earticle

영어

Emerging hotspot and trendy areas are formed into alleys and blocks with the help of viral effects among social network services (SNS) users called “Golmogleo.” These users search for every corner of the alleys to share and promote their own favorite places through SNS. An analysis of hot places is limited if it is only based on macroeconomic indicators such as commercial area data published by national organizations, large-scale visiting facilities, and commuter figures. Careful analyses based on consumers’ actual activities are needed. This study develops a “social big data analysis methodology” using Instagram data, which is one of the most popular SNSs suitable to identify recent consumer trends. We build a spatial analysis model using Local Moran's I. Results show that our model identifies new trend zones on the basis of posting data in Instagram, which are not included in the commercial information prepared by national organizations. The proposed analysis methodology enables better identification of the latest trend areas formulated by SNS user activities. It also provides practical information for start-ups, small business owners, and alley merchants for marketing purposes. This analytical methodology can be applied to future studies on social big data analysis.

한국어

최근 새롭게 등장하는 핫스팟 지역과 트렌드 중심지는 SNS를 이용하는 골목러(골목 구석구석을 탐색하며 자신 만의 멋집 및 맛집을 찾아 SNS로 공유/홍보하는 사용자)들에 의한 바이럴 효과로 인해 골목 및 블록 등으로 세분화되어 움직이는 현상이 나타나고 있다. 따라서 유의미한 트렌드 중심지(상권 및 핫 플레이스)를 파악함에 있어서, 국가에서 정의하는 상권분석 데이터 및 지하철역, 쇼핑몰 상가 등 대형집객시설과 유동인구수 등의 거시적인 지표만으로는 한계가 있으며, SNS 사용자 데이터를 활용한 면밀한 분석이 필요하다. 본 연구는 사용자에 의해 형성되는 트렌드 중심지 파악을 위해 최근 급부상하는 SNS인 인스타그램 데이터를 활용하여 “소셜 빅 데이터 분석 방법론”을 구축하고 검증하였다. 트렌드 중심지 도출을 위한 빅 데이터 분석 기법으로 국지모란지수법을 활용하여 공간분석 모델을 개발하였고, 개발된 분석 모델을 기반으로 인스타그램 데이터에 대한 공간분석을 수행하였다. 소셜 빅 데이터에 대한 공간분석 결과, 국가 지정의 국내 기존 상권 정보에는 나타나지 않는 “SNS 사용자 데이터 기반의 새로운 트렌드 중심지”가 도출되었다. 본 연구에서 제시된 분석 방법론을 통해, SNS를 활용하여 빠르게 변화하는 최신 트렌드 지역을 보다 명확하게 파악할 수 있으며, 소상공인 및 골목상권 상인들의 창업, 마케팅 등에 활용될 수 있는 유용한 실무 정보를 제공할 수 있을 것이다. 본 연구에서 제안된 분석 방법론은 앞으로 다양한 소셜 빅 데이터 연구에 활용될 수 있을 것이다.