리스트

*굵은 글씨: 실제 모델링에 사용된 피쳐

Viral Features

name desc
조회수 평균 영화당 10개의 유튜브 영상 조회수의 평균
조회수 합 영화당 10개의 유튜브 영상 조회수의 합
댓글 수 해당 영화의 유튜브 영상 댓글 수의 총합
감성분석 점수 영화의 댓글들을 감성 분석한 결과의 절댓값 평균
배우 영향력 영화 개봉일 기준 주연배우 2명이 이전 3년간 주연으로 출연한 영화의 누적 관람객수 평균

🧩 Modeling

Model1 -> error -> Model2 -> Viral index

  • 최대한 입소문에만 영향을 줄 수 있는 피쳐들로 Viral Index를 구상하기 위해서 잔차를 이용
  • 첫 번째 모델의 잔차를 사용하여 두 번째 모델링을 진행하였기 때문에,
    영화와 직접적으로 관련된 피쳐들의 영향력은 두 번째 모델에서 예측을 진행 제거된 후

Model1

  1. movie feature로 모델링
  2. 예측값(y_hat) 산출

Model2

  1. Model1에서 구한 예측값으로 잔차(y-y_hat) 계산
  2. 잔차를 종속변수로 사용하여 viral feature로 모델링
  3. 산출한 값을 scaling하여 Viral Index 산출

💡 Conclusion

2021년 가장 흥행했던 '오징어 게임'의 바이럴 지수를 100점 기준으로 삼아 다른 OTT 컨텐츠의 점수를 산정

순위 OTT 컨텐츠 이름 Viral Index
1 오징어 게임 100.00
2 보건교사 안은영 50.32
3 킹덤 50.22
4 승리호 37.93
5 옥자 11.94

About

21-2 Project - Viral Index Outline