Earticle

초록

영어

The Objective of this study is to demonstrate how to estimate advertising exposure distributions using Korea network TV advertising data. This study is to verify prediction models which based on Beta Binomial Distribution(BBD) Model, and compare three logics(base on regression, machine learning algorithm, manual searching method considered rating scale) that calculate self & cross pair duplications. The study results showed that machine learning algorithm logic and manual searching method considered rating scales are more accurate to predict exposure effects than regression logic. Also, the results provide some suggestions to develop prediction models for estimating advertising exposure in Korea.

한국어

본 연구는 국내 지상파TV 광고시청률 자료를 활용하여 광고캠페인의 노출효과를 보다 정확히 예측할 수 있는 모델링의 방법론적 접근에 대해 고찰해 보고 있다. 본 연구에 사용된 예측모델은 BBD(Beta Binomial Distribution)모형을 기반으로 진행되었으며, 가장 특징적으로는 BBD모델에 포함된 비히클 간 중복노출을 추정하는 세 가지의 알고리즘을 비교하여 어느것이 가장 정확한 결과를 제시하는지 살펴보았다. 본 연구에 활용된 중복노출 추정방법은 ‘회귀모형 기반’, ‘기계학습모형 기반’, ‘시청률 규모별 수동탐색 기반’이며, 기존의 회귀모형기반 분석기법을 벗어나 데이터마이닝(Data-Mining)과 기계학습(Machine Learning)기반의 빅데이터(Big-Data)분석 기법도 함께 고려되었다. 분석결과 전통적으로 BBD모델에 활용되어왔던 회귀모형 기반 추정방법보다 기계학습 모형 기반이나 시청률 규모별 수동탐색 기반 추정방법이 보다높은 예측력을 보였다. 이러한 결과는 향후 국내 미디어 모델을 이용한 광고 캠페인의 효과예측 시뮬레이션의 정확도 향상에 기여할 것이며, 이를 통해 효율적인 마케팅 전략을 추구할 수있을 것으로 기대된다.

목차

요약
 1. 서론
 2. 이론적배경
  1) 광고노출효과 예측모형의 필요성
  2) 광고노출효과 예측을 위한 BBD모델에 대한 이해
 3. 예측모형별 알고리즘 및 데이터수집 방법
  1) 선형회귀분석 기반 계수탐색 모형 알고리즘
  2) 최적해 알고리즘 적용 기계학습모델 기반계수탐색 모형 알고리즘
  3) 프로그램 시청률 규모별 수동계수탐색 모형 알고리즘
  4) 모형 구축 및 검증용 데이터 수집
 4. 연구결과
  1) 선형회귀분석 기반 계수탐색에 대한 결과
  2) 최적해 알고리즘 적용 기계학습모델 기반계수탐색에 대한 결과
  3) 프로그램 시청률 규모별 수동계수탐색에 대한 결과
  4) 각 모형별 평가 비교
 5. 결론 및 제언
 참고문헌
 Abstract

키워드

저자

• 박현수 [ Hyunsoo Park | 단국대학교 커뮤니케이션학부 교수 ] 교신저자
• 이인성 [ Insung Lee | 단국대학교 커뮤니케이션학과 박사과정 ]
• 김지은 [ Jieun Kim | 단국대학교 커뮤니케이션학과 석사과정 ]
• 구슬기 [ Seulki Koo | 단국대학교 커뮤니케이션학과 석사과정 ]
• 박서정 [ Seojung Park | 단국대학교 커뮤니케이션학과 석사과정 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  광고학연구 [THE KOREAN JOURNAL OF ADVERTISING]

• 간기

  격월간

• pISSN

  1225-0554

• 수록기간

  1990~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 659