관계 사건 모델을 이용한 작성 주체 별 온라인 후기 영향력 비교 분석

국문 초록 (Abstract)

소셜 미디어 이용이 활발해지며 온라인 후기가 의사결정에 끼치는 영향이 점차 커지고 있다. 이용자들은 자유롭게 후기를 작성하여 대상을 평가하고 서로의 후기를 참고하며 의사결정을 내린다는 점에서 온라인 후기는 이용자들 간의 의사소통의 장으로 기능한다. 따라서 여러 기간에 걸쳐 작성된 후기는 이용자들의 평가와 식당의 인기가 변하는 모습을 관찰할 수 있는 매체이다. 이에 본 연구는 온라인 후기의 재생산 측면에서 후기의 영향력을 평가하고 이용자와 식당의 유형에 따른 반응을 비교 분석하였다.
본 연구는 2008년부터 2019년까지 미국의 온라인 후기 전문 사이트 Yelp.com에 작성된 후기로 네트워크를 구성하였다. Butts (2008) 가 제안한 관계사건모델(Relational Event Model, REM) 로 후기가 이용자에게 받아들여지고 또다른 후기가 작성되는 순환 과정을 연속적으로 관찰하고, 각 네트워크 구성원에 따른 후기의 영향력을 분석하였다. 한편 Yelp에서는 모든 이용자가 온라인 후기를 작성할 수 있지만 일부 검증된 이용자에게 엘리트 칭호를 부여하여 더 주목받도록 한다. 이에 본 연구는 일련의 후기 재생산 과정에 작성자가 일반 이용자인지 엘리트 이용자인지 이용자의 유형에 따라 기여하는 정도의 차이와 작성된 식당의 운영 기간에 따른 영향력을 비교하였다. 그 결과 후기 개수가 많을 수록, 평균 평점이 높을 수록, 일반 이용자의 후기 수 대비 엘리트 이용자 후기 수가 상대적으로 적을 수록 새로운 후기가 등장하는 데에 긍정적인 영향을 끼치며 오래된 식당과 개업 초기 식당에 따라 다르게 반응하는 사실을 발견하였다.
본 논문은 세 가지 연구 기여를 하였다. 첫째로, 실제 온라인 후기 데이터를 네트워크 형태로 재구성하여 네트워크 분석을 시도하였다. 둘째, 기존의 행위자 중심의 질적 연구에서 벗어나 REM으로 종단 분석을 시도하였다. 마지막으로 이용자를 엘리트 이용자와 일반 이용자 집단으로 나누고 식당 역시 오래된 식당과 .개업 초기 식당으로 나누어 두 집단 간의 영향을 비교 분석하였다.

다국어 초록 (Multilingual Abstract)

Online reviews can be seen as a social network where users share thoughts, given that they can freely write reviews and refer to each other's reviews to make a decision. This study constructs the reviewer-restaurant bipartite network and observed changes in users' evaluation and restaurant popularity to analyze dependency between review events. The reviews on Yelp.com over the past twelve years are transformed into a bipartite network consisting of two sets of nodes: reviewers and restaurants. When a consumer leaves a review on a restaurant, an edge is created between the reviewer and the restaurant. As new reviews, reviewers, and restaurants appear, the network evolves. With the Relational Event Model (REM) proposed by Butts (2008), this study evaluates the influence of reviews in terms of reproduction of reviews and compares them according to different types of reviewers and restaurants.
First, we observe the cyclical process in which users accept reviews and rewrite reviews. Then we analyze the bipartite review network through the relational event model (REM) and distinguish the effect of the target network's previous activity on a future, new review event. In particular, REM is used to estimate the probability of an edge creation -a new review occurrence - between a reviewer node and a restaurant node, reflecting past network structures.
On the other hand, Yelp allows all users to write online reviews and certifies users as elite. We compare the difference in the degree of contribution in a series of review-reproduction processes, depending on the type of user and the restaurant's operational period. As a result, the analysis reconfirms that the restaurant which previously had more reviews and the higher average rating is expected to be reviewed again in the next period at a relatively higher rate. Likewise, an elite user's review and evaluation significantly affect the restaurant's likelihood of being reviewed again. Furthermore, if a restaurant has fewer elite user reviews than the overall reviews, more reviewers are likely to review again in that restaurant. Such a tendency to follow elite users and write an additional review becomes more prominent in restaurants in an early stage.
This paper makes three research contributions. First, we enabled the network analysis by reconstructing a bipartite reviewer-restaurant network from real-world online review data. Second, we initiated to analyze networks with REM, deviating from traditional actor-oriented qualitative studies. Lastly, we differentiated restaurants and users into different categories and compared the response.