Customers’ online reviews, known as Online Word of Mouth (WOM), have become an important source of information to prospective customers for their potential purchasing decision. However, these reviews cannot be fully trusted due to the presence of fake reviews. Movie reservation platforms suffer more from those fake reviews, and some genre experienced a terror of fake reviews. Therefore, one would question about the contents that drive people to post fake reviews, the way such posts evolve during the projection period in theaters and about their impact on the performance of the movies. This dissertation aims to provide empirical answers to these questions. To address the first question, we collected for 107 movies released between 2014 and 2017 contents descriptions from online Korean newspapers and first week ratings from Naver platform having both real reservation group from the platform and non-reservation group. Text mining technique (Topic Modeling) was applied on the contents descriptions and resulted in 16 different contents categories. That approach was necessary because the original classifications provided by the platform are poorly linked to their contents. To investigate the impact of the defined contents categories on fake reviews posting behavior, we first applied the Difference in Difference (DID) method proposed in the literature to estimate fake reviews in Naver reviews by subtracting the ratios of audience extreme ratings from the ratios of netizen extreme ratings. The Ordinary Least Square estimation showed that in the Korean context, fake reviews are sensitive to some movie categories such as political, historical and war contents.
The second part of the dissertation focuses on the dynamic of the fake reviews and their impact on movies sales. To this purpose, we constructed a dataset of 392 movies released between 2014 and 2018 on Korea; three weeks ratings for both audience and netizen groups of each movie were collected from Naver platform; performance information were collected from the Korean Film Council website. Using System GMM to estimate our dynamic empirical models, analysis results on the dynamic of fake reviews (which were estimated using the DID approach) show that negative and positive fake reviews are highly linked with each other where contemporaneous negative (positive) fake reviews will generate more positive (negative) fake reviews in the following day; however, contemporaneous positive and negative fake reviews are negatively correlated with each other. This posting dynamic can be explained by the Spiral of Silence theory, as each opinion’s sides try to post negative or positive reviews in an attempt to influence the platform users’ opinions about a quality of a movie. Given this behavior, do fake reviews really matter? Using three weeks daily ratings of Naver audience and netizen groups, we use again System GMM estimator for dynamic panel data analysis to estimate the differential effects of real audience ratings and netizen ratings on daily and cumulative sales with our dataset. The results show that only audience ratings have predicting power on daily movies sales, reflecting users’ awareness regarding the existence of fake reviews and their trust in only genuine information when available. The findings of this dissertation provide valuable contributions for academicians and practitioners.
대표적 온라인 입소문 (WOM)으로 일컬어지는 고객 리뷰는 잠재 고객들이 구매 결정을 하는 데 있어 매우 중요한 정보원이다. 반면 평가 정보를 제공하는 온라인 플랫폼에서의 ‘가짜 리뷰’의 존재 또한 간과할 수 없기 때문에 고객 리뷰를 완전히 신뢰할 수는 없는 현실이다. 특히, 영화 예약 플랫폼에서 가짜 리뷰로 인한 피해가 상당하고, 이러한 현상은 특정 영화 장르에서 더 심각하다. 따라서 본 박사 논문은 실증분석을 통해 사람들이 가짜 리뷰를 게시하도록 유발하는 영화의 특정 소재 및 내용이나, 영화 상영기간동안 가짜 리뷰가 어떤 식으로 확산되고 영향을 미치는지에 대해서 살펴보고자 한다.
첫번째 에세이에서는 특정 영화 장르에 따른 가짜 리뷰의 게시 정도를 확인하기 위해, 2014년에서 2017년도 사이 개봉한 영화 107편의 줄거리 데이터를 한국의 온라인 뉴스기사에서 발췌하였고, 한국의 대표 포탈 사이트 중 하나인 “네이버”의 영화 예약 플랫폼에서 실제로 영화를 예매한 관객층과 그렇지 않은 집단이 평가한 영화 개봉 첫 주의 평점 정보를 수집하였다. 텍스트 마이닝 분석기법 중 토픽 모델링을 사용하여 영화 줄거리를 분석하였고, 그 결과 16개의 카테고리로 줄거리를 분류할 수 있었다. 해당 플랫폼에서 기존에 제공한 영화 장르 분류가 실제 영화 내용과 무관한 경우도 있었기 때문에 특정 영화 내용이 가짜 리뷰 게시 행동에 미치는 영향을 실증적으로 분석하기 전 단계에서 토픽모델링을 통한 사전 내용 분류가 필수적이었고, 선행연구를 참고하여 네이버에서 제공하는 실제 관객의 극단적 평점 비율과 네티즌 그룹의 극단적 평점 비율의 차이를 가짜 리뷰의 게시 정도라 추정하여 이중차분법을 적용하였다. 최고제곱(OLS) 추정 분석결과, 한국 영화산업계에서는 정치, 역사, 전쟁 소재로 분류되는 영화의 경우, 가짜 리뷰가 게시되는 정도가 더 높았다.
두번째 에세이에서는 가짜 리뷰의 확산이 영화 흥행 정도에 미치는 영향을 살펴보았다. 2014 년에서 2018 년 사이 한국에서 개봉한 영화 392편을 데이터로 구성하여, 네이버 플랫폼에서 관객 및 네티즌 그룹이 각각 평가한 영화 평점을 3주간 수집하였고, 영화진흥위원회에서 공개 보고한 매출 정보를 추가적으로 수집했다.
시스템 일반화 적률법(system GMM)을 적용하여 분석한 결과, 해당 영화에 대한 부정적 내용의 가짜 리뷰와 긍정적 내용의 가짜 리뷰 간 높은 상관관계를 확인할 수 있었다. 즉 긍정적 내용의 가짜 리뷰가 게시되면, 부정적 내용의 가짜 리뷰가 다음날 곧바로 게시되며, 이는 반대의 경우에도 동일하게 나타났다. 이러한 게시 행동은 침묵의 나선형 이론의 관점에 따라 설명할 수 있으며, 이는 해당 플랫폼 내 서로 다른 의견을 지닌 양측의 플랫폼 사용자들이 부정적 혹은 긍정적 가짜 리뷰를 게시함으로써 타 플랫폼 사용자들이 해당 영화에 가지는 의견에 영향을 주고자 함을 의미한다. 본 연구에서는 동태적 패널 데이터를 분석하기 위해 시스템 일반화 적률법을 적용하였고, 3주간의 실제 관객 평점과 네티즌 그룹의 평점 데이터를 축출하여 개별 그룹의 평점이 일별 매출 및 총 매출에 미치는 영향을 분석하였다. 분석 결과를 통해 실제 관객의 리뷰 정보만이 일별 영화 매출에 예측력을 가진다는 점을 확인할 수 있었고, 이는 플랫폼 사용자들이 가짜 리뷰의 존재를 인지하고 있으며, 실제 리뷰 만을 신뢰한다는 점을 의미한다. 본 박사 논문의 이러한 연구 결과는 학문적, 실무적으로 중요한 시사점을 제공할 것이다
