음악 그룹 네트워크, 성공 예측의 열쇠

초록

소련 및 탈소련 국가의 4,600개 이상 음악 그룹 데이터를 바탕으로 공연자 공유 네트워크를 구축했습니다. 분석 결과, 네트워크 중심성 등의 지표가 그룹의 장기적 인기(성공)를 상당히 정확하게 예측할 수 있는 핵심 변수임을 발견했습니다. 이 네트워크 기반 성공 예측 방법론은 다른 팀 협업 기반 예술·인문 분야에도 적용 가능합니다.

상세 분석

본 연구의 기술적 핵심은 음악 그룹을 노드로, 최소 한 명의 공연자 공유를 무방향 간선으로 정의한 협업 네트워크 구축과, 이 네트워크의 구조적 속성과 성공 지표 간의 관계를 정량적으로 분석한 데 있습니다.

핵심 네트워크 지표로는 평균 이웃 차수, 연결 중심성, 근접 중심성, 매개 중심성, 고유벡터 중심성, 클러스터링 계수 등 6가지를 채택했습니다. 성공의 정량화는 공식 차트나 판매량 데이터가 부재한 해당 지역 음악 산업의 특수성을 고려한 창의적인 접근법을 보여줍니다. 바로 위키피디아 페이지뷰 빈도와 구글 페이지랭크를 장기적 인기(성공)의 대리 변수로 사용한 것입니다. 이는 접근성이 높고 조작이 어려우며, 시대와 장르를 아우르는 균일한 측정 기준을 제공합니다.

상관관계 분석에서 가장 주목할 결과는 연결 중심성, 근접 중심성, 매개 중심성, 고유벡터 중심성 등 대부분의 중심성 지표가 페이지랭크 및 로그 변환된 방문 빈도와 유의미한 양의 상관관계를 보인 반면, 클러스터링 계수는 비선형(포물선) 관계를 보였다는 점입니다. 이는 한 그룹의 성공이 단순히 많은 그룹과 연결되는 것(고차수)뿐만 아니라, 네트워크 내에서 정보와 영향력이 흐르는 핵심 경로에 위치하는 전략적 위치(고중심성)와 더 깊은 관련이 있음을 시사합니다.

예측 단계에서는 랜덤 포레스트 분류기를 사용하여 네트워크 지표만으로 성공을 예측하는 모델을 구축했습니다. 그룹 크기(멤버 수)를 통제 변수로 추가한 모델과 비교한 결과, 네트워크 지표만으로도 페이지랭크를 ±1 오차 범위 내에서 92.7%, 방문 빈도(상/하)를 71.0% 정확도로 예측할 수 있었습니다. 이는 네트워크 구조가 그룹 자체의 규모 이상으로 성공에 대한 강력한 예측력을 지님을 입증하는 결과입니다. 연구의 방법론은 데이터 수집의 어려움(수동 크롤링, 불완전한 템플릿)과 성공 지표의 간접성이라는 한계가 있으나, 팀 기반 창작 생태계의 성공 메커니즘을 구조적 관점에서 조명했다는 점에서 의미가 큽니다.