[먼뮤] 관람객을 이해하는 새로운 접근 방식

2021. 10. 25.

[Vol. 4] 2021/10/25

👩🏻‍🎨 오늘의 전시는?

| 관람객을 이해하는 새로운 접근 방식 : 런던 뮤지엄의 트립어드바이저 리뷰

디지털 혁명은 여러 면에서 뮤지엄에 직간접적으로 영향을 주었는데요, 가장 큰 변화는 뮤지엄 관람객들이 인터넷에 남기는 리뷰의 증가입니다. 디지털 이전 시대의 뮤지엄 리뷰는 문화 기관을 보는 기준과 시각이 남다른 여행 작가 또는 기자와 같은 전문가들이 주로 작성했지만, 지금은 뮤지엄을 방문한 사람들 누구나 전시, 오디오 가이드, 보안 절차, 뮤지엄 내 식당 등 뮤지엄과 관련한 시시콜콜한 리뷰를 자유롭게 쓸 수 있습니다. 인터넷상에서 리뷰를 남길 수 있는 공간은 블로그, 유튜브, 인스타그램, 구글맵 등 많은데요. 오늘은 그중 ‘트립어드바이저’에 올라온 뮤지엄 리뷰를 활용하여 진행했던 한 프로젝트를 살펴보고자 합니다.

트립어드바이저(TripAdvisor) X 뮤지엄 리뷰

‘트립어드바이저’ 한 번쯤은 들어보셨죠?

트립어드바이저는 세계 최대 규모의 여행 플랫폼으로 호텔, 항공권, 크루즈 여행의 최저가를 한눈에 비교해서 볼 수 있을 뿐만 아니라 호텔, 관광지, 음식점 등 여행 관련 항목의 리뷰를 사용자들이 게시하는 곳인데요, 월평균 방문자 수가 4억 5,600만 명에 달하고, 전 세계 880만 개의 숙박시설, 항공, 관광명소 등 총 8억 7,800만 건 이상의 여행자 리뷰와 의견을 확인할 수 있어요.

그렇다면 어떻게 트립어드바이저의 뮤지엄 리뷰를 통해 관람객을 이해할 수 있다는 것일까요?

바로 데이터 분석 기술인 ‘토픽 모델링(Topic Modeling)’ 분석 방법을 활용하는 것입니다.

토픽 모델링은 대용량의 텍스트 데이터를 일반적으로 함께 나타나는 단어 그룹인 ‘토픽(주제)’을 발견하는 방식으로 아이디어를 창출💡하는데 유용한 탐구 기법이에요. 전체 데이터에서 일정한 패턴을 발견해 내는 알고리즘 기반 텍스트 마이닝(Text Mining)의 한 형태로 볼 수 있습니다.

아래 사진과 같이 텍스트 데이터에 담긴 다양한 키워드를 기반으로 데이터 정제 과정(구두점, 사용빈도 낮은 단어 제거, 불용어(stopword) 등)을 거쳐 상관관계가 있는 단어를 추출하여 토픽을 분류해 주는 것이죠.

뮤지엄을 연구하는 많은 학자들은 이미 트립어드바이저 리뷰를 관람객 경험을 이해하는 데 사용하고 있어요.

Ramírez-Gutiérrez의 스페인 미술관, 하우스 뮤지엄, 문화 유적지에 대한 198개의 리뷰를 비교분석하여 관람객의 관광 경험을 폭넓게 살펴본 연구, Su, Yaohua and Teng의 다양한 국가의 15개 뮤지엄에 대한 301개의 부정적인 리뷰를 분석한 뮤지엄 서비스 실패 사례 연구 등은 트립어드바이저의 데이터 소스의 유용성을 보여주고 있습니다. 🧐

트립어드바이저 리뷰를 어떻게 토픽 모델링하는지 한번 살펴볼까요? 👀

일단 토픽 모델링의 대상으로 런던의 총 88개 뮤지엄을 선정하였고, 22,940개의 리뷰를 모아 데이터 셋에 넣어 단어들을 주제별로 묶는 리뷰 ‘정리’를 합니다. 예를 들면 ‘즐겁다’, ‘신나!’, ‘재밌게’와 같은 동의어를 한 단어 ‘즐거운’으로 축소하는 것이죠.
컴퓨터는 많은 양(ex: 거의 23,000개의 리뷰에 포함된 단어)의 정보를 범주화할 수 있다는 장점도 있지만, 내용의 의미를 이해하지 못한다는 단점도 있는데요요. 반면, 사람은 이렇게 많은 양의 정보를 빠르게 처리할 수 없으나 컴퓨터로 1차 분류된 것에서 공통된 의미나 일관된 패턴을 구분할 수 있습니다. 이러한 장점을 결합함으로써 데이터를 구성하는 의미 있는 정보를 추출할 수 있는 것이에요.

이런 과정을 통해 위와 같이 데이터를 해석하는 데 적합한 19개의 토픽이 나왔어요. 왼쪽 열에는 토픽 이름이 있고, 중간 열에는 토픽과 관련된 키워드가 표시되고, 오른쪽 열에는 해당 토픽이 나타나는 리뷰 비율이에요. 앞서 언급한 바와 같이 컴퓨터로 1차적으로 키워드가 분류가 되면 리뷰에 대한 이해와 함께 그 키워드를 기반으로 토픽 이름을 정한 것이죠.

그렇다면 관람객 경험에 대한 평가와 해당 토픽 간의 관련성은 어떻게 측정할 수 있을까요? 그건 트립어드바이저의 리뷰어가 매긴 별점과 리뷰의 주제와 비교를 통해 알 수 있습니다. 🤓

아래의 그래프는 각 별점 순위와 토픽의 상대적인 연관성을 보여줍니다. 왼쪽으로 갈수록 토픽들이 높은 별점 순위와 연관성 더 강하다는 것을 알 수 있어요. 트립어드바이저에서 대부분의 뮤지엄에 대한 리뷰는 긍정적이며, 데이터 셋의 리뷰 중 약 64%가 별 5개를 받았고, 반대로 2% 미만의 리뷰가 별 1개를 받았습니다. 이는 대부분의 토픽이 위의 그래프 왼쪽에 위치하고 있는 이유예요.

토픽 모델링 분석에 따르면 추출된 19개의 토픽들은 위의 그래프와 같이 사분면으로 나뉠 수 있어요.

✔️ 대부분의 2사분면에서는 ‘영감을 주는’, '전시', '더 오래(머무르고 싶은)', 'Poppies(런던 타워 애칭)', '요청', '시간', '직원', '호위병', '유행'이라는 주제를 포함하는 리뷰가 별 5개와 강한 연관성을 가지고 있습니다. 이 토픽은 뮤지엄의 활동, 전시 또는 경험에 대한 긍정적인 평가에 관한 것인데요, 이러한 토픽과 별점 5개 리뷰와의 연관성은 런던 뮤지엄들이 좋은 운영 방향을 가지고 있다는 것을 시사합니다.

✔️ 이어 3사분면에는 ‘아이들’, ‘위치’, ‘식사’, '놀라운'이 나열되어 있어요. 이는 긍정적인 리뷰와도 관련이 있지만, 방금 이야기 한 긍정적 평가 토픽보다는 조금 덜하죠? 🤔 3사분면의 토픽은 뮤지엄의 문화적인 특징(상설전시, 특별전시, 영감을 주는, 더 오래 머무르고 싶은 등에 대한 평가)보다는 부수적인 측면(대중교통 접근성, 식사 메뉴, 아이들도 가기 좋은지 등에 대한 평가)을 담고 있지만, 뮤지엄 방문 평가에 긍정적인 영향을 줄 중요한 측면들을 묘사하고 있습니다.
✔️ 그다음 4사분면에는 ‘비용’, ‘대기줄’, ‘일찍’ 등이 있어요. 이 토픽들은 중간 순위의 리뷰이고 ✔️ 네 번째 1사분면은 ‘혼란스러운’, '어려운', '화장실'이 포함됩니다. 이 두개의 사분면 토픽은 리뷰어가 가격에 민감하고, 뮤지엄이나 전시회에 들어가기 위해 기다리는 것을 선호하지 않을 것임을 의미합니다. 이는 ‘어려운’과 ‘혼란스러운’은 부정적인 평가와 관련이 있는 토픽이기 때문에 비록 소수의 리뷰어만이 별 1개를 평가했더라도 리뷰의 21%는 ‘혼란스러운’ 토픽을 포함하고 있어 전체적인 평점을 낮출 수도 있다는 것이죠.

뮤지엄 관람객 연구의 새로운 솔루션 💡

온라인 플랫폼의 리뷰들은 뮤지엄이 관여하지 않고 관람객이 자유롭게 자신의 경험을 남길 수 있는 공간으로 뮤지엄에 대한 문제를 제안할 수도 있어요. 이는 뮤지엄이 뮤지엄 경험에 대한 관람객의 개념을 이해하고 이를 활용하여 관람객의 경험을 향상시킬 수 있는 기회를 제공하기도 합니다.
트립어드바이저의 뮤지엄별 세부 피드백은 넓은 분야에서 매우 유용할 수 있어요. 뮤지엄이 관람객 연구 데이터에 이처럼 광범위하고 직접적인 비용 없이 접근할 수 있었던 적은 없었거든요. 물론 뮤지엄은 이 한 번의 리뷰에 기초하여 변화를 고려해서는 안 되겠죠? 한번의 관람으론 알 수 없는 뮤지엄의 재정적 상황이나 장기적 방향성 등도 고려해야하니깐요! 😉 리뷰를 통해 얻은 인사이트를 뮤지엄의 현상황에 맞게 조율하고 발전시키기 위한 고민이 중요해진 이유예요.

한정된 자원을 활용하여 뮤지엄 운영과 연구의 효율을 높이는 것은 뮤지엄의 중요한 과제예요. 이때, 트립어드바이저 등 다양한 온라인 플랫폼을 통해 수집한 관람객의 리뷰 데이터는 낮은 비용으로 손쉽게 획득할 수 있을 뿐만 아니라 여러 영역에 활용될 수 있는 무한한 가능성을 갖고 있죠.

이러한 분석 방식은 현재로서는 데이터 분석 기술이 필요해서 일반 뮤지엄에서는 접근이 어렵겠지만, 향후 몇 년 안으로 모든 뮤지엄에서 클릭 한 번으로 데이터 집약이 가능한 기술을 이용하는 것이 가능할 것으로 기대해 봅니다. 😎

REFERENCES

・ Alexander, V. D., Blank, G., & Hale, S. A. (2018). TripAdvisor reviews of London museums: A new approach to understanding visitors. Museum International, 70(1-2), 154-165.