Special Edition 2 38 REAL ESTATE FOCUS
2-2 2015 November Vol.90 39
Special Edition 2 40 REAL ESTATE FOCUS
2-2 2015 November Vol.90 41
11월-기획특집-수정2 2015.12.9 1:9 PM 페이지42 Special Edition 2 정부3.0기반 빅데이터를 활용한 부동산 분석 빅 소셜 미디어를 통해 생산되는 빅 데이터들을 통 또 다른 사례로서 구글의 검색 엔진은 일차적인 소 해 키워드들이 부동산 가격이나 거래와 어떤 공간적 셜 미디어는 아니지만 사람들의 상호작용의 결과가 인 상관을 가지고 있는가를 쉽게 파악해 볼 수 있게 반영된 검색이라는 측면에서 소셜 활동 기반 검색이 해주는 서비스들이 출시되고 있다. 빅 소셜 미디어의 라고 볼 수 있다. 구글에서는 트렌드(Trends)라는 서 하나인 트위터에 올라오는 트윗들을 디지털맵 상에 비스를 통해 특정 키워드의 시계열적이고 공간적인 표시하여 분석할 수 있도록 지원하는 트렌드맵 분석을 할 수 있게 지원해주고 있다. 이러한 서비스를 (Trendsmap)이 하나의 사례이다. 트렌드맵에서는 세 이용해 마케터들과 부동산 관련 연구자들은 주택이나 가지의 대표적인 서비스를 제공한다. 분석 서비스를 토지와 같은 부동산 시장의 트렌드를 예측하고 있다. 이용하면 부동산과 관련한 키워드를 지닌 트윗의 공 간 통계적 분석을 할 수 있으며, 시각화 서비스는 디 지털맵을 이용해 이러한 분석을 그래픽으로 확인해 <그림 2> 구글 트렌드를 이용한 키워드의 시계열적이고 공간적인 분석의 예 볼 수 있게 해주고, 마지막으로 알람 서비스를 통해 사용자가 설정한 키워드들의 최신 활동을 실시간 전 달받을 수 있게 된다. 트렌드맵은 부동산과 관련한 키 워드들의 공간적인 분포를 분석하고, 해당 지역의 지 가나 토지용도, 주택가격이나 거래량과의 상관성을 파악하는 한편 누가, 언제, 어디서, 왜, 어떤 내용으로 이에 대한 이야기들을 했는지를 상세하게 분석할 수 있게 도와준다. 트위터의 특성상 팔로워와 팔로잉의 관계가 이들 정보들과 얽혀 있으므로 자연히 사람들 간의 관계성이라는 틀에서 이들 분석을 수행할 수 있 게 된다. 결과적으로 마케터들은 이러한 서비스를 이 마찬가지로 국내의 대표적인 검색엔진 서비스인 네 용해 고객들과의 즉각적인 교류, 가격 변동 징후 파 이버에서도 트렌드를 통해 키워드 분석을 지원하고 악, 여론의 형성과 전파경로 이해와 같은 핵심적인 비 있다. 이를 이용한 하나의 예로서 김대원과 유정석 즈니스 활동을 수행할 수 있게 된다. (2014)은 마코프 국면전환 AR 모형을 이용한 주택 가격 지수 변동성 결정 요인 분석 이라는 논문을 통해 <그림 1> 트렌드맵에서 제공하는 디지털맵 기반의 트윗 분석의 예 지역별 주택 관련 키워드의 검색 횟수와 아파트 매매 가짓수, 그리고 아파트 매매 거래량 지수를 각각 주택 가격 및 거래량으로 사용하여 변수들 간의 동적 관계 를 분석하였다. 이를 통해 인터넷 검색 활동은 주택 가격에 영향을 미치고, 주택 가격과 거래량은 상호 인 과성을 가지며, 일정 시간이 경과하면 주택 가격과 거 래량이 다시 인터넷 검색 활동에 영향을 미치는 상호 순환적인 인과성을 갖고 있음을 확인하였다. 42 부동산포커스 REAL ESTATEFOCUS
11월-기획특집-수정2 2015.12.9 1:9 PM 페이지43 기획특집 2-2 I 소셜 빅데이터와 빅 소셜 미디어, 그리고 부동산 시장 <그림 3> 거주 환경에 대한 만족도 지수의 공간적 분포 분석 또 다른 연구로서 강영옥 등(2013)은 트위터 데이 만으로 가능하다는 점에서 폭발적인 성장을 하고 있 터를 통해 본 생활환경 만족도의 공간적 특성 이라는 다. 2015년 현재 190개 나라의 3만 5천 개 도시들에 연구를 통해 트윗 데이터의 텍스트에서 거주지 만족 위치한 2백만 개의 주택정보가 제공되고 있으며 이용 요소를 추출하여 거주지 만족도에 대한 공간적 분포 자는 4천만 명에 이른다. 의 지역적 차이를 분석하였다. 거주지 만족도는 부동 산의 가격과도 깊은 관련을 가진다. 에어비앤비는 특히 고객들의 경험에 기반 한 평가 를 중시하는데, 이를 토대로 잠재 고객들의 관심을 모 을 수 있어 주택 임대에 특화된 일종의 버티컬 소셜 2. 부동산 임대와 관련 소셜 미디어 키워드 미디어라 할 수 있다. 에어비앤비에 축적되고 있는 빅 데이터들은 전 세계적 차원에서 도시 내 어디가 숙박 부동산 임대는 부동산 시장에서 큰 비중을 차지하 에 핫플레이스인지를 분석할 수 있게 해준다. 이러한 는 부문이다. 전세에 기반 한 임대시장이 성장한 국내 데이터는 해당 지역의 토지가격이나 주택가격을 분석 와는 달리 미국이나 유럽 등은 월세에 기반 한 임대시 하고 예측하는데 많은 도움이 준다. 장이 활성화되어 있다. 이러한 임대시장은 단기간의 비즈니스 체류나 관광 등의 목적으로 활용하는 사람 <그림 4> 에어비앤비를 통한 임대 주택 구매의 인터페이스 들이 점차 늘어나면서 초단기나 단기 임대 부동산 시 장이 계속 성장하고 있다. 이와 같은 시장의 변화에 따라 SoLoMo 트렌드에 맞게 이를 겨냥한 앱들이 빠 른 속도로 시장에 나타나고 있다. 전 세계적인 서비스 로는 단연 에어비앤비(airbnb)를 꼽을 수 있다. 에어 비앤비는 고객과 부동산 보유자를 직접 연결하는 일 종의 공유경제형 플랫폼을 표방하고 있다. 누구나 자 신이 소유한 주택을 타인에게 임대하고 수익을 창출 할 수 있다는 점과 그 거래가 앱을 통한 간단한 조작 2015 November Vol.90 43
11월-기획특집-수정2 2015.12.9 1:9 PM 페이지44 Special Edition 2 정부3.0기반 빅데이터를 활용한 부동산 분석 에어비앤비의 빅데이터를 이용하는 에어디앤에이 비스하는 것이다. (Airdna)라는 회사는 전 세계 150만개에 달하는 정확 북미 시장을 기준으로 할 때 84%의 부동산 에이전 하고 신뢰할만한 숙박용 주택에 대한 자료를 바탕으 트들이 소셜 미디어를 활용하며 페이스북, 트위터, 링 로 다양한 분석 서비스를 제공한다. 예를 들어 주택 크드인의 순서로 활용도가 높다. 재미있는 것은 73% 소유자가 올린 정보에 대한 사용자들의 리뷰나 관심 의 부동산 소유자들이 유튜브에 동영상을 제공하는 있어 하는 잠재고객을 분석해 주고, 인근의 경쟁 주택 것이 중요하다고 생각하는데 반해 오직 12%의 에이전 과의 가격비교 등을 해 준다. 임대사업을 목적으로 주 트만이 실제로 동영상을 제공한다는 점이다. 이는 동 택을 구매하고자 하는 사업주들에게는 임대 잠재력이 영상을 통한 마케팅이 보다 활성화되어야 함을 의미 큰 유망한 주택들을 찾아 분석해 주고 가격 변화를 예 한다. 때때로 거대 에이전트들은 독자적인 앱을 제공 측해 준다. 또한 연중 어느 시기에 임대가 활성화되는 하기도 한다. 예를 들어 리얼터(Realtor)의 경우에는 지, 반대로 비수기는 언제인지, 공간적인 분포와 가격 독자적으로 제공하는 앱의 사용자가 3백만 명을 넘는다. 은 어떠한지 등 다양한 분석을 지원한다. <그림 5> 소셜 미디어를 부동산 마케팅에 활용할 수 있게 해 주는 넘치는 팁들 Ⅴ. 빅 소셜 미디어와 부동산 마케팅의 성장 빅 소셜 미디어는 부동산 마케터에게 있어 매력적 인 매개체이다. 페이스북, 유튜브, 트위터, 핀터레스 트, 링크드인과 같은 빅 소셜 미디어에는 수많은 부동 산 에이전트들이 홈을 구축하고 정보를 올리며 잠재 적인 고객들과 소통하고 있다. 일반적으로 에이전트 들이 소셜 미디어를 이용하는 방식에는 네 가지가 있 다. 첫째는 순수하게 앱에 의존하는 방식으로서 고객 들은 오로지 앱의 인터페이스를 통해서만 정보를 공 유하고 매매를 한다. 둘째는 협동적 방식으로서 인터 Ⅵ. 연구사례 소개 : 부동산 분석에 소셜 미디어 데이터 활용1) 넷 포털과 앱, 블로그 등이 협동적으로 상호 작용하면 서 고객들과의 접촉을 한다. 셋째는 멀티채널 방식으 위치기반 소셜 미디어 데이터의 분포 패턴과 통계 로서 온라인과 함께 오프라인의 사무실을 같이 운영 데이터 간의 공간적 상관성을 찾는 연구가 점차 증가 하면서 다양한 경험을 지원한다. 넷째는 하이브리드 하고 있다. 서울대학교 GIS/LBS 연구실에서는 부동 방식으로서 위에 나타난 방식들을 복잡하게 엮어 서 1) 박우진 어승원 유기윤(2015), 격자기반 분석을 통한 위치기반 소셜 미디어 데이터와 부동산 가격지수 간의 공간적 상관성 분석 연구, 한국지형공간정보학회지, 제23권 제1호 44 부동산포커스 REAL ESTATEFOCUS
2-2 2015 November Vol.90 45
11월-기획특집-수정2 2015.12.9 1:9 PM 페이지46 Special Edition 2 정부3.0기반 빅데이터를 활용한 부동산 분석 <그림 6> 격자화된 디지털맵 상에 나타난 핫스팟 분석 결과 (a) 트윗 데이터 (b) 주택매매지수 (c) 주택전세지수 그림 6(a)와 같이 트윗 데이터에서는 서초구, 마포 그러나 본 실험에 사용된 트윗 데이터가 매우 적어 구와 서대문구, 강북구에서 핫스팟이 나타났다. 주택 지오태깅된 트윗 데이터와 주택가격지수의 공간적 상 매매가격지수 데이터에서는 그림 6(b)와 같이 과천시 관성이 없다고 단정하기는 어렵다. 향후 많은 트윗 데 를 중심으로 관악구, 서초구, 성남시 중원구 등 강한 이터를 이용하여 시계열적 가격지수와의 분석이 이루 핫스팟으로, 부천시는 약한 핫스팟으로 탐색되었으 어질 필요가 있을 것이다. 본 연구는 지오태깅 트윗 며, 고양시는 콜드스팟으로 분석되었다. 주택전세가 데이터와 주택가격지수의 상관성을 분석한 초기 연구 격지수 데이터도 매매가격지수와 유사하게 그림 6(C) 로서 그 의의가 있다고 볼 수 있다. 와 같이 과천시가 강한 핫스팟으로 나타났으며, 안양 시 동안구까지 핫스팟으로 탐지되었다. 결과적으로, 서초구는 트윗 데이터와 주택매매가격지수 데이터에 서 공통적인 핫스팟으로 나타났으나, 트윗 데이터와 Ⅶ. 결론 주택전세지수 데이터 간에는 뚜렷한 상관성이 관찰되 지 않았다. 이를 보다 통계적인 방법으로 분석하기 위 하여 트윗 데이터와 주택가격지수 데이터 간의 SCC 를 측정하였다. 그 결과는 <표 1>과 같으며, 트윗 데이 터와 주택가격지수 데이터 간에는 공간적 상관관계가 본 논고는 소셜 빅데이터가 빅 소셜 미디어에서 생 산된다는 기본적인 전제를 가지고 출발하였다. 빅 소 셜 미디어는 웹 2.0, 모바일 기기, 무선 인터넷, 오픈 어플리케이션 시장 등과 같은 기술적 사회적 진화의 요소에 힘입어 비약적인 발전을 거듭하고 있다. 이러 약한 것으로 나타났다. 한 소셜 미디어는 위치정보와 모바일이라는 요소가 <표 1> 트윗 데이터와 주택가격지수와의 SCC 결과 46 구분 트윗 주택 매매가격지수 -0.2736 주택 전세가격지수 -0.0699 부동산포커스 REAL ESTATEFOCUS 결합되면서 이른바 SoLoMo(Social Local Mobile)라 는 트렌드를 만들어 냈다. SoLoMo 트렌드는 소셜 미디어가 소셜 커머스를 지향하는 점과 부동산에 있어서 위치라는 정보의 분
2-2 2015 November Vol.90 47