Earticle

초록

한국어

본 연구는 넷플릭스의 계정 공유 제한 강화 정책에 대한 이용자의 대응 행동을 예측하기 위해 기계학습 기반 다중 분류 모델을 구축하였다. 한국언론진흥재단의 설문 자료(n=681)를 활용하여 이용자 행동을 혼자 이용, 추가 요금 지불, 공유 중단, 편법 모색, 이탈의 5개 범주로 분류하고, 6가지 알고리즘을 비교한 결과 Random Forest가 정확도 0.664, Macro F1-score 0.602로 가장 우수한 성능을 보였으며, 이탈(89%)과 편법 모색(83%) 그룹을 높은 민감도로 탐지하였다. 순열 중요도(PI, Permutation Importance) 및 SHAP 분석 결과, 구독 구조(32.6%)와 공유 동기(25.1%)가 인구통계학적 변수(8.1%)보다 훨씬 큰 설명력을 보였다. 계정 소유자는 이탈 성향이, 공유 수혜자는 편법 모색 성향이 나타났다. 본 연구는 설명 가능한 AI 기법을 통해 이용자 행동을 다차원적으로 예측함으로써 OTT 서비스 의 정책 수립에 실질적 시사점을 제공한다.

영어

This study developed a machine learning-based multi-class classification model to predict user responses to Netflix's account-sharing restriction policy. Using survey data from the Korea Press Foundation (n=681), user behaviors were categorized into five types: individual use, paying additional fees, stopping sharing, workaround-seeking, and service churn. Six algorithms were compared, with Random Forest achieving the highest performance (Accuracy 0.664, Macro F1-score 0.602) and high sensitivity in detecting churn (89%) and workaround-seeking (83%) groups. Permutation Importance and SHAP analyses revealed that subscription structure (32.6%) and sharing motivations (25.1%) had substantially greater explanatory power than demographic variables (8.1%). Account owners exhibited strong churn tendencies, while sharing beneficiaries sought workarounds. This study extends platform policy research by multidimensionally predicting user behaviors through explainable AI techniques, providing practical implications for OTT service policy formulation.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적 배경
2.1 플랫폼 정책 변화와 이용자 행동
2.2 예측 모델을 이용한 이용자 행동 분석
Ⅲ. 연구 방법
3.1 데이터 수집 및 전처리
3.2 분석절차
Ⅳ. 분석 결과
4.1 예측 모델 성능 평가
4.2 주요 결정 요인 및 행동 패턴 분석
4.3 행동 유형별 영향의 방향 분석(SHAP Analysis)
Ⅴ. 결론
5.1 학문적 시사점
5.2 실무적 시사점
5.3 한계 및 향후 연구 방향
참고문헌
<부록>
Abstract

저자

• 권보람 [ Boram Kwon | 가톨릭대학교 경영학과 조교수 ]
• 최선미 [ Sun Me Choi | 한국전자통신연구원 기술전략연구센터 책임연구원 ] 교신저자

참고문헌