J Korean Soc Cosmetol > Volume 31(1); 2025 > Article
토픽모델링 기법을 활용한 국내 뷰티산업분야에 관한 동향 분석

Abstract

This study analyzed the research trends of the beauty industry from 2000 to 2024. The KCI 621 papers selected by the keyword ‘beauty industry’ were targeted, and the analysis method utilized text mining techniques (TF-IDF analysis, LDA thematic modeling) using Python libraries such as Panda, KoNLPy, Scikit-learn, and Gensim, along with traditional content analysis. As a result, the research on the beauty industry has grown significantly since 2016, confirming that beauty research is the main field. The average citation growth analysis identified the most influential papers, and the main research topics were education, consumer behavior, organizational management, marketing, and brand image. This study provides academic insights linked to ways to revitalize the beauty industry in Korea and methodologically contributes to the objective and in-depth analysis of research trends. In conclusion, this study presents a multifaceted overview of the research on the beauty industry and suggests future research directions. Emphasizing the importance of various academic approaches and sustainability, this study can have a practical impact on government policy and industrial strategy establishment.

I. 서 론

현대 소비자들의 외모와 건강에 대한 관심이 증대됨에 따라 뷰티산업은 빠르게 성장과 발전을 하고 있다. 특히, 한국의 뷰티산업은 K-뷰티(K-Beauty)라는 독자적인 브랜드로 자리매김을 하고 있다. 중국은 한류의 글로벌 확산에 중요한 역할을 하고 있으며, 한국의 드라마, 연예인, 가수, 영화 등이 다양한 매체를 통해 중국인들 사이에서 큰 인기를 끌고 있다(Wu & Yu, 2015). 한국 문화의 세계적 확산, 즉 한류(Korean Wave)는 처음에는 드라마를 중심으로 시작되었으나, 이후 K-팝(K-Pops), K-푸드(K-Food), K-영화(K-Movie), K-패션(K-Fashion) 등 다양한 문화 콘텐츠로 확장되었다(Oh, 2012). 이와 함께 K-콘텐츠(K-Content)의 인기와 잠재력을 보여주는 브랜드파워 지수는 58.8점으로 나타났다. 분야별로는 음식(66.0점), 뷰티(62.3점), 팝(61.7점), 영화(61.3점), 패션(60.7점) 순으로 높았다. 콘텐츠뿐만 아니라 연관된 산업 분야에서도 고른 인기를 얻고 있음을 확인할 수 있었다(Kim, 2023).
한류는 특히 시각적 이미지를 중심으로 전파되기 때문에 외모와 관련된 K-뷰티 역시 전 세계적인 관심을 끌게 되었다. 이에 따라 K-뷰티는 단순한 외모 관리의 차원을 넘어 한국의 문화를 반영하는 중요한 산업으로 성장하고 있으며 이에 따른 다양한 학술적 연구도 활발히 이루어지고 있다.
지금까지 뷰티산업과 관련된 선행 연구를 살펴보면 시간이 지나면서 점차 세분화되고 있으며, 다양한 주제와 접근법을 통해 발전해 왔다. Oh & Youn(2013)은 뷰티산업의 경영 관련 국내 박사학위 논문 연구 동향 분석에서 뷰티산업이 경영학적 접근을 통해 지속 가능한 성장을 추구해야 한다는 점을 강조하였으며 Choi et al.(2022)은 빅데이터를 활용한 K-뷰티와 관련된 소비자 트렌드를 예측하고 뷰티산업의 발전방향을 제시하였으며 Kim et al.(2016)은 한국뷰티산업학회지 수록 논문의 연구 동향 분석을 통해 연구 주제와 주요 연구자들의 네트워크를 파악하였다. 이러한 연구들은 뷰티산업이 기술적, 경영적 측면에서 발전하고 있고 연구의 범위가 점차 확장되고 있음을 시사하고 있다. 미용과 다른 분야에서 Lee & Baek(2020)은 게재된 논문의 계리 리스크관리 연구 논문들의 연구 동향을 분석하기 위해 시대별, 주제별로 다루어 분석하였다. 그러나 이러한 연구들은 대부분 특정 시점이나 제한된 기간에 초점을 맞추고 있어 장기적인 연구 동향을 파악하는 데는 한계가 있었다. 특히, 실무적 적용과 연구 간의 연결성도 부족해 실제 산업 현장에서의 요구를 충분히 반영하지 못하고 있다는 점도 한계로 지적되고 있다.
따라서 본 연구는 2000년부터 2024년까지의 뷰티 산업 관련 논문 621편을 분석 대상으로 하여 빅데이터 기반 토픽 모델링과 텍스트마이닝 기법을 활용하였다. 전통적 내용 분석, TF-IDF 분석, LDA(Latent Dirichlet Allocation) 토픽 모델링을 결합한 방법론으로 K-뷰티 연구의 주제 구조를 체계적으로 도출하고, 실질적 시사점과 장기적인 발전 가능성을 제시하고자 한다.

II. 이론적 고찰

1. 뷰티산업의 정의 및 범위

‘Beauty(뷰티)’는 사전적으로 ‘아름다움’, ‘미’, ‘미인’, ‘아름다운 것’을 의미한다. 2000년 이후 현대 사회에서는 미에 대한 관심 증가와 소비자 욕구의 다양화로 ‘뷰티산업’이라는 독립적인 산업군이 형성되었다. Kim et al.(2009)은 뷰티산업을 인체를 건강하고 아름답게 유지하는 데 필요한 서비스와 이를 제공하는 미용기기, 화장품, 미용용품 제조업을 포함한 산업으로 정의하였다. 헤어미용, 피부미용, 네일케어, 메이크업 등을 포괄하는 서비스업과 관련 미용기기, 용품 제조업을 포함하여 뷰티산업으로 규정하였다.
한편, 뷰티산업은 국제표준산업분류(ISIC)에 명확히 정의된 산업은 아닌 관계로 개념 설정에 차이가 존재한다. 다양한 기관과 연구자들은 이를 크게 ‘뷰티 제조산업’, ‘뷰티 서비스업’, ‘뷰티 연관 산업’으로 구분하고 있다. 뷰티 제조산업은 화장품 및 미용기기 제조와 생산, 개발을, 뷰티 서비스산업은 헤어, 피부, 메이크업, 네일 등의 서비스를, 뷰티 연관 산업은 의료, 패션, 관광, 문화 등과 연계하여 부가가치를 창출할 수 있는 산업으로 보고 있다(Hwang, 2011).

2. 내용 분석(Content Analysis)

내용 분석은 질적 연구 방법론 중 하나로, 텍스트 데이터(text data)를 체계적으로 분석하여 의미있는 주제나 패턴을 도출하는 과정이다. 이는 사회과학, 교육학, 경영학 등에서 널리 사용되며, 텍스트 데이터에서 특정 주제의 발생 빈도, 맥락적 의미, 시간적 변화를 이해하는 데 효과적이다. 내용 분석은 사전 범주를 통해 텍스트를 코딩하거나, 데이터에서 새로운 범주를 도출할 수 있으며(Krippendorff, 2018), 반복되는 주제를 연구 문제와 연결하는 것을 목표로 한다.
내용 분석에는 정량적 접근과 정성적 접근이 모두 활용되며, 정량적 분석은 특정 단어 빈도 계산을 통해 주제를 파악하고, 정성적 분석은 맥락과 상호작용을 깊이있게 해석한다. 이러한 두 분석을 결합하면 텍스트의 구조적 이해와 의미적 해석이 강화된다(Neuendorf, 2017). 정책 문서에서는 용어의 빈도와 맥락을 통해 정책 방향이나 전략적 의도를 파악하는 데 자주 활용된다(Stemler, 2001).

3. 텍스트마이닝(Text Mining)과 토픽모델링(Topic Modeling)

텍스트마이닝은 비정형 텍스트 데이터를 분석해 유의미한 정보를 추출하는 과정으로, 자연어 처리(Natural Language Processing, NLP) 기술을 통해 텍스트의 구조와 의미적 패턴을 식별한다(Feldman & Sanger, 2007). 데이터마이닝이 주로 구조화된 데이터를 다루지만, 텍스트마이닝은 비정형 데이터를 통해 주제, 패턴, 트렌드 등을 도출하여 정보 검색, 요약, 감성분석 등 다양한 분야에 활용된다.
특히 토픽모델링은 텍스트마이닝의 주요 기법 중 하나로 주어진 텍스트 데이터에서 잠재적인 주제를 추출하고 식별하는 데 사용되며 이 기법은 대규모 텍스트에서 주요 주제를 자동으로 식별하고 주제 간 연관성 및 시간적 변화를 분석하는 데 유용하다(Blei et al., 2003). 토픽모델링은 문서를 이루고 있는 키워드들을 바탕으로 주제를 찾아내기 위해 사용되는 방법론으로 대량의 문서 집합에 적용되며 다양한 종류의 데이터에 적용 가능하며(Blei, 2012), 토픽모델링의 가장 대표적인 방법론은 LDA(Latent Dirichlet Allocation)이다. LDA 알고리즘은 생성 모델로서 문헌 내에 숨겨져 있는 주제들을 찾아내는 알고리즘으로 생성 모델은 실제 문헌을 작성하는 과정으로 보고 문헌을 작성하기 위해 각 문헌에 어떤 주제들을 포함할 것인지, 또 그에 따라 어떤 단어들을 어떤 주제에서 선택하여 배치할 것인지를 각각의 파라미터로 모델링한다(Park & Song, 2013).
빅데이터 시대에서 텍스트마이닝은 소비자 감정분석과 연구 동향 파악 등에서 중요한 도구로 자리 잡고 있으며, 기업 마케팅과 정책 결정 등 다양한 분야에서 활용되고 있다(Manning et al., 2008; Aggarwal & Zhai, 2012).

III. 내용 및 방법

1. 분석 자료

본 연구는 2000년 이후 2024년까지의 ‘뷰티산업’ 관련 연구 동향 분석을 위해 뷰티산업을 키워드로 한국학술지인용색인(Korea citation index, KCI)에 등재된 논문을 대상으로 내용 분석과 텍스트마이닝 분석을 수행하였다.
연구의 목적을 달성하기 위해 다음 세 가지 연구 방법을 설정하였다.
연구 방법 1 : 뷰티산업 관련 연구의 게재 시기, 주제 분야, 학회지별 발표 편수, 피인용 상위 논문의 결과를 분석
연구 방법 2 : 뷰티산업 관련 연구의 의미연결망 분석, 토픽 모델링 분석 결과를 분석
연구 방법 3 : 위 결과를 바탕으로 뷰티산업 분야에서 활용될 수 있는 발전 방안을 제시
이와 같은 연구 방법을 통해 학술 연구와 산업 현장 간의 연결 고리를 좁히고 급변하는 글로벌 환경에 대응할 수 있는 관련 정보를 도출하고자 한다. 또한 뷰티산업과 관련한 연구에 대해 전체적인 동향을 파악하고, 향후 연구 방향 및 산업 발전에 기여할 수 있는 정보를 제공하고자 한다.

2. 데이터 수집 및 분석 절차

본 연구는 KCI(Korea Citation Index)에 등재된 뷰티산업과 관련된 논문을 분석 대상으로 선정하고, 2000년부터 2024년 5월까지의 논문을 수집하여 분석하였다(Seo & Kang, 2016). 뷰티산업의 초기 연구로는 Cho et al.(2003)의 모발염색 관련 논문이 확인되었으며, 최신 연구 동향 파악을 위해 데이터 수집은 2024년 5월까지 진행하였다. KCI에 등재된 데이터 베이스를 기본 데이터로 활용하였으며, 데이터 수집은 뷰티 산업 키워드를 제목에 포함하고 있는 KCI 논문을 모두 수집하였으며, 그 중 본 연구 문제와 관련 없는 연구를 제거하고 총 621편의 논문을 분석하였다. 수집한 데이터로는 논문의 제목, 저자명, 주저자의 소속 기관, 발표 학술지명, 저자 활용 키워드, 초록(abstract), 총 인용 횟수, 발행 기관명, 발행 연도, 주제 분야, 피인용 횟수와 관련한 파일을 Excel 데이터(3,595kb)를 형태로 수집하였다. 전통적인 내용 분석은 연구자가 임의로 설정한 분석항목에 지나치게 의존하게 되어 개념의 모호성 증가, 연구자의 주관적 견해에 의한 영향과 같은 여러 문제점을 야기할 수 있기에(Danowski, 1993), 내용 분석의 제한점을 극복하고자 대안적 방법으로 의미연결망 분석을 동시에 수행하였다. 이를 위해 Python 3.8 환경과 상용프로그램인 텍스톰을 동시에 활용하였다. 특히 텍스톰은 예술 분야의 연구 동향 분석 연구에서 여러 차례 활용된바(Park, 2022; Lee, 2023), 본 연구를 진행 하는데 적합하다고 판단되었다. 데이터 전처리 및 분석을 위해 Pandas(ver. 1.2.4) 라이브러리를 주로 활용하였으며, 텍스트 데이터 처리를 위해 KoNLPy (ver. 0. 5. 2)의 Okt 형태소 분석기를 사용하였다. 이 과정에서 각 논문의 초록에서 명사만을 추출하였으며, 영어로 작성된 초록은 국문으로 번역한 이후 데이터 전처리를 진행하였다. 전처리 과정에서는 ‘뷰티 산업’과 같은 수집 시 활용한 용어, ‘분석’, ‘선택’, ‘효과’, ‘모델’, ‘이론’ 등 일반적으로 연구에서 활용하는 용어를 제거하였다. 또한, 본 연구의 신뢰성 확보를 위해 미용학과 교수 1명과 뷰티관련 산업분야 전문가가 연구설계, 데이터수집 및 전처리, 키워드선정에 참여하여 신뢰성을 확보하고자 하였다. 데이터 전처리 후 평균 인용 횟수 계산을 위해 Scikit-learn (ver. 0. 24. 2)과 Pandas의 Data Frame 객체를 사용하였다. 또한, Google.colab 모듈의 Files 클래스를 활용하였고, Numpy (ver. 1. 20. 1)를 이용해 수치 연산을 보조적으로 수행하였다. Excel 형식(.xlsx) 데이터의 입출력을 위해 Openpyxl (ver. 3. 0. 7) 엔진을 Pandas와 연동하여 사용하였고, Gensim (ver. 4. 0. 1)을 활용해 LDA 토픽모델링을 수행하였으며, 최적의 토픽 수를 결정하기 위해 Coherence Score와 Perplexity Score를 계산하고 시각화하여 분석하였다. 시각화 결과는 Matplotlib (ver. 3. 4. 2)을 사용하여 그래프로 표현하였다. 한글 폰트 처리를 위해 나눔고딕 폰트를 설치 및 활용하였다. 중심성 분석은 Networkx를 사용하여 수행하였다.

IV. 결과 및 고찰

1. 논문 내용 분석

1) 논문 게재 시기 분석

뷰티산업 관련 논문 발표 건수는 2003년부터 2024년까지 전반적으로 증가 추세를 보였다(Table 1). 초기에는 매우 적은 수의 논문이 발표되었으나 2008년부터 뷰티산업과 관련된 논문들이 증가하기 시작하였다. 특히, 2016년부터 급격한 증가를 보였으며, 2020년은 71건(11.433%)으로 크게 증가했다. 가장 많은 논문이 발표된 해는 2023년으로 87건(14.01%)이었다. 전체적으로 2010년대 후반부터 2020년대 초반까지 뷰티 산업 관련 연구가 급격히 증가하였으며, 이는 해당 산업에 대한 학술적 관심이 크게 증가 했음을 확인할 수 있었다.

2) 논문 주제 분석

뷰티산업 관련 연구 주제를 확인하기 위해 한국 학술 연구 분야 분류표의 대분류(8개 기준)를 활용하였다(National Research Foundation of Korea, 2024). 분석 결과 뷰티산업 연구는 한국 학술 연구 분야 분류의 대분류 기준으로 예술·체육학 분야에 포함되어 있으며 비교적 활발하게 논문이 발표되고 있다(Table 2). 특히, 기타미용 분야에서 100편, 미용 분야에서 152편의 논문이 발표되어 전체 390편 중 252편을 차지하고 있어 뷰티 산업 연구의 중심을 이루고 있는 것을 볼 수 있다. 또한, 디자인 분야에서도 뷰티산업 연구가 88편이 발표되어 뷰티산업 연구는 미용, 의상, 디자인 등 다양한 분야와도 직·간접적으로 연계되어 있음을 확인할 수 있었다. 그러나 미용 관련 분야에서 연구 동향 분석은 Seo & Kang(2016)이 미용교육에 관한 연구 동향 분석을 한 경우를 제외하고는 거의 없으며 또한, 미용산업과 관련된 연구 동향 분석이 거의 진행되질 않아 비교 연구에 어려움이 있다.

3) 논문 학회지별 분석

발표된 논문에 대한 학회지별 분석 결과 한국미용학회지(80편)가 가장 많은 편수로 나타나 뷰티산업과 관련된 연구에서 중심적인 역할을 담당하는 학술지로 조사되었다. 다음으로는 한국디자인문화학회지(58편), 한국화장품미용학회지(49편), 미용예술경영연구(48편) 순으로 나타났다(Table 3). 또한 디자인, 디지털 등 융·복합 관련된 학술지에도 연구 논문들이 지속적으로 발표되고 있어 뷰티산업 연구가 다양한 분야와도 활발한 교류 연구가 진행되고 있음을 알 수 있었다.

4) 논문 년간 피인용 횟수 분석

연간 피인용 횟수 분석은 피인용 횟수 상위 20위 논문을 대상으로 분석하였다(Table 4). 그 결과 유튜브와 소셜 미디어 중심의 디지털 플랫폼 영향력 증가와 인플루언서, 1인 미디어가 새로운 마케팅 채널로 부상하고 있었다. 또한 4차 산업혁명과 관련된 기술, 증강현실과 같은 첨단 기술이 뷰티산업에 도입되어 소비자 행동과 사회적 변화가 뷰티 소비에 미치는 영향에 관한 연구도 많이 인용되고 있었다. 또한, K-팝과 한류의 영향으로 세계 시장에서 뷰티산업에 대한 관심이 크게 증가되고, 디지털화와 기술 혁신 속에서도 소비자 중심의 접근성 연구가 많이 인용되고 있었다.

2. 텍스트마이닝 분석

1) 의미연결망 분석

Table 5의 의미연결망 분석 결과 ‘이미지’(3,432)가 가장 높은 연결 중심성을 보이며, ‘고객’(3,167), ‘피부’(3,112), ‘마케팅’(2,896), ‘헤어’(2,877) 순으로 높은 연결의 중심성을 나타내어 이 주제들이 연구에서 자주 연관되는 핵심 키워드임을 확인할 수 있다. 근접 중심성에서 대부분의 키워드가 유사한 값을 가지며, ‘패션’과 ‘샵’이 약간 더 높은 20.00으로 나타났다. 아에겐벡터(Eigenvector) 중심성 분석에서는 ‘고객’이 가장 높은 영향력을 보였으며, 매개 중심성 분석에서는 대부분의 키워드가 0.056로 동일한 값을 보여 정보 흐름에서 유사한 역할을 수행하는 것으로 나타났다.

2) 토픽모델링 분석 결과

토픽 수를 결정하기 위해 perplexity(혼란도)와 coherence(일관성) 점수를 분석하였다(Table 6). Gensim 라이브러리를 활용하여 LDAMulticore 모듈로 형성된 알고리즘에 의해 7개의 토픽이 가장 적절한 것으로 나타났다(Mimno et al., 2011; Zha et al., 2023). 토픽의 해석 가능성을 나타내는 일관성 점수는 7개 토픽을 사용했을 때 -1.72를 보였으며, 모델의 예측 능력을 평가하는 혼란도 점수는 7개 토픽에서 -8.68로 다른 토픽 수와 비교해 상대적으로 낮아 모델의 예측 능력이 양호함을 보여주었다(Fig. 2).
본 연구의 토픽모델링 분석 결과, 뷰티산업에서 다양한 주제가 사용되고 있음을 확인할 수 있었다. 첫 번째 토픽은 뷰티 교육 및 직무로, 주요 단어는 교육, 콘텐츠, 직무, 관광, 행동, 자료, 인식, 제품, 메이크업, 여성이며, 이 토픽은 뷰티산업에서 교육과 직무, 관광 및 소비자 인식에 초점을 맞추고 있음을 알 수 있었다. 두 번째 토픽은 소비자 행동 및 구매로, 주요 단어는 행동, 제품, 헤어, 구매, 자료, 고객, 피부, 외모, 마케팅, 필요이며, 이 토픽은 소비자의 행동과 제품 구매, 마케팅 전략에 중점을 두고 있었다. 세 번째 토픽은 브랜드 이미지 및 소비자 특성으로, 주요 단어는 메이크업, 피부, 교육, 소비자, 이미지, 특성, 필요, 활성, 자료, 브랜드이며, 이 토픽은 뷰티와 관련된 소비자 특성, 브랜드 이미지 및 교육 프로그램을 다루고 있었다. 네 번째 토픽은 디자인 및 고객 만족으로, 주요 단어는 디자인, 제공, 특성, 자료, 표현, 교육, 필요, 만족, 고객, 피부이며, 이 토픽은 디자인과 고객 만족, 교육을 중심으로 논의되고 있었다. 다섯 번째 토픽은 조직 관리 및 신뢰로, 주요 단어는 교육, 조직, 자료, 신뢰, 콘텐츠, 개발, 마케팅, 피부, 인식, 헤어이며, 이 토픽은 조직 관리와 교육, 신뢰도 및 마케팅 전략이 주요 주제였다. 여섯 번째 토픽은 피부 관리 및 한국 뷰티 산업으로, 주요 단어는 피부, 만족, 마케팅, 디자인, 한국, 이용, 관광, 콘텐츠, 자료, 교육이며, 이 토픽은 피부 관리와 고객 만족, 마케팅 전략 및 한국 뷰티 산업의 특성을 다루고 있었다. 마지막으로 일곱 번째 토픽은 외모 관리 및 기술로, 주요 단어는 피부, 행동, 교육, 외모, 특성, 기술, 헤어, 제공, 직무, 메이크업이며, 이 토픽은 피부 관리와 외모 관리, 행동 및 교육 프로그램을 중심으로 다루고 있었다.
토픽모델링 결과, 교육 및 직무, 소비자 행동 및 구매, 브랜드 이미지, 디자인, 조직 관리, 피부 관리, 외모 관리 및 기술과 같은 다양한 주제를 포함하고 있음을 보여주었다. 이는 뷰티 산업이 단일한 분야로 정의될 수 없으며 다양한 학문적 관점과 융합된 연구의 필요성을 시사한다. 뷰티산업 분야의 교육과 조직 관리는 뷰티 관련 직무에 관한 인재 개발, 브랜드 이미지는 소비자의 심리적 측면과 연계되어 있으며, 디자인 및 고객 만족은 교육을 통한 표현의 다양화를 통해 예술적 측면과 연계되어 있음을 알 수 있었다. 특히 두 번째 토픽(소비자 행동 및 구매)과 세 번째 토픽(브랜드 이미지 및 소비자 특성)은 뷰티 산업이 소비자 중심으로 변화하고 있음을 시사하며, 소비자의 행동, 브랜드 충성도, 구매 결정 요인을 분석하는 필요성을 보여준다. 학문적 연구는 소비자의 니즈와 트렌드 변화, 특히 디지털 플랫폼과 소셜 미디어의 영향을 반영하여 실질적인 마케팅 전략과 소비자 만족 제고에 기여할 수 있다.
일곱 번째 토픽, ‘외모 관리 및 기술’은 가장 높은 수의 토픽을 나타내고 있으며, 이는 피부 관리 및 K-뷰티산업의 최신 기술(예: AI, AR)과의 융합 가능성을 강조한다. 현재의 기술이 뷰티 산업에서 소비자 경험을 개선할 수 있으며, 효율적인 관리 도구를 제공하여 글로벌 시장에서 경쟁력을 강화하는 데 중요한 역할을 할 수 있을 것이다. 또한, 뷰티 교육 및 직무는 4차 산업혁명과 같은 기술 변화 속에서 새로운 직무 창출과 또 다른 교육 프로그램 개발의 필요성을 나타낸다. 뷰티 산업과 관련한 학문은 기술적 전문성과 고객 중심 접근법을 결합한 교육 패러다임 제시에 기여할 수 있다.

V. 결 론

2000년대 초반부터 뷰티 산업 관련 연구 및 논문 출판 수는 지속적으로 증가하였으며, 특히 2016년 이후 급격한 증가세를 보였다. 이는 뷰티 산업이 단순한 미용 분야를 넘어 사회적·경제적 가치가 큰 주요 산업으로 자리매김하고 있음을 반영한다. 본 연구는 2000년부터 2024년까지의 뷰티 산업 연구 동향을 체계적으로 분석하였으며, 발표 시기, 연구 주제 영역, 평균 인용 수를 바탕으로 연구 분야의 발전 과정을 확인하였다. 특히, 평균 인용 증가율이 20회 이상인 논문들은 향후 산업 발전 계획과 경제적 파급 효과를 위한 기초 자료로 활용될 수 있음을 시사한다. 또한, 내용 분석과 텍스트 마이닝을 결합한 혼합 방법론을 적용하여, 621편의 논문을 효율적으로 분석하였으며 이를 통해 뷰티산업분야의 동향을 토픽모델링 기법으로 분석하여 향후 뷰티산업분야 연구방향의 기초자료를 제공한다는 점에서 의의가 있다.
주요 연구 7가지 토픽은 다음과 같다. 첫 번째 토픽은 뷰티 교육 및 직무로 소비자의 인식에 초점을 맞추고 있으며 이는 산업의 발전과 함께 요구되는 인재양성의 중요성을 내포하고 있다. 두 번째 토픽은 소비자 행동 및 구매로 이는 제품구매와 소비자의 행동패턴을 중심으로 마케팅 전략 수립에 필요한 내용으로 구성되어 있다. 세 번째 토픽은 브랜드 이미지와 소비자 특성으로 브랜드의 가치, 소비자의 심리, 소비자의 특성을 분석하여 브랜드의 충성도와 인지도를 높이는 전략을 다루고 있다. 네 번째 토픽은 디자인과 고객만족으로 디자인의 요소와 고객만족 간의 관계를 분석하고 있으며 제품 및 서비스 디자인의 중요성을 강조하였다. 다섯 번째 토픽은 조직 관리와 신뢰로 조직 내 신뢰형성과 효율적인 관리방안을 다루며 산업 내 조직 구조와 경영전략의 체계화를 다루고 있다. 여섯 번째 토픽은 피부관리 및 한국 뷰티산업으로 한국뷰티산업의 특성과 피부관리 분야의 성장 가능성을 보여주고 있으며 글로벌 시장에서의 K-뷰티의 확장 전략을 포함하고 있다. 일곱 번째 토픽은 외모관리와 기술로 첨단기술을 적용한 외모관리 기술로 앞으로의 뷰티산업에 대한 실질적 교육과 기술 서비스를 강조하고 있다.
다음은 실질적 시사점과 장기적 발전 방안은 다음과 같다.
첫째, 뷰티산업의 지속가능한 발전과 글로벌 경쟁력을 강화하기 위해 소비자 중심이 결합된 학문적 접근이 필요하다. 기술적 전문성과 소비자 중심적 접근을 통해 이론과 실습으로 기술을 습득하고 동시에 소비자의 입장에서 사고하고 행동하는 교육프로그램을 개발해야 한다. 이는 소비자의 심리학적 측면과 연계해야 하며 상담방법, 치유와 케어에 포커스를 맞춘 교육프로그램의 다양성을 확보해야 한다.
둘째, 소비자 행동과 구매 패턴에 대한 심층 분석을 바탕으로 맞춤형 마케팅 전략을 수립해야 한다. 디지털 플랫폼과 소셜 미디어의 확산은 소비자 구매 결정에 큰 영향을 미치므로, 이를 반영한 소비자 중심 마케팅을 통해 만족도와 브랜드 충성도를 높여야 한다. 실질적이고 효과적인 마케팅 계획은 고객과의 지속적 상호작용을 가능하게 하며 시장 경쟁력 강화에 기여한다. 또한, 브랜드 이미지와 소비자 경험 강화를 위해 소비자 특성을 반영한 교육 및 마케팅 프로그램을 개발해야 한다. 브랜드 스토리텔링과 체험형 매장 운영을 통해 브랜드 가치를 전달하고 신뢰를 구축함으로써, 소비자 중심의 전략을 실현할 수 있을 것이다. 이러한 접근은 뷰티 산업의 지속 가능성과 실질적 성장을 이끄는 기반이 될 것이다.
셋째, 뷰티 관광과 교육 콘텐츠를 연계하여 K-뷰티의 글로벌 확장에 기여해야 한다. 예를 들어 K-Hair, K-Make up, K-Nail 등과 K-뷰티의 독자적인 교육 프로그램과 현대적 기술을 결합한 체험형 관광 프로그램을 개발하여 외국인 관광객들이 한국의 뷰티 산업에 대한 이해를 높이고 자연스럽게 K-뷰티 브랜드에 대한 관심을 유도해야 한다. 이러한 프로그램은 지역 경제 활성화와 함께 K-뷰티의 국제 브랜드화를 촉진할 수 있을 것이다. 이러한 전략이 성공적으로 실행되기 위해서는 정부의 적극적인 투자와 정책 지원이 필수적이며 기술 융합 교육, 글로벌 시장 진출 전략 그리고 뷰티관광 연계 프로그램 등을 지원하는 정책은 뷰티 산업의 경쟁력을 강화하고 지속 가능한 발전을 촉진할 것이다. 정부 차원에서 뷰티 테크 연구개발(R&D) 및 스타트업 육성 프로그램을 제공한다면, 뷰티 산업 전반에서 혁신을 촉진하고 새로운 비즈니스 모델을 창출할 수 있을 것이다.
결론적으로 기술의 혁신, 소비자 중심 전략, 그리고 정부의 정책적 지원이 결합할 때, 뷰티 산업은 한층 더 성장할 수 있으며 K-뷰티는 세계 시장에서 국제적 위상을 확고히 할 수 있을 것이다.
본 연구는 ‘뷰티 산업’이라는 키워드를 중심으로 분석을 진행하였기 때문에, 분석 범위에 일정한 한계가 존재할 수 있다. 특히, 연구 대상 논문이 특정 데이터베이스인 한국학술지인용색인(KCI)에 등록된 자료로 한정되었기 때문에 연구 결과의 일반화 가능성을 저해할 수 있다. 이에 따라, 본 연구에서 도출된 결과가 모든 뷰티산업분야와 관련 연구를 포괄하지 못할 가능성이 있다. 따라서, 향후 연구에서는 다양한 데이터베이스를 활용하여 분석 대상을 확대하고, 보다 포괄적이고 심층적인 연구를 수행할 필요가 있다. 또한, 더욱 세분화된 분석과 함께 구체적인 실행 방안을 제시함으로써, 뷰티 산업의 발전과 지속 가능성에 기여할 수 있을 것이다.

Fig. 1.
Sematic network analysis of beauty industry papers.
JKSC-2025-31-1-1f1.jpg
Fig. 2.
Optimization Topic Decision Process in Beauty Industry Papers.
JKSC-2025-31-1-1f2.jpg
Table 1.
Analysis of Beauty Industry Papers Publication Period
Year 2003 2007 2008 2009 2010 2011 2012 2013 2014 2015
Number 1 6 17 10 15 11 12 16 17 18
% 0.16 0.97 2.74 1.61 2.42 1.77 1.93 2.58 2.74 2.80
Year 2016 2017 2018 2019 2020 2021 2022 2023 2024 Total
Number 31 35 43 51 71 64 70 87 46 621
% 4.99 5.64 6.92 8.21 11.43 10.31 11.27 14.01 7.41 100
Table 2.
Analysis of Thesis Topic Areas in Beauty Industry Papers
Major category Subcategory Number of papers Major category Subcategory Number of papers
Engineering (20) Architectural Engineering 1 Social Sciences (80) Management Education 1
General Engineering 4 Business Administration 14
Miscellaneous Computer Science 1 Economics 4
Other Environmental Engineering 1 Tourism 7
Industrial Engineering 1 Tourism Information Systems 3
electrical engineering 1 Advertising/Public Relations 1
Information & Communication Systems & Applications 1 Domestic Marketing 1
Information and Communication Theory 1 Domestic Distribution/Logistics 1
Computer Science 9 International/Regional Development 1
Agriculture, Fisheries and Oceanography (4) Other Agronomy 1 Real Estate Economics 1
Agricultural Chemistry 1 Other Social Sciences 10
Food Science 1 Trade Studies 2
Marine Life 1 General Trade Studies 1
Interdisciplinary Sciences (96) Emotional Science 3 Law 1
Emotional Culture / Society 8 Real Estate Economics 1
Science & Technology Management 1 General Social Sciences 3
Science and Technology Policy 1 Saemaul/International Development Cooperation 1
Science and Technology 9 Service Marketing 2
Other science and technology 20 Broadcast Journalism 4
Interdisciplinary Research 54 Women's Studies 1
Arts & Sports (390) Performance 1 Information Services 14
Other Fine Arts 16 Regional studies 1
Other Beauty 100 General Area Studies 1
General Fine Arts 3 Entrepreneurship/Venture Business 3
Other Physical Education 1 Hotel/Food Industry Management 1
Design 88 Medicine (1) Complementary, alternative/ Oriental medicine nursing 1
General Design 5 Humanities (4) Other humanities 1
Animation/Film 2 Russian Studies 1
Russian 1 Cultural Theory 1
Cultural Theory 11 Translation and Interpreting Studies 1
Cultural Arts Management 3 Natural Sciences (26) General Natural Sciences 11
Translation and Interpretation Studies 1 Human Ecology 13
Clothing Studies 1
Art 1 Statistics 1
Beauty 152
Fine Arts 7
Human Ecology 13
Table 3.
Analysis of Beauty Industry Papers by Academic Journal Name
Academic journal name Papers Academic journal name Papers
Journal of Korean Beauty Society 80 Journal of Brand Design Research 11
Journal of Korean Design Culture 58 Humanities and Social 21 10
Journal of the Korean Society of Cosmetics and Beauty 49 Journal of Korean Applied Science and Technology 10
Journal of Beauty Arts Management 48 Korea Science and Arts Convergence Society Journal 9
Journal of Korean Human Body Beauty Art Society 32 Journal of Korean Design Forum 9
Asian Beauty Cosmetics Academic Journal 22 Business Convergence Research 7
Journal of Korean Beauty Society 20 Journal of Korean Entertainment Industry 7
Digital Convergence Research 18 Journal of Korean Convergence Society 7
Convergence Information Journal 14 Journal of Korean Content Society 7
Formative Media Studies 13 Others 190
Table 4.
Analysis of the Number of Citations Per Year in Beauty Industry Papers
Title Annual number of citations Total citations number Publication year
Study on the impact of YouTube beauty influencer attributes on content attitude, product attitude, word-of-mouth intention,and purchase intention 19.8 99 2020
A study on the impact of motivation for using YouTube's one-person media beauty channel on channel evaluation, product attitude, and purchase intention 13.33 80 2019
A study on the motivation,satisfaction,and intention to continue using YouTube beauty content among beauty majors 9.17 55 2019
Impact of COVID-19 on consumers’ catharsis consumption in the beauty sector 5.5 22 2021
Consideration on ways to utilize social media to sustain K-Pop's Korean Wave - Focusing on analysis of BTS's activity patterns - 5.33 32 2019
The impact of beauty consumers' online experience value on consumer happiness, brand trust, and purchase intention: Focusing on the moderating effect of SNS word-of-mouth information characteristics 5 20 2021
Changes in the beauty service industry in the 4th Industrial Revolution and aging era: Focusing on the expandability of the smart beauty care skin care market 4.6 23 2020
Analysis of mobile augmented reality app user reviews using topic modeling 3.83 23 2019
Research on the 4th Industrial Revolution and changes in the global beauty market 3.63 29 2017
Research on how beauty creators are evolving in the independent media space 3.63 29 2017
The effects of beauty-related UCC information characteristics on information satisfaction and information acceptance; with a focus on the moderating effect of appearance interest. 3.43 24 2018
How social commerce beauty purchase factors impact customer satisfaction and repurchase intentions 3.36 37 2014
Researching the enablers of the social creator industry 2.56 23 2016
What's wrong with the Korean beauty industry and how to improve it 2.33 35 2010
The reciprocal influence relationship between organizational effectiveness and customer orientation and turnover intention in hairdressers - Focusing on hair and beauty salons in the Seoul-Gyeonggi region. 2.22 20 2016
The impact of multidimensional relationship benefi切 on Korean sentiment and customer loyalty in the beauty services industry 2 24 2013
How skin care affects happiness in middle-aged and older women 1.6 24 2010
Research on the factors that cause changes in the shape of hair cuts 1.53 26 2008
Studies on the cosmetic activity of mountain cherry (Prunus sargentii R.) bark 1.41 24 2008
A study of the impact of hairdressing service quality on service loyalty: focusing on the mediating effects of relationship quality and switching costs 1.29 22 2008
Table 5.
Results of Semantic Network Analysis in Beauty Industry Papers
Keyword Centrality of connection Proximity Centrality Eigenvector centrality Mediated centrality
Image 3432.000 19.000 0.321 0.056
Customer 3167.000 19.000 0.342 0.056
Skin 3112.000 19.000 0.325 0.056
Marketing 2896.000 19.000 0.283 0.056
Hair 2877.000 19.000 0.283 0.056
Education 2630.000 19.000 0.275 0.056
Satisfaction 2504.000 19.000 0.274 0.056
Design 2157.000 19.000 0.199 0.056
Make-up 2113.000 19.000 0.192 0.056
Style 2112.000 19.000 0.217 0.056
Culture 2010.000 19.000 0.144 0.056
Consumer 2004.000 19.000 0.186 0.056
Content 1904.000 19.000 0.144 0.056
Brand 1826.000 19.000 0.178 0.056
Shop 1792.000 20.000 0.225 0.000
Looks 1779.000 19.000 0.169 0.056
Fashion 1516.000 20.000 0.133 0.000
Korean wave 1334.000 19.000 0.093 0.056
Woman 1303.000 19.000 0.126 0.056
Trend 1158.000 19.000 0.108 0.056
Table 6.
Results of Topic Modeling Analysis in Beauty Industry Papers
Topic Keyword Weight Topic Keyword Weight Topic Keyword Weight Topic Keyword Weight
1 Education 0.008 2 Action 0.01 3 Makeup 0.011 4 Design 0.012
1 Content 0.007 2 Product 0.009 3 Skin 0.01 4 Offer 0.007
1 Office 0.007 2 Hair 0.009 3 Education 0.009 4 Attribute 0.007
1 Sightseeing 0.007 2 Purchase 0.009 3 Consumer 0.008 4 Materials 0.007
1 Action 0.007 2 Materials 0.008 3 Image 0.007 4 Expression 0.007
1 Materials 0.006 2 Customer 0.008 3 Attribute 0.006 4 Education 0.006
1 Recognition 0.006 2 Skin 0.007 3 Need 0.006 4 Need 0.006
1 Product 0.006 2 Appearance 0.007 3 Activation 0.006 4 Satisfaction 0.006
1 Makeup 0.006 2 Marketing 0.007 3 Materials 0.006 4 Customer 0.006
1 Female 0.006 2 Need 0.007 3 Brand 0.006 4 Skin 0.006
5 Education 0.012 6 Skin 0.009 7 Skin 0.013
5 Organization 0.009 6 Satisfaction 0.008 7 Action 0.012
5 Materials 0.008 6 Marketing 0.008 7 Education 0.008
5 Faith 0.007 6 Design 0.007 7 Appearance 0.007
5 Content 0.007 6 South Korea 0.007 7 Characteristic 0.006
5 Development 0.006 6 Utilization 0.007 7 Technique 0.006
5 Marketing 0.006 6 Sightseeing 0.007 7 Hair 0.006
5 Skin 0.006 6 Content 0.007 7 Rates 0.006
5 Recognition 0.006 6 Materials 0.007 7 Office 0.006
5 Hair 0.006 6 Education 0.007 7 Makeup 0.006

References

Aggarwal, C. C., & Zhai, C.. (2012). Mining text data Springer Science & Business Media.
Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. doi: 10.1145/2133806.2133826.
crossref
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3:993-1022.
Cho, O. S., Choi, S. J., & Park, H. W. (2003). A survey on the actual condition of hair dyeing - Focused on women in Changwon City. Fashion Business, 7(1), 116-134.
Choi, E. S. T., Lee, M. J., & Seo, S. Y. (2022). Prediction of K-Beauty Industry Trend Using Big Data. Journal of the Korean Society of Cosmetology, 28(6), 1373-1382. doi: 10.52660/JKSC.2022.28.6.1373.
crossref pdf
Danowski, J.. (1993). Network analysis of message content. In: BattiettG., RichardsW., editors. Progress in communication sciences p.197-222. Norwood, NJ, Ablex.
Feldman, R., & Sanger, J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Cambridge: Cambridge University Press.
Hwang, S. U. (2011). A Study on Infrastructure Development for the Revitalization of Beauty Tourism. Seoul: Korea Health Industry Development Institute.
Kim, A. Y., & Kim, J. W. (2023). 2023 Overseas Hallyu Survey. Seoul: Korea Foundation for International Cultural Exchange.
Kim, E. J., Jeong, K. H., & Kim, J. S. (2009). A Study on the Curriculum Requirements for Beauty-Related Schools and Departments. Seoul: Korea Institute for Health and Social Affairs.
Kim, K. M., Jeun, M. J., & Kim, J. S. (2016). Analysis on research trends of papers published in The Korean Society of Beauty Industry Journal. Journal of Beauty Industry, 10(2), 15-32.
Krippendorff, K. (2018). Content analysis: An introduction to its methodology(4th ed.). New York: SAGE Publications.
Lee, H. S., & Baek, H. Y. (2020). Research Trend of Actuarial Risk Management Studies and Future Research Agenda. The Journal of Risk Management, 31(2), 61-89.
Lee, J. M. (2023). A trend analysis of Taekwondo studies related to elementary school students using big data. Korean Journal of Elementary Physical Education, 29(1), 83-93.
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge: Cambridge University Press.
Mimno, D., Wallach, H., Talley, E., Leenders, M., & McCallum, A. pp 2011). Optimizing semantic coherence in topic models. In: Proceedings of the 2011 conference on empirical methods in natural language processing; pp 262-272.
Neuendorf, K. A. (2017). The content analysis guidebook(2nd ed.). New York: SAGE Publications.
Oh, H. K., & Youn, C. S. (2013). The Study on the Research Trends of the Domestic Doctorial Degrees Theses in the Beauty Industry Management. Journal of Beauty Industry, 7(2), 5-22.
Oh, S. J. (2012). Factors influencing the preference for K-Pop: A study focused on K-Pop consumers in the Americas. Korean Journal of Subjectivity Research, 24(6), 205-222.
Park, J. H., & Song, M. (2013). A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling. Journal of the Korean Society for Information Management, 30(1), 7-32. doi: 10.3743/kosim.2013.30.1.007.
crossref
Park, J. T. (2022). A trend analysis of sports for the disabled after COVID-19 using text mining. Korean Journal of Sports Science, 20(3), 241-249.
Seo, S. M., & Kang, S. K. (2016). The Analysis of Beauty Education Study Trend. Journal of the Korean Society of Cosmetology, 22(6), 1464-1470.
Stemler, S. (2001). An overview of content analysis. Practical Assessment, Research & Evaluation, 7(17), 137-146.
Wu, L., & Yu, H. K. (2015). Korean Cosmetic Purchase Behavior of Chinese Female Tourists Visiting Korea According to Korean Wave Recognition, Purchase Purpose and Appearance Involvement. Journal of the Korean Society of Cosmetology, 21(2), 336-346.
Zha, W., Ye, Q., Li, J., & Ozbay, K. (2023). A social media data-driven analysis for transport policy response to the COVID-19 pandemic outbreak in Wuhan, China. Transportation Research Part A: Policy and Practice, 172:2-17.
crossref


ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
FOR CONTRIBUTORS
Editorial Office
69 Gwangju Yeodae-gil, Gwangsan-gu, Gwangju, 62396, Korea
Tel: +82-10-2825-6735   Fex: +82-62-950-3797    E-mail: beauty2007@hanmail.net                

Copyright © 2025 by Korean Society of Cosmetology.

Developed in M2PI

Close layer
prev next