농업 지원 숏폼 동영상 콘텐츠의 커뮤니케이션 효과에 관한 연구

Abstract

In view of the huge economic and social benefits that is brought by the production of short form videos of Rural Aid, this study used big data to study the communication effect of short form videos of Rural Aid on social media platforms. This study takes into account the huge economic and social benefits that the production of short form videos of Rural Aid brings to society, and based on this, uses big data to study the communication effect of short videos for agriculture on social media platforms. Briefly, by constructing content characteristics, user characteristics, user engagement, emotional attitudes and other relevant factors, and then examining the influence of these factors on the communication effect of short form videos which can help agriculture and farmers, and making predictions on the communication effect. The study aims to enhance the influence of short videos to help farmers on social platforms more effectively. To lay a theoretical and practical foundation for promoting rural revitalisation and narrowing the urban-rural income gap advocated by the Chinese government in recent years, as well as to provide a practical basis for raising consumers' awareness of buying agricultural products and thus helping farmers to get rid of poverty and become richer.

In order to achieve this research's purpose, this study uses the most influential and topical social platform in China - Bilibili platform as the data source. Firstly, from January 1, 2019 to May 30, 2021, the keywords "help farmers ", "rural", "countryside" have been entered, and then the data collection has been conducted to obtain the data set of short form videos of Rural Aid needed for this study. The collected data were then cleaned, collated and standardized. Again, python software was used to extract keywords from the titles of the short form videos, and sentiment analysis was conducted on the comments of the short form videos, and relevant variables were constructed and described, based on the T-test, ANOVA and regression analysis were conducted. Finally, a Random Forest model was used to predict the effect of short form videos on Rural Aid, and on this basis, policy suggestions to improve the effect of short form videos of Rural Aid were proposed.

The findings of this study are as follows: First, for positive attitudes, the number of bullet curtain has a negative significant effect. Time, the number of following, number of fans, number of comments and retweets have a positive significant effect, and there are significant differences in the effects of different title clusters, video types and user levels on positive attitudes. Second, for negative attitudes, time, number of following, number of fans and number of retweets have negative and significant effects on negative attitudes. Number of bullet curtain and comments have positive and significant effects on negative attitudes, and there are significant differences in the effects of different title clusters, video types and user levels on negative attitudes. Third, according to the number of plays, the effect of time, number of following and fans on the number of plays have negative and significant effects. Number of bullet curtain, comments, retweets, positive attitudes and negative attitudes have positive and significant effects on the number of plays, and there are significant differences in the effect of different user levels on the number of plays, but the effects of different title clusters and video types on the number of plays are not significant. Fourth , for the number of likes, the effect of time and number of following on the number of likes are negative significant, while the impact effects of number of fans, number of bullet curtain, number of comments, number of retweets, positive attitude and negative attitude on the number of likes are positively significant. The effect of different video types and user levels on the number of likes are significantly different, but the impact effects of different title clusters on the number of likes are not significant. Fifth, for the number of favorites, the effects of time and negative attitude on the number of favorites are negatively significant, while the effects of number of following, fans, bullet curtain, comments, retweets and positive attitude on the number of favorites are positively significant. There are significant differences on the impact effects of different video types, user levels and different title clusters on the number of favorites. Sixth, for the number of coins, the effect of negative attitude on the number of coins is negatively significant, the effect of the number of following and different title clusters on the number of coins are not significant. The effects of time, number of following, number of bullet curtain, number of comments, number of retweets and positive attitude on the number of coins are positively significant, and the effects of different video types and user levels on the number of coins are significantly different. Seventh, for the comprehensive communication effect, the effects of time and negative attitude on the comprehensive communication effect is negatively significant, the effects of number of fans, number of bullet curtain, number of comments, number of retweets and positive attitude on the comprehensive communication effect are positively significant, and the effects of different video types and user levels on the comprehensive communication effect are significantly different, but the effects of number of following and different title clusters on the comprehensive communication effect are not significant. Eighth, the prediction of propagation effect using the Random Forest model is compared with the Decision Tree model. The Random Forest model is more accurate in predicting the effect of video communication. By using this model to predict the communication effect of a new sample, we can more accurately obtain the specific communication effect of a certain short form videos to Rural Aid, and then provide ideas and methodological support for the evaluation and prediction of the communication effect of short form videos in the future. Finally, five policy recommendations and specific measures are proposed in this study: content innovation, platform support, optimizing short form videos recommendations, improving operational strategies, and increasing government support. This study has the following limitations: There may be limitations in data selection due to the limitations of the platform, therefore, we expect subsequent studies to cover more platforms and a wider range of variables to accommodate a broader wider range of research subjects and future research on the development of short form videos to Rural Aid.

이번 연구는 농업 지원 숏폼 동영상 콘텐츠 생산에 따른 사회적 및 경제적 효과 등을 가져다 줄 것을 고려하여, 이를 바탕으로 소셜 플랫폼의 농업 지원 숏폼 동영상 커뮤니케이션 효과에 대해 빅데이터를 적용하여 연구를 수행하였다. 요약하자면, 내용 특성, 이용자 특성, 이용자 참여도, 감성적 태도 등과 관련된 요소를 구축함으로써 이러한 요소들이 농업 지원 숏폼 동영상 콘텐츠에 대한 영향을 고찰하고 커뮤니케이션 효과를 예측하여 농업 지원 숏폼 동영상 콘텐츠에 대한 영향력을 더욱 효과적으로 제고할 수 있도록 함이다. 이 연구는 중국 정부가 최근 수년간 창도해온 농촌진흥 촉진과 도시와 농촌의 소득격차 해소 등을 위한 이론과 실천적 토대를 마련하는 한편, 소비자가 농산물 구매의식을 높여 농업을 돕고 빈곤퇴치를 위한 현실적인 토대를 마련하기 위한 것이다.

이런 연구 목적을 위해 본문은 중국에서 가장 영향력 있고 화제성 있는 소셜 플랫폼인 Bilibili 플랫폼을 데이터 수집 목적으로 사용하고 있다. 우선 2019년 1월 1일부터 2021년 05월 30일까지 기간을 선정하여 키워드인 ‘농업 지원’, ‘농촌’, ‘향촌’ 등을 입력해 관련 영상을 검색한 후 데이터를 수집해 본문연구에 필요한 농업 지원 숏폼 동영상 콘텐츠 데이터집을 채취하였다. 그 후 채취한 데이터에 대한 노이즈 제거, 정리 등 표준화를 실시하였다. 다시 Python 어플리케이션을 통해 농업 지원 숏폼 동영상 콘텐츠의 제목에 대해 키워드를 추출하였고 , 농업 지원 숏폼 동영상 콘텐츠의 리뷰에 대해 감정 분석, 관련 변수 구축 및 설명하였으며 이를 바탕으로 T-test 검증, 분산분석, 회귀분석을 진행하였다. 마지막으로 랜덤 포레스트를 통해 농업 지원 동영상 콘텐츠의 커뮤니케이션 효과를 예측 및 분석하였고, 이를 기초로 과학성과 타당성을 겸비한 농업 지원 동영상 콘텐츠의 커뮤니케이션 효과를 높일 수 있는 정책을 제안한다.

본 연구의 연구결과를 요약하여 제시하면 다음과 같다. 첫 번째, 긍정적인 태도에 있어서 댓글 자막 수는 부정적인 영향을 미치고 플레이 시간, 팔로잉 수, 댓글 수와 리트윗 수에는 긍정적 영향을 미친다. 타이틀 군집, 동영상 유형, 이용자 등급에 따라 긍정적인 태도에 미치는 영향은 현저한 차이가 있다. 두 번째, 부정적인 태도의 경우, 플레이 시간, 팔로잉 수, 팔로워 수, 리트윗 수가 소극적인 태도에 대해 부 (-)의 영향이 뚜렷하고 댓글 자막 수와 댓글 수가 부정적인 태도에 대해 정 (+)의 영향이 뚜렷하다. 타이틀 군집, 동영상 유형, 이용자 등급에 따라 부정적인 태도에 미치는 영향은 현저한 차이가 있다. 세 번째, 콘텐츠 재생 량에 있어서 플레이 시간, 팔로잉 수, 팔로워 수가 콘텐츠 재생 량에 대한 영향은 부 (-)의 영향이 뚜렷하고 댓글 자막 수, 댓글 수, 리트윗 수, 긍정적 태도, 부정적 태도는 정 (+)의 영향이 뚜렷하다. 이용자 등급에 따라 재생 량에 미치는 영향은 현저한 차이가 있지만 타이틀 군집, 동영상 유형이 재생 량에 미치는 영향은 현저하지 못하다. 네 번째, '좋아요' 수의 경우 시간, 플레이 시간, 팔로잉 수에 따라 '좋아요' 수의 영향은 부 (-)의 영향이 뚜렷한 반면 팔로워 수, 댓글 자막 수, 리트윗 수, 긍정적인 태도, 부정적인 태도가 '좋아요' 수에 미치는 영향은 정 (+)의 영향이 뚜렷한 것으로 나타났다. 동영상 유형, 이용자 등급에 따라 '좋아요'의 영향은 현저하게 차이가 있지만, 서로 다른 타이틀 군집에 따라 '좋아요'의 영향은 현저하지 않다. 다섯 번째, 찜하기 수에 있어서 플레이 시간, 부정적 태도가 찜하기 수에 미치는 영향은 부 (-)의 영향이 뚜렷하고; 팔로잉 수, 팔로워 수, 댓글 자막 수, 댓글 수, 리트윗 수, 긍정적 태도 등은 찜하기 수에 미치는 영향은 정 (+)의 영향이 뚜렷한 것으로 나타났다. 서로 다른 동영상 유형, 이용자 등급, 타이틀 군집에 따라 찜하기 수에 미치는 영향은 현저한 차이가 있다. 여섯 번째, 코인 수에 대해 부정적인 태도가 코인 수에 미치는 영향은 부 (-)의 영향이 뚜렷하고 팔로잉 수 및 타이틀 군집은 코인 수에 미치는 영향은 현저하지 않다. 플레이 시간, 팔로워 수, 댓글 자막 수, 댓글 수, 리트윗 수, 긍정적인 태도 등은 코인 수에 미치는 영향은 정 (+)의 영향이 뚜렷한 것으로 나타났다. 또한 서로 다른 동영상 유형, 이용자 등급에 따라 코인 수에 대한 영향은 현저한 차이가 있다. 일곱 번째, 종합적 커뮤니케이션 효과에 있어서 플레이 시간, 부정적 태도는 종합적 커뮤니케이션 효과에 미치는 영향은 부 (-)의 영향이 뚜렷하고 팔로워 수, 댓글 자막 수, 댓글 수, 리트윗 수, 긍정적인 태도 등은 종합적 커뮤니케이션 효과에 미치는 영향은 정 (+)의 영향이 뚜렷한 것으로 나타났다. 서로 다른 동영상 유형, 이용자 등급에 따라 종합적 커뮤니케이션 효과에 미치는 영향은 현저한 차이가 있다. 그러나 팔로잉 수와 서로 다른 타이틀 군집이 종합적 커뮤니케이션 효과에 미치는 영향은 미미하다. 여덟 번째, 랜덤 포레스트 모델과 디시전 트리 모델을 사용하여 커뮤니케이션 효과를 예측하고 비교하였다. 랜덤 포레스트 모델을 이용한 동영상 커뮤니케이션 효과 예측이 더욱 정확하였다. 해당 모델을 이용하여 새로운 샘플의 커뮤니케이션 효과를 예측하면 보다 정확한 농업 지원 동영상의 구체적인 커뮤니케이션 효과를 얻을 수 있고, 나아가 향후의 숏폼 동영상 콘텐츠의 커뮤니케이션 효과에 대한 평가와 예측에 대하여 아이디어와 방법을 제공할 수 있다. 마지막으로, 본 연구에서는 내용 혁신, 플랫폼 지원, 숏폼 동영상 콘텐츠 추천 최적화, 운영 전략 개선, 정부 지원 확대 등 다섯 가지의 정책 건의와 구체적인 조치 방안으 제시하였다.본 연구는 다음과 같은 한계점를 가지고 있다. 플랫폼의 제약으로 인해 데이터 선택에 한계가 있을 수 있으므로, 후속 연구는 더 많은 플랫폼, 더 광범위한 변수를 포함하여 더 광범위한 연구 대상에 적용시키길 바라고 미래의 농업 지원 숏폼 동영상 콘텐츠 발전에 도움이 될 수 있기를 기대한다.