창조자가 이끄는 밈 전파 메커니즘

초록

본 연구는 밈의 생성 과정과 공유 과정을 별도로 분석하여, 창작자의 특성이 소비자의 재공유 행동을 예측할 수 있음을 입증한다. 창작 단계에서 수집한 11.5%의 분산 설명력과, 소비자 단계에서 37.5%의 분산을 설명하는 모델을 제시한다.

상세 분석

이 논문은 온라인 밈 전파를 “송신자‑수신자 연쇄”라는 프레임워크로 재구성한다. 첫 번째 송신자는 동시에 밈의 창작자이며, 이후의 송신자는 이전 수신자가 재공유한 결과물이다. 저자들은 두 단계, 즉 창작 과정과 공유 과정을 독립적으로 실험 설계하고, 각각이 전체 전파에 미치는 영향을 정량화하였다.

실험 1에서는 실험실 환경에서 참가자들에게 자유롭게 이미지·텍스트·밈 포맷을 조합하도록 하여 실제 밈을 생성하게 했다. 이때 창작자의 인지적·정서적 상태, 창작 시간, 사용된 시각·언어적 요소 등을 로그로 기록하였다. 이후 동일한 밈을 온라인 플랫폼에 업로드하고, 실제 사용자들의 클릭·좋아요·재공유 데이터를 실시간으로 수집했다.

공유 단계에서는 Consumer Model of Sharing Decisions를 구축하였다. 이 모델은 (1) 밈 내용의 감정적 강도, (2) 문화적 친밀도, (3) 시각적 복잡도, (4) 개인의 현재 정서 상태 등 네 가지 주요 변수를 독립 변수로, 재공유 여부를 종속 변수로 설정한 다중 회귀 분석이다. 결과는 전체 변동성의 37.5%를 설명했으며, 특히 감정적 강도가 가장 큰 회귀 계수를 보였다.

창작 단계와 공유 단계 사이의 연결 고리를 탐색하기 위해 Creator Model of Re‑sharing Behavior를 제시한다. 여기서는 창작자의 창작 스타일(예: 풍자 vs. 순수 유머), 제작 시간, 사용된 색채 대비 등을 특징으로 삼아, 소비자의 재공유 행동을 예측한다. 흥미롭게도 이 모델은 단순히 창작자 정보만으로도 소비자 행동 변동성의 11.5%를 설명했으며, 이는 “소비자는 창작자를 거의 모른다”는 일반적 가정에 반하는 결과다.

또한, 저자들은 이 두 모델을 통합한 전파 시뮬레이션을 구현하였다. 시뮬레이션에서는 각 밈을 초기 노드(창작자)로 두고, Consumer Model을 기반으로 네트워크 상의 각 노드가 재공유할 확률을 계산한다. 결과적으로, 창작 단계에서의 몇 가지 핵심 변수(예: 감정적 강도, 시각적 대비)가 전체 전파 규모에 비선형적인 영향을 미치는 것을 확인했다.

통계적 검증에서는 교차 검증과 부트스트랩 방법을 활용해 모델의 일반화 능력을 평가했으며, 특히 Creator Model은 데이터셋을 10배 교차 검증했을 때 평균 R²=0.115±0.012를 유지했다. Consumer Model 역시 5‑fold 교차 검증에서 안정적인 0.375±0.018의 설명력을 보였다.

이 논문의 주요 기여는 (1) 밈 전파를 두 단계 프로세스로 분리해 분석한 방법론적 혁신, (2) 창작자 특성이 소비자 행동을 예측한다는 실증적 증거, (3) 두 모델을 결합한 전파 시뮬레이션을 통해 정책적·마케팅적 시사점을 제공한다는 점이다. 특히, 마케팅 담당자는 밈을 설계할 때 감정적 강도와 시각적 대비 같은 창작 단계 변수에 집중함으로써, 사후 재공유 단계에서의 자연스러운 확산을 유도할 수 있다.

한계점으로는 실험실에서 생성된 밈이 실제 SNS에서 나타나는 복합적 문화적 맥락을 완전히 반영하지 못한다는 점, 그리고 모델이 설명하지 못하는 88.5%·62.5%의 변동성에 대한 추가 요인(예: 네트워크 구조, 인플루언서 효과) 탐색이 필요하다는 점을 들 수 있다. 향후 연구에서는 다중 플랫폼 데이터를 통합하고, 네트워크 중심성 지표와 결합한 하이브리드 모델을 개발함으로써 전파 메커니즘을 보다 정교하게 규명할 여지가 있다.