영화산업에서 흥행 예측은 수익 극대화를 위한 핵심 과제입니다. 영화진흥위원회(KOFIC)의 2017년 한국 영화산업 결산 보고서에 따르면 2012년 이후 한국영화 수익률은 15.9%로 흑자를 유지하고 있지만, 개별 영화의 성패는 여전히 예측하기 어렵습니다. 본 글에서는 데이터 분석을 통한 영화 흥행 예측 연구를 살펴보고, 그 가능성과 한계를 함께 고민해보겠습니다.
데이터 분석을 통한 영화 흥행 요인 파악
영화 흥행을 예측하기 위해서는 먼저 어떤 요인들이 관객 수에 영향을 미치는지 파악해야 합니다. 김세윤의 연구에서는 2011년부터 2017년 11월까지 국내 개봉한 한국 상업영화 1,118편의 데이터를 영화관입장권통합전산망에서 수집하여 분석했습니다. 분석에 활용된 변수는 배우, 감독, 장르, 등급, 제작사, 배급사, 개봉 스크린 수 등 다양했습니다.
회귀분석(Regression Analysis) 결과, 배우, 배급사, 장르를 포함하는 모델이 가장 높은 설명력을 보였습니다. 특히 대기업 배급사, 유명 배우, 드라마·멜로/로맨스·코미디 장르가 흥행에 유의미한 영향을 미치는 것으로 나타났습니다. 이는 기존 연구들과도 일치하는 결과입니다. 박승현과 정완규의 연구에서는 스크린 수, 온라인 평점, 배급사, 개봉 시점이 흥행 요인으로 확인되었고, 김연형과 홍정한의 연구에서는 장르, 등급, 배우, 스크린 수, SNS 온라인 버즈가 영향을 미쳤습니다.
그러나 사용자가 지적한 것처럼 이러한 데이터 분석은 예측을 위한 하나의 도구일 뿐입니다. 영화는 대표적인 경험재이기 때문에 객관적 데이터만으로는 포착할 수 없는 요소들이 많습니다. 현 시점의 트렌드, 시대 배경, 시청자들의 감성적 반응 등은 수치화하기 어려운 변수들입니다. 따라서 데이터 분석 결과를 절대적 기준으로 삼기보다는 의사결정을 돕는 참고자료로 활용하는 신중한 접근이 필요합니다.
나이브 베이즈 분류를 활용한 흥행 예측 실험
연구에서는 나이브 베이즈 분류(Naïve Bayes Classification) 기법을 활용하여 실제 흥행 예측을 시도했습니다. 나이브 베이즈 분류는 베이즈 정리에 근거한 확률 분류기로, 데이터의 모든 특징들이 독립적이라고 가정하며 주로 스팸 메일 분류나 영화 흥행 예측 분야에서 활용됩니다. 이 방법은 분류 학습에서 비교적 정확한 결과를 보여준다는 장점이 있습니다.
예측 모델의 성능을 검증하기 위해 2017년 12월부터 2018년 4월까지 개봉한 한국 상업영화 56편을 대상으로 흥행 여부를 예측했습니다. 흥행의 기준은 역대 박스오피스 내역 상위 500편의 평균 관객 수인 2,650,000명으로 설정했습니다. 분석 결과 정확도(Accuracy)는 91%로 높게 나타났으며, 56편 중 51편의 영화가 실제 흥행 여부와 일치하는 예측 결과를 보였습니다.
하지만 올바르게 식별된 흥행 영화의 비율(Specificity)은 25%에 불과했습니다. 이는 흥행 기준을 넘는 영화 수가 전체의 약 7%로 소수였기 때문입니다. 실제로 2011년부터 2018년 4월까지 총 1,309편의 영화 중 흥행 기준을 넘은 작품은 86편에 그쳤습니다. 이러한 데이터 불균형은 예측 모델의 실질적 활용도를 제한하는 요인이 됩니다. 사용자가 주식 시장의 예측 불확실성에 비유한 것처럼, 높은 정확도에도 불구하고 실전에서는 예상치 못한 변수들이 작용할 수 있습니다.
영화 흥행 예측의 한계와 실무적 시사점
예측 모델이 제대로 작동하지 않은 사례들을 분석하면 현실적 한계가 명확해집니다. 영화 <곤지암>의 경우 대부분의 출연 배우가 신인이었기 때문에 참고할 과거 데이터가 부족하여 정확한 예측이 불가능했습니다. 애니메이션 <풍뎅이뎅이>는 성우 중심이 아닌 배우 중심 분석의 한계로 인해 예측에 실패했습니다. 또한 분석 대상 중 약 43%를 차지한 성인 영화의 경우 극장 수익보다 IPTV(Internet Protocol Television) 및 디지털 케이블 TV 매출이 더 크기 때문에 극장 관객 수 기반 예측 모델로는 실제 수익성을 판단하기 어렵습니다.
이러한 한계는 데이터 분석의 맹점을 보여줍니다. 신인 배우나 감독의 잠재력, 작품의 독창성, 시의성 있는 소재 선택, SNS상에서의 평판과 바이럴 효과 등은 과거 데이터만으로는 포착되지 않는 요소들입니다. 유현석의 연구에서 지적했듯이 배우, 감독, 제작사, 등급, 개봉 시기, 장르 등이 흥행에 영향을 미치지만, 이들을 단순히 수치화하는 것만으로는 영화의 성공을 보장할 수 없습니다.
사용자의 비평처럼 예측은 어디까지나 예측으로만 활용해야 합니다. 제작비가 100억 원 이상 투입된 영화들이 흥행에 실패하는 사례들이 이를 증명합니다. 제작자, 배우, 스태프 모두의 노력과 창의성이 집약된 영화산업에서 데이터만 믿고 의사결정을 한다면 큰 위험을 감수하는 것입니다. 철저한 시장조사와 함께 현 시점의 트렌드, 시대 배경, 관객의 감성과 욕구를 깊이 이해하는 것이 선행되어야 합니다. 데이터 분석은 이러한 종합적 판단을 돕는 보조 도구로서 가치를 가집니다.
영화진흥위원회의 보고서에 따르면 2017년 극장 시장은 관객 수 2억 1,987만 명, 매출액 1조 7,566억 원을 기록하며 인구 1인당 연평균 관람횟수 4.25회로 세계 최고 수준을 유지하고 있습니다. 이처럼 성장하는 시장에서 지속 가능한 성공을 거두기 위해서는 데이터 분석의 객관성과 창작자의 직관을 균형 있게 결합하는 지혜가 필요합니다. 향후 연구에서는 신인 배우와 감독에 대한 분석, TV 드라마나 예능을 통한 인지도 효과, SNS 평판 분석 등이 추가되어야 할 것입니다.
데이터 분석을 통한 영화 흥행 예측은 분명 유용한 도구이지만, 그것이 전부는 아닙니다. 사용자가 강조한 것처럼 예측을 예측으로만 받아들이고, 창작의 본질과 관객과의 진정한 소통을 우선시하는 자세가 영화산업의 건강한 발전을 이끌 것입니다. 회귀분석, 나이브 베이즈 분류 등의 기법은 의사결정의 참고자료일 뿐, 영화의 성공을 결정하는 것은 결국 작품 자체의 힘과 시대를 읽는 통찰력임을 잊지 말아야 합니다.
[출처]
영상 제목/채널명: https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=DIKO0014861016#;