*Corresponding author: Esther Choi Tel : +82-31-870-3441 E-mail : I. 서 론
현대사회에서 메이크업은 여성뿐만 아니라 남성에게도 자신의 이미지를 표현하고 개성을 강조하는 수단으로 활용되고 있다. 메이크업 트렌드는 시대와 문화, 사회적 분위기, 예술사조, 미디어, 패션스타일 등 다양한 요인에 영향을 받으며 변화하고 있다. 이러한 메이크업 트렌드는 현재와 가까운 미래에 형성될 트렌드의 바탕이 되며, 사회문화의 변화와 상호작용하는 메이크업의 연관성을 규명하는 데 중요한 역할을 한다(Shon, 2022). 또한 메이크업 트렌드는 소비자의 편의성과 개성을 충족시키는 제품과 기술을 발전시키는 데 기여하며, 뷰티산업을 발전시키고 시장을 확대하는 데 도움이 된다.
이렇듯 메이크업 트렌드를 분석하고 예측하는 것은 소비자의 니즈를 충족시키고 뷰티산업의 경쟁력을 높이는 데 도움이 된다. 그러나 메이크업 트렌드를 분석하는 기존의 연구는 대부분 전문가의 주관적인 판단이나 통계적인 방법에 의존하고, 시간과 비용이 많이 요구되며, 정확도와 신뢰도가 떨어질 수 있다. 또한, 사용자의 의견이나 반응을 충분히 반영하지 못하며, 새로운 트렌드를 빠르게 파악하고 대응하는 데 한계가 있다(Choi et al., 2022; Seo et al., 2022). 이에 비해 비정형 빅데이터를 활용한 트렌드 연구는 인터넷이나 SNS 등에서 사용자들이 공유하고 상호작용하는 방대한 양의 데이터를 수집하고 분석하는 방법이다. 이러한 방법은 사용자의 생각과 행동을 직접적으로 반영하고, 여러 측면과 관점에서 트렌드를 파악하고 예측할 수 있다. 뿐만 아니라 빅데이터 분석 기술을 활용하면 시간과 비용을 절약하고, 정확도와 신뢰도를 높일 수 있다. 따라서 비정형 빅데이터를 활용한 트렌드 연구는 뷰티산업의 성장과 발전에 기여할 수 있는 새로운 접근 방법으로 주목을 받고 있다. 하지만 비정형 빅데이터를 활용한 메이크업 트렌드 연구는 제한적으로 나타나고 있으며, 활용 방법도 한정적이다. 따라서 뷰티 산업의 특성과 요구에 맞는 데이터의 수집, 분석, 활용 등의 전 과정에 걸쳐 보다 체계적이고 효율적인 방법을 개발하고 적용할 필요가 있다.
이에 본 연구는 텍스트 마이닝, 의미연결망 분석, 동시출현 키워드분석 등의 비정형 빅데이터 분석기법을 적용하여 최근 10년간의 메이크업 키워드 변화를 중심으로 메이크업 트렌드 연구를 수행하였다. 이를 통해 메이크업 트렌드의 특징과 흐름을 다양한 차원과 각도에서 파악하고 예측하여, 메이크업 트렌드의 현재 상황과 미래 전망을 제시하고자 한다. 또한, 메이크업 트렌드의 변화에 영향을 미치는 요인들을 도출하고, 이를 바탕으로 뷰티산업의 발전 방향과 전략을 제안하는 데 기여하고자 한다. 본 연구의 결과는 뷰티산업의 성장과 발전을 위한 중요한 기초자료가 될 수 있으며, 메이크업 트렌드에 관심이 있는 소비자들에게도 유용한 정보를 제공할 수 있을 것이다.
II. 이론적 배경
1. 빅데이터(Big Data)의 개념
디지털 시대의 도래로 산업환경이 변화하고 있으며, 이러한 디지털 환경 속에서 많은 양의 데이터들이 끊임없이 생성되고 있다. 이러한 데이터들은 인터넷, 스마트기기, 사물인터넷, 소셜미디어 등 다양한 출처와 형태로 존재하며, 기존의 데이터베이스 관리 도구의 처리 범위를 넘어서는 대규모 정보 집합체를 빅데이터(Big Data)라고 한다(Adrian, 2011; Cho, 2022). 빅데이터는 데이터의 크기와 저장·관리·분석과 같은 기술적인 측면에서 시작했으나 빅데이터의 가치와 활용 가능성에서 의미가 확장되고 있다. 빅데이터는 정형(Structured), 반정형(Semi-Structured), 비정형(Un-Structured) 데이터로 나눌 수 있으며, 이 중 정형 데이터는 일정한 규칙을 갖고 체계적으로 정리된 정량적인 데이터를 말한다. 반면에 비정형 데이터란 고정된 형식이 없는 텍스트, 이미지, 비디오, 오디오 등과 같은 데이터를 의미한다. 비정형 빅데이터는 구조화되어 있지 않기 때문에 기존의 데이터 처리 방식으로는 분석하기 어렵고, 새로운 분석 기법과 방법이 필요하다(Baek, 2013). 빅데이터는 크기(Volume), 속도(Velocity), 다양성(Variety), 정확성(Varacity), 가치(Value) 등의 특징을 가지고 있으며, 사회, 경제, 과학, 문화, 예술 등 다양한 분야에서 사용된다. 빅데이터는 인터넷과 모바일의 확산, 클라우드 서비스의 발전에 기여했을 뿐만 아니라, 최근 주목받는 인공지능(AI)과 함께 혁신적인 가치를 창출하고 있다.
특히, 웹사이트에서 제공되는 데이터를 수집하거나 추출하여 데이터화하는 방법은 조직과 개인이 시간과 장소에 관계없이 생성하는 비정형 데이터의 양을 보다 빠르게 증가시키고 축적하는 계기가 되었다. 온라인 커뮤니케이션 활용이 증가되고 있는 상황에서 인터넷에서 제공되는 데이터를 활용한 비정형 빅데이터 분석은 많은 장점을 가지고 있다. 먼저, 사회적, 경제적, 정치적, 문화적 등 다양한 이슈와 관련된 공공의 의견을 반영하고 있기 때문에, 현재의 사회적 흐름과 이슈에 대한 인식과 태도를 파악하고, 미래의 변화와 트렌드를 예측하는 데 도움이 될 수 있다. 또한, 이러한 데이터는 개인의 취향, 성향, 관심사, 행동 패턴 등을 나타내고 있어 고객의 니즈를 이해하고, 맞춤형 서비스와 제품을 개발하며, 효과적인 마케팅 전략을 수립하는 데 유용할 수 있다. 더불어, 실시간으로 데이터 업데이트되고, 다양한 형태와 채널로 제공되고 있기 때문에 신속하고 정확하게 정보를 수집하고, 다각도로 정보를 분석하며 차별화된 정보를 제공하는 데 효과적일 수 있다. 이에 본 연구에서 뉴스, 블로그 및 카페 데이터를 활용한 데이터 분석을 수행하여 국내 메이크업의 트렌드 변화를 확인하였다.
2. 비정형 빅데이터 분석방법
1) 텍스트마이닝(Text Mining)
텍스트마이닝은 비정형화된 데이터에 자연어 처리(NLP) 기술 및 문서처리 기술을 적용하여 텍스트의 구조를 정형화하고, 텍스트텍 안에 숨어있는 패턴이나 유용한 지식정보를 파악하는 빅데이터 분석 기법 중 하나이다(Park, 2020). 즉, 스트마이닝은 방대한 양의 텍스트를 기반으로 의미있는 자료를 추출하고, 다양한 정보와 연결하여 분석함으로써, 텍스트가 가지고 있는 범주를 찾아낸다. 그 결과를 통해 의사결정을 하거나 미래를 예측함으로써, 예상하지 못한 현상 및 패턴, 새로운 관계 및 법칙 등을 알아내는 방법이다. 텍스트마이닝 기법은 과거에는 자동 기계 학습과 통계 방법이 주로 쓰였으나, 현재에는 빅데이터 분석의 여러 기술을 활용하여 데이터 마이닝, 기계학습, 자연어 처리, 정보검색, 지식경영 등을 통합적으로 접근하는 방식으로 발전하고 있다(Chakraborty et al., 2013). 이러한 텍스트마이닝 기법은 다양한 분야에서 활용되고 있다. 예를 들어, 고객의 의견이나 감정을 파악하기 위해 온라인 리뷰나 SNS 게시글을 분석하거나, 뉴스나 논문과 같은 대량의 문서에서 주제나 키워드를 추출하거나, 특정 분야의 전문 용어나 지식을 구축하거나, 텍스트의 저자나 출처를 식별하거나, 텍스트의 요약이나 번역을 수행하는 등의 작업을 할 수 있다. 텍스트마이닝은 텍스트 데이터의 가치를 높이고, 새로운 지식을 발견하고, 의사결정을 지원하는 데 많은 도움이 될 수 있다.
2) 의미연결망 분석(Semantic Network Analysis, SNA)
의미연결망 분석은 사회과학분야에서 쓰이는 사회연결망 분석을 기반으로 한 것이다. 이 기법은 텍스트에서 단어의 관계를 도출하기 위해 키워드연결망 분석, 키워드네트워크 분석, 언어네트워크 분석, 동시출현네트워크 분석 등 여러 이름으로 불리고 있다(Hwang & Hwang, 2018). 의미연결망 분석은 텍스트에서 자동적으로 단어를 추출하고, 단어들의 빈도와 동시출현 연결관계를 분석하여, 텍스트에 내재된 의미 구조를 도출하는 방법이다. 이 분석 기법은 메시지의 전체적인 내용에서 단어들이 어떤 패턴으로 구조와 의미를 형성하고, 어떤 관계를 맺고 있는지 의미적으로 파악하기 위해 사용된다. 텍스트에 내재된 상징이나 개념들을 노드(Node)로, 그들 사이의 연결상태를 링크(Link)로 표현하여, 단어들의 공동 출현 관계를 통해 의미구조와 맥락을 파악한다. 의미연결망 분석은 텍스트에 잠재되어있는 변화의 추이나 트렌드 분석 등을 수행하는데 유용하게 쓰이고 있으며, 텍스트에서 단어들의 패턴을 추출하여 시각화할 수 있어서 결과를 이해하기 쉽고 직관적으로 나타낼 수 있다(Wasserman & Faust, 1994; Lee, 2014; Choi & Kim, 2019; Hwang & Kim, 2019). 이러한 의미연결망 분석은 온라인 텍스트 데이터를 분석하여 사회적 이슈나 트렌드, 여론 등을 파악하고, 전문적 텍스트 데이터를 분석하여 지식구조나 핵심개념, 연구동향 등을 이해할 수 있으며, 고객 텍스트 데이터를 분석하여 고객의 요구나 가치, 성향, 행동방식을 파악하는 등 다양한 분야에서 활용되고 있다.
3. 빅데이터 분석을 활용한 뷰티 관련 연구 동향
빅데이터 분석은 인터넷과 SNS 등에서 사용자들이 소통하고 공유하는 방대한 양의 데이터를 수집하고 분석하는 방법이다. 이러한 방법은 메이크업 트렌드의 특징과 패턴을 도출하고, 사용자의 요구와 선호도를 파악하고, 새로운 트렌드를 발견하고 예측하는 데 도움이 된다. 뷰티산업 분야에서도 빅데이터를 활용한 트렌드 분석 및 다양한 연구들이 증가하고 있으며, 연구 동향을 살펴보면, Choi et al.(2022)은 비정형 빅데이터 분석을 통해 한국의 뷰티산업 최신 트렌드를 분석하였다. 그 결과, K-뷰티 관련 트렌드, K-뷰티 산업의 주요 구성요소, 판로 등을 확인할 수 있었고, K-뷰티의 글로벌 시장 진출을 위한 의미 있는 시사점을 제시하였다. Song(2019)은 빅데이터를 활용하여 개인별 사용자의 성향과 뷰티 트렌드를 분석하고 상품 신뢰도를 평가하여 맞춤형 뷰티 상품을 추천 및 검색할 수 있는 시스템을 설계하고 구현하였다. An(2023)은 네이버 데이터랩의 빅데이터를 활용하여 최근 헤어 및 뷰티 트렌드를 분석하였고, Na(2022)는 빅데이터 분석을 통해 미용 및 뷰티 관련 학술지의 논문 제목과 국문 초록을, 그리고 네이버 뉴스의 웹크롤링을 활용하여 미용 및 뷰티 분야의 시대적 연구 동향을 파악하였다. Moon(2019)은 네이버, 다음, 구글, 유튜브에서 얻은 텍스트 형태의 빅데이터를 활용하여 헤어미용분야 패러다임 변화를 연구하였고, Lim & Shin(2021)은 코로나19로 인한 화장품 트렌드의 변화를 파악하기 위해 빅데이터 분석을 활용하여 변화된 소비 환경에 대응하는 화장품 시장의 동향을 조사하였다. Lee et al.(2022)은 코로나19 발병 전·후 사람들의 헤어스타일에 대한 트렌드를 파악하기 위해 비정형 빅데이터 분석을 수행하여 헤어스타일에 대한 미래의 방향성을 제시하였고, Kim(2022)은 화장품 시장에서 중요 채널로 성장하고 있는 온라인 화장품 시장에 대한 변화의 흐름, 트렌드를 파악하고자 빅데이터 분석을 실시하였다.
III. 내용 및 방법
1. 연구문제
본 연구는 2013년도부터 2022년까지 국내 메이크업의 트렌드 변화를 확인하기 위해 다음, 네이버, 구글과 같은 온라인 커뮤니케이션 활용이 증가되고 있는 상황에서 뉴스, 블로그 및 카페 데이터를 활용한 빅데이터 분석을 수행하였다. 이를 통해 향후 메이크업의 트렌드 예측 및 최적화된 추천 시스템을 개발하고자 다음과 같이 연구문제를 설정하였다.
연구문제 1: 메이크업 트렌드와 관련하여 2개년씩 총 10년간의 키워드의 빈도 및 네트워크의 변화는 어떠한가?
연구문제 2: 의미연결망분석을 통해 키워드 간 연결중심성 및 위세중심성 지수의 변화는 어떠한가?
연구문제 3: 최근 10년간 메이크업에 대한 고객 니즈의 변화는 어떠한가?
2. 데이터 수집
본 연구의 텍스트마이닝을 위한 데이터 수집 기간은 2013년 1월부터 2022년 12월까지의 총 10년으로 설정하였고, 키워드 추이를 확인하기 위해 2년씩 5회에 걸쳐 나누어 연구를 진행하였다. 그리고 메이크업 트렌드 추이 변화를 확인하기 위한 공간적 범위는 포털 사이트인 네이버, 다음 미 및 구글의 뉴스, 블로그, 카페로 한정하였다. 메이크업 트렌드의 특성상 포털사이트의 블로그나 카페의 접근성이 다양하게 이루어지고 있기 때문에 기존의 뉴스에 블로그 및 카페를 포함시키는 것이 의미가 있다고 할 수 있다.
한편, 메이크업 트렌드의 유의미한 키워드를 도출하기 위한 핵심 키워드로 ‘메이크업+트렌드’를 제시하였고, 의미연결망 분석을 수행하기 위해 비정형 빅데이터 분석을 효과적으로 수행할 수 있는 프로그램인 텍스톰을 활용하였다. 텍스톰은 수많은 비정형 데이터로부터 유의미한 키워드를 수집하는 텍스트마이닝 기법을 활용함으로써 빈도 및 의미연결망를 통한 중심성 분석을 수행하는데 있어 매우 유용한 정보수집 및 분석도구라 할 수 있다(Park & Leydesdorff, 2004).
3. 분석방법
최근 10년간의 메이크업 트렌드를 확인하기 위해 다음과 같이 비정형 데이터를 활용한 빅데이터 분석을 수행하고자 한다. 먼저, 구글트렌드 및 네이버 트렌드를 통해 최근 10년간 메이크업 트렌드 변화를 확인하였다. 그리고 비정형 빅데이터 수집에 널리 사용되고 있는 텍스톰(Textom)을 활용하였고, 수집 키워드로 ‘메이크업+트렌드’를 설정하였다. 데이터 수집채널은 주요 포털사이트인 다음, 네이버 및 구글의 뉴스, 카페 및 블로그를 활용하였다. 둘째, 메이크업 트렌드 변화에 최적화된 키워드 확인을 위해 정제 및 형태소 분석을 수행하였고, 유사한 키워드 중복으로 인한 영향력을 최소화시키기 위해 URL 기반 중복제거를 수행하였다. 또한 한국어 키워드에 효과적인 분석을 위한 형태소 모듈로 MeCab을 생성하였고, 이는 일관적인 결과를 도출할 수 있다. 셋째, 키워드 빈도 및 매트릭스 파일을 UCINET 프로그램에 적용시켜 연결중심성 및 위세 중심성 결과를 생성하였다(Song et al., 2014). 중심성 분석의 경우, 일반적으로 연결, 근접 및 매개 중심성 분석을 수행하지만, 본 연구는 키워드 간 방향성을 제시하지 않고 있기 때문에 연결 및 위세중심성 분석만을 수행하였다(Kwon et al., 2018). 연결중심성은 노드 간 연결 횟수를 뜻하는 것으로, 횟수가 많을수록 타노드 간 영향력이 증가된다(Bogartti & Halgin, 2011). 위세중심성은 노드 간의 연결성에 가중치를 투입하여 결과를 도출한다(Jeong & Kim, 2013). 또한 연결관계를 확인하기 위해 QAP 상관분석을 수행한다. 마지막으로, 메이크업 트렌드 키워드 간 관계성을 확인하고자 동시출현 네트워크 분석결과를 확인하고자 한다.
IV. 결과 및 고찰
1. 텍스트마이닝 빈도분석 결과
메이크업 트렌드와 관련한 키워드 수집을 위한 텍스트마이닝 수행결과, 상위 키워드 40개를 각 시기별로 Table 1과 같이 제시하였다. 2013년~2014년은 디지털기기, 뷰티트렌드, 뷰티화보, 웨딩메이크업, 소셜커머스, 헤어스타일, 티저영상 순, 2015년~2016년은 뷰티트렌드, 하이컷(패션·뷰티 매거진), 영상공개, 뷰티화보, 화장품브랜드, 인스타그램, 헤어스타일 순, 2017년~2018년은 디지털체험, 뷰티앱, 뷰티브랜드, 메이크업 제품, 아티스트, 화보공개, 체험 순, 2019년~2020년은 메이크업트렌드, 뷰티브랜드, 화보공개, 브랜드, 제품, 에코버블, 헤어메이크업 순, 2021년~2022년은 디지털헬스케어, 뷰티, 브랜드, 메이크업제품, 선도기업, 헤어컬러, 기술혁신 등의 순으로 제시되고 있다. 이들 키워드는 최근 10년간 메이크업 트랜드가 어떻게 변화해 왔는지를 보여주는 지표이기도 하다. 특히, 디지털과 관련된 키워드들이 메이크업 키워드 변화 분석에서 상위에 나타났다는 점이 주목할 만하다. 디지털 사회·경제 구조로의 전환은 온라인 쇼핑과 디지털 화폐의 활성화, 스마트워크의 정착을 이끌고 있다. 뷰티산업도 이러한 흐름에 따라 변화하고 있으며, 디지털 기술을 활용한 뷰티 서비스가 새로운 트렌드로 주목받고 있다. 인공지능(AI)과 증강현실(AR)과 같은 기술은 메이크업 산업에도 변화를 가져왔다. 이러한 기술을 통해 고객은 가상으로 메이크업을 체험하거나, 다양한 제품과 스타일을 시도하고, 맞춤형 추천을 받을 수 있는 서비스가 제공되고 있다. 이러한 서비스는 고객의 편리성과 만족도를 높이고, 브랜드의 매출과 인지도를 향상시키고 있다(Joo & Yoon, 2021; Choi, 2022).
2. 메이크업의 각 시기별 의미연결망 간 구조적 특징 비교
메이크업의 각 시기별 의미연결망의 구조적 특징을 확인한 결과는 Table 2와 같다. 먼저, 키워드를 의미하는 각 시기별 의미연결망은 40개의 노드로 구성되었고, 링크 수는 2013년~2014년 1,272개, 2015년~2016년 1,348개, 2017년~2018년 1,300개, 2019년~2020년 1,394개, 2021년~2022년은 1,428개로 제시되었다. 또한 밀도지수는 2013년~2014년 .815, 2015년~2016년 .864, 2017년~2018년 .833, 2019년~2020년 .894, 2021년~2022년은 .915로 나타났다. 이러한 결과를 요약해 보면, 각 시기별로 좀 더 다양한 키워드들이 유기적인 연결관계를 지니고 있음을 확인할 수 있다. 링크 수는 노드들이 서로 얼마나 연결되어 있는지를 나타내는 지표이고, 밀도지수는 노드들이 서로 얼마나 밀접하게 연결되어 있는지를 나타내는 지표이다. 이러한 지표들은 메이크업 트렌드의 다양성과 복잡성을 측정하고 비교할 수 있다. 예를 들어, 링크 수가 많고 밀도지수가 높은 의미연결망은 키워드들이 서로 관련성이 높고, 반대로 링크 수가 적고 밀도지수가 낮은 의미연결망은 키워드들이 서로 관련성이 낮음을 의미한다.
3. 중심성 분석
의미연결망 내 키워드 간 연결관계를 확인함으로써 각 구성 영향력이 높은 키워드들을 제시하고, 키워드 간 순위에 있어 각 시기별 차이가 있는지를 파악하기 위해 상위 20개 키워드들의 연결중심성 및 위세중심성 지수 결과를 Table 3과 같이 제시하였다. 연결중심성은 각 노드 간 연결선 수를 의미하는데, 활동성에 주안을 둔다는 것으로, 활동성의 영향력을 중요시한다. 위세중심성은 노드 연결성의 중요도를 고려하여 노드 간 관계에 가중치를 부여하여 지표를 확인하는 것을 의미한다. 2013년~2014년 연결중심성 및 위세중심성 지표 결과는 디지털기기, 뷰티트렌드, 뷰티화보, 웨딩메이크업 순, 2015년~2016년은 뷰티트렌드, 하이컷, 영상공개, 뷰티화보, 화장품브랜드 순, 2017년~2018년은 디지털체험, 뷰티앱, 뷰티브랜드, 메이크업제품, 아티스트 순, 2019년~2020년은 메이크업트렌드, 뷰티브랜드, 화보공개, 브랜드, 제품 순, 2021년~2022년은 디지털헬스케어, 뷰티, 메이크업제품, 선도기업 순으로 제시되었다.
각 시기별로 상위 순위를 차지한 키워드들은 메이크업 산업에 큰 영향력을 미치고 있다. 디지털기기는 메이크업 산업의 혁신적인 도구로, 소비자의 피부 톤, 얼굴 형태, 색채 선호도 등을 분석하고, 그에 맞는 메이크업 제품이나 스타일을 추천해 주는 서비스로 활용되고 있다. 뷰티트렌드는 메이크업 산업의 방향과 변화를 결정하는 중요한 요소로 사회, 문화, 예술, 역사, 과학, 기술 등 다양한 영역에서 영향을 받고, 시대별로 다른 특징을 나타낸다. 뷰티트렌드는 메이크업 산업의 창의성과 경쟁력을 높이고, 소비자의 미적 욕구와 만족도를 증진시킨다. 뷰티화보는 메이크업 산업의 마케팅과 홍보에 효과적인 수단으로 메이크업 제품이나 스타일을 소개하고, 메이크업 관련 이야기나 정보를 전달하는 등의 역할을 한다. 뷰티화보는 잡지, 인터넷, SNS 등 다양한 매체를 통해 소비자에게 접근하고, 소비자의 관심과 호감을 유도하고, 구매 결정에 영향을 미친다. 디지털체험은 인공지능과 증강현실 기술을 이용하여 소비자가 원하는 메이크업 제품이나 스타일을 가상으로 체험하고, 그에 맞는 제품을 추천해 주는 서비스로 메이크업 산업의 창의성과 경쟁력을 높이고, 소비자의 편리성과 만족도를 증진시킨다. 뷰티앱은 메이크업 산업의 정보와 커뮤니케이션의 플랫폼으로 활용되고 있으며, 메이크업 산업의 마케팅과 홍보에 효과적인 수단으로 이용되고 있다. 디지털헬스케어는 스마트폰이나 웨어러블 기기를 이용하여 소비자의 피부 상태나 건강 상태를 분석하고, 그에 맞는 메이크업 제품이나 스타일을 추천해 주는 등 건강과 뷰티의 결합으로 활용되고 있다.
4. 메이크업 트렌드의 의미연결망 간 QAP 상관분석
최근 10년간 메이크업 트렌드에 대한 의미연결망을 확인하고자 키워드들의 의미 패턴을 확인할 수 있는 QAP 상관분석을 수행한 결과는 Table 4와 같다. 먼저, 2개년씩 총 5회의 연결망 간 상관관계의 정도를 확인하고자 0 또는 1로 구성된 이진 자료(Binary Data)인 자카드 상관계수(Jaccard Coefficient)를 적용하였다. 분석결과, 최소 .675에서 최대 .851로 유의수준 1% 이내에서 통계적으로 유의한 것으로 확인되었고, 이는 10년간의 의미연결망 간 상관관계는 낮다는 것을 의미한다. 즉, 각 시기별로 메이크업 트렌드에 영향을 주는 키워드들이 서로 다른 의미적 관계를 가지고 있으므로, 메이크업 트렌드의 의미 패턴은 유사성이 없는 것으로 해석할 수 있다. 메이크업 트렌드는 사회적인 상황, 문화적인 사조, 예술적인 표현, 역사적인 배경, 과학적인 발전, 기술적인 혁신 등의 시대의 흐름에 따라 다양한 분야에서 영향을 받으며, 이러한 영향은 메이크업 트렌드에 영향을 주는 키워드들의 의미와 관계를 변화시킨다고 사료된다.
5. 동시출현 단어 분석
메이크업 트렌드와 관련한 키워드들은 관계성을 지니고 있기 때문에 해당 키워드들의 동시출현 빈도를 파악할 수 있다. 즉, 키워드가 동시에 출현될 경우, 형성되는 관계성을 기반으로 규칙적인 패턴을 파악할 수 있다. 이를 토대로 최근 10년간 동시 출현 단어 분석을 수행하였으며, 상위 10개의 동시출현 단어를 도출하였는다. 첫째, 2013년~2014년의 동시출현 단어 유형은 총 3,511개, 빈도는 36,223개, 2015년~2016년의 동시출현 단어 유형은 총 3,422개, 빈도는 30,857개, 2017년~2018년의 동시출현 단어 유형은 총 3,051개, 빈도는 26,628개, 2019년~2020년의 동시출현 단어 유형은 총 3,733개, 빈도는 43,763개, 2021년~2022년의 동시출현 단어 유형은 총 3,791개, 빈도는 47,022개로 나타났다. 둘째, 2013~2014년의 메이크업 트렌드는 디지털기기와 뷰티트렌드 관련 키워드의 동시 출현빈도가 높은 것을 확인할 수 있었다. 이는 당시에 디지털기술과 뷰티산업이 융합되는 혁신적인 변화가 일어났음을 의미한다.
디지털기술은 뷰티제품과 서비스의 개발, 생산, 마케팅, 유통 등 다양한 단계에서 적용되었고, 소비자들의 뷰티 관련 정보 접근, 제품 체험, 구매 행동 등에도 영향을 미쳤음을 의미한다. 2015년~2016년은 뷰티트렌드와 하이컷 관련 키워드의 동시 출현빈도가 높은 것을 확인할 수 있었다. 뷰티트렌드는 다양한 스타일과 색상, 텍스처 등을 시도하고, 개성과 자신감을 표현하는 방향으로 발전하였다. 하이컷이라는 패션 매거진이 뷰티트렌드의 선도적인 역할을 하였고, 소셜미디어를 통해 뷰티 트렌드가 빠르게 전파되었다. 2017년~2018년은 디지털체험과 메이크업표현 관련 키워드의 동시 출현빈도가 높은 것을 확인할 수 있었다. 이처럼 디지털체험과 메이크업 표현이 함께 언급되는 것은, 디지털체험과 같은 기술이 메이크업의 새로운 스타일과 방법을 제시하고, 소비자들의 메이크업 행동과 선호도에 영향을 미쳤음을 의미한다. 2019~2020년은 가상체험과 메이크업트렌드, 2021~2022년은 헤어컬러와 디지털 헬스케어 관련 키워드의 동시 출현빈도가 높은 것을 확인할 수 있었다(Table 5).
V. 결 론
본 연구는 최근 10년간 메이크업 트렌드 변화를 확인하기 위해 비정형 데이터를 활용한 빅데이터 분석에 최적화된 텍스톰을 활용하여 포털사이트 내 뉴스, 블로그 및 카페 매체를 활용하여 다양한 텍스트를 수집하였다. 2013년 1월부터 2022년 12월까지의 총 10년간으로 설정하였고, 키워드 추이를 확인하기 위해 2년씩 5회에 걸쳐 나누어 연구를 진행하였다. 이에 대한 분석결과에 따른 결론을 제시하면 다음과 같다.
첫째, 메이크업 트렌드와 관련한 키워드 분석결과, 디지털 기기, 뷰티트렌드, 디지털체험, 메이크업트렌드, 디지털헬스케어가 최상위 주요 단어로 나타났으며, 뷰티브랜드, 뷰티앱, 소셜커머스, 인스타그램, 뷰티화보, 아티스트, 영상공개, 기술 혁신 등의 단어들이 그 뒤를 이어 제시되었다. 이러한 단어들이 언급된 이유는 최근 10년간 메이크업 트렌드가 디지털화와 연결되어 변화하고 발전해왔음을 보여준다. 디지털기기, 디지털체험, 디지털헬스케어, 뷰티앱, 기술혁신 등의 키워드들은 메이크업 트렌드가 디지털 기술과 결합하여 새로운 가치와 서비스를 제공하고, 소비자들의 편리성과 만족도를 높이며, 뷰티산업의 경쟁력을 강화하고 있음을 나타낸다. 또한, 온라인 커뮤니케이션을 통해 소비자들과 활발하게 소통하고 정보를 공유하고 있음을 보여준다. 뷰티트렌드, 메이크업트렌드, 뷰티브랜드, 소셜커머스, 인스타그램, 뷰티화보, 아티스트, 영상공개 등의 키워드들은 디지털 매체를 통해 메이크업에 대한 다양한 정보와 의견을 교환하고, 뷰티 관련 영상을 시청하며 뷰티 인플루언서들과 소통하고, 뷰티 제품을 구매하고, 뷰티 커뮤니티에 참여하는 등의 활동을 하고 있음을 나타낸다.
둘째, 메이크업의 각 시기별 의미연결망의 구조적 특징을 분석한 결과, 메이크업의 각 시기별 의미연결망은 40개의 노드로 이루어져 있고, 링크 수와 밀도지수를 통해 각 시기별로 다양한 키워드들이 서로 유기적으로 연결되어 있음을 확인하였다. 이러한 결과는 각 시기별로 메이크업 트렌드가 다양하고 복잡하게 변화하고 있음을 보여준며, 각 시기별로 특징적인 키워드들이 서로 관련성을 가지고 있고, 그 관련성의 정도가 시기별로 다르게 나타나기 때문이다.
셋째, 의미연결망 분석으로 메이크업 트렌드의 키워드들의 연결관계를 파악하기 위해 연결중심성과 위세중심성 지수를 통해 살펴본 결과, 각 시기별로 디지털기기, 뷰티트렌드, 뷰티화보, 디지털체험, 뷰티앱, 메이크업트렌드, 디지털헬스케어 등의 키워드들이 상위 순위에 있음을 알 수 있었다. 각 시기별로 상위 순위를 차지한 키워드들은 메이크업 산업에 큰 영향력을 미치고 있다.
넷째, 키워드들의 의미 패턴을 확인할 수 있는 QAP 상관분석을 수행한 결과, 유의수준 1% 이내에서 통계적으로 유의한 것으로 확인되어, 최근 10년간의 의미연결망 간 상관관계가 낮다는 것을 의미한다. 즉, 각 시기별로 메이크업 트렌드에 영향을 주는 키워드들이 서로 다른 의미적 관계를 가지고 있으므로, 메이크업 트렌드의 의미 패턴은 서로 다르다고 해석할 수 있다.
다섯째, 동시출현 단어 분석을 이용하여 10년간 각 시기별로 메이크업트렌드와 관련된 키워드들의 동시출현 단어의 유형과 빈도를 비교한 결과, 상위 10개의 동시출현 단어를 도출하였고, 디지털기기와 뷰티트렌드, 뷰티트렌드와 하이컷, 디지털체험과 메이크업표현, 가상체험과 메이크업트렌드, 헤어 컬러와 디지털 헬스케어 관련 키워드의 동시 출현빈도가 높은 것을 확인할 수 있었다. 상기 결과를 통해, 메이크업트렌드는 디지털기술과 뷰티산업, 예술, 헬스케어 등 다양한 분야와의 융합과 상호작용을 통해 지속적으로 변화하고 발전해왔으며, 디지털기술은 메이크업의 새로운 형태와 방식을 만들어내고, 메이크업은 디지털기술의 활용과 발전에 기여하였다. 또한 디지털기술과 메이크업은 상호작용하면서 서로의 가치를 높이고, 소비자들의 메이크업 관련 행동과 선호도에도 영향을 미쳤다고 사료된다.
본 연구는 비정형 빅데이터를 활용하여 최근 10년간의 메이크업 트렌드의 변화와 발전을 파악하고, 메이크업 트렌드와 관련된 다양한 요인과 관계를 분석하여 메이크업 트렌드의 향후 전망을 예측하였다. 이를 통해 뷰티산업의 제품 개발과 마케팅, 소비자들의 메이크업 관련 정보 접근과 구매 행동, 메이크업 교육과 문화 등에 학문적이고 실용적인 기여를 하였다는 점에서 의의가 있다. 그러나 이러한 데이터는 메이크업 트렌드에 대한 소비자들의 의견이나 피드백을 반영할 수 있지만, 표본의 편향이나 대표성이 부족할 수 있고, 메이크업 트렌드에 대한 정보를 정확하게 측정하는데 어려움이 있다. 따라서, 향후 연구에서는 다양한 플랫폼이나 채널을 선정하고, 사용자들의 인구통계학적 특성에 따른 메이크업 트렌드의 차이와 변화를 분석할 필요가 있다. 또한, 메이크업 트렌드에 대한 통계적이고 과학적인 정보를 제공하는 뷰티산업의 보고서, 관련 연구 논문과 같은 정형 데이터를 분석하여 비정형 데이터와의 통합 연구가 이루어져야 할 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
