Online reviews have become an important source marketing managers use to understand customer preferences. This research aims to explain TV viewership and obtain customer insights from user-generated online reviews. Researchers study TV viewership of dramas because they have continuity and easily go viral. This study considers both the volume and valence of online reviews, by examining volume indicators other than the number of comments (e.g. number of ‘Likes’, number of video views) and valence employing the semantic orientation method, one of two sentiment classification methods. The sentiment classification shows that 98.43% of documents are classified by method, with an accuracy of 85.6%. Volume and valence estimates are analyzed in a regression model, and the results indicate that the content of online reviews has significant impact on TV viewership, and video clips are more effective marketing tools than news. Theoretically, the study explores the effect of online word of mouth from various sources of data, and it successfully classifies sentiments by developing a domain-specific dictionary that also incorporates language distortions in the online space. Managerially, this work will provide guidance to practitioners in the TV industry managing various marketing tools to facilitate online word of mouth.
온라인 구전 효과는 얼마나 많이 구전되는가와 어떤 내용으로 구전되는지에 따라 두 개 영역으로 나뉘어 연구되어 왔고, 대부분의 연구에서 온라인 구전 효과의 한 가지 영역만을 연구하였다. 따라서 본 연구는 온라인 리뷰의 감정 분류를 통한 내용적 측면과, 구전되는 정도를 나타낼 수 있는 지표들을 통한 양적 측면이 한 모델 안에서 어떻게 나타나는지 회귀분석을 통해 보고자 하였다. 또한 이 논문은 구조적인 측면을 강조했던 TV 시청률 연구와는 달리, 개개인의 감정과 선호도에 따라 시청률이 달라질 것이라고 가정하고 있다. TV 프로그램들 중에서도 드라마는 영화와 달리 연속성을 지녀 변수들의 변화에 따른 추이를 볼 수 있고, 쉬운 소재로 인해 구전되는 효과가 크다는 점에서 이 연구에서 사용되었다. 감정 분류 기법으로는 의미지향성 방법론이 사용되었고, 전체 데이터 중 98.43%가 이 논문에서의 기법으로 분류되었으며, 분류된 문서들은 85.6%의 정확도를 기록하였다. 회귀 분석 결과, 내용적 측면과 동영상의 재생 수, 동영상에 대한 ‘좋아요’수가 유의하게 나타났는데, 이 결과는 실무적으로 뉴스보다는 동영상이 드라마를 홍보함에 있어 더 효과적으로 사용될 수 있음을 시사하며, 리뷰를 남기는 것과 같은 적극적인 행동보다는 좋아요 버튼을 누르거나 비디오를 시청하는 등의 수동적인 행동이 시청률을 더 잘 설명할 수 있다는 것을 보여준다. 학문적으로 본 연구가 가지는 의미는 양적 효과를 측정할 수 있는 다양한 지표를 사용했다는 점, 텍스트의 처리과정을 자동화 했다는 점, 도메인에 최적화된 사전을 만들고 축약어, 인터넷 용어, 틀린 맞춤법 표기 등 온라인상에서 나타날 수 있는 언어적 변형을 고려하여 감정 분류의 정확도를 높였다는 점, 한국어 텍스트 마이닝을 실제 상황에 적용했다는 점을 들 수 있다.
