창업으로 진행 했던 공연 개인화 추천 방식

창업한 회사에서 중소 공연 서포터스 플랫폼을 진행하면서 효율적인 서포터스 그룹의 형성과 관리를 위해 개인화 추천을 기획하여 진행하였습니다. 벌써 10년 전의 이야기이고 이제는 여러 상황으로 인해 사업을 접은 상태입니다. 10년 전에 생각했던 개인화 추천에 대해 정리해 보고자 합니다.

 

 

 

창업 시점

 

제 기억으로는 창업한 시기인 2013년과 그 이후 몇 년은 앱과 빅데이터 열풍이 불었던 시기입니다. 그리고 청년 창업 지원 열풍 또한 불었습니다.

 

이 당시 저는 연극과 뮤지컬 등 중소 공연, 특히 창작 공연을 진행하는 공연사의 어려움에 초점을 맞추었습니다. 이 당시 국내 라이선스 뮤지컬 시장의 규모가 성장하던 시기입니다. 세종문화회관과 예술의 전당을 중심으로 성장하던 뮤지컬은 잠실 롯데 타운에 뮤지컬 전용 극장이 생기기도 했습니다. 이후 다양한 지역에 뮤지컬 전용 극장이 들어서게 됩니다.

 

그래서 국내 공연 시장은 세계 5대 시장에 들어갈 정도로 성장을 합니다. 아직 K-POP 지금과 같이 인기를 끌기 전이어서 공연 문화는 수출보다는 수입이 더 큰 상황이었습니다. 참고로 싸이의 강남스타일이 2012년 7월 발매되었습니다.

 

이렇게 국내 공연 시장은 성장하고 있지만 중소 공연 시장은 더 어려워지고 있는 상황이었습니다. 이는 국내 중소 공연 메카인 대학로 역시 마찬가지였습니다.

 

중소형 연극, 뮤지컬이 대학로를 중심으로 시장이 형성되었다면, 인디 밴드의 메카는 홍대였습니다. 이곳도 YG의 부킹 술집, 클럽이 등장하면서 인디 음악을 중심으로 한 클럽은 조금씩 위축되고 있기는 했지만 씬디라운지 등이 있어 대학로보다는 나은 상황이었기는 합니다.

 

 

 

중소 공연 티켓 시장

 

중소 공연 티켓 판매는 크게 몇 가지로 구분되어 있었습니다.

1. 인터파크 티켓
2. 소셜 커머스 티켓
3. 온라인 티켓 판매 사이트
4. 네이버 카페 등 온라인 커뮤니티
5. 단체 영업
6. 대학로 오프라인 판매

 

인터파크 티켓과 네이버 카페 등, 단체, 대학로 오프라인 판매는 기존 공연 판매처입니다. 새로운 판매 채널로 소셜 커머스와 온라인 티켓 판매 사이트가 성장하였습니다. 그러나 이 두 판매 채널은 50% 할인을 촉진 포인트로 급속히 성장한 상황이었습니다. 이로 인해 대학로 연극 1만 원 티켓이 유행이 되고 있었습니다.

 

기존 전통 티켓 채널에서 어려움을 겪고 있는 공연사 입장에서 50% 할인이라도 판매를 하는 것이 관객 없이 공연하는 것보다는 더 나은 것이었습니다. 

 

이 시기를 해서 공연 티켓과 영화 티켓 가격의 크로스 현상이 시작됩니다.

 

 

 

공연 시장 분위기

 

공연 시장은 양극화가 심해지고 있었습니다. 라이선스 뮤지컬을 하는 극장은 활황이고 대학로 등 중소 공연은 불황이 계속되고 있었는 상황이었습니다. 서울시의 노력에도 불구 대학로의 공연 불황은 심해지고 있는 상황이었습니다.

 

그래서 몇몇 공연 사는 소셜 커머스 등에서 50% 할인 판매에도 수익을 낼 수 있는 1인 공연이나 가볍게 즐길 수 있는 코미디 공연을 진행하였습니다.

 

여기에 오픈런을 통해 마케팅 비용을 최소화하였고, 하루 다수 공연으로 많이 올라간 극장 비용을 감당하고 있었습니다.

 

그러나 여전히 여러 명의 전문 배우나 출연하는 창작 공연의 경우 어려움을 겪고 있는 상황이었습니다. 50% 할인 판매로는 공연 비용 감당이 어렵지만, 관객석을 비우는 것보다는 낫기에 울며 겨자 먹기로 할인 판매를 진행하고 있었습니다. 그러나 이 조차도 오픈런 공연에 비해 판매 플랫폼에서 표시되는 판매량이 적은 관계로 신규 구매자를 유인하는데 불리했습니다.

 

여기에 높은 공연 수준으로 입소문이 날 때쯤이면 부족한 자금으로 공연을 내려야 하는 상황이 되었었습니다. 서울시의 지원은 극장 대관료만 올려놓는 현상이 발생했기 때문에 오래 공연하기 어려웠습니다.

 

티켓 값은 내려가고 극장 대관 비용은 올라가는 상황에서 일부 공연 사는 대학로를 떠나고 있었습니다. 이에 대해 문화 관광을 추구하는 서울시도 문제의 심각성을 인식하고 있었습니다. 창작 콘텐츠 없이 브로드웨이 뮤지컬로만 문화 관광 산업을 일으키기 어렵기 때문입니다.

 

 

공연 추천 기획       

 

이 상황에서 중소 창작 공연사가 마케팅 비용을 줄이는 방법으로 저는 2가지 문제 해결 방법을 생각했습니다.

 

1. 공연이 극장에서 내려가더라도 관객과 연결이 끊어지지 않는다
2. 관람 가능성이 높은 관객을 찾아 빠르게 공연 정보를 제공한다

 

여기서 1번을 위한 방식이 일종의 팬 커뮤니티 같은 서포터스 플랫폼입니다.

2번을 위한 방법이 플랫폼 이용 사용자 특성을 분석하여 개인화 추천을 제공하는 것입니다. 여기에 추가로 관람 확장 가능성에 따라 추가로 관람 패턴 변화를 유도하는 알고리즘을 적용하는 것입니다.

 

이중 공연 추천 방식에 대해 좀 더 이야기하겠습니다.

 

공연 추천은 아래의 프로세스로 설계되었습니다.

• 기존 인지 시스템 파악
• 기존 인지 시스템을 바탕으로 공연 서포터스 플랫폼 카테고리-데이터 구조 형성
• 측정 요소 배치
• 태도-행동 변화 가설 구성
• 태도-행동 변화 알고리즘 설계
• 플랫폼 개발 후 테스트

 결과적으로 플랫폼은 어떻게 해서든 개발했지만 자금 부족으로 충분한 테스트는 하지 못했습니다. 또한 충분한 공연 관객 태도-행동 측정 및 변화 자극 온라인 서비스 플랫폼 개발에도 실패했다고 개인적으로 생각합니다. 너무 시작부터 여러 번 개발에 실패해서 비용이 계획보다 과도하게 발생했기 때문입니다. 또 예상보다 서비스 론칭까지 개발 기간도 너무 길게 걸렀습니다.  

 

   

시작 - 관객들의 기존 공연 인지 구조의 파악

 

기존 공연 시장을 조사하여 기존 관객들이 공연에 대해 가지고 있는 인지 시스템을 파악하였습니다. 이 데이터는 1차 플랫폼 개발 시 사용자의 쉬운 온라인 서비스 접근과 이용을 위한 방법에 적용하였습니다. 또한 인지 구조의 주요 구성 요소와 이들 간 네트워크 특성을 파악하는 테스트와 데이터 분석을 위한 가설에 사용되었습니다.

 

제가 기획하고 있는 것은 현재 중소 공연 관객의 인지 시스템을 해킹하여 제가 원하는 형태의 태도와 행동을 유발할 수 있는 온라인 공간을 형성하는 것이었습니다.

 

이를 통해 플랫폼 내에서 활동을 일정 이상하는 사용자의 경우 적절한 추천은 물론, 효과적인 취향 및 선호 변화를 유도할 수 있게 되는 것입니다.

 

 

행동 벡터 분석

 

앱과 웹을 통해 특정한 공연 공간을 구성한다면 여기서 발생하는 사용자의 의도된 행동을 분석하여 현재의 관람 욕구에 최적인 공연을 추천할 수 있게 됩니다.

 

일단 우리는 로그인하는 사용자를 모른다고 가정합니다. 기본적으로 누구인지는 모르고 어떤 아이디어 어떤 공연에 관심이 있었고 즐겼는지만 알 수 있습니다. 사용자는 다수의 아이디로 그때그때 로그인할 수도 있습니다. 플랫폼 입장에서 이는 더 개인화 추천하는데 긍정적일 수 있습니다,. 역할 행동이 아이디에 따라 분명히 구분될 수 있게 때문입니다.

 

이는 철저히 현재의 욕구 향하는 방향성만을 통해 도달 공연을 추정하는 방식입니다. 이를 위해서는 적절한 공연 공간이 확보되어야 합니다. 여기서 공연 공간은 하나가 아니라 다수입니다. 

 

즉 플랫폼은 같지만 사용자의 이용 패턴에 따라 공연 공간은 달라지는 것입니다. 이를 통해 사용자 행동 벡터의 정확성은 높아질 수 있습니다. 

 

행동 벡터가 분석되기 위해서는 최소 3번 이상 유의미한 행동이 일어나야 합니다. 이후에는 왜 사용자가 로그인했는지, 무엇을 원하는지 높은 확률로 파악할 수 있게 됩니다. 이 또한 공간 데이터의 수준에 따라 달라질 수 있습니다.

 

 

 

빅데이터가 아닌 감성 데이터를 기반으로 함

  

기본적으로 기획된 플랫폼은 최소의 개인 정보만을 받을 것이기에 빅데이터 분석은 비효율적입니다. 그리고 공연 플랫폼의 특성상 그렇게 많은 반복 행동이 일어나지는 않을 것입니다.

 

이를 보완하기 위해 서포터스 서비스를 제공하나 이 또한 여타의 SNS에 비하여 접속 빈도는 낮을 것이 분명합니다.

 

그러나 분명한 목적성을 가지고 서비스를 이용하기에 측정에 따라 상당히 많은 정보를 수집할 수 있을 것이라 생각 들었습니다. 또한 공연의 제품 특성상 매우 감성적인 특성이 있으므로 빅데이터가 아닌 스몰 스마트 데이터, 감성 데이터 분석이 더 중요하다 판단했습니다.

 

제가 투자를 받기 위해 심사를 받을 때도 어떤 때는 공연 자체에 대해 심사 위원이 굉장히 감정적 반응을 보이고는 합니다. 20대, 30대가 공연에 대해 보이는 감성 반응과는 정반대의 반응이기는 하지만 감성적이라는 데는 같습니다. 예를 들면 공연을 보는 것은 일종의 기부 활동이라 생각하고 티켓은 구매가 아니라 기부하는 것이다의 반응입니다.  그리고 공연을 돈을 내고 보는 것을 부끄러워합니다. 사회적 지위나 권력이 있으면 공연 티켓은 무료로 받는 것이기에, 공연 티켓을 구매하는 것은 사회적으로 실패했다는 반응을 나타내는 경우도 있었습니다. 이는 대부분의 심사 위원들이 나이가 많기 때문일 수 있습니다.

 

감성 데이터이기에 데이터들은 서로 노이즈가 될 수 있습니다. 로그인 전 발생 이벤트 또는 사람들과 관계 등에 따라 플랫폼 내에서 표현하는 데이터는 달라질 수 있습니다. 이는 같은 사람이, 같은 공연에 대해 다른 반응을 얼마든지 할 수 있다는 것을 의미하며, 이는 매우 정상적인 것입니다.

 

 

 

데이터 구조화의 이유

 

그렇다고 해서 공연 카테고리와 데이터를 구조화할 수 없는 것은 아닙니다. 오히려 그래서 더 구조화해야 합니다. 감정/감성 또한 사회적 작용의 결과이며, 학습된 사회적 인지 구조 상 발행하는 복합적 데이터 작용이기 때문입니다.

 

이를 위해서 저는 더 다중 데이터 공간이 필요하다고 생각했습니다. 사용자의 감성 상태에 적절한 공간을 끄집어낸다면 그 사용자의 가까운 미래 행동을 예측하여 추천하는 것이나, 가까운 미래 행동을 노출되는 데이터 구조를 통해 조형하는 것도 가능하다고 생각하여 시스템을 기획하였습니다.