TV 광고시청률 예측에 관한 연구

Abstract

광고업계에서 점차 그 위상이 높아지고 있는 매체계획을 효율적으로 수립하기 위해서는 수용자의 광고노출 효과에 대한 정확히 분석이 전제되어야 한다. 특히, 시청률과 시장의 수급상황을 일정수준 반영한 GS판매방식이 도입됨에 따라 프로그램 시청률 예측의 필요성이 대두되고 있는 현시점에서, 프로그램에 삽입된 광고 메시지에 실제로 노출된 사람의 수를 알려주는 광고시청률을 예측하는 것은 더욱 중요한 문제이다. 광고시청률에 대한 지금까지의 연구들은 대부분 광고시청률과 프로그램 시청률의 차이를 야기하는 요인들에 대해 논의하고 있다. 피플미터를 이용한 연구들은 채널변경 행동에 의한 기계적 회피 관점에서 두 시청률의 차이를 살펴보고 있는데, 리모트 콘트롤의 보급확산과 채널 수의 증가에 따라 채널변경은 두 시청률의 차이를 일으키는 주요원인으로 지적되고 있다. 이러한 맥락에서, 본 연구는 채널변경을 야기하는 포괄적인 특성변인들을 토대로 광고시청률을 예측하는 함수를 제시하고 그 정확성을 검증하였다. 동시에 예측모형에서 사용된 각 변인들의 상대적 중요성을 살펴보았다. 모형 구성을 위해 TNS에서 초단위로 측정한 개별 광고시청률을 이용하였는데, 이것은 1분 단위로 측정된 시청률 데이터를 근거로 한 기존 연구들이 광고시간 동안의 시청행동 변화를 반영하지 못한 한계를 최소화 하기 위함이다. 본 연구에서는 광고시청률을 종속변인으로 하고 기존 연구들에서 채널변경에 유의한 영향을 미치는 것으로 검증된 변인들을 독립변인으로 적용한 회귀방정식을 예측모형으로 이용하였다. 이 변인들을 모두 포함한 전체모형(full model)에서 통계적으로 유의하게 나타난 변인들만을 대상으로 단계적 회귀분석(stepwise analysis)을 실시한 결과, 광고자체의 속성으로 ‘광고위치, 광고삽입순서’를, 광고가 삽입된 프로그램 속성으로 ‘프로그램 방송요일, 방송 시간대, 프로그램 시청률, 보도, 정보, 스포츠 프로그램’, 채널 내 선후 프로그램 속성으로 ‘채널 내 선후 프로그램 점유율’, 채널간 인접프로그램 속성으로 ‘채널간 인접프로그램 수, 채널간 프로그램 유형 동일성’을 예측변인으로 한 축소모형(reduced model)인 광고시청률 예측모형이 구성되었다. 이 모형은 99%의 신뢰수준에서 통계적으로 유의했으며, 그 적합도(fitness)는 78%로 높게 나타났다. 예측모형의 정확도를 검증하기 위하여 실제 광고시청률과 예측 광고시청률간의 차이를 살펴본 결과 평균오차는 0.73으로 낮게 나타났다. 또한 두 시청률 간 차이의 패턴을 살펴 본 결과 광고시청률 예측오차의 폭이 1 미만인 광고가 전체의 75% 정도로서 이 모형을 광고시청률의 크기를 알아보기 위한 보조수단으로 사용하는 것이 타당함을 보였다. 다음으로 전체모형에서 통계적으로 유의했던 변인들만을 대상으로 동시적 입력방법의 회귀분석을 실시한 후, 도출된 축소모형을 토대로 예측변인들의 기여도를 검증하였다. 그 결과 광고시청률에 영향을 미치는 다양한 변인들 중에서 프로그램 시청률, 채널 내 선후프로그램 점유율, 프로그램 유형 중 정보프로그램이 광고시청률에 큰 영향을 미치는 것으로 나타났다. 반면 광고삽입 위치, 어린이 프로그램, 채널간 프로그램 유형의 동일성, 채널간 인접프로그램 점유율은 상대적으로 낮은 영향력을 보였다. 본 연구를 통해 채널변경을 발생시키는 요인들을 예측변인으로 이용한 광고시청률 예측모형을 개발할 수 있었다. 이 모형을 지속적으로 연구되고 있는 프로그램 시청률 예측모형과 서로 보완하여 사용한다면, 보다 정확한 광고시청률을 예측할 수 있으리라 생각된다. 또한, 예측모형에 포함된 변인들 중 매체집행자가 실질적으로 통제할 수 있는 요인들이 광고시청률에 미치는 영향은 어느 정도인지 고려해서 적절히 활용한다면, 효율적인 광고매체 계획을 수립하는데 큰 도움을 줄 수 있으리라고 본다.;Predicting the effect of exposure to advertisements has become increasingly demanding for sound media planning. Most of the previous studies on advertising ratings were focused on factors depicting how advertising ratings differ from program ratings. Especially the studies using people-meter indicated that with the wide spread remote control usage and increased number of channels, the difference between the two ratings is mainly attributed to ‘channel switching.’ Under these circumstances, this study attempted to develop the model for predicting advertising ratings based on comprehensive variables associated with channel switching. This study also identified the factors most effective in advertising ratings prediction out of all predicting factors. For the prediction model, this study used a stepwise regression analysis. The data provided to construct this model consist of TNS people-meter ratings measured to a second, which reflected audience flow during commercial breaks. With results from a stepwise analysis, the advertising ratings prediction model, a reduced model, was made using tried and tested ‘predictors’ such as ‘block position(before/after the program), part of the break’ as attribute variables of individual program advertisements, ‘part of the week, time of day, program rating, news reporting program, information program, sports program’ as target program’s attribute variables, ‘the share of adjacent programs within a channel’ as an attribute variable of adjacent programs within a channel, ‘the number of adjacent programs equal in starting or ending time, equality of the program type between adjacent programs among channels’ as attribute variables of adjacent programs among channels. This model produced statistically significant results with the explained variance of 78 percent. In order to verify the accuracy of the prediction model, the difference between actual advertising ratings and predicted advertising ratings was measured. The mean absolute error turned out to be 0.73 which was low. And the advertisements in the error range of less than 1.00 accounted for 30 percent of all advertisements, which showed it is appropriate to use this model as a secondary means to measure advertising ratings. The contribution rates of the predictors were then verified based on the reduced model derived from the regression of the simultaneous-enter method. It showed that program ratings, the share of adjacent programs within a channel and information program have considerable influence on advertising ratings. But the equality of program types between adjacent programs among channels, children program, and the share of target program showed relatively small influence.