한국문화경제학회 문화경제연구 제17권 제1호, 2014년 4월, pp.35~56 영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 * 권 선 주 ** 목 차 Ⅰ. 서 론 Ⅱ. 구전 효과를 포함한 영화관객 수요 연구 Ⅲ. 영화흥행성과의 분석과 예측 Ⅳ. 결 론 연구배경 개별 영화흥행에 대한 수요예측의 연구는 횡단면분석 데이터를 이용하여 제작된 영 화의 속성에 따른 분석이 주로 이루어졌다. 다수 연구에서 가장 안정적으로 유의한 변수는 스 크린 수이었다. 다른 변수의 유의성은 분석대상에 따라 불안정하였다. 리스크가 큰 영화산업에 영화수요에 대한 예측은 중요한 연구결과임에도 불구하고 실제 이용가치가 약했다. 마케팅에서 활용되는 구전효과가 영화수요에 안정적으로 영향을 미치는 변수라는 연구가 축적되었고, 더욱 마케팅 활동이 구전효과에 영향을 미칠 수 있다는 측면에서 영화수요의 분석과 예측은 유의성 을 제고할 수 있고 영화산업에서 연구결과의 유용성을 높일 수 있을 것으로 기대한다. 연구방법 기존 연구에서 흥행성과의 설명변수로 포함하는 장르, 배우, 감독, 시즌 등의 종합 적 영향력은 스크린 수에 종합적으로 반영된 것으로 모형을 단순화한다. 구전효과의 대리변수 로서 손쉽고 신속하게 얻을 수 있는 미디어의 기사횟수와 네이버 영화평점 데이터를 이용하여 영화흥행을 분석하고 예측한다. 영화 전체 흥행성과의 대부분이 개봉 3주 안에 이루어지므로 분석을 개봉 전, 개봉 주, 2주 차, 3주 차로 구분하여 기간별로 흥행에 유의하게 작용하는 변 수를 탐색하였다. * 이 논문은 창원대학교 경상대학 연구비 지원을 받았습니다." ** 창원대 경제학과 교수 논문제출일: 2014년 2월 3일, 논문수정일: 2014년 4월 17일, 게재확정일: 2014년 4월 22일
36 권 선 주 연구결과 개봉 전 총관객 수와 1주 차 관객 수 분석의 결과는 한국영화는 스크린 수, 개봉 전 관객 수가 유의하였다. 외국영화는 스크린 수, 개봉 전 네티즌 평점, 뉴스 횟수가 유의하였 다. 2주 차 관객 수에서 한국영화는 스크린 수, 외국영화는 1주 차의 평점과 1주 차 뉴스횟수 가 유의하여, 외국영화에서 평점과 뉴스 노출의 영향력이 있음을 보였다. 3주 차에서 한국영화 는 스크린 수와 2주 차의 평점과 뉴스 횟수가 유의하였고, 외국영화에서는 스크린 수와 2주 차 뉴스 횟수만 유의하였다. 2013년 영화흥행 분석 결과에 근거하여 2014년 1월 15편의 영화에 대한 흥행 예측은 한국영화에서 2주 차와 3주 차 흥행예측이 성과가 높았다. 결 론 한국영화와 외국영화를 구분하고 개봉전, 1주차, 2주차, 3주차 각 기간별 유의한 변수가 달랐다. 이 연구결과에 따라 영화산업은 각 시기별로 영화마케팅의 목표와 강도를 결정함으로써 영화 흥행의 성공률을 제고할 수 있을 것이다. 핵심주제어 : 영화흥행수요분석, 구전 효과, 소셜 미디어, 영화흥행예측 I. 서 론 영화의 가치 사슬은 제작회사, 투자사, 배급사, 극장으로 연결된다. 제작단계에서 시나리 오의 선택, 배우와 감독의 선정, 배급단계에서 마케팅 전략, 상영단계에서 개봉시기, 스크린 확보 등 흥행성적을 올리기 위하여 다양한 의사결정이 이루어진다. 2011년 한국영화산업 실 태조사에 따르면, 조사대상 65편 상업 영화의 평균매출액은 45억 원이고 매출액 중앙값은 23억 원이었다. 이것은 특정 영화 몇 편의 매출액이 평균매출액에 영향을 미쳤음을 의미한 다. 또한 이중에서 손익분기점을 넘긴 영화는 15편, 손익분기점 이하 영화는 50편이었고, 평 균 투자수익률은 -14.73%이었다. 한국의 영화산업은 리스크가 큰 분야임을 보여준다. 영화 제작부터 상영에 이르는 모든 단계에서 흥행 성과에 대한 예측은 아주 중요하다. 영화산업에서 수요에 대한 연구는 국내외에서 세 가지 흐름으로 진행되었다. 첫째는 총매출액(관객수)을 종속변수로 하고 설명변수로 제작비, 상영스크린 수, 배우, 장르 등 여러 요인들에 대하여 횡단면 자료 분석이다. 둘째 흐름은 영화산업에 대한 총수요 예측 과 시계열 분석에 초점을 둔 것이다. 셋째 흐름은 관객의 동태적 패턴으로 개별 영화의 생애주기 분석과 예측이다. 영화흥행의 분석과 예측에 신상품의 소비자 선택모형으로 제 시된 배스(Bass, 1969) 확산모형을 응용한 것이 시발점이었다. 이 모형에서 광고, 가격, 홍보 등 혁신 요인과 타인의 경험에 따른 모방 요인(구전 효과, word-of-mouth)이 시차 를 가지고 작동한다는 것이 핵심이다.
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 37 우리나라 한 조사결과는 구전의 현대적 형태로 온라인 버즈(buzz)량과 영화 관객 수의 상관관계가 0.724로 아주 밀접한 관계가 있는 것을 보여주었다. 본 연구는 셋째 흐름 속 에서 미디어와 웹사이트 데이터를 결합하여 개별 영화의 흥행성과분석과 예측을 시도한 다. 특히 개봉 전, 개봉 첫 주 흥행, 개봉 2주 흥행 단계별로 확보된 미디어 데이터 정 보에 근거하여 흥행성과를 분석함으로써 상업적 마케팅 전략에 예측의 유용성을 제고하 고자 한다. Ⅱ. 구전 효과를 포함한 영화관객 수요 연구 국내외에 영화흥행성과에 관한 연구는 다수 이루어졌다. 문헌연구는 셋째 흐름 속에서 뉴스와 소셜 미디어를 이용한 영화의 수요분석에 한정한다. 박조원(2004)은 신문보도의 양과 내용을 결합하여 영화흥행을 실증분석한 초기 연구이다. 영화관련 기사의 양, 게재 시기, 방향성 등이 영화흥행성적에 미치는 효과를 분석한 결과, 개봉 전 기사는 흥행에 부정적, 개봉 후 기사는 긍정적, 전체기사의 양은 긍정적 영향을 미친다는 것을 보였다. 따라서 영화 마케팅 전략으로 개봉 후에도 지속적 홍보활동으로 후속보도를 강화 필요 가 있음을 시사한다. 장병희 외(2009)는 기존 경제적 변수들과 관객에 대한 설문조사를 통한 잠재관객의 심 리적 변수를 통합하여 영화흥행 예측력을 높이려고 시도하였다. 관객에게 잘 인지된 영화, 유료관람의사가 높은 영화, 화제작으로 입소문이 난 영화가 흥행성공 가능성이 높았다. 배정호 외(2010)은 구전의 규모와 영화매출 간의 관계를 구전과 매출의 상호작용을 고려 한 연립방정식 체계로 모형화하여 분석하였다. 결과는 일반관객의 온라인 영화평가의 규모 와 방향성에 의해 영화흥행이 영향을 받는 것으로 나타났다. 더불어 전문가 평점은 음의 영향을 주는 것으로 나타나 일반관객들이 전문가 평가를 신뢰하지 않는 것으로 나타났다. 김연형 홍정한(2011)은 제작 전 투자의사결정단계에서 영화장르, 관람등급, 감독, 배 우가 통계적으로 유의한 결과를 보였으며, 배급편성의 의사결정단계에서는 배우, 스크린 수, 배급사 파워, 소셜 미디어(블로그, 네티즌 평점)가 통계적으로 유의한 결과를 얻었다. 박승현 송현주(2012)는 흥행요인으로 스타파워, 등급, 장르, 제작비, 스크린 수, 배급 사, 전문가 빈도와 평점, 온라인 빈도와 평점으로 회귀분석한 결과, 온라인 빈도변수 만 흥행에 유의하게 나타났다. 제작비 규모에 따른 집단별 회귀분석에서는 모든 집단에서 유의한 결정요인은 온라인 빈도, 배급사(메이저) 변수이었다. 제작비 변수는 대규모 제작
38 권 선 주 비 집단에서만 유의하였다. 임현정 외(2013)은 소셜 미디어를 통한 온라인 구전이 영화홍보에 미치는 효과에 착 안하여, 영화개봉 시기 전후를 구분하여 구전의 양과 영화 흥행과의 관계를 분석하였다. 개봉 이전에는 온라인 뉴스와 온라인 구전의 영향력에 유의한 차이가 없었으나, 개봉 이 후에는 온라인 뉴스보다 온라인 구전의 영향력이 더 컸다. Liu(2006)은 Yahoo 영화 사이트에서 수집한 구전 정보를 구전의 동태적 유형과 영화 흥행효과를 분석하는 데 사용하였다. 결과는 구전 활동이 개봉 전과 개봉 주에 가장 활 발하였고, 관객은 개봉 전 상대적 높은 기대치를 보이는 경향이 있었으며, 개봉 주에는 가장 비판적이 되는 성향을 보였다. 구전 정보가 총관객수와 주별 특히 개봉 직후 영화 관객에 통계적으로 유의한 설명력이 있었다. 구전의 질 보다 구전의 양이 설명력이 높았다. Moretti(2008)은 1982년부터 2000년까지 개봉된 영화의 데이터를 이용하여 개인의 소 비의사결정이 주변으로부터 얻은 정보에 의존한다는 사회적 학습(social learning) 모형을 검증하였다. 영화흥행이 개봉 첫 주 흥행성과가 사전적 예상보다 높은지 낮은지에 달려 있는 모형이다. 여기서 영화산업의 특성상 스크린 수는 이윤극대화를 추구하는 극장주에 의해 예상되는 매출에 근거한 것으로 사전 예상치를 반영한 변수로 전제하였다. 첫 주의 예상으로부터 이탈의 크기가 사회적 학습이라는 승수효과를 가져와, 영화의 후속 흥행성 과에서 38%를 설명하는 영향력을 가진다는 결과를 얻었다. Asur 와 Hubermann(2010)은 소셜 미디어가 근래 사회적 네트워킹과 내용공유에서 중 요한 수단이 된 것에 착안하여 소셜미디어 내용이 실제 결과의 예측될 수 있음을 보였 다. 영화흥행 예측에 트위터에서 대화내용을 사용하였다. 시장기반 예측변수보다 트위터 에서 만들어진 데이터가 더 나은 결과를 보였다. Derrick 외(2013)는 첫 주와 후속 주의 흥행성과를 구분하여 예측하는 데 소비자에게 알려진 정보 즉 극장 수, 장르, 등급, 시즌, 개봉 전 인기도, 배급사, 배우 등 영화개봉 전에 공개된 지표 그리고 영화 비평에 관련된 두 가지 정보, 비평의 수와 긍정적 비평의 비율이 추가된다. 후속 주의 예측에서 새롭게 추가되는 변수는 첫 주로부터 구전 효과를 포함하는 것으로 (첫 주의 실제 관객수/추정된 관객수)이다. 첫주 흥행에 대한 회귀분석 결과는 비평의 수, 극장 수, 사전 인기도, PG-13, 액션 장르, 배급사 fox20과 sony에서 통계적으로 유의하였다. 한편 후속 주 흥행성과의 회귀분석에서 구전효과의 대리변수로 추가된 변수의 통계적 유의성은 t=19.5로 상당히 높았다.
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 39 Ⅲ. 영화흥행성과의 분석과 예측 1. 변수의 정의 및 수집 분석대상 영화는 2013년 상영영화 중 총관람객 수가 10만명 이상인 102개 영화를 대 상으로 한다. 총관람객수가 10만명 이하인 영화는 개봉후 조기종영되거나 관객수가 3주 후에는 일 수십명에 불과하여 개봉 후 3주 동안을 분석하는 본 연구에 부적합하였다. 영 화관람료가 일률적이므로 총관객수를 영화흥행 성적으로 사용한다. 영화입장권 통합전산 망의 2013년 1월부터 2013년 12월까지 일일단위 박스오피스 통계를 영화개봉일을 기점 으로 주별로 합산하여 사용한다. 스크린 수는 영화산업의 특성상 이윤극대화를 추구하는 극장과 배급사 사이에서 영화 의 내재된 특성(장르, 등급, 배우, 감독, 시즌 등)을 감안하여 예상 관객 수를 수용할 수 있도록 최적으로 결정된 것으로 본다. 스크린 수는 입장권 통합전산망 박스오피스 통계 에서 공개된 최대 수치를 사용한다. 대부분 영화가 첫 주에 최대 스크린 수를 확보하고 점진적으로 스크린 수가 감소한다. 네이버 영화의 평점을 사용하여, 개봉 전 영화평점, 1주 평점, 2주 평점 등을 구한다. 네이버 영화는 가장 많은 수의 네티즌이 방문하여 평가하는 웹사이트이다. 전문가 평점 도 네이버 영화 사이트의 평점을 사용한다. 미디어에 노출된 영화의 빈도수는 언론재단의 KINDS(www.kinds.or.kr)에서 영화명으 로 검색된 기사 횟수이다. 개봉일 5주 전부터 개봉일 전일까지 검색된 기사의 횟수, 개 봉 첫 주의 기사 횟수, 개봉 2주의 기사 횟수를 구한다. 개봉 전 관객수, 1주 관객 수, 2주 관객 수, 3주 관객 수는 실제 관객 수로 입장권 통 합전산망 박스오피스 통계에서 구한 수치를 사용한다. 영화 제작의 국적에 따라 영화마케팅 관련변수에서 큰 차이를 보여, 한국영화와 외국 수입영화를 구분하여 분석하였다. 한국영화는 43편, 외국영화는 59편이다.
40 권 선 주 <표 1> 영화관람객, 뉴스기사 횟수, 평점 관련변수 변수 명 Attd Scn Prerate rate1 rate2 Exrate Prepublic public public2 Preattd Attd1 Attd2 Attd3 의미 총관람객 수 최대 스크린 수 개봉 전 네티즌 평점 개봉 주 네티즌 평점 2주차 네티즌 평점 전문가 평점 개봉 전 5주간 뉴스 횟수 개봉 주 뉴스 횟수 개봉 2주 뉴스 횟수 개봉 전 관객 수 1주차 관객 수 2주차 관객 수 3주차 관객 수 2. 변수의 기초 통계분석 2013년 개봉 영화 중 10만 관객 이상 102개 영화들에 대해, 평균 관객 수는 184만여 명이고, 영화의 평균 스크린 수는 557개이며, 개봉 전 네티즌 평점은 8.9로 시작하여 점 차 하락하는 것을 보여준다. 한편 전문가 평점은 평균 6.4로 네티즌의 평가보다 엄격한 평가를 내리고 있다. 영화 개봉일 전 5주 동안 뉴스검색 사이트인 KINDS에서 수집한 기사 횟수는 평균 237회며, 개봉 이후 급격하게 감소하고 있다. <표 2> 변수의 기초통계 변수 평균 중앙값 표준편차 총관객수 1,845,569 978,600 2,302,355 스크린 557 518 239 개봉전 평점 8.9 9.0 0.5 1주 평점 8.1 8.1 0.7 2주 평점 8.0 8.0 0.7 전문가 평점 6.4 6.5 1.0 개봉전-5주 뉴스 237.1 177.0 255.1 개봉주 뉴스 78.9 56.5 66.7 2주 뉴스 58.9 31.0 100.9 개봉전 관객 19,856 4,913 51,432 개봉주 관객 662,134 453,661 671,013 2주 관객 596,737 354,824 736,972 3주 관객 296,794 98,103 446,423
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 41 대부분 영화가 개봉 전에 시장 반응을 타진하고 또 입소문을 통한 홍보를 확대하기 위한 하나의 마케팅 전략으로 소수 스크린에서 유료 공개를 한다. 개봉 전 관객 수는 평균 2만 명 정도이다. 개봉 주의 관객 수는 평균 66만 2천여 명이고, 2주 차 관객 수는 59만 6,737명이고, 3주 차 관객 수는 29만 6,794명이다. 한국영화와 외국영화의 설명변수들 사이에 차이가 크게 나타난다. 본 연구에서는 두 집단을 구분하여 분석을 수행한다. 총관객수에서 한국영화가 평균 2배 정도 많다. 영화 상영 스크린 수에서도 한국영화가 1.27배 많다. 개봉 전 평점에서는 차이가 근소하다. 개봉 후 평점에서는 외국영화의 평점이 높게 나타났다. 개봉 전 신문이나 잡지 등에 실 린 기사의 횟수가 한국영화가 외국영화보다 4.8배 많다. 개봉 주와 2주 차에는 2.7배 많 았다. 한국영화가 외국영화 보다 개봉 전 관객 수는 2.46배, 개봉 주 관객 수는 1.8배, 2 주 차에는 1.8배, 3주 차에는 2.3배 많았다. <표 3> 한국영화와 외국영화 변수의 기초통계 변수 한국 영화 외국 영화 평균 중앙값 표준편차 평균 중앙값 표준편차 총관객수 2,587,898 1,326,852 2,898,683 1,304,550 870,605 1,562,054 스크린 637 583 247 499 459 217 개봉전 평점 8.8 8.9 0.5 8.9 9.1 0.5 1주 평점 7.9 7.9 0.7 8.2 8.2 0.6 2주 평점 7.9 7.8 0.7 8.2 8.2 0.7 전문가 평점 6.2 6.3 0.9 6.6 6.6 1.0 개봉전-5주 뉴스 438 383 265 91 41 104 개봉주 뉴스 124 108 75 46 37 33 2주 뉴스 88 55 102 38 18 96 개봉전 관객 30,260 10,240 70,997 12,274 2,546 28,595 개봉주 관객 898,942 631,760 834,128 489,547 335,519 456,468 2주 관객 807,121 463,692 914,775 443,408 264,202 532,067 3주 관객 443,836 240,976 552,024 189,629 40,380 314,114 관객 수의 기간 별 상관관계를 보면, 총관객수는 3주차 관객 수와 가장 관계가 밀접 하다. 1주 차와 2주 차의 상관관계가 가장 높으며, 2주 차와 3주 차의 상관관계가 가장 높다. 인접 기간별 상관관계가 높아 관객 수 사이에 관성이 있어 보인다.
42 권 선 주 <표 4> 기간별 관객 수의 상관관계 상관계수 총 관객수 1주차 관객수 2주차 관객수 3주차 관객수 총관객수 1 1주차 관객수 0.8918 1 2주차 관객수 0.9461 0.9698 1 3주차 관객수 0.9699 0.9556 0.9931 1 전체 관객 중 개봉주 관객의 비중은 평균 45.5%, 2주차 관객의 비중은 평균 33.2%, 3 주 차 관객의 비중은 10.5%로 첫 3주간에 전체 영화흥행의 89%가 결정된다. 본 연구에 서 기간분석도 3주차 분석과 예측으로 한정한다. 영화 상품의 단기적 속성을 보여준다. 이렇게 흥행성과가 단기간에 결정되므로 신속한 마케팅 전략이 구사될 필요가 있다. <표 5> 주별 관객비중 1주 관객비중 2주관객비중 3주 관객비중 평 균 0.4546 0.3318 0.1048 중 앙 값 0.4430 0.3226 0.1023 최 대 값 0.7608 0.5810 0.3457 최 소 값 0.1339 0.1730 0.0004 표준편차 0.1500 0.0790 0.0794 3. 실증분석 영화상영 결정과정을 보면, 영화판권을 소유한 배급사가 극장과 상영문제를 협의한다. 이 때 극장은 해당 영화의 상품성을 파악하고 상영여부를 결정한다(허민회 외, 2012). 상 품성이란 영화의 특성 즉 감독, 배우, 제작사, 상영등급, 장르 등과 계절성을 포함하여 종 합적 흥행성과를 말한다. 스크린 수는 이윤극대화를 추구하는 배급사와 극장 사이에 합의 된 결과물로써 영화의 내재된 특성을 반영하는 종합적인 변수로 볼 수 있다. 여기에 개 봉 전 네티즌 평점, 전문가 평점, 개봉 전 관객 수 등 개봉 전 얻어지는 정보를 결합하여 영화흥행의 결정변수로 본 연구의 분석에 사용하고, 분석 결과는 개봉 전 및 단계별 마케 팅 전략에 활용가능한 정보가 된다. 다음은 이런 요소들을 반영한 총관객수의 방정식이다. Attd = + Scn + Prerate + Exrate + Prepublic+ Preattd + <식 1>
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 43 N(0, ) 분포를 가정한다. 전체 영화, 한국영화, 외국영화의 총관객 수를 종속변수로 하여 이 방정식을 회귀분석 (OLS)한다. 결과는 <표 6>과 같다. (1) 총관객수 분석 모형의 회귀분석 결과, 조정된 결정계수들이 외국영화에 대한 회귀분석은 0.74, 한국영 화에 대한 것은 0.66, 전체영화에 대한 것은 0.68로 본 모형의 적합성을 보여준다. 전체 영화의 총관객수에 설명변수로 스크린 수와 개봉 전 관객 수가 통계적으로 유의하다. 한 국영화 표본에 대해서도 스크린 수와 개봉 전 관객 수가 통계적으로 유의하다. 외국영화 에서는 스크린 수와 개봉 전 네티즌 평점, 개봉 전 뉴스 기사횟수가 통계적으로 유의하다. 한국영화의 흥행은 스크린 확보와 개봉 전 관객 수에 달려있으며, 외국영화의 흥행은 스크린 확보와 개봉 전 네티즌 평점, 개봉 전 뉴스 기사 횟수에 달려있다. 영화제작의 국적에 따라 마케팅 전략의 초점이 달라야 함을 시사한다. <표 6> 총관객 수의 회귀분석결과 변수 전체 영화 한국 영화 외국 영화 계수 t-값 계수 t-값 계수 t-값 상수항 -7,606,328-3.23* -1.1E+07-2.16* -6,945,176-3.72* 스크린 6,756.4 9.66* 8,971.2 6.45* 4,666.8 7.67* 개봉전평점 480,885.5 1.79 728,672.4 1.35 484,057.8 2.16* 전문가평점 180,479.9 1.30 274,096.9 0.90 192,070.1 1.75 개봉전뉴스 441.9 0.64-1635.4-1.21 3,678.1 2.96* 개봉전관객수 8.1 2.79* 9.8 2.16* 0.2 0.05 0.6915 0.7026 0.7594 Adj. 0.6755 0.6624 0.7367 (2) 1주차 관객 수의 분석 개봉 주 관객 수의 설명변수는 총 관객 수 방정식 <식 1>과 같다. 스크린 수와 개봉 전 평점, 전문가 평점, 개봉 전 뉴스기사 횟수, 개봉 전 관객 수 등이 개봉 전에 마케팅 전략에 가용할 수 있는 정보로서 1주차 예측에도 사용될 수 있는 변수들이다. 이 변수들
44 권 선 주 을 포함한 개봉 주의 회귀분석 방정식은 <식 2>와 같다. Attd1 = + Scn + Prerate + Exrate + Prepublic+ Preattd + N(0, ) 분포를 가정한다. <식2> <표 7> 1주차 관객 수의 회귀분석 결과 변수 전체 관객 한국 영화 외국 영화 계수 t-값 계수 t-값 계수 t-값 상수항 -1,095,371-2.39* -1,850,989-2.23* -990,919-2.90* 스크린 2,299.1 16.89* 2,888.6 12.48* 1,784.3 16.01* 개봉전평점 44,108.1 0.84 14,4927 1.61 37,461.4 0.91 전문가평점 495.8 0.02-63,938.9-1.26 32,733.0 1.63 개봉전뉴스 142.8 1.06-175.5-0.78 646.8 2.84* 개봉전관객수 2.4 4.23* 3.5 4.66* -1.5-2.22* 0.8624 0.9005 0.9056 Adj. 0.8553 0.8870 0.8966 외국영화 회귀분석에서 결정계수가 0.90, 한국영화의 결정계수는 0.89, 전체관객의 결 정계수는 0.86으로 총관객수 모형 <식 1>의 회귀결과와 비교하여 결정계수가 크게 개선 되었다. 영화 개봉 전의 정보는 총관객수에 대해서 보다 개봉 주의 관객 수에 대해 더 설명력이 높다고 해석할 수 있다. 1주차 전체관객 수의 설명변수로 스크린 수와 개봉 전 관객 수가 통계적으로 유의하였다. 개봉 전 네티즌 평점, 전문가 평점, 개봉 전 뉴스기사 횟수는 유의하지 않았다. 한편 한국영화와 외국영화를 구분해서 회귀분석한 결과를 보 면, 한국영화 개봉 주 관객 수는 스크린 수와 개봉 전 관객 수에 의해 상당부분 설명된 다. 전문가 평점은 통계적 유의성은 없으나 부호가 - 이어서 흥행에 부정적일 수 있다는 다른 연구결과와 유사하다. 외국 영화의 관객 수는 스크린 수와 개봉 전 뉴스기사 횟수 가 통계적 유의성을 가지며, 개봉 전 관객 수는 통계적 유의성을 가지면서 - 부호를 보 이고 있다. 이것은 외국영화에서 개봉전 관객 수를 많이 확보하는 것이 부정적 흥행효과 를 낳을 수 있음을 보여준다. 개봉 전 관객 수를 유인하는 전략이 한국영화와 외국영화 사이에 정반대로 이루어져함을 시사한다.
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 45 (3) 2주차 관객 수 분석 개봉 2주차 관객 수의 분석에 스크린 수와 1주 차 네티즌 평점, 전문가평점, 1주차 뉴 스기사 횟수를 설명변수로 하는 <식 3>을 회귀분석한다. Derrick 외(2013)의 연구에서 제시된 관람객의 구전효과를 나타내는 변수(실제 관람객수/추정된 관람객수)의 통계적 유의성을 본 연구에서 확인하기 위해 이 변수를 추가한 회귀분석도 수행한다. Attd2 = + Scn + rate1 + Exrate + public+ <식3> N(0, ) 분포를 가정한다. Derrick 외(2013)연구에서 구전효과 변수는 한국 영화산업에서는 통계적 유의성이 없 었다. 이 변수를 제외한 <식 3>의 회귀분석은 <표 8> 하반부에 정리되어 있다. 결정계 수를 보면, 외국영화는 0.79, 한국영화는 0.66, 전체영화는 0.70으로 모형의 설명력이 있 음을 알 수 있다. 2주차 전체관객 수에 대하여 스크린 수, 1주차 네티즌 평점, 1주차 뉴 스기사 횟수가 통계적 유의성을 가지고 있다. 한국영화의 2주차 관객 수에 대해서는 스 크린 수만 통계적 유의성을 가지고 있다. 외국영화의 2주차 관객 수에 대해서는 1주차 네티즌 평점과 1주차 뉴스기사 횟수가 통계적으로 유의하였다. 외국영화에서는 언론사 기사횟수와 네티즌 평점이 유효한 마케팅 목표가 될 수 있음을 시사한다. <표 8> 2주차 관객 수의 분석결과 변수 전체 관객 한국 영화 외국 영화 계수 t-값 계수 t-값 계수 t-값 상수항 -2,509,936-4.97* -3,047,695-3.14* -1,895,963-4.30* 스크린 1,961.2 8.01* 2,612.3 5.11* 1141.5 4.78* 1주차 평점 168,375.2 2.65* 183,146.5 1.38 130310.5 2.49* 전문가평점 70,677.2 1.69 100,749.3 0.95 55468.7 1.72 1주차 뉴스 2,505.1 2.83* 897.7 0.52 7114.8 4.58* 1주실제/추정관객수 528.3 0.05 4,526.0 0.16 7322.7 0.29 0.7169 0.6910 0.8055 Adj. 0.7021 0.6492 0.7872 Derrick 의 구전효과 변수 제외한 회귀분석 상수항 -2,510,327-5.00* -3,035,081-3.18* -1896061-4.34* 스크린 1,960.9 8.06* 2,595.4 5.25* 1140.1 4.82* 1주차 평점 168,423.3 2.66* 180,597.2 1.39 130561.3 2.52*
46 권 선 주 변수 전체 관객 한국 영화 외국 영화 계수 t-값 계수 t-값 계수 t-값 전문가평점 70,780.5 1.70 104,575.5 1.03 56027.4 1.76 1주차 뉴스 2,505.7 2.85* 911.8 0.54 7151.4 4.66* 0.7169 0.6907 0.8052 Adj. 0.7052 0.6582 0.7908 (4) 3주차 예측 3주차 관객 수 예측에는 스크린 수, 2주차 네티즌 평점, 전문가 평점, 2주차 뉴스기사 횟수를 설명변수로 하는 <식 4>를 회귀분석한다. 앞에서와 같이 Derrick 외(2013)의 구 전효과 변수를 추가한 회귀분석을 시도한다. 그러나 구전 효과의 변수가 통계적 유의성 을 보여주지 못하고 있다. Derrick의 구전효과를 제외한 모형의 결정계수는 0.65, 0.63, 0.62로 모형의 설명력을 보여준다. Attd3 = + Scn + rate2 + Exrate + public2+ <식4> N(0, ) 분포를 가정한다. <표 9> 3주차 관객 수의 분석결과 변수 전체 관객 한국 영화 외국 영화 계수 t-값 계수 t-값 계수 t-값 상수항 -1,361,025-3.95* -1,,696,025-2.41* -989,612-2.78* 스크린 881.7 5.37* 731.3 2.31* 700.2 4.39* 2주차 평점 109,361.8 2.60* 170,367.2 1.97 71,027.0 1.79 전문가 평점 30,738.7 0.98 11,704.7 0.17 30,876.5 1.23 2주차 뉴스 1,521.4 3.86* 2,045.2 2.74* 1,173.1 3.20* 2주차 실제/ 추정관객수 2,900.6 0.35 135,641.9 1.43 442.6 0.45 0.6417 0.6748 0.6753 Adj. 0.6231 0.6309 0.6447 Derrick 의 구전효과 변수 제외한 회귀분석 상수항 -1,377,813-4.06* -2,209,563-3.59* -942,694-2.79* 스크린 890.4 5.51* 899.6 3.02* 686.1 4.42* 2주차 평점 108,022.7 2.59* 206,998.8 2.47* 66,961.3 1.74 전문가 평점 34,631.2 1.19 45,476.5 0.69 30,103.7 1.21 2주차 뉴스 1,505.8 3.87* 1,973.7 2.61* 1,195.6 3.31* 0.6413 0.6568 0.6741 Adj. 0.6265 0.6206 0.6499
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 47 <표 9> 하반부의 회귀분석 결과는 3주차 관객이 스크린 수, 2주차 평점, 2주차 뉴스 기사 횟수가 통계적 유의성이 있는 것으로 나타났다. 한국 영화의 3주차 관객 수는 스크 린 수, 2주차 평점, 2주차 뉴스 변수들이 통계적으로 유의하였다. 한국 영화의 3주차 마 케팅 전략은 2주차 네티즌 평점을 상승시키고, 영화의 뉴스 노출도를 증대하는 것이 유 효할 것이다. 외국영화의 3주차 관객 수는 평점의 유의성은 없었으며, 2주차 뉴스기사 횟수는 통계적 유의성을 보였다. 외국영화의 3주차 마케팅 전략으로 뉴스노출 횟수 확대 가 유효할 것이다. 4. 예측의 적합성 비교 본 연구에서 모형의 효율성을 보기 위하여 2013년 개봉한 표본 내(in-sample) 영화와 표본 외(out-of-sample)로 2013년 말 개봉하여 2014년 1월에 상영되는 영화 15편의 총관 객 수, 1주차, 2주 차, 3주차 관객 수에 대하여 예측을 실행하였다. 영화의 국적을 구분 하지 않은 전체영화 모형에 의한 예측과 한국영화와 외국영화를 구분한 모형에 따라 예 측을 하였다. 다른 연구에서 관객 수를 대수(log)모형으로 한 것과 달리, 본 연구에서 추 정치의 유의성을 높이기 위하여 관객 수 자체를 사용한 결과, 상대적으로 관객 수가 적 은 영화 그룹에서 예측치가 음수를 보이고 있다. <표 10>은 2014년 1월 개봉한 영화 15 편에 대하여 기간별 예측을 수행한 결과이다. 관객 수가 많은 상위 10개 영화에서는 대 체로 근사한 예측을 보여주고 있다. 관객 수가 아주 많거나 아주 적은 경우에는 예측치 오차가 크며, 중간 관객 수를 보인 영화에서는 예측치 오차가 작았다. <표 10> 표본 외 영화의 기간별 관객 수 예측 총관객수 실제 전체 한국영화 외국영화 변호인 10,866,803 3,393,643 2,887,872 용의자 4,131,088 2,645,162 2,361,764 월터의 상상은 현실이 된다 933,566 707,738 679,781 엔더스 게임 654,430 1,444,044 1,328,540 플랜맨 635,721 1,153,531 1,009,594 썬더와 마법저택 904,313 1,096,512 1,100,904 타잔 3D 593,874 1,083,003 817,041 더 울프 오브 월스트리트 565,241 753,882 739,741 저스틴 265,518-637,595-510,230
48 권 선 주 총관객수 실제 전체 한국영화 외국영화 호빗: 스마우그의 폐허 2,282,151-664,310-148,770 다이노소어 어드벤처 3D 599,992-1,073,664-746,450 집으로 가는 길 1,854,464-1,440,603-3,281,489 비행기 233,556-1,867,114-1,140,669 세이빙 산타 235,691-1,336,690-414,215 캐치미 494,082-1,904,275-3,179,859 1주차 관객 실제 전체 한국영화 외국영화 변호인 2,454,025 1,459,048 1,158,652 용의자 1,965,456 879,958 813,960 월터의 상상은 현실이 된다 531,348 206,824 243,603 엔더스 게임 532,822 481,394 401,023 플랜맨 446,358 453,966 433,091 썬더와 마법저택 395,813 236,363 354,037 타잔 3D 428,491 532,155 440,134 더 울프 오브 월스트리트 327,939 226,964 294,067 저스틴 212,227 283,698 758,957 호빗: 스마우그의 폐허 1,205,798-261,008-100,767 다이노소어 어드벤처 3D 366,257-131,427-3,270 집으로 가는 길 1,005,229-295,144-839,887 비행기 149,360-573,068-310,598 세이빙 산타 170,855-457,549-162,385 캐치미 342,403-478,967-590,713 2주차 관객 실제 전체 한국영화 외국영화 변호인 3,212,902 2,173,953 2,008,794 용의자 1,191,851 1,015,454 940,979 월터의 상상은 현실이 된다 247,525 271,654 303,995 엔더스 게임 72,549 246,080 276,997 플랜맨 170,032 409,828 325,144 썬더와 마법저택 372,687 457,612 379,012 타잔 3D 137,792 311,823 330,484 더 울프 오브 월스트리트 191,832 377,439 507,864 저스틴 44,849-87,643-44,580 호빗: 스마우그의 폐허 651,357-125,300 243,411 다이노소어 어드벤처 3D 178,792-45,612 33,170 집으로 가는 길 498,951 11,146-295,172 비행기 63,552-541,350-276,114 세이빙 산타 50,996-391,576-179,100 캐치미 125,149-723,448-1,138,218
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 49 3주차 관객수 실제 전체 한국영화 외국영화 변호인 2,500,820 1,388,582 1,745,314 용의자 588,185 476,238 606,638 월터의 상상은 현실이 된다 116,747 179,780 141,731 엔더스 게임 8,188 83,804 83,950 플랜맨 2,758 182,495 262,362 썬더와 마법저택 112,413 274,613 215,650 타잔 3D 23,882 147,826 112,743 더 울프 오브 월스트리트 41,781 291,226 229,760 저스틴 4,988-1,910-227 호빗: 스마우그의 폐허 294,258 40,739 34,875 다이노소어 어드벤처 3D 49,458 35,822 25,710 집으로 가는 길 248,650 177,913 360,654 비행기 17,527-248,077-166,830 세이빙 산타 9,379-167,111-109,231 캐치미 12,715-389,753-445,502 앞 예측 결과를 2013년 개봉된 영화, 표본 내(in-sample), 및 2014년 1월에 개봉된 표 본 외 (out-of-sample)로 나누어 통계적으로 적합도를 비교한다. Theil Inequality Coefficient 는 0과 1 사이의 값이며 0 일 때 완전 적합을 의미한다. RMSE 는 Root Mean Squared Error, MAE 는 Mean Absolute Error, MAPE 는 Mean Absolute Percent Error 이다. 이 수치는 적을수록 적합도가 높음을 의미한다. 전반적으로 표본 외 예측 적합도가 표본 내 예측 적합도 보다 낮았다. 표본 외의 관 측치 숫자가 15편에 불과한 결과로 보인다. 표본 내 예측치의 적합도는 개봉 주, 2주 차, 총관객 수, 3주 차 순으로 높았으며, 표본 내 예측치의 적합도는 2주차, 3주차, 개 봉 주, 총 관객 수 순으로 높았다. 영화 제작국적 별로 구분하여 예측 적합도를 비교해 보면, 표본 내 예측치에서 외국영화의 예측치가 모든 단계에서 한국영화 보다 높았다. 특히 개봉 주의 외국영화 관객 수 예측치가 가장 적합도가 높았다. <표 11> 표본 내(In-sample)과 표본 외(Out-of-sample)의 적합도 비교 Theil Ineq. Coef. RMSE MAE MAPE 예측기간 2013년 (n=102) 2014.1 (n=15) 2013년 (n=102) 2014.1 (n=15) 2013년 (n=102) 2014.1 (n=15) 2013년 (n=102) 2014.1 (n=15) 총관람객수 0.2274 0.5314 1,272,351 2,517,984 782,494 1,750,134 80.59 229.72
50 권 선 주 한국영화 n=43, 5 Theil Ineq. Coef. RMSE MAE MAPE 0.2113 0.5811 1,562,278 4,621,893 1,048,753 3,786,404 90.68 239.12 외국영화 n=59,10 0.1946 0.6037 759,627 1,061,728 548,125 809,939 75.29 170.76 개봉주관객수 0.1340 0.4804 247,607 732,033 177,465 563,269 48.50 121.89 한국영화 n=43, 5 0.1078 0.5238 260,022 1,206,587 205,579 1,047,673 41.53 114.08 외국영화 n=59,10 0.1054 0.6009 139,053 478,336 102,599 311,245 36.23 87.89 2주차 관객수 0.2159 0.2947 390,183 480,390 258,553 374,319 96.57 254.57 한국영화 n=43, 5 0.2171 0.3232 502,726 867,594 371,862 733,516 130.77 263.68 외국영화 n=59, 10 0.1740 0.4164 232,803 233,661 157,431 198,872 72.75 194.00 3주차 관객수 0.2666 0.3098 266,043 339,477 172,047 217,834 2,460.64 1,044.07 한국영화 n=43, 5 외국영화 n=59, 10 0.2403 0.2046 319,604 414,977 247,404 320,757 5,445.06 2,618.98 0.2603 0.5459 177,789 132,733 107,032 107,213 664.44 441.77 Ⅳ. 결 론 영화는 정확한 상품정보를 사전에 소비자가 얻기 어려운 경험재 상품으로, 영화의 개 봉 전에는 광고나 홍보가 영화흥행에 영향을 미치지만, 개봉 후에는 관람객의 구전 효과 가 크게 작용하는 전형적 상품이다. 따라서 구전 효과를 증폭시키는 것이 영화마케팅의 중요한 부분이 된다. 신문, 방송과 같은 전통적인 매스 미디어에 더하여 사이버 사회가 진행되면서 온라인 구전의 영향력이 크게 높아졌다. 이에 따라 최근의 영화수요에 대한 연구는 구전 특히 온라인 구전 효과를 포함하는 것이 한 경향이 되고 있다. 본 연구는 구전효과의 대리변수로서 손쉽고 신속하게 얻을 수 있는 미디어의 기사횟 수와 네이버 영화평점 데이터를 이용하여 영화흥행을 분석하고 나아가 예측하려는 시도 이다. 기초통계분석으로부터 한국영화와 외국영화에서 관련변수의 통계치의 크기가 크게 달라 이를 구분하여 분석의 효과를 높이고자 하였다. 타 연구들에서 흥행성과의 설명변 수로 포함하는 장르, 배우, 감독, 시즌 등은 대부분 분석결과가 구분의 효과가 미미하였 으며, 이들의 종합적 영향력은 스크린 수에 종합적으로 반영된 것으로 모형을 단순화하
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 51 였다. 또한 스크린 수는 배급사의 마케팅 노력으로 개봉 전후에 조정할 수 있는 변수이 므로 본 연구결과의 유용성에도 직접적 연계가 되는 변수이다. 영화 전체 흥행성과의 대부분이 개봉 3주 안에 이루어진다. 상업적 영화마케팅은 개 봉 전과 초기에 집중될 필요가 있음을 보인다. 분석을 개봉 전, 개봉 주, 2주 차, 3주 차 로 구분하여 기간별로 흥행에 유의하게 작용하는 변수를 탐색하였고, 그 결과는 기간별 마케팅 전략의 목표로 하는 유용성을 지닌다. 개봉 전 총관객 수와 1주 차 관객 수 분석의 결과는 한국영화는 스크린 수, 개봉 전 관객 수가 유의하였다. 외국영화는 스크린 수, 개봉 전 네티즌 평점, 뉴스 횟수가 유의하 였다. 이 변수들의 제고는 흥행성과 향상을 위한 마케팅 목표로 삼을 수 있음을 시사한 다. 2주 차 관객 수에서 한국영화는 스크린 수, 외국영화는 1주 차의 평점과 1주 차 뉴 스횟수가 유의하여, 외국영화에서 평점과 뉴스 노출의 영향력이 있음을 보였다. 3주 차 에서 한국영화는 스크린 수와 2주 차의 평점과 뉴스 횟수가 유의하였고, 외국영화에서는 스크린 수와 2주 차 뉴스 횟수만 유의하였다. 모든 기간에서 전문가 평점은 국내외 타연 구결과에서와 같이 영화흥행과 통계적 유의성이 없었다. 2013년 영화흥행 분석 결과에 근거하여 2014년 1월 15편의 영화에 대한 흥행 예측은 한국영화에서 2주차와 3주 차 흥행예측이 성과가 높았다. 예측 표본 수를 2014년으로 확대한 후속연구가 필요하다. 개봉 후 주차가 진행되면서 벌어질 구전 효과의 강도변화 에 대한 연구도 후속연구로 기대된다. 영화흥행에서 구전 효과의 중요성을 확인하였으며, 신속하고 용이하게 얻을 수 있는 대리변수를 이용하여 영향력을 분석함으로써, 상업적으로 유용한 영화흥행 마케팅 목표 를 제시할 수 있었다.
52 권 선 주 참고 문헌 Ⅰ. 국내문헌 김미현 김수은 최영준(2010), 한국영화의 흥행 결정요인과 정책적 시사점, 영화연구, 46, 31-46. 김병도 표태형(2002), 개봉 전 영화의 수요예측모형, 경영논집, 36(1), 1-23. 김연형 홍정한(2011), 영화흥행 결정요인과 흥행성과 예측연구, 한국통계학회 논문집, 18(6), 859-869. 메조미디어, 영화 관객수-SNS 버즈량 상관관계 밀접, 보도자료, 2013. 5. 10. 박승현 송현주(2012), 영화의 흥행성과와 제작비 규모와의 관계: 2011년 한국영화의 흥 행결정요인 분석, 사회과학연구, 51(1), 45-79. 박조원(2004), 영화홍보와 관객동원의 관계에 관한 연구: 신문보도의 영향을 중심으로, 문화경제연구, 7(1), 한국문화경제학회, 35-50. 박조원 이귀옥(2004), 영화관련 신문보도가 영화흥행에 미치는 영향에 관한 연구: 기사의 양, 게재시기, 방향을 중심으로, 한국언론학보, 48(6), 62-83. 배정호 심범준 김병도(2010), 온라인 구전과 영화매출 간 상호영향에 관한 연구: 한국 영화산업을 중심으로, 한국마케팅 저널, 12(2), 1-25. 안성아 김태준(2004), 영화시장에서 광고효과 검증에 관한 연구, 문화경제연구, 7(1), 한국문화경제학회, 109-125. 영화진흥위원회/영화정책센터(2013), 2011년 한국영화산업 실태조사와 한국영화 투자수익성 분석. 이경재 장우진(2006), 베이지안 선택모형을 이용한 영화흥행 예측, 대한산업공학회 / 한국 경영과학회 2006 춘계학술대회, 1-6. 이상학(2007), 영화의 주별 관람객수 결정 모형 개발 및 흥행성적 예측, 석사학위 논문, 한국과학기술원. 임현정 양희동 백현미(2013), 온라인 구전의 특성과 영화흥행에 관한 연구- 구전량과 영화개봉일을 중심으로, 2013년 한국경영정보학회 추계학술대회, 425-430. 장병희 이양환 김병선 남상현(2009), 심리적 변인 활용을 통한 영화흥행 예측의 정교화: 1주차 흥행실적을 중심으로, 한국언론학보, 53(4), 346-433. 허민회 박성훈 조성준(2012), 관객의 평가를 이용한 개봉영화의 상영스크린 수 결정
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 53 방법, 한국BI데이터 마이닝학회 2012 추계학술대회. Ⅱ. 외국문헌 Asur, S. and Huberman, B.(2010), Predicting the Future with Social Media, Proceedings - 2010 IEEE/WIC/ACM International Conference on Web Intelligence, WI 2010. Bass, F.(1969), A New Product Growth Model for Consumer Durables, Management Science, 15(10), 215-227. Dellarocas, C., Zhang, X., and Awad, N.(2007), Exploring the Value of Online Product Reviews in Forecasting Sales: the Case of Motion Pictures, Journal of Interactive Marketing, 21(4), 1-15. Derrick, F,, Williams, N., and Scott, C.(2013), A Two-stage Proxy Variable Approach to Estimating Movie Box Office Receipts, Journal of Cultural Economics, Published on line:13. Eliashberg, J., Weinberg, C., and Hui, S.(2008), Decision Models for the Movie Industry, Handbook of Marketing Decision Models, ed. by Wierenga, B., Springer. Hughes, C.(2012), Modelling Movie Release Strategies, PricewaterhouseCoopers. Jeon, J. and McShany, P.(2012), The Power of Twitter on Predicting Box Office Revenues. Kaur, A. and Kaur AP G.(2013), Predicting Movie Success: Review of Existing Literature, International Journal of Advanced Research in Computer Science and Software Engineering, 3(6), 1693-1697. Liu, Y.(2006), Word-of-Mouth for Movies: Its Dynamics and Impact on Box Office Revenue, Journal of Marketing, 70, 74-89. Mabry, E. and Porter, L.(2010), Movies and Myspace: the Effectiveness of Official Websites versus Online Promotional Contests, Journal of Interactive Advertising, 10(2), 1-15. Marshall, P., Dockendorff, M., and Ibanez, S.(2013), A Forecasting System for Movie Attendance, Journal of Business Research, 66, 1800-1806. Mestyan, M., Yasseri, T., and Kertesz, J.(2013), Early Prediction of Movie Box Office Success based on Wikipedia Activity Big Data, arxiv: 1211.0970v3 [physics.soc-ph].
54 권 선 주 Mishne, G. and Glance, N.(2006), Predicting Movie Sales from Blogger Sentiment, AAAI 2006 Spring Symposium on Computational Approaches to Analysing Weblogs. Moretti, E.(2008), Social Learning and Peer Effects in Consumption: Evidence from Movie Sales, NBER working paper 13832. Wang, F., Zhang, Y., and Zhu, H.(2010), Why Moviegoers Go To the Theatre? The Role of Prerelease Media Publicity and Online Word of Mouth in Driving Moviegoing Behavior, Journal of Interactive Advertising, 11(1), 50-62.
영화 흥행성과의 분석과 예측: 뉴스와 웹사이트 데이터 이용 55 [Abstract] Factors influencing Cinema Success: using News and Online Rates Kwon Sunju * The majority of films released each year fail to reach their financial goal. Success in the movie industry is highly contingent on making profitable marketing decisions. Researchers of cinema attendance use cross-section data of factors such as production budget, advertising expenditure, actors, and genre. As significant variables differ with the movies analyzed, however, many of these research results are useless for the film industry. On the other hand, word of mouth, which is influenced by marketing efforts, is significant in cinematic success. This paper advances the discussion of methods for predicting cinema attendance by focusing on the two variables of news exposures and website movie ratings, both of which are proxies of word of mouth publicity. This paper shows that the statistics of variables describing Korean and foreign movies produce different results. In order to understand the power of word of mouth, models of cinema attendance are estimated for four cinema periods pre-opening week, opening week, the second week, and the third week. Estimation results show that news frequency and website movie ratings are statistically significant. Based on this study, it is suggested that the use of social media provides an easily accessible and economically priced means of time-sensitive marketing. Key Words : Cinema attendance, Word-of-mouth, Social Media, Attendance prediction * Changwon National University, Department of Economics, Professor