<B9CCB5F0BEEEB0E6C1A6BFCDB9AEC8AD5F31322D32C8A35FBABBB9AE5FC3CAC6C731BCE25F6F6B5F32303134303531362E687770>

미디어 경제와 문화 2014년 제12권 2호, 7 43 www.jomec.com TV광고 시청률 예측방법 비교연구 프로그램의 장르 구분에 따른 차이를 중심으로 1)2) 이인성* 단국대학교 커뮤니케이션학과 박사과정 박현수** 단국대학교 커뮤니케이션학부 교수 본 연구는 TV프로그램의 장르에 따라 광고시청률 예측모형들의 정확도를 비교하고 자 하였다. 본 연구에서 비교를 시도한 광고시청률 예측모형은 그동안 선행연구에서 활용되어 온 회귀분석, 시계열분석, 의사결정나무분석, 신경망분석 등과 같은 네 가지 의 모형이다. 연구 결과 드라마/영화, 시사 장르의 경우 시계열분석모형이 가장 정확 한 것으로 나타났으며 다큐, 만화/어린이, 스포츠 장르의 경우 의사결정나무분석모형, 교양/예술, 오락/연예/예능 장르의 경우 신 경망분석모형이 가장 정확한 것으로 나타 났다. 이와 같이 각 TV프로그램들의 장르마다 가장 정확한 예측모형이 다르게 나타났 으며, 이러한 결과는 광고주들이 보다 정확한 TV시청률을 예측할 수 있도록 도움을 줄 것이다. 뿐만 아니라 본 연구는 기존의 선행연구에서 많이 다루지 않았던 일 단위 시청률을 활용하여 모델 구축을 시도하여 의미 있는 결과를 도출했다는 점에서 학술 적 의의가 있다. 주제어 광고시청률, 시청률예측, 프로그램 장르별 시청률, 예측모형, 데이터 마이닝 * haroo4ri@naver.com ** parkhs2090@naver.com, 교신저자. TV광고 시청률 예측방법 비교연구 7

1. 서론 2010년대에 들면서 통신기술 발전에 의해 온라인과 오프라인 간의 경계 가 점차 허물어져 갔다. 이에 따라 매체 발전은 기존에 경험했던 그것들 과는 전혀 다른 방향으로 전개되고 있다. 매체 이용자들에게 이미 시간 과 공간의 제약은 거의 무의미한 수준까지 이르렀다. 다양한 미디어 콘 텐츠를 자신이 원하는 시간과 장소에서 소비할 수 있는 환경이 구축된 것은 그리 최근 일도 아니다. 인터넷, 스마트폰, IPTV와 같은 뉴미디어는 점차 기존의 4대 매체의 역할을 대체하고 있으며, 기존 4대 매체보다 광 고에 대한 정보 수집이 용이하고 활용 가능성도 높다는 측면에서 미래의 매체경쟁에서 강력한 영향력을 지닐 것으로 예상된다. 즉, 뉴미디어는 앞으로 더욱 발전 가능성이 높으며, 이에 따라 미래의 매체환경은 지금 보다 훨씬 복잡하게 얽히는 모습을 취할 것이라 예측된다. 이처럼 매체 환경이 다양하고 복잡해짐에 따라 국내 광고를 집행하는 데 매체기획과 광고효과에 대한 분석이 급격히 관심을 받고 있다. 과거 의사결정권자들 의 경험에 의존하여 비교적 비과학적으로 집행되어 왔던 광고 집행업무 가 이제는 광고의 적정 노출수준을 설정하고 광고의 효과를 예측하며 집 행 후 사후분석을 통한 효과분석까지 이루어지는 과학적 과정으로 탈바 꿈되고 있다. 이에 따라 최근 많은 광고 관련 기업들이 그동안 비교적 생 소했던 미디어믹스와 광고 집행의 효율성에 대해 관심을 가지기 시작했 다(박현수, 2013). 광고는 일반적으로 마케팅 커뮤니케이션에서 가장 많이 활용되는 촉진믹스다. 결국 브랜드가 성공하기 위해서는 광고의 효율성이 필수적 이고, 광고의 효율성은 매체기획의 효율성에서 기인한다. 광고의 효율성 이라는 관점에서 광고주나 대행사가 광고에 대한 예측 없이 충동적으로 광고 집행을 기획하는 것은 많은 시간과 비용의 낭비를 유발한다. 이는 8 미디어 경제와 문화 12권 2호

해당 브랜드의 모든 마케팅 과정의 결과에 좋지 않은 영향을 미친다. 즉, 광고캠페인의 매체 기획은 마케팅 과정에서 가장 효율성을 따져야 할 부 분이다. 효율적인 매체 기획을 위해서는 정확한 광고효과 예측이 필수적 으로 뒷받침될 필요가 있다. 광고 효과에 대한 예측 및 측정이 이루어지 지 않은 매체기획은 의미가 없다. 광고 캠페인의 효율적인 목표 달성을 위해서는 결과에 대한 예측이 필수적으로 뒷받침되어야 하기 때문이다. 광고 효과에 대한 예측을 통해 해당 광고캠페인의 효율적인 노출수준과 효과를 얻기 위한 예산을 수립할 수 있으며, 이러한 예측이 정확할수록 보다 효율적인 재원활용이 가능해지는 것이다. 한편 광고캠페인의 효과를 예측하기 위해서는 많은 정보가 필요함 에도 불구하고 현재 광고업계에서는 이러한 정보가 매우 부족한 것이 현 실이며, 광고가 가장 발달한 미국 또한 이러한 현상을 보이고 있다. 국내 의 경우 매체 기획과 관련된 연구와 자료가 다른 광고 분야에 비해 비교 적 덜 관심을 받아 왔다. 이에 따라 매체를 기획하고 광고효과를 예측하 기 위한 미디어 모델을 구축하기 위한 자료가 많이 부족한 상황이다. 이 러한 정보 부족은 정확한 광고 예측을 힘들게 하며, 이 같은 이유로 인해 아직까지 광고 효과 예측을 위한 미디어 모델을 적극적으로 활용하는 사 례 또한 찾아보기 힘든 실정이다. 광고캠페인 효과 예측에 대한 어려움 은 광고효과 규명 및 예측에 대한 회의주의를 야기하였고 지금까지도 지 속적으로 제기되고 있다. 그러나 최근 반복적인 연구시도와 지속적인 실 제 캠페인 사례 자료 수집을 통해 어느 정도 눈에 띄는 결과들이 발표되 고 있다. 이를 통해 일정 수준 이상의 예측이 가능한 미디어 모델들이 지 속적으로 제시됨으로써 궁극적인 미디어모델 구축에 대한 가능성을 보 이고 있다. 광고 효과를 측정하는 미디어 모델들의 경우 그 구축 방법의 종류에 따라 다양한 형태를 보이고 있다. 최근 컴퓨터 기술의 발달로 인해 처리 TV광고 시청률 예측방법 비교연구 9

가능한 데이터 수가 증가함에 따라 이에 적합한 통계적 기법이 많이 개 발되었다. 특히 시청률 예측의 경우 수만 단위의 데이터를 활용한다는 점에서 이러한 고급 통계기법의 활용을 적극 고려할 필요가 있다. 이에 많은 연구자들을 통해 다양한 통계기법을 활용한 TV광고 시청률 예측모 델이 제시되었으며 그 결과 또한 설명력이 충분히 입증되었다. 그러나 이러한 통계 분석 방법을 시도한 시청률 예측은 지금까지 그 가능성을 확인하는 수준에 머물렀으며, 정확히 각 통계 기법의 정확도의 차이나 분석 결과의 특징에 대해 고찰한 연구는 거의 없는 실정이다. 보다 정확 한 시청률 예측 모델을 구축하기 위해서는 이러한 통계적 방법들을 시청 률 예측에 적용시켰을 때 나타나는 특징들에 대해 확인하고, 각 방법들 의 차이를 구체적으로 비교 분석해야 한다. 이러한 과정을 통해 어떠한 특정 통계적 방법만이 아닌, 다양한 방법들을 복합적으로 고려하여 시청 률을 예측하는 이론적 기초가 확립되어야 할 것이다. 이러한 배경에서 본 연구는 미디어 모델 구축을 위한 기존 연구들의 관점을 포괄적으로 고려하고자 노력하였으며, 특히 방법론적 관점을 취 한 선행연구들의 후속연구로서 프로그램의 장르적 특성에 따른 예측 방 법론적 차이에 대해 규명하고자 하였다. 구체적으로 선행연구들에서 활 용되어 온 시청률 예측 방법들을 검토하고 이러한 시청률 예측 방법들의 특징에 따라 각 장르의 프로그램 시청률을 예측하는 데 적합한 각각의 독립변수와 통계적 예측 방법을 찾고자 하였다. 이를 통해 TV시청률 예 측 방법에 대한 단편적인 접근이 아닌 포괄적이고 복합적인 접근의 필요 성에 대한 근거를 제시하였다. 특히 기존 선행연구에서 자주 활용되었던 주 단위, 월 단위 광고시청률이 아닌, 일 단위 광고시청률을 활용함으로 써 수용자의 시청패턴을 보다 적극적으로 반영하고자 하였으며, 이에 따 른 광고시청률 예측 모형들의 차이를 살펴보고자 하였다. 또한 본 연구 에서는 이러한 예측모형들의 특징들을 프로그램 장르별로 나누어 각 장 10 미디어 경제와 문화 12권 2호

르별 가장 정확도가 높은 광고시청률 예측방법은 무엇인가에 대해 확인 함으로써 광고 실무에 있어서 보다 정확한 광고시청률 예측 및 그에 따 른 광고 매체기획 전략의 발전에 기여하고자 하였다. 2. 문헌연구 1) 시청률 예측 모델 (1) 국내 연구 국내에서 최초로 시청률을 예측하는 시도가 이루어진 연구로는 이혜갑 (1994)의 연구를 들 수 있으며, 구체적으로 2달 단위의 1년간의 시청률 자료를 활용하여 시청률을 예측한 바 있다. 이때 시청률을 예측하기 위 해 활용된 독립변인은 채널(방송국), 요일, 시급, 방영시간, 장르 등이었 으며, 회귀분석을 통해 시청률 예측을 시도하였다. 이러한 과정을 통해 산출된 예측 시청률 값은 실제 시청률 값과 통계적으로 유의한 차이가 나타나지 않았으며, 이에 따라 통계적 기법을 활용한 시청률 예측에 대 한 기본적인 근거를 제시하였다. 이후 박원기 김수영(2000)의 연구에 서는 특정시간대의 전체 시청률(HUT)을 최대 한계 시청률로 설정한 후 각 채널이 해당 시간대에 갖는 점유율을 기준으로 시청률을 추정하는 간 접적인 방식의 예측을 시도했다. 이때 시간적인 요인을 고려하여 시계열 분석을 활용하였으며, 구체적으로 가장 최근의 데이터를 반영하는 지수 평활 방식을 이용하여 단기시청률을 예측하였다. 또한 장기 시청률의 경 우 프로그램의 장르, 방영 시간(요일, 시간대), HUT 등을 독립변수로 투 입하여 회귀분석을 통해 예측식을 구축하였으며, 단기시청률과 장기시 청률의 예측력이 모두 70% 이상 측정되어 준수한 예측 모델임이 검증되 었다. 정진욱(2003)의 연구에서는 일반적인 독립변수와 더불어 시청자 TV광고 시청률 예측방법 비교연구 11

의 유형을 인구통계학적 요인(성별, 연령, 학력, 수입 등)을 통해 총 38개 로 나누어 각각에 대한 시청률 예측(시청 점유율)을 시도하였다. 그 결과 수용자 유형의 구분이 없는 경우 특정 프로그램의 시청 점유율에 영향을 미치는 요인으로는 프로그램의 장르, 시간대, 프로그램의 질적 가치, 채 널 충성도가 유의하게 나타났다. 수용자의 유형을 나눈 38개 그룹에 대 해 각각의 예측시도에서는 각 그룹마다 상이한 결과, 즉, 시청 점유율에 영향을 미치는 요인의 종류, 모형의 예측력 등이 다르게 나타났다. 이러 한 결과는 수용자의 특성에 따라 예측 모델을 다르게 설정하여야 한다는 점을 시사한다. 한편 황성연(2005)은 시청률 예측의 관점을 시청자의 TV 프로그램 선택행위로 맞추어 연구를 진행하였으며, 시청 프로그램 선호 도, 집단 시청 가능성, 구조적 특성, 프로그램의 품질 평가 등과 같은 독 립변인을 통해 특정 프로그램을 시청했는가 하지 않았는가라는 이항 결 과를 예측하는 로지스틱분석을 실시하여 유의미한 모델을 구축했다. 이상의 연구들은 기본적으로 회귀분석방법을 통해 시청률을 예측 하였다. 통계적 관점에서 예측을 시도하는 모델 중 가장 기본적인 구조 를 기반으로 시청률 예측에 대한 가능성과 그 정확도의 현실성, 그리고 시청률을 예측하는 데 실질적으로 반영되어야 할 요인들을 검증했다는 측면에서 의의가 있다. 그러나 일반 선형회귀분석을 기반으로 한 예측 모형의 경우 앞에서 언급한 바와 같이 예측을 시도하는 통계적 방법 중 가장 기초적 모델이라는 점에서 그 한계점 또한 명확히 있다. 선형회귀 분석은 일련의 사회현상에 대해 원인과 결과의 관계를 함수를 통해 선형 으로 근사시키는 기법이다(성웅현 이승천, 2001). 그러나 원인과 결과 의 관계는 단순 선형인 경우는 사회과학에서 사실상 찾아보기 힘들며, 이에 따라 복잡한 인과관계로 얽혀 있는 사회현상에 대해 그 과정을 단 순 선형으로 근사시킨다는 점에서 상당한 오차가 발생할 수 있는 것이 다. 이러한 이유로 통계학에서도 선형회귀분석의 경우 모델링의 기초적 12 미디어 경제와 문화 12권 2호

인 탐색적인 목적으로 많이 활용하며, 실질적인 예측모델은 각각의 예측 대상과 데이터들의 특성을 고려한 최적화된 방법을 이용한다. 이와 같은 관점에서 박원기 김수영(2003)의 연구는 기존의 회귀분석에 의존한 시 청률 예측 시도에 의문점을 제기하며 시청률 예측에 있어서 보다 정확한 통계적 방법을 찾고자 하였다. 구체적으로 최근 정보처리 분야에서 가장 주목받고 있는 데이터 마이닝(Data-mining) 기법에 주목하여 회귀분석 을 이용한 시청률 예측과 비교하여 예측력을 평가하고자 하였다. 그 결 과 기존 회귀분석을 활용한 시청률 예측보다 평균예측오차합이 30 40%가 감소하였으며, 이에 따라 시청률 예측방법에 있어서 더 나은 통계 적 분석방법을 활용할 필요성의 근거를 제시하였다. 또한 데이터 마이닝 기법 중에서도 신경망모델(neural network model)과 의사결정나무모델 (C&R Tree model) 방식을 비교하였는데, 그 결과 신경망모델이 의사결 정나무모델 방식보다 더 정확한 것으로 확인되었다. (2) 해외연구 해외에서의 시청률 예측 연구는 국내보다 비교적 빨리 시작되었는데, 약 1980년대부터 본격적인 시청률 예측 연구가 진행되었다. 본격적인 예측 을 시도한 연구에 앞서 웰스(Wells, 1969)의 경우 프로그램을 시청하는 데 가장 영향을 미치는 것은 프로그램에 대한 선호도라고 밝혔으며, 에 렌버그(Ehrenberg, 1968)는 이러한 프로그램의 선호도에 영향을 미치는 요인으로 프로그램의 방영 시간, 일시, 선후 프로그램, 채널의 경쟁력, 동 시간대에 방영되는 프로그램의 경쟁력을 꼽았다. 이와 관련하여 사바바 라와 모리슨(Sabavala & Morrison, 1977)의 연구에서는 프로그램의 선호 도뿐만 아니라 프로그램의 충성도 또한 시청률에 유의미한 영향을 준다 고 주장하였다. 시청률 예측을 시도한 초창기 연구들의 경우 주로 수용자의 프로그 TV광고 시청률 예측방법 비교연구 13

램 선택 행위에 초점을 맞추어 진행되었다. 구체적으로 시청자 개인 수 준에서 어떤 프로그램을 시청할지 선택하는 과정을 수리적 모형으로 구 축하고 이를 통해 시청률을 예측하고자 하였다. 이러한 시청자 개인 수 준의 선택 행위 관점에서의 시청률 예측을 시도한 연구로는 대표적으로 쥬프라이든(Zufryden, 1976), 헨리와 린네(Henry & Rinne, 1984), 타바 콜리와 케이브(Tavakoli & Cave, 1996), 사차라와 에머슨(Shachar & Emerson, 2000), 데이너허와 모힌니(Danaher & Mawhinney, 2001)의 연 구를 꼽을 수 있다. 먼저 쥬프라이든(Zufryden, 1976)은 브랜드에 대한 소비자의 선택 모형을 TV 시청 행위에 적용하여 분석하였는데, 스토케스틱 학습모델 (Stochastic learning model)을 이용하여 TV 프로그램을 선택하는 수용자 의 행위를 예측한 결과 모형의 적합도가 상당히 높게 나타나 시청률 예 측모델로서의 타당성을 보인바 있다. 헨리와 린네(Henry & Rinne, 1984) 의 연구는 로지스틱회귀분석을 통해 시청자 개인 수준에서 프로그램을 선택하는 과정에 대해 과학적으로 설명을 시도했다는 점에서 주목할 만 하다. 구체적으로 프로그램의 편성과 관련하여 기존의 프로그램과 신규 프로그램의 점유율에 대해 예측하기 위해 프로그램 선호도, 리드 인 점 유율(Lead-in share), 리드 아웃 점유율(Lead-out share), 프로그램의 방 영연수, 장르, 채널, 프로그램 방영시간, 동일 시간대 방영된 프로그램의 방영연수 등의 독립변수를 활용하였다. 그 결과 한 TV프로그램의 점유 율에 가장 영향을 미치는 요인은 시청자들의 프로그램 선호도인 것으로 나타났다. 또한 프로그램의 리드 인 점유율과 리드 아웃 점유율의 부분 적인 영향력에 대해 검증하였으며, 이러한 예측 모델에 대해 기존의 그 것보다 더 나음을 주장한 바 있다. 이후 타바콜리와 케이브(Tavakoli & Cave, 1996)의 연구에서도 시청자의 프로그램 선택행위라는 관점에서 시청률 예측을 시도하였는데, 프로그램의 내용적인 측면, 즉, 장르에 따 14 미디어 경제와 문화 12권 2호

라 해당 프로그램의 시청자집단의 특성이 달라진다고 밝힌 바 있다. 이 연구의 특징은 기존 연구들이 프로그램 장르요인을 단순히 시청률 예측 의 독립변인 중 하나로만 활용한 것과 달리 프로그램 장르에 따라 시청 자의 프로그램 선호도가 결정되고 장르별 시청률 예측이 가능하다는 것 을 규명한 것이다. 사차라와 에머슨(Shachar & Emerson, 2000)의 연구에 서는 시청자가 TV프로그램을 선택하는 데 프로그램에 등장하는 사람들 의 특성이 영향을 미친다는 점을 밝혔으며, 데이너허와 모힌니(Danaher & Mawhinney, 2001))의 경우 선호도에 따른 프로그램 선택에 관한 로지 스틱회귀분석 모형을 근거로 시청률을 극대화하는 최적화 스케줄링을 시도하였다. 앞서 제시한 연구들의 경우 시청자의 TV프로그램 선택을 예측하는 관점의 시청률 예측 연구였다면, 젠슈와 샤만(Gensch & Shaman, 1980) 의 연구에서는 시계열분석기법을 이용하여 시청률의 추세와 흐름 및 장 기적인 시청률을 예측하는 시도를 한 바 있다. 구체적으로 장기적인 추 세를 설명하는 일차적인 선형모형에 시간적 요인을 설명하는 변수를 추 가하여 모형을 구축하였으며, 그 결과 일일단위, 시간단위의 자료에 대 한 설명력이 매우 높은 것을 확인하였다. 3. 광고시청률에 영향을 미치는 요인 기본적으로 광고시청률은 프로그램 시청률에 영향을 받기 때문에 조사 회사에서 측정하는 시청률 자료와 관련된 기본적인 요인들에 의해서도 영향을 받는다. 조사회사에서 활용되고 있는 주요 시청률 개념에는 시청 률, HUT, PUT, 점유율, 도달률, 도달빈도, 총 도달률, CPM, CPRP 등이 있 으며, 이외에도 일간, 주간, 월간 단위의 평균 시청시간, 전체 시청 대비 TV광고 시청률 예측방법 비교연구 15

점유율, 수용자의 인구통계학적 특성 등이 있다. 1) 프로그램 시청률 및 광고시청률 광고 시청률에 영향을 미치는 요인들 중 프로그램 시청률의 경우 분 단 위 시청률과 초 단위 시청률을 통상적으로 사용하는데, 광고시청률과 관 련된 연구에서는 보통 광고시청률과의 통일성을 위해 초 단위 시청률을 분석 자료로 활용한다(신지형, 2005). 프로그램 시청률을 활용하여 미래 의 프로그램 시청률 예측이나 광고시청률을 분석한 연구들이 진행되어 왔다. 그 중 오현정(2004)의 경우 과거의 시청률 자료를 독립변수로 설정 하고 미래의 시청률을 종속변수로 설정하여 분석하는 시계열분석을 실 시해 유의미한 결과를 얻음으로써 과거의 시청률을 기반으로 한 미래 시 청률 예측이 논리적으로 타당함을 밝힌 바 있다. 한편 신지형(2005)은 프 로그램 시청률과 기타 다양한 변인들을 활용하여 회귀분석을 통해 광고 시청률을 추정하고자 하였으며, 그 결과 광고시청률에 영향을 미치는 요 인 중 프로그램 시청률이 가장 큰 영향을 미치는 것을 확인한 바 있다. 즉 프로그램 시청률과 관련된 연구들을 종합하여 생각하면 광고 시청률을 예측하는 데 프로그램 시청률의 영향력은 무시할 수 없는 것으로 고려된 다. 다만, 과거의 시청률로 미래의 시청률을 예측하는 것에 대한 논리적 근거가 있으며, 이에 따라 광고시청률 또한 과거의 광고시청률로 미래의 광고시청률을 예측하는 것에 타당성이 있을 것으로 가설을 세울 수 있 다. 또한 프로그램 시청률 대비 광고시청률의 비율, ADRATIO의 경우 수 용자의 특성이나 상황적 요인에 의해 연구마다 매우 상이한 비율이 나타 나기 때문에 프로그램 시청률을 기반으로 한 광고시청률 예측보다 과거 광고시청률을 기반으로 한 광고시청률 예측이 보다 정확할 것으로 예상 된다. 16 미디어 경제와 문화 12권 2호

2) 프로그램 방영 시간 시청자들의 TV시청 행태에 영향을 미치는 가장 중요한 요인으로는 프로 그램의 방영 시간대와 요일을 꼽을 수 있다. 사람들의 일반적인 생활패 턴은 시간적인 규칙성이 있으며, 이에 따라 각 프로그램을 시청하는 사 람들의 특성과 특정 시간대의 프로그램들의 특성 또한 시간대와 요일에 영향을 받게 된다. 특히, 광고시청률을 결정짓는 중요한 요인 중 하나인 재핑현상을 통해 시간대에 따른 영향을 확인한 선행연구가 이뤄진 바 있 다. 연구 결과 시청 프로그램에 대한 선택권이 가장 다양한 프라임 시간 대에서 광고 시청 행위의 변동성이 가장 크게 나타나 시청률에 대한 시간 적 요인의 영향력이 증명되었다(Capocasa, Denon, & Lucchi, 1985). 시간 적 요인을 세분화하여 살펴보면 크게 프로그램 방영시간의 계절성부터 작게는 24시간 내에서의 프로그램의 방영시간대 요인까지 나눌 수 있다. 먼저 프로그램 방영시간의 계절성의 관점에서, 일반적으로 외부 활동이 잦아지는 여름보다 외부 활동이 둔화되는 겨울의 경우 시청률이 높게 나 타나는 경향이 있는데, 국내에서 이루어진 연구에서는 겨울의 평균 프로 그램 시청률이 5.8%, 여름이 5.1% 정도로 측정되었다(조정식, 2000). 프 로그램 방영 시간의 요일에 대한 관점에서 그 영향력을 검증한 연구들을 살펴보면, 조정식 김경희(1997)의 경우 다른 요일에 비해 일요일의 프 로그램 시청률이 다소 높은 것을 확인하였다. 이정아(2005)는 주중의 프 로그램 시청률이 주말의 프로그램 시청률보다 높다는 것을 통계적으로 검증하였다. 그리고 동시에 이러한 주중, 주말에 따른 요일적인 영향력 이 나타나는 이유에 대해 주 5일 근무제가 활성화된 후 사람들의 야외활 동이 주말에 더욱 활성화되었기 때문이라고 설명하였다. 한편, 주중, 주 말에 따른 프로그램 시청률이 아닌, 광고시청률에 대한 영향력은 조정 식 여희로(2010)의 연구에서 확인되었다. 구체적으로 주중의 경우 오 전시간대와 저녁시간대의 광고시청률이 주말보다 높게 나타난 반면 주 TV광고 시청률 예측방법 비교연구 17

말의 경우 주중에 비해 최대 광고시청률은 낮지만 시간대에 따른 광고시 청률의 편차는 적은 것으로 나타났다. 프로그램 방영시간의 시간대의 관 점에서 국내 연구 중 가장 기초적인 접근을 한 이혜갑 박수화(1999)의 연구를 살펴보면, 관찰방법을 통해 프로그램주시율과 광고주시율의 차 이를 확인한 바 있다. 구체적으로 아침, 낮, 저녁, 심야와 같은 4개의 시 간대로 나누어 각 주시율의 차이를 살펴보았다. 그 결과 프로그램주시율 의 경우 시간대에 따른 차이가 크게 나타나지 않았으나, 광고주시율의 경우 저녁시간대의 주시율이 그 외의 주시율보다 약 2배 이상 높은 것으 로 나타남으로써 시간대에 따른 광고시청률의 변화에 대한 근거를 제시 하였다. 이정아(2005)의 연구에서는 보다 세부적으로 22 23시 시간대 의 광고시청률이 가장 높다는 점을 확인하였다. 광고에 대한 노출효과 측면에서 전CM의 경우 24 25시의 TOP광고의 효과가 가장 높고 후CM 의 경우 주중에는 18 19시, 주말에는 14 15시의 TOP광고의 효과가 가장 높다고 밝혔다. 김나경 이정아 조정식(2007)의 연구에서는 동일 프로그램이 지속적으로 방송된다는 가정 하에 심야 시간대의 시청률 변 동률이 가장 크게 나타나며, 아침 시간대의 시청률의 변동률이 가장 작 은 것을 확인한 바 있으며, 구체적으로 시간대에 따라 시청률의 변화가 뚜렷한 차이가 있다는 결론을 제시하였다. 3) 장르 구분 다매체, 다채널 시대인 현대 미디어 환경에서는 과거에 비해 개인의 장 르 선호도가 TV시청행위에 미치는 영향력이 커지고 있다. 기존의 전통 적인 시청률 연구들은 시간적 요인에 그 중요도를 많이 반영한 반면, 최 근 시청률 연구들의 경우 시청자의 행동 측면에서 프로그램의 장르를 중 요한 요인으로 꼽고 있다. 이와 관련하여 신해진 김진호(1996)의 연구 에서는 프로그램의 장르에 따라 광고시청률의 차이가 발생할 수 있음을 18 미디어 경제와 문화 12권 2호

확인하였다. TV시청행위의 관점에서 프로그램을 시청하던 사람이 자연 스레 해당 프로그램에 집행되는 광고를 시청하게 된다는 점은 당연한 사 실일 것이다. 이때 재핑현상은 프로그램 시청률이 광고시청률로 전이되 는 과정에 영향을 미친다. 이러한 재핑현상이 프로그램의 장르에 따라 다르게 나타난다는 것은 결국 광고시청률에 장르에 따른 재핑현상이 지 대한 영향을 미친다는 결론을 도출하는 근거가 된다. 이와 같은 관점에 서 조정식 정재민(2005)은 국내의 경우 스포츠, 드라마, 오락, 어린이 프로그램에서 재핑현상이 많이 일어나며, 외국의 경우 스포츠, 드라마, 게임 쇼 등의 장르에서 재핑현상이 많이 일어나는 것을 확인하였다 (Capocasa, Denon, & Lucchi, 1985). 또한 실질적으로 프로그램 시청률 이 광고시청률로 전이되는 비율을 나타내는 수치인 ADRATIO를 기준으 로 장르별 차이를 살펴본 결과, 스포츠, 뉴스, 문화 등의 장르의 경우 프 로그램의 시청률이 광고시청률로 전이되는 비율이 높은 것으로 나타난 반면 영화, 드라마, 코미디와 같은 장르의 경우 상대적으로 그 비율이 낮 은 것으로 나타났다(Danaher, 1995). 국내의 경우 해외의 경우와 마찬가 지로 스포츠 장르의 ADRATIO가 가장 높게 나타났으며, 해외와는 다르 게 뉴스장르의 ADRATIO가 높게 나타났다. 반면 영화 장르의 경우 해외 와 마찬가지로 가장 낮은 ADRATIO를 보였다(조정식, 2000). 4. 연구문제 설정 앞서 선행연구들을 정리하여 살펴본 바와 같이 시청률 예측과 관련된 연 구들의 경우 크게 시청률에 영향을 미치는 요인 규명, 프로그램 시청률 예측, 광고 시청률 예측 연구와 같이 세 가지로 구분하여 진행되어 왔다. 특히 시청률 예측과 관련해서는 최근까지도 프로그램 시청률을 예측하 TV광고 시청률 예측방법 비교연구 19

는 연구가 주로 이루어졌으며, 광고시청률 예측과 관련해서는 프로그램 시청률 대비 광고시청률의 비율, 즉, AD Ratio를 활용하는 것이 대부분이 었다. AD Ratio의 개념은 프로그램을 시청하는 사람이 광고를 시청하는 사람으로 얼마나 전이되는지를 따지는 것이다. 구체적으로 TV 프로그램 수용자의 광고회피율을 파악하여 프로그램 시청률 대비 광고 시청률을 간접적으로 추론하는 방식이라고 할 수 있다. 그러나 이러한 AD Ratio를 활용한 연구의 경우 최근 전문가들 사이에서 그 정확성에 대한 의문이 제기되어 왔으며, 이러한 관점에서 프로그램 시청률을 통한 간접적인 예측이 아닌, 광고시청률을 직접 예측하는 연구가 진행되었다(신지형, 2005). 그 결과 광고시청률을 직접 예측하는 데 상당히 정확한 결과를 얻 은 바 있으며, 특히 프로그램 시청률을 예측하는 데 자주 활용되던 회귀 분석 방식을 통해 광고시청률을 예측함으로써 프로그램 시청률을 예측 하는 방식으로 광고시청률을 직접 예측하는 것이 가능하다는 점을 밝혔 다. 프로그램 시청률을 예측하는 방식은 비교적 다양하게 다뤄졌다. 대 표적으로 회귀분석(이혜갑, 1994), ARIMA 시계열분석(오현정, 2004), 지 수평활 시계열분석(박원기 김수영, 2000), 의사결정나무분석(박원기 김수영, 2003), 신경망분석(박원기 김수영, 2003) 등이 있다. 이에 따라 본 연구에서는 광고시청률을 직접 예측하는 데 기존에 프로그램 시청률 을 예측하는 데 활용되던 방식들을 적용하여 예측하고자 하였으며, 구체 적으로 이러한 예측 방식들의 정확도를 살펴보고자 하였다. 본 연구에서 는 이러한 선행연구에서 고려된 통계방법 중 본 연구의 데이터 특성에 적합한 네 가지 통계방법을 선택하여 비교하였다. 먼저 기존의 예측관련 연구에서 가장 많이 활용해 왔던 회귀분석방식과 1년간의 데이터를 기 준으로 시간에 따른 추세를 반영하는 시계열분석, 그 중에서도 가장 최 근 데이터를 가장 강력하게 반영하는 지수평활 시계열분석 방식을 선택 하였다. 또한 최근 비교적 큰 데이터를 활용한 예측 분야에서 적극적으 20 미디어 경제와 문화 12권 2호

로 활용되는 데이터마이닝 기법 또한 고려하였으며, 구체적으로 박원 기 김수영(2003)에서 고려하였던 의사결정나무분석 방식과 MLP 신경 망분석 방식을 선택하였다. 연구문제 1 전체 장르를 대상으로 한 광고시청률 예측모형 중 가장 정확한 모형은 어떤 것인가? 이와 더불어 과거 지상파 채널의 영향력이 높던 시절과 비교하여 최 근 매체의 다양화가 심화됨에 따라 수용자들의 프로그램 내용 추구성향 이 강화되고 있다. 구체적으로 과거 매체의 종류가 비교적 적고 지상파 채널의 영향력이 강하던 시기에 수용자들은 프로그램 내용을 선택하여 시청하기보다는 지상파채널에서 종합편성으로 방영해 주는 프로그램들 을 수동적으로 시청하는 경향이 있었던 반면, 최근 케이블채널, 종합편 성채널, 온라인 콘텐츠 서비스 등의 발달로 매체의 선택권이 넓어짐에 따라 수용자들은 자신들의 원하는 내용의 프로그램을 골라서 시청할 수 있게 되었다. 이러한 환경변화 속에서 과거에 비해 시청률을 예측하는 데 장르의 영향력이 강해졌다고 할 수 있으며, 이에 따라 본 연구에서는 장르마다의 시청률 예측 모형을 구축하여 각 장르마다의 가장 정확한 예 측모형은 어떤 것인지 확인하고자 하였다. 앞서 밝힌바와 같이 본 연구에서는 회귀분석, 시계열분석, 의사결 정나무분석, 신경망분석과 같은 4가지 통계적 방법을 활용하여 예측력 을 비교하고자 한다. 이러한 통계적 방법에는 각각의 방식에 따른 특징 이 존재하며, 이러한 특징은 모델이 구축되는 수리구조를 살펴보면 대략 적으로 확인할 수 있다. 구체적으로 각 통계모델의 수리구조는 다음과 같다. 각 통계모델의 수리구조를 고려할 때, 먼저 회귀분석의 경우 독립 TV광고 시청률 예측방법 비교연구 21

변수와 종속변수들 간의 관계를 단순 1차함수로 표현하는 구조를 가지 고 있으며, 이에 따라 가장 단순한 패턴의 예측이 진행된다는 특징이 있 다. 시계열분석의 경우 독립변수와 종속변수들 간의 관계에 있어서 시간 이라는 요인을 고려하며, 특히 지수평활 시계열분석 방식은 가장 최근 데이터에 대한 시간적 패턴을 가장 크게 고려한다는 점에서 시청패턴의 연속성이 강한 장르(ex. 드라마)에 대한 광고시청률을 예측할 때 더욱 정 확할 것으로 예상할 수 있다. 한편 의사결정나무 및 신경망분석의 경우 각각의 데이터 하나하나 간의 관계를 모두 고려한다는 특징이 있으며, 구체적으로 새로운 데이터가 입력될 때마다 모델을 새로 갱신한다는 점 에서 시청패턴의 연속성이 적고, 프로그램 내용이 옴니버스 형식을 띠는 장르(ex. 스포츠, 오락/예능)에 대한 광고시청률을 예측할 때 보다 유리 표 1. 각 통계모델별 수리구조 회귀분석 시계열분석(지수평활) 의사결정나무분석 신경망분석 22 미디어 경제와 문화 12권 2호

할 것으로 예상된다. 이러한 관점에서 본 연구는 프로그램의 장르에 따 라 가장 정확한 예측방법이 다를 것으로 예상하였으며 이에 따라 다음과 같이 <연구문제 2>를 설정하였다. 연구문제 2 각 장르별 광고시청률 예측모형 중 가장 정확한 모형은 어떤 것 인가? 그림 1. 예측모형별 특징 희귀 분석 시계열 분석 의사결정나무 분석 신경망 분석 TV광고 시청률 예측방법 비교연구 23

5. 연구방법 1) 분석자료 국내 시청률 조사 기관의 경우 대표적으로 TNS Media Korea와 AGB Nielsen Media Research와 같은 두 곳을 들 수 있으며, 본 연구에서는 그 중 AGB Nielsen Media Research에서 제공하는 시청률 분석 프로그램인 Ariana 8.0 소프트웨어를 활용하여 Raw data를 추출하였다. 본 연구에서 Ariana 8.0소프트웨어를 통해 추출한 Raw data의 경우 2012년 4월 1일부터 2013년 3월 31일까지 총 1년 동안의 광고시청률을 추출하였으며, 타깃의 경우 전국 지역의 15 64세의 남녀 집단을 대상으 로 하였다. 한편 특정 시간대에 한 채널을 시청하고 있다는 것은 다른 채 널은 보지 않는다는 의미이며, 이는 곧 각 채널들마다의 시청률은 독립 사건에 기인하여 발생한 수치인 것을 의미한다. 다시 말해 모형을 구축 하는 데 있어서 채널별로 구분지어 모델링을 할 필요가 있었다. 이에 따 라 본 연구에서는 수집 자료 내에서 가장 높은 광고시청률을 보인 KBS2 채널(KBS2: 1.175%, MBC: 0.612%, SBS: 0.599%)을 대상으로 연구를 진 행하였다. 이렇게 추출된 Raw Data의 Case 수는 총 17,089개였으며 Raw Data를 통해 구축된 예측 모형을 활용하여 2013년 4월 1일 4월 28일까 지의 4주간의 일 단위 광고시청률을 예측한 후, Ariana 8.0에서 추출한 실제 데이터와 비교하여 그 정확도를 측정하였다. 2) 변인 정의 (1) 광고시청률 본 연구에서는 Ariana 8.0 소프트웨어에서 제공하는 분당 광고시청률을 종속변인으로 활용하였으며, 구체적으로 시간대별 각 스팟을 포함한 프 로그램에 집행된 광고들의 평균 시청률로 정의할 수 있다. 같은 프로그 24 미디어 경제와 문화 12권 2호

램에 집행된 광고라도 프로그램의 시작시간대와 종료시간대 두 곳에 광 고가 집행되며, 다시 말해 한 프로그램당 2개의 광고시청률이 집계된다. 이 때 각 프로그램에 집행되는 광고는 전CM, 후CM 합쳐 프로그램의 방 영시간의 1/10까지 광고를 집행할 수 있으며 이에 따라 각 프로그램에는 다수의 광고가 집행된다. 본 연구에서 종속변인으로 설정하여 예측하고 자 하는 광고시청률은 이러한 특정 시간대, 프로그램에 집행된 광고시청 률들의 평균 시청률이다. (2) 전 주 시청률 본 연구는 단기 시청률 예측에 목표를 두고 있으며 구체적으로 일주일 단위의 단기 시청률을 예측을 시도한다. 이러한 단기 시청률을 예측하는 데 있어서 해당 프로그램의 특성을 반영하는 기본적인 수치를 기초로 다 른 독립변인들에 의해 예측 광고시청률을 예측하는 방식이 가장 정확도 가 높을 것으로 예상된다. 전 주의 시청률에 해당 시간대의 TV시청자 행 동패턴, TV프로그램의 질적인 측면 등이 반영되어 있기 때문에 본 연구 에서는 미래의 시청률을 예측하기 위해 전 주의 시청률을 기반으로 하도 록 설정하였다. 구체적으로 본 연구에서 정의하는 전 주 시청률이란, 예 측하고자 하는 특정 일자에서 정확히 1주일 전, 같은 시간대에 집행된 프 로그램에 대한 광고 시청률이다. (3) 시간적 요인(시간대, 요일, 월) 시청률 예측과 관련된 많은 선행연구에서 가장 핵심적으로 꼽고 있는 독 립변인은 프로그램이 방영되는 시간적 요인이라고 할 수 있다. 성별과 연령대에 각자의 차이는 있으나, TV시청자들은 시간대마다의 행동 패턴 이 일정한 모습을 보이며, 이에 따라 시간대 요인에서 시청자의 시청 패 턴과 관련된 변동이 설명된다고 할 수 있다. 더불어 TV 프로그램의 편성 TV광고 시청률 예측방법 비교연구 25

이 주 단위 및 요일 단위로 이루어진다는 점에서 주말, 주중 구분뿐만 아 니라 요일 단위의 고려도 필요할 것으로 보이며, 이와 함께 1년의 월 단 위의 시간 흐름 또한 수용자의 시청패턴, 또는 프로그램 편성 전략 등이 달라질 수 있을 것으로 고려된다. 이에 따라 본 연구에서는 Ariana 8.0에 서 제공하는 기준으로 프로그램이 방영되는 시간대(24시간/1시간 단위) 및 요일, 월을 독립변인으로 활용하였다. (4) 장르 Ariana 8.0에서 제공하는 시청률 데이터에서 장르의 구분은 비교적 세분 화되어 있는 편이며, 본 연구에서 활용한 Raw Data에 나타난 장르 구분 의 종류는 총 68가지였다. 그러나 이러한 68가지의 장르에 대해 모두 모 표 2. 장르 구분 기준 대분류 교양/예술 다큐 드라마/영화 만화/어린이 보도 생활정보 스포츠 시사 오락/연예/예능 육아/자녀교육 기타 소분류(Ariana 분류 기준) 공연예술, 민요/국악, 성인교양/예술교육, 역사/기행/문예, 자선, 클래식 리얼리티, 자연/과학, 휴먼 단막극, 드라마&영화기타, 미니시리즈, 방화, 시트콤, 아침드라마, 외화, 일일 연속극, 주간연속극, 주간외화시리즈, 주말연속극, 주말외화시리즈, 특집극 어린이 퀴즈게임, 어린이기타, 주간만화, 주말만화, 특집만화/인형극 기상, 기획보도, 뉴스해설, 보도기타, 스트레이트, 종합, 지역, 해외 가사, 건강/미용, 경제, 법률, 생활경제, 정보기타, 정보종합, 체험구성 국내아마, 국내프로, 국제, 스포츠, 스포츠기타, 스포츠종합, 올림픽 대담, 시사보도, 시추에이션, 토론 대중가요, 연예/영화정보쇼, 영상음악쇼, 오락기타, 오락종합, 음악경연쇼, 코미디, 퀴즈/게임, 토크쇼, 토크음악쇼 유아교육, 육아/자녀교육 기타 모든 장르 26 미디어 경제와 문화 12권 2호

표 3. 장르별 기초통계량 장르 교양/예술 다큐 드라마/영화 만화/어린이 보도 광고물 수 702 804 3,664 490 2,130 평균시청률 1.18% 1.09% 2.61% 0.19% 1.21% 표준편차 0.231 0.564 1.230 0.631 0.353 장르 생활정보 스포츠 시사 오락/연예/예능 육아/자녀교육 광고물 수 1,932 846 730 4,547 426 평균시청률 1.31% 1.13% 1.34% 1.73% 0.19% 표준편차 0.532 0.612 0.342 0.672.045 형을 구축하는 것은 몇몇 장르에 해당 하는 데이터 수가 적당하지 않거 나 장르의 내용적인 측면에 있어서 비슷한 종류가 있다는 문제가 있다. 따라서 본 연구에서는 Ariana 8.0에서 제공하는 68가지 장르에 대해 각 장르에 해당하는 대표 프로그램들을 직접 확인하여 연구자의 판단 하에 내용면에서 비슷하다고 판단되는 장르끼리 묶어 총 11가지의 대분류로 장르를 구분하였다. 3) 예측력 평가기준 기존의 선행연구들에서는 일반적으로 모형의 예측력을 평가하는 데 결 정계수( )을 활용해 왔다(박원기 김수영, 2000; 박원기 김수영, 2003). 그러나 본 연구에서는 이러한 을 활용한 모형비교는 다소 어려운 면 이 있다. 회귀분석, 시계열분석, 의사결정나무분석, 신경망분석 등을 모 두 공통적으로 예측력을 비교하기 위해서는 모형 적합도 수치인 가 아닌, 예측값과 실제값의 차이인 오차합의 관점에서 접근해야 하기 때문 이다. 모든 예측 모형은 종속변수 에 대하여 그 추정값인 을 도출하 TV광고 시청률 예측방법 비교연구 27

게 되며, 두 값의 차이에 대해 오차(Error)라고 정의한다. 이러한 오차에 대한 합은 모형의 정확도에 대한 판별기준이 될 수 있으며, 구체적으로 추정값과 실제값의 차이에 대해 그 거리를 확인한다는 관점에서 절대값을 활용하여 계산한다. 이러한 과정을 포함한 평균절대오차(Mean Absolute Error)는 다음과 같은 식을 통해 도출할 수 있다. 이러한 MAE에 대하여 모형 간의 비교를 보다 용이하게 하기 위하 여 박원기 김수영(2000)의 연구에서는 MAE를 지수화한 MAPE(평균 절 대백분위 예측오차, Mean Absolute Percentage Prediction Error) 수치를 활용하였으며, 구체적인 MAPE 도출 식은 다음과 같다. 이와 같은 시청률 예측에 있어서 모형에 대한 비교를 시도한 선행연 구의 사례를 따라 본 연구에서도 MAE수치와 MAPE수치를 활용하여 각 광고시청률 예측모형, 즉, 회귀모형, 시계열모형, 의사결정나무모형, 신 경망모형의 정확도를 비교하고자 하였다. 28 미디어 경제와 문화 12권 2호

6. 연구결과 1) 예측모형 구축 본격적인 예측모형을 시도하기에 앞서 가장 먼저 보다 적합한 예측모형 구축을 위해 종속변수에 대한 특성을 검토하였으며, 구체적으로 종속변 수의 평균과 분포 등을 살펴보았다. 종속변수인 광고시청률의 분포를 백 분위수(Q1, Q2, Q3)를 통해 대략적으로 살펴보면 평균이 백분위중 Q3(75%백분위수)에 치우쳐 있는 것을 알 수 있다. 이는 곧 평균 수치에 비해 상대적으로 낮은 광고시청률이 전체 데이터 중 높은 비중을 차지함 을 의미한다. 이러한 분포의 경우 그대로 모형에 투입하여 예측을 실시 할 경우 평균광고시청률보다 상대적으로 매우 낮은 수치의 데이터를 예 측함에 있어서 정확도가 현저히 떨어질 수 있다. 이는 각 케이스에 대한 예측 값이 기존 모형구축 데이터의 평균 수치를 중심으로 변량설명에 의 해 결정되기 때문이다. 실제로 회귀분석을 이용해 광고시청률을 예측하 고자 시도하였던 신지형(2005)의 연구에서 광고시청률의 규모에 따라 예측모형의 퍼센트 오차가 크게 달라지는 것이 확인된 바 있다. 구체적 으로 광고시청률이 1% 미만인 경우 평균비율오차가 94% 수준까지 나타 났다. 반면 1% 이상의 광고시청률에서는 평균 20%대의 평균비율오차를 보임으로써 1% 미만의 광고시청률을 예측하는 데 수학적으로 발생할 수 밖에 없는 한계를 제시하였다. 이에 따라 본 연구에서는 평균 광고시청 률에 비해 매우 낮은 광고시청률을 보이는 데이터에 대한 예측값이 비현 실적인 오차비율을 발생시키는 것을 방지하기 위해 종속변인에 대한 부 분 절삭데이터를 예측모형구축에 활용하고자 하였으며, 구체적으로 평 균광고시청률의 5% 수준(광고시청률 0.05% 이하)에 못 미치는 광고시 청률 데이터의 경우 모형 구축에서 제외하였다. TV광고 시청률 예측방법 비교연구 29

2) 전체 장르 모형에 대한 예측 정확도 비교 가장 먼저 장르를 구분하지 않은 데이터에 대한 각 예측 모형에 따른 예 측오차의 절대적인 크기를 비교할 수 있는 MAE수치를 살펴보고자 하였 다. 여기서 MAE수치란 예측오차 절대값의 평균을 의미하며, 이 수치가 낮을수록 보다 정확도가 높은 예측모형이라고 유추할 수 있다. 그러나 이러한 MAE수치를 정확도에 대한 절대적인 판단기준이라고 할 수는 없 다. 이는 예측 주체가 되는 종속변수의 크기에 비례하여 MAE수치도 자 연히 커지는 경향이 있기 때문이다. 전반적으로 각 채널의 예측모형에 따른 차이가 크게 나타나지는 않았으나, 시계열분석모형의 경우 특히 MAE수치가 높게 나타났다. 이 외에 회귀분석모형, 의사결정나무분석모 형, 신경망분석모형에서는 MAE의 차이가 크게 나타나지 않았다. 다음으로 모형에 대한 정확도를 판단하는 가장 합리적인 기준이라 고 할 수 있는 MAPE수치는 각 예측오차들이 실제 시청률과 비교하여 상 표 4. 광고시청률에 대한 빈도분석결과 평균 백분위수 25%(Q1) 50%(Q2) 75%(Q3) 1.175 0.257 0.688 1.587 표 5. 신지형(2005)의 연구에서 확인된 광고시청률 규모에 따른 예측비율오차 광고시청률 평균비율오차(%) 광고시청률 평균비율오차(%) 1.0 미만 93.69 5.0 6.0 17.85 1.0 2.0 40.26 6.0 7.0 21.67 2.0 3.0 23.79 7.0 8.0 21.02 3.0 4.0 23.99 8.0 9.0 30.60 4.0 5.0 21.75 9.0 10.0 27.88 30 미디어 경제와 문화 12권 2호

표 6. 전체 장르 데이터에 대한 예측모형의 MAE 구분 MAE 회귀분석 0.4463 시계열분석 0.7117 의사결정나무분석 0.4435 신경망분석 0.4270 P P<.05 대적으로 어느 정도의 비율인지를 체크하는 수치이며, 단위는 % 단위다. 예를 들어 MAPE수치가 60인 경우 실제 시청률의 약 60% 수준의 오차까 지 나타난다는 의미이며, 4%인 광고시청률에 대해 예측을 할 시 2.6 6.4% 정도의 오차구간이 나타날 수 있음을 의미한다. 다만 MAPE수치는 평균적인 비율을 수치로 나타낸 것이기 때문에 개별 데이터 예측에 대한 오차를 추정하는 것은 무리가 있으며 모형의 정확도를 비교하는 수준에 서 활용하는 것이 적당하다고 할 수 있다. 이러한 MAPE수치에 대해 모형 들의 차이를 살펴본 결과 전반적으로 신경망분석모형의 정확도가 다른 모델보다 좋은 것으로 나타났으며, 그 차이가 통계적으로 입증되었다. 한편 본 연구에서는 MAPE수치가 기존의 선행연구들에서 제시되었던 수 치들보다 높게 나타났다. 이는 기존의 선행연구들의 경우 몇몇 특정 프 로그램들을 선정하여 예측하거나, 또는 주단위, 월단위 시청률을 예측한 반면, 본 연구에서는 각 채널에 집행된 모든 프로그램들을 대상으로 모 형화를 실시 및 불특정 프로그램에 대한 예측을 시도하였고, 그 예측 대 상을 일단위 시청률로 설정하였기 때문에 기본적으로 시청률의 안전성 면에서 선행연구들에서 활용된 데이터들보다 떨어지기 때문인 것으로 판단된다. TV광고 시청률 예측방법 비교연구 31

결론적으로 전제 장르를 대상으로 한 모형에서는 MAPE수치 측면 에서 신경망분석모형이 가장 정확도가 높게 나타났으며, 전반적으로 MAPE수치가 선행연구들보다 높게 나타난 것은 모형에 활용된 시청률 데이터가 전체 프로그램을 대상으로 한 일 단위 시청률이기 때문인 것으 로 판단된다. 3) 장르별 모형에 대한 예측 정확도 비교 본 장에서는 앞서 전체 장르 데이터를 대상으로 구축하였던 예측모형방 식대로 TV프로그램의 장르별 예측모형을 구축하고 예측을 시도하였으 며, Ariana 8.0에서 제공하는 68가지의 장르구분을 재구성한 총 11개의 장르로 구분하여 분석을 진행하였다. 이러한 모형들을 통한 예측결과를 기준으로 각 장르별 채널별 모형 정확도를 비교한 결과 10개 장르 중 가 장 예측정확도가 높은 편으로 나타난 장르는 드라마/영화 장르와 보도 장르였으며, 가장 예측정확도가 낮은 편으로 나타난 장르는 기타 장르, 육아/자녀교육 장르, 만화/어린이 장르였다. 각 장르별로 가장 정확한 예측모형에 대해 살펴보면 드라마/영화, 시사 장르의 경우 시계열분석모 형이 가장 정확한 것으로 나타났으며 다큐, 만화/어린이, 스포츠 장르의 경우 의사결정나무분성모형, 교양/예술, 오락/연예/예능 장르의 경우 신 표 7. 전체 장르 데이터에 대한 예측모형의 MAPE 구분 MAPE(%) 회귀분석 79.49 시계열분석 86.51 의사결정나무분석 69.70 신경망분석 66.47 P P<.05 32 미디어 경제와 문화 12권 2호

표 8. 각 장르별 예측 정확도 비교 장르 교양예술 다큐 드라마/영화 만화/어린이 보도 비교기준 MAPE MAE MAPE MAE MAPE MAE MAPE MAE MAPE MAE 회귀분석 47.3.304 46.5.296 27.8.546 123.9.214 30.2.262 시계열분석 50.1.324 36.1.263 25.1*.420* 102.3.221 27.1.248 의사결정 나무분석 29.0.276 32.9*.244* 30.5.669 50.2*.088* 27.6.250 신경망분석 30.0*.263* 41.8.340 28.0.549 62.9.133 27.5.242 평균 39.1.292 39.4.286 27.9.546 84.9.164 28.1.251 장르 생활정보 스포츠 시사 오락/연예/예능 육아/자녀교육 비교기준 MAPE MAE MAPE MAE MAPE MAE MAPE MAE MAPE MAE 회귀분석 28.5.288 44.5.429 40.9.368 36.3.419 158.8.193 시계열분석 29.4.291 52.1.512 33.1*.340* 36.2.401 69.2.103 의사결정 나무분석 26.9.278 40.6*.439* 34.2.366 37.1.460 82.2.095 신경망분석 27.2.281 42.1.393 51.5.596 36.5*.438* 70.9.124 평균 28.0.285 44.9.443 40.0.418 36.5.430 95.3.129 * 해당 장르에서 가장 정확도가 높다고 판단되는 예측모형. 경망분석모형이 가장 정확한 것으로 나타났다. 한편 보도, 생활정보, 육 아/자녀교육 장르의 경우 특정 모형이 다른 모형에 비해 확실히 더 정확 하다고 판단하기 어려운 것으로 확인되었다. 본 연구의 결과에서는 비정상적인 수치를 보인 특정 장르(육아/자 녀교육, 만화/어린이)를 제외한 각 장르별 평균비율오차(MAPE)가 30 60% 수준인 것으로 나타났다. 이 같은 오차비율은 예측모델의 오차비율 로서는 다소 높은 수치인 것으로 고려될 수 있으나, 신지형(2005)의 연구 에서는 예측하는 종속변수 수치의 규모가 작을수록 상대적인 오차 크기 가 자연스럽게 커진다는 점을 밝힌 바 있으며, 해당 선행연구에서 제시 된 내용을 토대로 고려할 때, 본 연구의 각 장르별 평균비율오차는 적정 수준인 것으로 판단된다(<표 4> 참조). TV광고 시청률 예측방법 비교연구 33

7. 결론 및 제언 지금까지 이뤄진 지상파TV의 광고시청률 예측과 관련된 연구들은 대개 프로그램을 시청한 수용자가 얼마나 광고를 시청하는 수용자로 전이되 는지를 나타내는 ADRATIO라는 수치에 초점을 맞춰 이뤄져 왔다. 하지 만 매체가 다양화됨에 따라 수용자들의 TV시청 행태는 더욱 능동적인 성향을 띠게 되었고, 이에 따라 시청자의 광고회피성향을 기반으로 광고 시청률을 유추하는 방식의 ADRATIO수치는 한계점을 가지게 되었다고 할 수 있다. 이는 곧 프로그램 시청률과는 별개로 광고시청률을 직접 예 측하는 방식의 필요성을 시사하며, 본 연구는 이러한 배경에서 광고시청 률을 직접 예측하는 관점을 가지고 기획되었다. 또한 더 나은 TV광고시청률 예측을 위해서는 기존에 제시되었던 예측 방법들에 대한 차이를 구체적으로 비교분석할 필요가 있으며, 이에 따라 특정 예측모형만을 활용하는 예측이 아닌, 보다 다양한 예측모형들 을 복합적으로 활용하는 시도가 이뤄져야 한다. 이러한 관점에서 본 연 구에서는 광고시청률을 예측하는 데 여러 가지 통계적 모형들을 비교하 고자 하였다. 구체적으로 TV프로그램의 내용적 측면인 장르의 특성에 따라 더 적합한 통계 모델이 다를 것으로 예상하고 정확도가 높은 예측 모형이 어떠한 것인지 살펴보고자 하였다. 먼저 장르를 구분하지 않은 데이터에 대한 광고시청률 예측을 시도 한 결과 모형 간의 정확도 차이가 크게 나타나진 않았다. MAE수치를 살 펴보면 평균 0.5 정도의 수준을 보였으며 모형의 정확도를 가장 합리적 으로 비교할 수 있는 MAPE수치의 경우 평균 70%수준으로 나타났다. MAE수치와 MAPE수치 양쪽 모두에서 시계열분석을 제외한 다른 모델들 의 차이는 크지 않은 것으로 확인되었다. 이는 시계열분석의 경우 시간 적 패턴이 크게 반영되는 모델이기 때문에 상대적으로 몇몇 장르의 프로 34 미디어 경제와 문화 12권 2호

그램에서 그 편차가 매우 크게 나타나 이런 결과가 나타난 것으로 판단 된다. 즉, <연구문제 1>에 대한 종합적인 결론으로 전체 장르에 대한 각 예측모형들의 정확도 차이는 시계열분석 모델을 제외하고는 나타나지 않았다. 다음으로 10개 장르별로 각 예측모형들의 정확도 비교를 시도하였 다. 그 결과 10개 장르들 중 가장 예측정확도가 높은 편으로 나타난 장르 는 드라마/영화 장르와 보도 장르였으며, 가장 예측정확도가 낮은 편으 로 나타난 장르는 기타 장르, 육아/자녀교육 장르, 만화/어린이 장르였 다. 드라마/영화 장르에 해당되는 프로그램들의 경우 장르적 특성상 시 간대 편성이 일정한 편이며, 시청 행태에서도 연속적인 패턴이 존재하기 때문에 예측정확도가 높게 나타난 것으로 생각된다. 반대로 육아/자녀 교육 장르와 만화/어린이 장르의 경우 기본적으로 광고시청률 자체가 매 우 낮기 때문에 예측에 있어서 오차율이 크게 나타난 것으로 보이며 시 청 패턴 또한 장르적 특성상 예측하기 어려운 속성을 가지고 있기 때문 에 정확도가 상대적으로 낮게 나타난 것으로 보인다. 각 장르별로 가장 정확한 예측모형에 대해 살펴보면 드라마/영화, 시사 장르의 경우 시계열분석모형이 가장 정확한 것으로 나타났다. 두 장르에 있어서 시계열분석모형의 정확도가 다른 모형에 비해 정확하게 나타난 것은 비교적 시간적인 패턴이 크게 반영되는 장르이기 때문인 것 으로 보인다. 드라마/영화 장르의 경우 전주의 내용이 다음 주의 내용과 이어지기 때문에 시간적 연속성이 크게 작용하며, 시사 장르의 경우에도 특정 이슈에 따라 시청패턴에 시기적 흐름이 존재한다. 시계열분석모형 의 경우 다른 예측모형에 비해 시간적 패턴 을 중요한 변수로 고려하는 알고리즘을 가지고 있으며, 그 중에서도 본 연구에서 활용된 지수평활 시계열분석의 경우 시간적으로 가장 최근의 데이터에 가장 큰 가중치를 반영하여 모형이 구축된다. 즉, 이러한 모형의 특성과 장르의 특성이 일 TV광고 시청률 예측방법 비교연구 35

치한다는 점에서 이 같은 결과가 나왔다고 해석할 수 있겠다. 다큐, 만화/ 어린이, 스포츠 장르의 경우 의사결정나무분석모형, 교양/예술, 오락/연 예/예능 장르의 경우 신경망분석모형이 가장 정확한 것으로 나타났다. 상대적으로 다른 장르에 비해 각 프로그램의 방영이 독립적인 성격(옴니 버스 형식이거나, 방영시간대가 일정하지 않은)을 보이는 장르의 경우 예측을 하는 데 모든 변수들 간의 관계를 케이스 한 개 한 개마다 새로이 갱신시키는 알고리즘을 가지고 있는 데이터마이닝 기법의 모형들이 더 욱 정확한 결과를 보인 것으로 판단된다. 한편 보도, 생활정보, 육아/자 녀교육 장르의 경우 특정 모형이 다른 모형에 비해 확실히 더 정확하다 고 판단하기 어려운 것으로 확인되었다. 또한 본 연구에서 제시된 예측모형들의 정확도 판단 기준인 MAPE 수치가 과연 일반적으로 받아들일 수 있는 정상적인 수치인지에 대해 검 토할 필요가 있으며, 이를 위해 MAPE수치를 직접 활용하였던 선행연구 들의 사례를 참고하여 비교하고자 하였다. 구체적으로 MAPE수치를 활 용하였던 선행연구들 중 본 연구와 비교할 수 있는 연구결과들을 살펴보 면 박원기 김수영(2003)의 연구와 신지형(2005)의 연구를 들 수 있다. 먼저 박원기 김수영(2003)의 연구에서는 광고시청률이 아닌 프로그램 시청률에 대해 예측을 시도하였으며 제시된 모형들의 MAPE수치의 경우 KBS2 채널을 기준으로 신경망모형 평균 약 31%, 의사결정나무분석모형 약 46%, 회귀분석모형 약 56% 수준으로 나타났다. 또한 광고시청률에 대해 직접적인 예측을 시도한 신지형(2005)의 연구에서는 광고시청률의 규모에 따른 회귀분석모형의 MAPE수치를 제시한 바 있으며 본 연구에 서 활용된 KBS2채널의 평균 광고시청률인 1.17%를 기준으로 40% 수준 을 나타냈다. 본 연구결과에서 예측모형의 정확도가 비정상적으로 떨어 지는 3개 장르(만화/어린이, 육아/자녀교육, 기타)를 제외한 나머지 장르 에 대한 예측모형들의 MAPE수치를 살펴보면 평균 약 35% 수준으로 나 36 미디어 경제와 문화 12권 2호

타났다. 이에 따라 본 연구에서 제시한 예측모형이 선행연구에서 제시된 수준보다 조금 더 정확한 모형이라고 할 수 있겠다. 본 연구는 그동안 제시되어 왔던 시청률 예측방법들을 정리하고, 광고시청률을 예측하는 데 그 정확도를 비교하고자 하였다. 특히 TV프 로그램의 내용적인 특성에 주목하여 장르별로 가장 예측에 적합한 통계 적 모형들을 비교하고 TV광고시청률을 예측하는 데 다양한 모형의 복합 적인 활용의 필요성을 제시했다는 점에서 의의가 있다. 지금까지 TV시 청률을 예측하고자 했던 선행연구들의 경우 대부분 한 연구 내에서 한 가지 예측방법을 통해 시청률 예측에 영향을 미치는 요인들에 초점을 맞 추어 제시되어 왔으며, 더 정확한 예측을 위한 방법론적인 측면에서 접 근한 연구는 거의 진행되지 않았다고 할 수 있다. 또한 연구마다 활용된 독립변인의 종류가 다르기 때문에 각 연구결과들을 통해 객관적으로 어 느 모형이 더 적합하다고 비교하기 어려운 점이 있었다. 이러한 문제인 식을 바탕으로 본 연구는 시청률 예측의 방법론적인 측면에서 접근하여 더 정확한 시청률예측을 위한 수단을 찾고자 하였다. 구체적으로 장르별 광고시청률을 예측하는 데 가장 정확한 통계적 모형이 어떠한 것인지에 대해 동일한 데이터와 독립변인으로 비교분석을 시도하였다는 것에 학 술적 의의가 있다고 할 수 있겠다. 또한 본 연구의 분석결과 전체 장르를 대상으로 한 예측모형에서는 각 예측모형 간 눈에 띄는 차이가 나타나지 않았지만 장르별로 구분하여 시도한 광고시청률 예측에서는 장르별로 예측모형 간의 정확도에서 뚜 렷한 차이점이 나타났다는 점에서 실무적인 관점에서의 활용 가능성을 제시하였다. 광고를 집행하는 데 한정된 재원으로 가장 효율적인 결과를 얻기 위해서는 집행할 광고의 효과에 대해 예측하는 과정이 필수적이다. 이러한 관점에서 본 연구의 결과는 보다 정확한 예측을 할 수 있는 방법 론적인 근거를 제시함으로써 실무에서 보다 나은 결과를 얻을 수 있는 TV광고 시청률 예측방법 비교연구 37

가이드라인을 제시하였다. 본 연구는 선행연구에 대한 검토를 통해 최대한 객관적이고 정확한 광고시청률 예측 모형을 구축 및 비교를 시도하였음에도 몇 가지 한계점 이 있다. 첫째로 선행연구들에 비해 예측을 위한 독립변인의 다양성이 비교적 떨어진다. 기존의 시청률 예측 관련 선행연구들을 살펴보면 다양 한 관점에서 접근하여 최대한 많은 독립변인들을 고려하고, 각 모형에 적합한지 검토하는 과정을 거쳐 독립변인을 추출하는 반면, 본 연구에서 는 최소한의 독립변인, 즉, 시간적 요인에 치우친 독립변인만을 활용하 여 모형을 구축했다는 점에서 더 정확한 모형에 대한 여지가 남아 있다. 특히 수용자의 인구통계학적 특성은 수용자의 TV광고 시청 행위에 대한 패턴을 설명하는 중요한 변인으로서, 후속연구에서는 이러한 수용자의 인구통계적인 특성 또한 고려되어야 할 것이다. 둘째로 연구에 활용된 통계적 방법의 종류가 기존의 선행연구들에서 제시되었던 수준에서 머 물렀다. 본 연구에서 활용된 시계열분석과 데이터마이닝 분석의 경우 각 분석 기법의 종류들 중 가장 기초적인 모형을 기반으로 하고 있으며, 후 속 연구에서는 보다 정밀한 예측방법을 검토할 필요가 있다. 세 번째로 본 연구에서 활용된 데이터의 양이 데이터마이닝 및 시계열분석을 하는 데 다소 부족한 점을 들 수 있다. 본 연구에서 활용된 시계열분석의 경우 지수평활 시계열분석으로서, 이는 시청률 데이터에 영향을 미치는 시간 적 요인에 대해 단순 월별 요인으로 반영한 분석이기 때문에, TV시청패 턴에는 계절적인 패턴이 존재한다는 관점에서 다소 부족한 예측 방법이 라고 할 수 있다. 더불어 데이터마이닝 분석 또한 모델 구축보다는 예측 결과에 치중된 분석 방법이기에 그만큼 방대한 양에서 도출된 결과여야 만 그 신뢰성을 확보할 수 있을 것이다. 본 연구의 경우 분석을 할 수 있 는 환경적 문제 때문에(분석용 컴퓨터 성능 등) 이러한 점을 충분히 반영 하지 못한 한계점이 있으며, 추후 보완되는 연구에서는 다년간의 TV광 38 미디어 경제와 문화 12권 2호

고 시청률 데이터를 통해 보다 정밀한 예측시도가 이뤄져야 할 것이다. 넷째로 광고시청률을 종속변수로 설정한 것에서 발생하는 필연적인 오 차비율 증가를 들 수 있다. 광고시청률의 경우 TV시청률에 비해 시청률 이 낮게 나타나며, 본 연구에서 예측 종속변수로 쓴 데이터의 경우 평균 1.175%의 시청률을 보이고 있다. 종속변수의 전체적인 규모 자체가 작 을수록 예측오차 비율은 수학적으로 자연히 높아질 수밖에 없음이 선행 연구에서 확인된 바 있으며(신지형, 2005), 이러한 관점에서 본 연구에서 통제할 수 없는 한계점이 발생한다. 마지막으로 본 연구에서 활용된 시 청률 자료가 특정 사회적 이슈가 발생한 기간의 자료라는 점에서 모형의 신뢰도 측면에 다소 의문이 제기될 수 있다. 본 연구에서 활용된 시청률 자료의 수집 기간은 2012년 4월부터 2013년 3월이었다. 2012년은 제 18 대 대통령 선거가 실시되었던 해로써, 2012년 전반에 걸쳐 정치적인 관 심도가 높아져 있는 상태였다고 할 수 있다. 이러한 사회환경적인 요인 은 시청자들의 TV시청패턴에 영향을 미칠 수 있으며 구체적으로 시사, 보도와 같은 장르에 있어서 영향이 있었을 것으로 예상된다. 본 연구는 시청률 예측분야의 연구에서 광고시청률을 대상으로 한 연구로서 다소 한계점들을 모두 포함하지는 못하였으나, 이러한 부분에 대해서는 후속연구를 통해 다시 제시가 될 것으로 기대한다. 또한 나날 이 복잡해지는 매체환경의 변화 속에서 보다 정확한 시청률 예측을 통해 효율적인 광고 집행이 용이해지길 기대한다. TV광고 시청률 예측방법 비교연구 39

참고문헌 김나경 이정아 조정식 (2007). TV광고 시청률과 프로그램 시청률의 변동성: 매체특성변인들을 중심으로. 광고학연구, 18권 2호, 31 52. 박원기 김수영 (2000). 시청률 예측에 관한 연구. 광고연구, 46호, 61 68. 박원기 김수영 (2003). 시청률 예측에 관한 연구: 회귀모형과 데이터마이닝모형 의 예측력 비교를 중심으로. 광고연구, 58호, 61 79. 박현수 (2013). 광고매체기획론. 한경사. 성웅현 이승천 (2001). 회귀분석: 이론, 방법론, SAS활용. 법문사. 신지형 (2005). TV 광고시청률 예측에 관한 연구. 이화여자대학교 대학원 석사 학위논문. 신해진 김진호 (1996). 텔레비전 공동시청의 영향요인과 특성 연구. 광고연 구, 1996년 가을호, 9 26. 오현정 (2004). 시계열 모형을 이용한 TV 시청률 예측에 관한 연구. 서강대 학교 대학원 석사 학위논문. 이정아 (2005). TV의 시간대별 시청률과 ADRATIO, 그리고 블록 내 위치별 광 고 효과에 관한 연구: 2시간 단위 분석. 광고학연구, 16권 4호, 188 212. 이혜갑 (1994). 텔레비전 프로그램 시청률 예측 가능성 연구. 방송광고연구 총서 매체 관련 편. 한국방송광고공사. 이혜갑 박수화 (1999). 프로그램주시율과 광고주시율 차이에 관한 관찰연구. 광고연구, 34호, 7 24. 정진욱 (2003). 한국의 TV 시청유형 분석 및 시청자 유형별 시청률 예측모형. 연세경제연구, 10권 1호, 37 52. 조정식 김경희 (1997). 텔레비전 광고시청률과 프로그램 시청률의 차이 분석. 광고연구, 34호, 9 29. 조정식 (2000). TV 시청 중 행동이 시청률에 미치는 영향. 광고학연구, 11권 3호, 181 204. 40 미디어 경제와 문화 12권 2호

조정식 정재민 (2005). 프로그램 특성에 따른 TV시청자들의 ZAPPING 정도, 그리고 그것이 광고효율성에 미치는 영향. 광고학연구, 16권 1호, 67 93. 조정식 여희로 (2010). 매체환경 변화에 따른 지상파TV의 시청행태 및 광고 시 청률 변화. 한국광고홍보학보, 12권 2호, 214 246. 황성연 (2005). 시청선택에 영향을 미치는 요인에 관한 연구 구조적 요인 시청자 특성 프로그램 품질평가의 통합분석을 중심으로. 한국방송학보, 19 권 4호, 644 689. Capocasa, A., Denon, L., & Lucchi, R. (1985). Understanding audien-ces of tv commercial breaks, what people do, how they react, how much they recall. In: Seminar on broadcas-ting and research, 81 109. ESOMAR: Amsterdam, ARF: New-York. Danaher, P. J. (1995). What happens to television rating during commercial breaks?. Journal of Advertising Research, (Jan/Feb). 37 47. Danaher, P. J. & Mawhinney, D. F. (2001). Optimizing television program schedules using choice modeling. Journal of Marketing Research, 38(3), 298 312. Ehrenberg, A. S. C. (1968). The factor analytic search for program yypes. Journal of Advertising Research, 8(1), 21 27. Gensch, D. H. & Shaman, P. (1980). Predicating TV rating. Journal of advertising Research, August, 85 92. Henry, Michael D. & Rinne, Heikki J. (1984). Predicting program share in new time slots. Journal of Advertising Research, 24(2), 9 17. Sabavala, D. J. & Morrison, D. G. (1977). A model of TV show Loyalty. Journal of advertising Research, 17(6), 35 43. Shachar, R. & Emerson, J. W. (2000). Cast demographics, unobserved segments, and heterogeneous switching costs in a television viewing choice model. Journal of Marketing Research, 37(2), 173 186. Tavakoli, M. & Cave, M. (1996). Modelling television vewing patterns. Journal of Advertising, Winter, 71 86. TV광고 시청률 예측방법 비교연구 41

Wells, William D. (1969). The rise and fall of television program types. Journal of Advertising Research, 9(3), 21 27. Zufryden, Fred E. (1976). Patterns of TV program selection. Journal of advertising Research 16(6), 43 47. 최초 투고일 2013년 11월 30일 심사 수정일 2014년 04월 08일 게재 확정일 2014년 04월 12일 42 미디어 경제와 문화 12권 2호

Abstract Forecasting Network TV Advertising Ratings Focusing on Predicting Models and Program Genres In Sung Lee Doctoral Student, Department of Communication, Dankook University Hyun soo Park Ph. D. Professor, School of Communication, Dankook University This study is to confirm what is the most accurate model to forecast TV advertising ratings. The forecasted advertising ratings of 4 weeks by four different models such as regression analysis, time-series analysis, decision tree analysis and neural network analysis are compared and analyzed to examine the accuracy of the models. Consequently, time-series analysis is more accurate for drama/movie and current affair genre. Decision tree analysis is most appropriate for documentary, animation/children and sports genre, while neural network analysis is relatively better for liberal/art and entertainment genres. Results shows that most accurate forecasting model for each genre of TV programs is different as shown above. The results are expected to help advertisers to forecast more accurate TV ratings. This study also provides the possible methods to forecast TV advertising ratings using 4 different models and past advertising ratings. Key words advertising rating, forecasting ratings, ratings by program genre, predicting models, data-mining TV광고 시청률 예측방법 비교연구 43