2025. 6. 30. 07:50ㆍpxd AI툴 이야기
유튜브 댓글을 통해 알아보는 OTT 사용자의 니즈와 경험
OTT 비교 추천 유튜브 영상에는 많은 댓글이 달려 있었는데요. 저희는 이 날것의 데이터를 통해 사용자들이 어떤 OTT 플랫폼을 선호하고, 왜 그렇게 선택했는지를 분석해 보고자 했습니다.
1편에서는 어떻게 주제에 맞는 댓글만 골라낼 수 있는지, 전처리 과정을 중심으로 다뤘습니다. 그리고 이번 글에서는, 정제된 데이터를 바탕으로 어떤 분석을 시작할 수 있을지, 즉 리서처가 '질문'을 어떻게 만들어 나갈 수 있는지를 살펴보려고 합니다.
프롬프트에 어떤 질문을 담느냐가 분석 결과에 어떤 영향을 줄까요? 하나의 데이터에 대해 다양한 관점으로 인사이트를 도출하는 방법을 소개합니다.
어피니티 버블 만들기
어피니티 버블에서는 분석하고자 하는 데이터의 유형을 선택한 뒤, 상세 요구사항을 입력할 수 있습니다.
앞선 포스트에서 분석한 버블(아래 사진)의 경우, 유튜브 댓글이라는 데이터를 임의로 분류하여 ➊ 데이터 유형을 VOC로 선택했고, ➋ 상세 요구사항은 기본값으로 분석을 시작했는데요. 이때 분석 방향성이 뚜렷하거나, 버블을 보고 새롭게 궁금한 점이 생겼다면 상세 요구사항을 조정할 수 있습니다.
저희는 보통 버블로 오버뷰를 확인하고, 버블이 나눠준 분류를 참고해서 프롬프트를 조정하는 편입니다. 이 방법으로 정성 데이터를 묶고 분류하는 방법을 공유해 드리겠습니다.
(1) 콘텐츠별로 묶기: 일드는 왓챠, 한드는 티빙과 웨이브!
기존 어피니티 버블을 보면 "쿠팡플레이 스포츠 중계 좋아한다", "왓챠 중일드, 독립영화 선호한다", "티빙과 웨이브 한드 최고다" 등 플랫폼별로 특징이 되는 콘텐츠가 있다는 걸 알 수 있습니다.
이를 통해 사용자들이 어떤 콘텐츠를 좋아하는지, 콘텐츠에 따라 어떤 플랫폼을 이용하게 되는지 알고 싶어 졌는데요. 이럴 때는 상세 요구사항을 조정해 분석 관점을 더 명확히 만들 수 있습니다.
그래서, 상세 요구사항에 "제공 콘텐츠별로 분류해 줘"라고 작성해 보았습니다.
➊ "영화", ➋ "디즈니ᐧ마블", ➌ "애니메이션 및 예능", ➍ "스포츠 및 중계", ➎ "드라마", ➏ "중드ᐧ일드"처럼 콘텐츠 장르별로 분류가 잘 된 모습을 확인할 수 있습니다. 하지만 아직 가장 큰 클러스터인 ➐ "OTT 전반 서비스 및 기능"에 중드, 한드에 관한 의견이 섞여 있네요.
이런 경우에, 버블이 방금 분석해 준 분류를 참고해 상세 요구사항을 구체화할 수 있습니다. "애니메이션, 스포츠, 한드, 일드, 중드, 영화 분류를 추가해 줘"를 프롬프트에 덧붙여 볼게요.
초기 결과에 비해 콘텐츠별 구분이 훨씬 명확해졌습니다. 콘텐츠로 분류되지 않는 의견들도 ➊ "OTT 기능 및 비교"와 ➋ "장기 구독 및 고민"이라는 2차 클러스터로 잘 정리됐네요.
버블이 묶어준 사용자 의견에 따르면,
- 한국, 중국 드라마는 티빙과 웨이브에서
- 일본 드라마는 왓챠에서
- 스포츠 중계는 쿠팡플레이에서
- 애니메이션은 티빙에서
- 마블은 디즈니플러스에서
이용하는 시청 패턴이 확인되었습니다!
이 댓글에서 알 수 있듯이 사람들이 OTT를 고를 때 가장 먼저 고려하는 건 '보고 싶은 콘텐츠'입니다. "나는 스포츠를 좋아해"가 출발점이라면, "그래서 쿠팡플레이를 봐요"가 따라붙는 거죠. 이런 식으로 콘텐츠에 대한 니즈 → 플랫폼이라는 사용자 맥락이 생깁니다.
인사이트
➊ 플랫폼 별 강점 콘텐츠 파악
➋ 콘텐츠가 플랫폼 선택에 얼마나 영향을 미치는지 확인
사용자 니즈를 기반으로 의견이 분류되었기 때문에 우리 플랫폼이 어떤 장르에 힘을 써야 하는지, 또 어떤 이용자를 끌어올 수 있는지, 콘텐츠 전략 수립에 기여할 수도 있겠습니다.
(2) 플랫폼별로 묶기: 디즈니플러스의 장점과 단점은?
이렇듯 콘텐츠별 주력 플랫폼들이 분명해 보이는데요. 그렇다면, 이번엔 사용자들이 각 플랫폼에 대해 어떤 이야기를 나누고 있는지 확인하고 싶어 졌습니다. 플랫폼에 따른 콘텐츠 감상 경험이 어떻게 다를까요? 플랫폼별로 사용자들이 기대하는 기능과 인식을 살펴보고자 합니다.
이를 위해 요구사항을 "OTT 플랫폼별로 분류해 줘."라고 조정해 봤습니다.
"OTT 플랫폼별로 분류해 줘"라고 하니 댓글에서 언급된 플랫폼들을 위주로 묶은 모습을 볼 수 있습니다. 댓글에서 사람들이 쿠팡플레이, 왓챠, 넷플릭스, 티빙, 애플티비, 디즈니플러스, 웨이브에 대해 이야기하고 있음을 알게 되었네요. 위에서 진행했던 것처럼 프롬프트에 해당 분류를 추가해서 다시 확인하겠습니다.
앞선 버블보다 OTT 플랫폼을 명시하는 레이블이 더 깔끔해졌고, 그 외 의견은 "OTT 일반 및 기타" 클러스터 하나로 크게 정리되었습니다.
살펴보니, 디즈니 플러스는
- 디즈니와 마블 콘텐츠를 좋아하는 사용자가 이용하고,
- 디즈니 플러스에서 제작하는 드라마가 인기 있으며
- 화질과 기능 측면에서는 아쉬운 부분이 존재한다고 하네요.
이처럼 플랫폼을 중심으로 묶었을 때는 사용자들이 어떤 기능을 중요하게 여기는지, 어떤 경험이 좋았거나 아쉬웠는지가 함께 드러납니다. 단순히 콘텐츠가 아니라, '콘텐츠를 어떻게 소비하는지', '어떤 기능이 인상 깊었는지', '브랜드에 대해 어떤 이미지를 가지고 있는지' 같은 정보가 함께 보이는 거죠.
인사이트
➊ 브랜드 이미지와 포지셔닝 이해
➋ UX 개선점 발견
➌ 우리 브랜드의 장단점
콘텐츠별로 묶었을 때 사용자 니즈를 알 수 있었다면, 플랫폼별로 묶었을 때는 사용자 경험을 알 수 있습니다. 그렇기에 각 플랫폼에 대한 사용자 기대와 만족도를 파악하고, 브랜드 포지션과 UX 개선 방향에 대한 인사이트를 얻을 수 있었습니다.
유튜브 댓글만 파악해도 이 정도의 인사이트를 얻을 수 있다니, 놀랍지 않나요? 여기서부터 시작하여 방향성을 잡고, 추가 리서치를 진행할 수도 있겠습니다.
분석 결과
분석 결과 역시 어피니티 버블에서 리포트 형식으로 제공하는데요. 이렇게 이번 분석을 통해 주요 OTT 플랫폼의 특징과 사용자 의견을 파악할 수 있었습니다! (단, 해당 내용은 특정 시점의 유튜브 댓글을 분석한 결과이며, 현재와는 다른 사용자 의견이 포함되어 있을 수 있습니다.)
마치며: 미니 리서치 도구, 어피니티 버블
이번 실험을 통해 세 가지 중요한 사실을 확인할 수 있었습니다.
- 프롬프트를 구체화할수록 분석은 더 정밀해집니다
높은 차원의 질문에서 시작해 세부사항을 구체화하며 더해가자, 분류 기준이 더욱 명확해지고 인사이트도 깊이도 깊어졌습니다. - 프롬프트 설계와 관점의 이동은 곧 분석 결과를 만듭니다
콘텐츠 중심과 플랫폼 중심으로 분석한 결과는 다른 해석을 보여주었습니다. 어떤 관점을 선택하는지에 따라 어떤 인사이트를 얻게 되는지 보여줍니다. - AI는 분석 속도를 넘어서 관점을 확장하게 돕습니다
사람이 반복하기엔 어려운 "관점 전환"이라는 일을 AI는 지치지 않고 수행합니다. 이는 더 많은 가능성을 탐색하게 되고, 기존엔 놓칠 수도 있었던 인사이트를 발견할 수 있게 합니다.
이처럼 어피니티 버블은 분석을 빠르게 끝내는 것에서 그치지 않고, 더 넓고 다양하게 바라볼 수 있도록 돕는 도구입니다. 처음 리서치 과제를 시작할 때 조사 방향을 미리 탐색하는 용도로 활용할 수도 있는데요. 다양한 관점으로 빠르게 분석 결과를 확인할 수 있기 때문에 데스크 리서치 시 자료 조사나 리서치 방향을 잡기에도 유용합니다.
현재 어피니티 버블 베타 버전을 제공하고 있습니다. 직접 사용해 보시고, 불편했던 점이나 기대하는 기능이 있다면 댓글이나 메일로 꼭 알려주세요.
다른 데이터를 분석해 보고 싶다면 → 어피니티 버블 사용하기
이번 포스트의 데이터를 사용해 보고 싶다면 → 로우 데이터 사용하기