쇠퇴하는 한국 영화 산업

목차

0.동기, 선정이유

1.관객 수 비교

2.군집화

3.감성사전

4.단어 추출

5.시사점

0 동기, 선정이유

• 최근 일본의 애니메이션과 미국 할리웃발 영화들이 항상 영화 차트 최상위권에 포진
• 22년도 하반기부터 국내 영화의 쇠퇴란 이슈가 사회적으로 이슈로 대두되기 시작

1 관객 수 비교.

1-1 23년도 상반기 순위권 한국영화 성적

• 유령(설경구,박해수) : 손익분기점 350만, 관객수 66만
• 교섭(황정민,현빈) : 손익분기점 350만, 관객수 170만
• 카운트(진선규,성유빈) : 손익분기점 100만, 관객수 38만
• 멍뭉이(차태현,유연석) : 손익분기점 100만, 관객수 19만
• 대외비(조진웅,이성민) : 손익분기점 200만, 관객수 75만

1-2 기사, 영화 평론가들의 기피 요인들

• 비싼 티켓값
• 코로나 때문에 실내 생활에 익숙
• ott산업
• 한국 영화는 극장에서 상영하고 풀리기까지의 시점이 굉장히 빠름 끽해봐야 3주, 불법은 당일
• 영화 보면서 먹을 간식 + 외식 + 카페 : 모든 부분에서 물가가 올라서 부담스러운 상황
• 영화의 질이 떨어짐 : 어디선가 한번쯤 본 양산형 스토리, 근본적으로 재미가 없음
• 관객의 수준이 올라감. 단순 재미뿐만 아니라 영화속에서 의미를 찾으려고 함

1-3 연도별 영화 관객들 / 국내외 파이 비교

• target <- “https://movie.daum.net/ranking/boxoffice/yearly?date=2022”

• 다음영화랭킹

• KOBIS 박스오피스스

• htm <- read_html(target)

• 제목2022 <- htm %>% html_elements(“#mainContent .link_txt”) %>% html_text()

• 관객2022 <- htm %>% html_elements(“.info_txt+ .info_txt”) %>% html_text() %>% str_extract(“[\d,]+”) %>% parse_number(locale = locale(grouping_mark = “,”))

• apply(관객2022,2,sum)

• <2019~2022년도의 영화, 관객, 관객합>

knitr::include_graphics("스크린샷_영화 201922.png")

1-4 연도별 관객

• 연도별관객 <- tibble(year=c(2019,2020,2021,2022),년도별관객합=c(관객합2019,관객합2020,관객합2021,관객합2022))
• 년도별관객_total<-rbind(년도별관객,tibble(year=“2023(6월이전)”, 년도별관객합=38799066))
• s1.연도별관객_total %>% ggplot(aes(year,년도별관객합)) + geom_col() + labs(x=“년도”,y=“관객 수”,title=“년도별 관람객 비교”)

knitr::include_graphics("스크린샷_년도별 관객수 .png")

1-5 연도별 국내외 영화의 관객 파이

• 국내외파이 <- tibble(class,year)

• s1.국내외파이 %>% ggplot(aes(year,fill=factor(국내외))) + geom_bar() + labs(x=“년도”,y=“관객 수”,title=“국내외 관람객 비교”,fill=“국내외”)

• s2.국내외파이 %>% ggplot(aes(year,fill=factor(국내외))) + geom_bar() +coord_polar() + labs(x=“년도”,y=“관객 수”,title=“국내외 관람객 비교”,fill=“국내외”)

knitr::include_graphics("스크린샷_국내외파이원.png")

2코로나 이전/ 코로나 이후 /코로나 이후 + ott 군으로 나눠 비교

2-1사용 출처

• 과거

• https://www.youtube.com/watch?v=8yK-pSvpiYE

• https://www.youtube.com/watch?v=05G9gyVGTZM

• https://www.youtube.com/watch?v=e_Aj-5wVWaA

• https://www.youtube.com/watch?v=QqR6v5Yi81w

• ott

• https://www.youtube.com/watch?v=lcwpw1X4Fuw

• https://www.youtube.com/watch?v=IHnj7wTIx_c

• 현재

• https://www.youtube.com/watch?v=J-lh9XtqNWE

• https://www.youtube.com/watch?v=cmJkLhKezZU

• https://www.youtube.com/watch?v=cmJkLhKezZU

2-2데이터 가공

• 불용어가공 데이터 <- 추출데이터 %>% anti_join(kstopwords) %>% anti_join(number) %>% anti_join(pa1)
• number <- tibble(word=c(“0”,“1”,“2”,“3”,“4”,“5”,“6”,“7”,“8”,“9”))
• s1.ott1 <- tibble(document = rep(paste0(“ott”, 1), each =), ott1)

knitr::include_graphics("스크린샷_ott.png")

2-3군집화

• ult <- rbind(과거1,과거2,과거3,과거4,ott1,ott2,현재1,현재2,현재3)
• tidy_ex <- ult %>% bind_tf_idf(term=word, document=document, n=n)
• tidy_ex %>% count(document)
• tidy_ex %>% arrange(desc(tf))
• dtm_ex <- tidy_ex %>% cast_dtm(document=document, term=word, value=tf)
• tm::inspect(dtm_ex)
• tidy(dtm_ex)
• d <- dist(dtm_ex, method = “manhattan”); d
• hcls_ex <- hclust(d, method = “ward.D”)
• plot(hcls_ex, hang=-1)
• rect.hclust(hcls_ex, k=2)
• cls <- cutree(hcls_ex, k=2); cls

knitr::include_graphics("스크린샷_군집화1.png")

knitr::include_graphics("스크린샷_군집화2.png")

knitr::include_graphics("스크린샷_군집화3.png")

knitr::include_graphics("스크린샷_군집화4.png")

3감성분석

3-1 한국어 감성사전

• url_v <- “https://github.com/park1200656/KnuSentiLex/archive/refs/heads/master.zip”
• dest_v <- “data/knusenti.zip”
• knu_dic_df # 한국어 감성사전에 14,855단어
• senti_dic_df %>% count(sScore) # -2점부터 2점까지 존재
• sent # 부정,중립,긍정으로 나뉘어짐

knitr::include_graphics("스크린샷_한국어감성사전.png")

3-2시각화

• 과거1_socre %>% filter(score<0) %>% arrange(score)
• 과1_감성 <- 과1 %>% inner_join(knu_dic_df) %>% mutate(score=sScore*n) %>% ggplot() + geom_col(ae(word, score, fill=ifelse(score > 0, “pos”, “neg”)))
• 과1_감성

knitr::include_graphics("스크린샷_ 과거score.png")

knitr::include_graphics("스크린샷_과거score시각화.png")

• ult_과거 <- rbind(과거1,과거2,과거3,과거4) %>% mutate(name=“과거”)
• ult_현재 <- rbind(현재1,현재2,현재3) %>% mutate(name=“현재”)
• ult_ott <- rbind(ott1,ott2) %>% mutate(name=“ott”)
• ult_sum <- rbind(ult_과거,ult_현재,ult_ott)
• ult_sum
• 새로운 행 이름을 추가해서 3개의 군집별 각각 묶어줌

knitr::include_graphics("스크린샷_시각화1.png")

knitr::include_graphics("스크린샷_시각화2.png")

knitr::include_graphics("스크린샷_시각화3.png")

knitr::include_graphics("스크린샷_시각화군집.png")

4 핵심단어 추출

• sum_현재 <- rbind(현재1,현재2,현재3,ott1,ott2)
• sum_현재 %>% count() #단어의 수 37500개

4-1 사용한 추출 단어들

• “수준, 비싼, ott, 코로나,넷플릭스, 가격, 재미, 유튜브,15000”

4-2 단어 추출

• aq1 <- sum_현재 %>% mutate(percent = n / sum(n) *100) %>% filter(grepl(‘수준’, word)) %>% mutate(name=“수준”)
• aq1 %>% head()

knitr::include_graphics("스크린샷 _ aq1 head.png")

sum_현재 %>% filter(n>10) %>% count() # n>10인 단어의 수는 628개

4-3 비중 비교

• sum_현재 %>% filter(n>10) %>% mutate(word=reorder(word,n)) %>% ggplot() + geom_col(map=aes(word,n),fill=“yellow”) + geom_col(aq1, map=aes(word,n),fill=“black”) + geom_col(aq2, map=aes(word,n),fill=“black”) + …

knitr::include_graphics("스크린샷_aq.png")

• sum_현재 %>% filter(n>10) %>% mutate(word=reorder(word,n)) %>% ggplot() + geom_col(map=aes(word,n),fill=“yellow”) + geom_col(aw1, map=aes(word,n),fill=“black”) + …

knitr::include_graphics("스크린샷_추출단어aw.png")

4-4 핵심단어들만 추출

test1 <- rbind(aq1,aq2,aq22,aq3,aq4,aq5,aq6,aq7,aq8) %>% count(name) # 퍼센트 합 test2 <- rbind(aw1,aw2,aw22,aw3,aw4,aw5,aw6,aw7,aw8) # 추출단어 순위

4-5 추출 단어 순위

• test2 %>% mutate(word=reorder(word,n))%>%
  ggplot() + geom_col(map=aes(word,n))

knitr::include_graphics("스크린샷_추출단어순위.png")

4-6 추출 단어들의 퍼센트합

• test_sum <- test1 %>% transmute(percent)
• apply(test_sum ,2,sum) #유튜브 , 수준, 넷플릭스, 비싼, 코로나, ott, 가격

knitr::include_graphics("스크린샷_추출단어합 .png")

5 시사점

22년부터 한국영화 쇠퇴에 대한 소리가 들리기 시작했으며, 그 수준은 점점 가속화 되었습니다. 이런 와중 최근 일본 애니메이션, 할리웃발 미국 영화가 장기간 차트를 선점해 한국 영화에 대한 현 주소가 수면위로 올라오게 되었습니다. 이와 더불어 서론에서 말씀드린 여러가지 이유들, 비싼 티켓값과 재미없는 내용이 실제 유의미하게 소비자로 하여금 영화를 보는 빈도를 잦아들게 만들었습니다. 하지만 그런 와중에도 몇주 전 개봉한 범죄도시는 벌써 700만 관객에 도달했습니다. 이를 통해 여러 요인들이 실제 영화 관객수 저조에 유의미한 영향을 끼치고 있지만, 결국 소비자는 볼거리가 많고 수준높은 영화는 직접 영화관에서 본다는게 어느정도 입증 된 상황입니다. 여러 이유들을 극복해 예전처럼 다시금 한국영화의 부흥을 바라며 발표를 마치겠습니다.