 |
2. 문헌 분석1) 개론매체 효과의 측정에 있어 중복률이 중요한 역할을 한다는 것이 밝혀지면서부터 이 분야에 대한 연구가 활발하게 진행되어 왔다 (Chandon,1976, Headen, et. al, 1979, Goodhart & Ehrenberg, 1969, etc). 중복률의 연구는 크게 두가지 방향에서 이루어져 왔는데 그 하나는 중복의 정도가 어느 정도 되는지 그리고 어떤 상황에서 중복률이 변화하는지를 파악하는 기술적인 연구들이요, 다른 하나는 여러 매체적인 특성을 바탕으로 중복률을 추정하는 모델 개발과 관련한 논문들이다. 중복의 정도를 파악하는 것은 중복률 연구의 선행 과제라 할 수 있다. 모델의 개발은 중복 행동의 파악이 전제되어야 하기 때문이다. 전술한 바와 같이 매체간 중복에 대한 정보는 수용자의 매체 노출 행태를 이해하는 단서가 되며, 이러한 정보를 바탕으로 매체 기획자는 보다 정확한 매체 효과에 대한 이해, 보다 합리적인 매체 기획의 근거를 제공받게 된다. 중복의 정도 파악은 단순히 중복률의 크기를 비교함으로서 가능한 것이 아니다. 중복률의 크기는 비히클 열독률의 크기에 따라 달라져 절대적인 비교가 불가능하기 때문이다. 예를 들어 시청률/열독률이 10%인 프로그램 A에 2회 노출시켰을 때의 중복률이 3%이며, 시청률/열독률이 3%인 프로그램 B에 2회 노출시켰을 때의 중복률이 2%라면, A의 비히클내 중복률이 B의 비히클내 중복률 보다 크지만 중복의 정도는 B가 더 크다고 볼 수 있다. 이렇듯 중복률의 분석은 분석되는 비히클의 크기에 따라 변하는 상대적인 수치를 분석하기 때문에 분석의 기준점이 필요하다. 대부분의 중복률 연구들은 무작위 (Randomness) 가정 수치를 기준점으로 삼고 중복의 정도를 파악해 왔다(Headen, et. al, 1979, Goodhart & Ehrenberg, 1969, etc). 무작위 가정 수치란 서로 다른 비히클을 보는 사건 혹은 동일 비히클을 반복해서 보는 사건을 독립적이라 보는 것인데, 수치는 분석되는 두개의 프로그램 시청률/열독률의 곱으로 얻어진다. 앞의 예에서 프로그램 A의 무작위 가정 수치는 1% (= .1*.1 )인데 반해, 프로그램 B의 무작위 가정 수치는 0.09%이다. 중복의 정도는 실제 중복률 수치가 무작위 가정 수치에 비해 어느 정도 높은지를 살펴 봄으로서 파악되게 되며, 실제 중복률을 무작위 가정 수치로 나눈 값을 중복 계수라 한다. 중복 계수는 모든 쌍의 실제 중복률의 합을 모든 쌍의 무작위 중복률의 합으로 나누어 계산을 하는 G-E의 중복 계수 (Goodhart & Ehrenberg, 1969)와 개별 비히클의 중복률을 각각 구한 후 평균값을 산출하는 H-K-R의 중복 계수가 있다 (Headen, et. al, 1979). G-E의 중복 계수는 중복률 연구에서 사용된 최초의 지수이며, 중복 계수를 따로 구해 평균할 경우 (H-K-R 계수) 시청률/열독률이 작아질수록 중복비율의 값이 커지는 현상을 어느 정도 통제할 수 있다는 장점이 있다. 반면 G-E의 방법은 각 쌍의 비율이 아닌 합의 비율이기 때문에 중복 계수 1이 반드시 무작위 현상을 의미하지 않는 단점이 있다.
2) 중복의 정도중복 계수를 바탕으로 중복의 정도를 파악하는 연구들은 60년대 말부터 미국을 중심으로 활발하게 진행되어 왔다. 지금까지 보고된 연구들을 살펴보면 대체로 실제 중복이 무작위 중복보다는 훨씬 더 큼을 주장하고 있다. 일례로 Goodahrdt & Ehrenberg(1969)는 TV를 중심으로 중복률을 분석한 결과 그 정도는 무작위 중복의 1 ~ 1.5 배라 보고 하였으며, 대홍기획 (1996)의 경우 1.5 ~ 4.7정도 되는 것으로 보고 하였다. 또한 Barwise & Ehrenberg (1988)의 경우 TV 프로그램의 반복시청은 첫 번째 주에 한 프로그램을 본 시청자 중 거의 절반 가량 혹은 그 이하의 사람들이 역시 두 번째 주에도 그 프로그램을 시청한다고 하였으며, 이러한 결과는 미국의 TV 시청자를 대상으로 분석에서도 일치된 결과를 보여주었다 (Headen, Klpmpmaker,& Rust, 1979). 실제 중복률이 무작위 중복 수치보다 한층 더 크다는 것은 잡지 수용자에게 있어서도 나타났는데 Boyd & Leckenby(1985)는 미국 잡지를 대상으로한 분석에서 중복의 정도는 1.86 ~ 6.42 정도 됨을 보고하였다.
3) 비히클간 중복률, 비히클내 중복률이들 연구들은 중복률이 무작위 수치보다 대단히 클 뿐아니라 상황에 따라 크게 달라짐을 보고하였는데, 중복 정도를 변화시키는 가장 중요한 변수는 동일 비히클 여부, 그리고 TV에 있어 동일 채널 여부였다. 동일 채널여부에 따른 중복률의 변화는 Goodahrdt & Ehrenberg(1969)와 대홍기획(1996)에 의해 밝혀졌는데 동일 채널의 경우 중복계수는 1.4~3.3, 다른 채널인 경우 중복계수는 1~1.5 정도 되는 것으로 보고하였다. 동일 비히클 여부와 관련하여서는 TV를 중심으로 분석한 대홍기획 (1996)의 경우 비히클내 중복계수는 4.74, 비히클간 중복계수는 1.60 임을 보고하였으며, 잡지를 중심으로 분석한 Boyd & Leckenby(1985)는 , 비히클내의 중복계수는 6.42, 비히클간의 중복계수는 1.86임을 보여주었다. 그리고 이러한 결과는 많은 다른 연구들에 의해서도 지지되었다 (Barwise & Ehrenberg, 1988, Headen, Klpmpmaker,& Rust, 1979, 등). 인쇄 매체의 중복 현상을 연구한 Jugenheim-er 등 (1992)은 인쇄 매체의 중복이 다른 매체들의 그것들에 비해 한층 높음을 보고하였으며, 그 이유로서 인쇄 매체는 특정 문제를 집중적으로 다루기 때문에 그 문제에 관심이 많은 사람들만 반복적으로 특정의 비히클을 보게 되기 때문이라고 주장하였다. 아무튼 중복의 정도는 전술한 바와 같이 매체마다, 나라마다 다르지만, 동일 비히클내의 중복계수는 비히클간의 중복계수보다 크며, 비히클내 중복계수가 1보다 훨씬 큰 값을 갖는다는 것은 일치된 결론이다.
4) 비히클 유형별 중복중복의 정도는 비히클 유형에 따라서도 크게 달라진다는 것이 지금까지 행해진 연구들의 대체적인 결론이다. TV에 있어 Headen, Klpmpmaker,& Rust(1979)는 미국 시청자들에 있어 가장 높은 반복 시청을 보이는 프로그램 유형은 시리즈 드라마이며, 가장 낮은 반복 시청을 보이는 유형이 코메디 라고 보고한 반면 우리나라의 대홍기획(1996)은 드라마 프로그램의 중복 정도가 가장 높고, 토크쇼나 어린이 프로그램이 다음이었으며, 코미디와 스포츠는 이러한 경향이 떨어지는 것으로 보고 하였다. 한편 Boyd & Leckenby(1985)는 잡지의 유형을 8가지로 분류한 후 중복계수를 비교한 결과, 경제지의 비히클간 중복률이 다른 잡지보다 월등히 높은 것으로 나타났으며, 시사지와 여성지를 읽는 수용자들은 동일한 유형내의 잡지뿐만 아니라, 다른 유형의 잡지를 읽는 경향이 낮은 것으로 나타났다. 그러나 잡지 수용자들을 대상으로 한 우리나라의 연구는 아직 발표된 것이 없었다.
5) 수용자 특성에 따른 중복의 정도중복률은 수용자들의 매체 이용행태를 다루는 주제이기 때문에 수용자의 특성에 따라 그 크기가 달라질 가능성이 있다. 적은 수의 연구들이 타겟에 따른 중복률을 어떻게 예측할 것인지를 살펴보았는데, 외국의 경우 Cannon(1983)은 잡지 중복률을 예측하는 과정에서 8개 표적 청중의 중복률을 바탕으로 분석을 한 후 표적 청중의 차이가 중복률의 차이를 내는 주요 변인 임을 밝혔다. 그러나 어떤 계층의 중복이 더 많은지에 대한 분석은 실시하지 않았다. 반면 우리나라의 경우 대홍 기획(1996)은 TV 프로그램 중복률의 정도를 표적청중에 따라 분석하였는데, 이 연구 역시 표적 수용자의 유형에 따른 중복 정도의 차이를 보고하였다. 예를 들어 스포츠 유형에서 남자가 동일 비히클간, 다른 비히클간 중복계수에 있어 각각 22.04와 7.86로 개인전체의 수치보다 월등히 높게 나타난 반면, 여자의 경우는 1.38과 0.75를 보였으며, 토크쇼 유형에서 다른 비히클간의 중복률은 성별 차이가 거의 없는 반면, 동일 비히클간 중복계수는 남자가 19.12로, 여자(5.87)보다 훨씬 높은 것으로 나타났다. 또한 동일 유형내의 비히클간 중복계수가 여성에 비해 남성이 높다는 사실에 근거하여, 남성들의 프로그램 충성도가 여성에 비해 높다는 것을 제시하고 있다. 비히클의 내용에 따라 수용자의 특성이 크게 달라지는 인쇄 매체의 경우 이러한 유형별 차이는 더욱 커질 것이며, 따라서 중복률 특성의 분석도 타겟에 따라 이루어져야 할 것이다.
6) 중복률 예측 모형중복률 연구의 또 다른 큰 흐름은 중복률 예측 모형과 관련한 것이다. 전술한 바와 같이 중복의 정도은 매체 효과 예측의 정확성에 대단히 중요한 영향을 미치며, 현재 활용하고 있는 대부분의 매체 효과 예측 모델들은 중복률 자료를 필요로 한다. 현재 미국의 경우 인쇄매체에 있어서는 중복률을 활용하는데 큰 문제가 없지만, TV의 경우 중복률 자료가 없기 때문에 정확한 매체 효과 예측이 어렵다. 그렇다고 중복률을 무작위 가정을 통해 구할 수도 없는데 무작위 가정을 통해 구한 중복률은 실제 중복률과 대단히 큰 차이를 보이기 때문이다 (Headen et al, 1979). 이러한 문제점을 극복하고자, 많은 매체 연구자들은 프로그램 특성 변수들을 바탕으로 중복률을 예측하는 모형을 개발하여, 여기에서 추정된 중복률을 활용하여 매체 효과를 예측하고 있다. 지금 까지 개발된 중복률 예측 모형으로는 Little & Lodish (1969)의 L-L 모델, Goodhardt & Ehrenberg (1969)의 G-E 모델, 그리고 Headen 등(1979)의 H-K-R 등이 있으며 이들의 정확도는 대략 1-7% 정도 되는 것으로 알려져 있다. |
 |
 |
 |
 |