스마트미디어저널 (Smart Media Journal)

  • 제13권1호
  • /
  • Pages.36-44
  • /
  • 2024
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

Causal Impact 분석 기법을 접목한 COVID-19 팬데믹 전·후 메타버스 애플리케이션 리뷰의 토픽 변화 분석

Analysis of Topic Changes in Metaverse Application Reviews Before and After the COVID-19 Pandemic Using Causal Impact Analysis Techniques

  • 이소원 (계명대학교 경영정보학과) ;
  • 노미진 (계명대학교 디지털경영학부 경영빅데이터전공) ;
  • 한무명초 (동국대학교 와이즈캠퍼스 교양융합교육원) ;
  • 김양석 (계명대학교 디지털경영학부 경영정보학전공)
  • 투고 : 2023.12.19
  • 심사 : 2024.01.30
  • 발행 : 2024.02.07
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

가상환경 기술의 발전과 COVID-19 팬데믹으로 언택트 문화가 부상함에 따라 메타버스(Metaverse)가 주목받고 있다. 본 연구에서는 최근 메타버스 서비스로 주목받는 "제페토" 애플리케이션에 대한 사용자들의 리뷰를 분석하여, COVID-19 팬데믹 이후 메타버스에 대한 요구사항의 변화를 확인하고자 하였다. 이를 위해 2018년 9월부터 2023년 3월까지 구글플레이스토어에 작성된 "제페토" 애플리케이션 리뷰 109,662건을 수집하였으며, LDA 토픽모델링 기법을 활용하여 토픽을 추출하고, COVID-19 팬데믹이 선언된 "2020년 3월 11일"을 기준으로 전·후로 토픽이 어떻게 변화했는지 Causal Impact 기법을 사용하여 분석하였다. 분석 결과 애플리케이션 기능적 문제(토픽1), 보안 문제(토픽2), 애플리케이션 내 가상화폐(Zem)에 대한 불만 사항(토픽3), 애플리케이션 성능(토픽4), 개인정보 관련 문제(토픽5) 등 5가지 토픽이 추출되었으며, 이들 중 보안 문제(토픽2)가 COVID-19 팬데믹에 가장 큰 영향을 받았음이 확인하였다.

Metaverse is attracting attention as the development of virtual environment technology and the emergence of untact culture due to the COVID-19 pandemic. In this study, by analyzing users' reviews on the "Zepeto" application, which has recently attracted attention as a metaverse service, we tried to confirm changes in the requirements for the metaverse after the COVID-19 pandemic. To this end, 109,662 reviews of "Zepeto" applications written on the Google Play Store from September 2018 to March 2023 were collected, topics were extracted using LDA topic modeling technique, and topics were analyzed using the Causal Impact technique to examine how topics changed before and after based on "March 11, 2020" when the COVID-19 pandemic was declared. As a result of the analysis, five topics were extracted: application functional problems (topic1), security problems (topic 2), complaints about cryptocurrency (Zem) in the application (topic 3), application performance (topic 4), and personal information-related problems (topic 5). Among them, it was confirmed that security problems (topic 2) were most affected by the COVID-19 pandemic.

키워드

참고문헌

  1. 최성호, "코로나 19 유행의 방역," 대한내과학회, 제95권, 제3호, 134-140쪽, 2020년 6월
  2. 김태종, 안부영, 이원철, 강혜진, "뉴스 빅데이터 활용 메타버스 트렌드 분석," Journal of Digital Contents Society, 제23권, 제2호, 203-216쪽, 2022년 2월 https://doi.org/10.9728/dcs.2022.23.2.203
  3. 서성은, "메타버스 개발동향과 발전전망 연구," 한국 HCI 학회 학술대회, 1450-1457쪽, 2008년 2월
  4. Mystakidis, S, "Metaverse. Encyclopedia," vol. 2, no. 1, pp. 486-497, Feb. 2022. https://doi.org/10.3390/encyclopedia2010031
  5. 이한진, 구현희, "메타버스 플랫폼 사용성 평가체계 구축에 관한 델파이연구 - 로블록스, 제페토, 게더타운 사례를 중심으로," 한국콘텐츠학회논문지, 제22권, 제9호, 179-193쪽, 2022년 https://doi.org/10.5392/JKCA.2022.22.09.179
  6. 베인앤드컴퍼니, "메타버스 시장은 2030년 최대 9,000억 달러 규모로 성장 가능하나 시간 걸릴 것,"(2023). https://www.bain.com/ko(accessed Dec., 03, 2023).
  7. 정지훈, 정혜인, 이준기, "텍스트마이닝 기법과 ARI MA 모형을 활용한 배달의 민족 앱 리뷰 분석," 디지털콘텐츠학회논문지, 제22권, 제2호, 291-299쪽, 2021년 2월 https://doi.org/10.9728/dcs.2021.22.2.291
  8. Gao, C., Zeng, J., Lyu, M. R., and King, I, "Onli ne app review analysis for identifying emerging issues," In Proceedings of the 40th International Conference on Software Engineering, pp. 48-58, May. 2018.
  9. Dabrowski, J., Letier, E., Perini, A., and Susi, A., "Finding and analyzing app reviews related to specific features: A research preview," In Proceedings of the REFSQ 2019, pp. 183-189, Mar. 2019.
  10. Islam, M. N., Islam, I., Munim, K. M., and Islam, A. N., "A review on the mobile applications developed for COVID-19: an exploratory analysis," IEEE Access, vol. 8, pp. 145601-145610, Aug. 2020. https://doi.org/10.1109/ACCESS.2020.3015102
  11. 김선주, 박대영, 김병수, "토픽모델링을 이용한 Airbnb 고객의 리뷰 분석: 코로나 시대 전과 후의 토픽 차이를 중심으로," 인터넷전자상거래연구, 제21권, 제4호, 115-130쪽, 2021년 8월 https://doi.org/10.37272/JIECR.2021.06.21.4.115
  12. Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., and Scott, S. L., "Inferring causal impactusing Bayesian structural time-series models," Ann. Appl. Stat, vol. 9, no. 1: pp. 247-274, Mar. 2015. https://doi.org/10.1214/14-AOAS788
  13. Mudambi, S. M., and Schuff, D., "Research note: What makes a helpful online review? A study of customer reviews on Amazon. com," MIS Quarterly, Vol. 34, No. 1, pp. 185-200, Mar. 2010. https://doi.org/10.2307/20721420
  14. Hong, H., Xu, D., Xu, D., Wang, G. A., and Fan, W., "A meta-analysis on the determinants of online review helpfulness," WHICEB 2017, pp. 319-327, May. 2017.
  15. Blei, D. M., Ng, A. Y., and Jordan, M. I., "Latent dirichlet allocation," Journal of machine Learning research, vol. 3, pp. 993-1022, Jan. 2003.
  16. Blei, D. M., "Probabilistic topic models," Communications of the ACM, vol. 55, no. 4, pp. 77-84, 2012. https://doi.org/10.1145/2133806.2133826
  17. Han, X., "Evolution of research topics in LIS between 1996 and 2019: An analysis based on latent Dirichlet allocation topic model," Scientometrics, vol. 125, no. 3, pp. 2561-2595, Oct. 2020. https://doi.org/10.1007/s11192-020-03721-0
  18. 배정환, 한남기, 송민, "토픽 모델링을 이용한 트위터 이슈 트래킹 시스템 Twitter Issue Tracking System by Topic Modeling Techniques," 지능정보연구, 제20권, 제2호, 109-122쪽, 2014년 https://doi.org/10.13088/JIIS.2014.20.2.109
  19. Bastani, K., Namavari, H., and Shaffer, J., "Latent Dirichlet allocation (LDA) for topic modeling of the CFPB consumer complaints," Expert Systems with Applications, vol. 127, pp. 256-271, 2019. https://doi.org/10.1016/j.eswa.2019.03.001
  20. 김은정, 장석권, 이상용, "토픽모델링과 시계열 회귀분석을 활용한 헬스케어 분야의 뉴스 빅데이터 분석," 경영정보학연구, 제25권, 제3호, 163-177쪽, 2023년 https://doi.org/10.14329/isr.2023.25.3.163
  21. Martin, W., Sarro, F., and Harman, M., "Causal impact analysis for app releases in google play," In Proceedings of the 2016 24th ACM SIGSOFT, pp. 435-446, Nov. 2016.
  22. Feroze, N., "Forecasting the patterns of COVID19 and causal impacts of lockdown in top five affected countries using Bayesian Structural Time Series Models," Chaos, solitons & fractals, vol. 140, pp. 110196, Aug. 2020.
  23. Navas Thorakkattle, M., Farhin, S., and Khan, A. A., "Forecasting the trends of covid-19 and causal impact of vaccines using bayesian structural time series and arima," Annals of Data Science, vol. 9, no. 5, pp. 1025-1047, Jun. 2022. https://doi.org/10.1007/s40745-022-00418-4
  24. Wallach, H. M., Murray, I., Salakhutdinov, R., and Mimno, D., "Evaluation methods for topic models," In Proceedings of the ICML 2009, pp. 1105-1112, Jun. 2009.
  25. Newman, D., Lau, J. H., Grieser, K., and Baldwin, T., "Automatic evaluation of topic coherence," In Human language technologies: In Proceedings of the NAACL 2010, pp. 100-108, Jun. 2010.