협업 플랫폼 사용자 유형 연구

본 논문은 협업 혁신 플랫폼 사용자를 체계적으로 분류하고, 기존 SNS·크라우드소싱 연구와의 연계성을 탐색한다. 서론에서는 협업 플랫폼이 블로그·소셜 네트워크에 비해 상대적으로 새롭고, 기존 사용자 행동 연구가 직접 적용되기 어렵다는 점을 강조한다. 따라서 플랫폼 효율성을 높이기 위해서는 사용자 유형을 정확히 파악하는 것이 필요하다고 주장한다. 문헌 검토에서는 Brandtzaeg & Heim(2010), Budak et al.(2010), Li et al.(2007), Nielsen(2006), Jepsen(2006), Golder & Donath(2004) 등 6개의 주요 분류 체계를 정리한다. 이들 연구는 주로 군집분석·요인분석을 사용했으며, ‘Lurkers’, ‘Actives’, ‘Creators’, ‘Debaters’ 등 다양한 라벨을 제시한다. 저자들은 이러한 유형들을 형식 개념 분석(FCA)으로 매트릭스로 정리하고, 개념 격자를 도출해 공통된 핵심 클래스를 시각화한다. 이를 통해 ‘Lurkers’, ‘Creators’, ‘Socializers’ 등 세 가지 기본 클래스를 도출하고, 추가적인 ‘Salesmen’, ‘Translators’ 등 특수 클래스를 식별한다. 연구 목표는 (1) 기존 분류 체계 조사, (2) 협업 플랫폼 전용 새로운 유형 개발, (3) 기존 연구와의 비율 비교이다. 이를 위해 러시아의 혁신 플랫폼 Witology에서 진행된 특정 프로젝트 데이터를 활용한다. 총 519명 중 504명의 사용자 데이터를 수집했으며, 활동 지표는 ‘아이디어 생성 수’, ‘댓글 수’, ‘평가(점수) 수’이다. 비활동 사용자 248명을 제외하고 256명의 활성 사용자를 대상으로 k‑means 군집화를 수행하였다. 초기 군집은 5가지 색상(회색, 파랑, 초록, 노랑, 빨강)으로 시각화되었으며, 각 군집은 활동 패턴에 따라 구분된다. 회색은 아이디어 생성에 집중, 파랑은 평가 중심, 초록은 평가·댓글 혼합, 노랑은 댓글 중심, 빨강은 리더 그룹(프로젝트 승자)으로 해석된다. 저자들은 군집을 재조정해 최종적으로 6가지 사용자 유형을 정의한다. 각 유형의 비율과 기존 연구와의 대응 관계는 표 2와 표 3에 정리된다. ‘Celebrities(1%)’는 기존 연구의 ‘Actives’, ‘Mavens’, ‘Insiders’와 일치한다. ‘Debators(4%)’는 ‘Debaters’, ‘Socializers’, ‘Connectors’ 등에 대응한다. ‘Creators(4%)’는 아이디어 생성자이며, ‘Critics(7%)’는 평가만 수행하는 사용자, ‘Tourists(35%)’는 드물게 참여하는 사용자, ‘Inactives(49%)’는 전혀 활동하지 않는 사용자로 정의된다. 이러한 비율은 Nielsen(2006)의 “90‑9‑1” 법칙과 매우 유사하며, Brandtzaeg & Heim(2010)의 분류와도 일관성을 보인다. 논의에서는 첫째, 활동 지표만으로 사용자 유형을 구분했기 때문에 동기·전문성·사회적 연결망 등 정성적 요인은 반영되지 않았음을 지적한다. 둘째, k‑means 알고리즘의 초기 중심점 의존성과 군집 수 선택에 대한 근거가 부족함을 언급한다. 셋째, 비활동 사용자를 분석에서 제외했음에도 전체 표본의 절반이 ‘Inactives’로 나타나, 실제 플랫폼 참여율이 낮다는 점을 강조한다. 마지막으로, 단일 플랫폼과 러시아 문화권에 국한된 표본이므로 결과를 일반화하려면 다국적·다플랫폼 검증이 필요하다고 제언한다. 결론에서는 협업 플랫폼 사용자 유형이 기존 SNS·크라우드소싱 연구와 높은 연관성을 가지며, “90‑9‑1” 법칙이 협업 혁신 환경에서도 적용될 수 있음을 확인한다. 향후 연구에서는 다변량 통계 모델, 사회 네트워크 분석, 정성적 인터뷰 등을 결합해 보다 정교한 사용자 프로파일링과 동기 부여 메커니즘을 설계할 것을 제안한다.