OTT K-콘텐츠의 해외 흥행 예측: 머신러닝과 SHAP 분석을 활용하여

Predicting Oversea Success of K-Content on OTT Platforms: Based on Machine Learning and SHAP Analysis

K-드라마를 포함한 K-콘텐츠가 세계 시장에서 큰 주목을 받고 있다. 본 연구는 OTT 플랫폼에서 K-드라마 콘텐츠의 해외 흥행 여부를 예측하고 흥행 요인을 분석하는 것을 목표로 한다. 이를 위하여 본 연구에서는 먼저 캐글, Flixpatrol, 네이버, Prettyscale, 인스타그램 등 다섯 개의 출처로부터 해외에서 방영된 K-드라마에 대한 다양한 정보를 수집하였다. 그 중 순위 정보를 파악할 수 있는 279건의 드라마를 대상으로 Random Forest, XGBoost와 CatBoost 등 세 종류의 머신러닝 알고리즘을 활용하여 흥행 예측 모델을 구축하였다. 이에 더불어, 해외국가 전체를 대상으로 하는 모델 뿐 아니라 문화적 차이를 고려하여 영어권 국가들과 비영어권 국가들로 나누어 총 세 가지 유형의 모델을 개발하였다. 변수 중요도 및 SHAP 분석을 통하여 흥행 요인을 분석한 결과, 특정 장르, 배우의 외모, 드라마 공개 시기 등의 변수에서 영어권과 비영어권 시장 간 중요도 차이가 존재함을 확인할 수 있었다. 본 연구의 결과는 K-콘텐츠 제작사와 OTT 플랫폼이 시장별 맞춤형 전략을 수립하고, 글로벌 시장에서의 성공 가능성을 높이는 데 유용한 시사점을 제공한다.

K-content, including K-dramas, has been receiving significant global attention in recent years. This study aims to predict the overseas success of K-dramas on OTT platforms and to identify the key factors contributing to their popularity. To achieve this, data on K-dramas aired abroad were collected from five sources: Kaggle, FlixPatrol, Naver, Prettyscale, and Instagram. Among them, 279 dramas with available ranking information were selected to build prediction models using three machine learning algorithms: Random Forest, XGBoost, and CatBoost. In addition to constructing a model targeting the global market, we developed two more models by segmenting the data into English-speaking and non-English-speaking countries, considering cultural differences. Through feature importance and SHAP analysis, we found notable differences in key factors—such as genre preferences, actors’ appearance, and release timing—between the English-speaking and non-English-speaking markets. The findings of this study offer valuable insights for K-content producers and OTT platforms in formulating market-specific strategies and enhancing their chances of success in the global content market.