earticle

영어

In the sports industry, a player's commercial value can be assessed not only through performance metrics but also merchandise sales, such as uniform sales, which reflect fans' loyalty and passion. This study introduces a methodology to predict player uniform sales using Korea Baseball Organization (KBO) community bulletin board data. Two approaches were employed: (1) machine learning models like random forest, SVR, and gradient boosting were trained using features from post text and metadata; (2) BERT embeddings were used with an LSTM model for time-series analysis. Experimental results showed the BERT-LSTM model achieved an MAE of 1.42, top-5 prediction accuracy of 91.67%, and top-3 accuracy of 66.67%. The SVR model also performed well, with a top-5 accuracy of 91.67% and the lowest MAE of 1.25. These results demonstrate the effectiveness of using bulletin board data to predict players' commercial value.

한국어

스포츠 산업에서 선수의 상업적 가치는 경기력과 같은 객관적 지표를 넘어 유니폼 판매와 같은 굿즈 판 매량을 통해 평가될 수 있다. 유니폼 판매는 팬들의 충성도와 열정을 나타내는 지표로, 구단의 수익 및 계약 협상 에서 중요한 역할을 한다. 본 연구에서는 대한민국 프로야구 리그(KBO)를 대상으로 커뮤니티 게시판 데이터를 활 용하여 선수의 유니폼 판매량을 예측하는 새로운 방법론을 제안한다. 제안된 방법론은 두 가지 접근 방식으로 구성된 다. 첫 번째로, 게시글 텍스트 및 메타데이터로부터 추출된 특징을 기반으로 랜덤 포레스트, 서포트 벡터 회귀(SVR), 그래디언트 부스팅과 같은 기계학습 모델을 학습시켰다. 두 번째로, BERT(Bidirectional Encoder Representations from Transformers)를 활용하여 생성된 임베딩 벡터를 LSTM(Long Short-Term Memory) 모델에 입력하여 시 계열 데이터를 학습시켰다. 실험 결과, BERT 기반 LSTM 모델은 평균 절대 오차(MAE) 1.42, 상위 5위 예측 정 확도(Hit Rate5) 91.67%, 상위 3위 예측 정확도(Hit Rate3) 66.67%로 우수한 성능을 보였고, SVR 모델도 가장 낮은 MAE(1.25)를 기록하며 높은(Hit Rate5) 성능(91.67%)을 나타냈다. 이를 통해, 제안된 모델들이 게시판 데이 터를 활용하여 선수의 상업적 가치를 예측하는 데 유의미한 성과를 보임을 확인하였다.