Earticle

초록

한국어

2020년 시작된 코로나19 팬데믹으로 인하여 많은 국가에서 사회적 거리두기 정책을 실시하였고 그로 말미암아 물리적인 제한에 구애 받지 않는 온라인 피트니스 산업이 큰 성장을 하였다. 그러나 사회적 거리두기 정책이 경제에 부정적인 영향을 미친다고 판단한 우리나라 정부는 2021년 11월 1일 위드코로나 정책을 시행하면서 팬데믹 이전의 일상으로의 회복을 선언하였고, 이에 따라 온라인 피트니스 산업의 성장 동력의 손실에 대한 우려가 제기되었다. 본 연구는 위드코로나 정책의 시행이 온라인 피트니스 콘텐츠 소비 및 참여도에 어떠한 변화를 가져왔는지 준실험 설계를 활용하여 파악하였다. YouTube의 온라인 피트니스 콘텐츠를 활용하여 분석한 결과, 위드코로나 정책 시행 감소했을 것이라는 우려와는 달리 온라인 피트니스 콘텐츠의 시청 지표는 오히려 약 21% 증가한 양상이 나타났다. 하지만 이러한 양상은 운동 종목의 기회 비용에 따라 다르게 나타났으며, 부분 집단 분석을 통해서 고비용 집단의 온라인 콘텐츠의 시청 지표만이 약 32%로 저비용 집단에 비해서 더 큰 폭으로 증가한 것을 확인하였다. 본 연구는 분석 결과를 토대로 온라인 피트니스 콘텐츠의 성격과 강점을 파악하였으며 온라인 피트니스 플랫폼 비즈니스와 콘텐츠 제작자들에게 실무적인 제언을 제공하면서 포스트-코로나 시기의 “뉴노멀”에 적응할 수 있는 새로운 시사점을 제시하였다.

영어

The online fitness industry has experienced rapid growth in recent years, overcoming physical constraints of conventional fitness programs. The COVID-19 pandemic accelerated the trend as social distancing policies were implemented. However, as financial distress of offline gyms worsened, the Korean government implemented the “With-COVID19” policy, which lifted most of the restrictions and regulations on offline gyms, on November 1st, 2021, raising concerns about the loss of drivers for the growth of the online fitness industry. Using regression discontinuity design in time (RDDiT), this study investigates the causal effect of the “With-COVID19” policy on the viewer engagement of online fitness content. Contrary to expectations that viewer engagement would decrease, it increased by 21%. Additionally, subgroup analysis based on opportunity cost reveals heterogeneity, and the high-cost group experienced a greater increase of 32% compared to low-cost group. Based on these findings, the study provides possible mechanisms of the increase, theoretical contributions on using RDDiT in the Information Systems, and practical implications for guidelines on managing online fitness platforms and content in the era of digital transformation.

목차

요약
Ⅰ. 서론
Ⅱ. 문헌 연구
Ⅲ. 연구 질문
Ⅳ. 데이터
4.1 데이터 출처
4.2 데이터 요약
Ⅴ. 분석
5.1 방법론: 회귀-불연속 설계(Regression Discontinuity Design in Time; RDDiT)
5.2 실증 분석 세팅 설정
5.3 분석 결과: Main Analysis
5.4 분석 결과: Subgroup Analysis
5.5 분석 결과: Sensitivity Analysis
5.6 가능한 메커니즘
Ⅵ. 결과 및 기여
6.1 결과
6.2 연구의 기여
6.3 연구의 한계
Ⅶ. 결론
참고문헌
<부록>
Abstract

저자

• 안병혁 [ Byoung-Hyuk Ahn | Information Systems, Boston University 박사 과정 ]
• 백지예 [ Jiye Baek | 고려대학교 경영대학 부교수 ] 교신저자

참고문헌