---
type: paper
slug: changjun-lee-2016-giant-platform-content-diversity
title: The influence of giant platform on content diversity
authors:
  - '[[changjun-lee]]'
  - '[[junseokhwang]]'
year: 2016
venue: '[[technological-forecasting-and-social-change]]'
doi: 10.1016/j.techfore.2016.11.029
categories:
  - '[[platform-themes]]'
methods:
  - '[[agent-based-model]]'
  - '[[genetic-algorithm]]'
  - '[[simulation-methods]]'
themes:
  - '[[content-diversity]]'
  - '[[platform-competition]]'
  - '[[innovation-ecosystem]]'
last_updated: '2026-05-20T02:06:34+09:00'
---
# The influence of giant platform on content diversity

*[[changjun-lee]], [[junseokhwang]] (2016)* · [[technological-forecasting-and-social-change]] · [DOI ↗](https://doi.org/10.1016/j.techfore.2016.11.029)

> 거대 플랫폼 사업자 (PP) 가 콘텐츠 사업자 (CP) 와 user 사이의 gatekeeper 가 될 때 *외형 다양성* (phenotype, 콘텐츠 수) 은 증가하지만 *내적 다양성* (genotype, intrinsic idea distance) 은 감소함을 [[genetic-algorithm]] 기반 [[agent-based-model]] 4 실험 (각 10,000 회 반복) 으로 입증. Neutral setting (popSize=1,000, bits=300, Pslow=0.1, Pfast=0.9, Penv=0.005, Pnew=0.1, Rs=0.5) 에서 genotype diversity 가 peak 후 0 으로 수렴, average performance 도 동반 하락. *Slow imitator 비율 Rs* 가 0.1→0.9 로 높을수록 peak 가 보존; 사용자가 대안 탐색 (Exp 3) 또는 non-profit 플랫폼 도입 (Exp 4) 시 다양성 회복.

- **RQ**: 거대 PP 의 시장 확장이 콘텐츠의 *외적·내적* 다양성과 혁신 생태계의 sustainable 성장 능력에 어떤 영향을 주는가, 어떤 메커니즘 (CP 측 uniqueness 유지 / user 측 대안 탐색 / non-profit 플랫폼 도입) 으로 다양성이 회복 가능한가
- **방법론**: [[agent-based-model]] (PP-CP-user 3 agent), [[genetic-algorithm]] (March 1991 Posen et al. 2013 라인), Morrison and De Jong (2002) moment of inertia 로 genotype diversity 측정, [[simulation-methods]] (각 실험 10,000 회 반복 평균)
- **데이터**: 시뮬레이션. Neutral setting — population 1,000, 차원 (bits) 300-500, Pslow 0.1, Pfast 0.9, Penv 0.005, Pnew 0.1, Rs 0.5; 실제 데이터로 Google Play app 수 추이 (외적 다양성 증가 trend) 인용
- **주요 발견**: (Exp 1) genotype diversity peak 후 0 으로 수렴, average performance 도 동반 하락 — *외적 다양성 증가는 내적 다양성 감소를 가려준다*; (Exp 2) Rs (slow imitator 비율) 가 0.1→0.9 로 증가 시 phenotype·genotype diversity 모두 peak 상승; (Exp 3) user 의 hidden needs 탐색 시 average performance 가 지속 성장; (Exp 4) non-profit 플랫폼 도입 시 internal·external 다양성 모두 추가 상승
- **시사점**: 거대 플랫폼 규제 논쟁에 simulation evidence 제공 — *외적* 다양성 지표 (앱 수, 콘텐츠 수) 만 보면 위험 신호를 놓침; 다양성 회복은 (i) CP 측 uniqueness 유지, (ii) user 측 능동 탐색, (iii) non-profit 대안 플랫폼 도입의 3 lever 로 가능

![PP-CP-user 의 plat-form 생태계와 콘텐츠 다양성 분석 framework](/papers/201811_LeeC_The_influence_of_giant_platform_on_content_diversity/fig1.jpeg)

## 요약

스마트폰 혁신 이래 mobile OS·검색·소셜미디어 PP 는 ICT 생태계의 유일한 mediator 가 되어 CP·user 양측에 양면 시장 (two-sided market) 권력을 갖게 됐다. 규제 논쟁은 활발하지만 PP 의 *시장 지배가 콘텐츠 다양성에 미치는 영향* 의 정량 evidence 는 부족하다 (Burri 2016; Mansell 2015; Napoli 2015). 기존 다양성 측정은 *외형 (콘텐츠 수, 장르 수)* 에 집중해 *내적 다양성* (콘텐츠 간 intrinsic idea 거리) 을 포착하지 못했다 (Champion et al. 2012; Napoli 2011a, b). 본 paper 의 핵심 idea 는 *콘텐츠를 유전자처럼* 다루는 것 — 외형 다양성 (phenotype) 과 내적 다양성 (genotype) 의 분리 측정.

[[changjun-lee]] · [[junseokhwang]] 은 Fransman (2010) 의 ICT 생태계 layer model (C-P-N-D) 위에서 PP-CP-user 3 agent 의 동학을 [[agent-based-model]] + [[genetic-algorithm]] 으로 모형화한다. Holland (1992) 의 GA 를 March (1991) 가 조직 학습으로, Posen et al. (2013) 이 imperfect imitation 으로 확장한 라인을 잇는다. CP 는 bit-string 으로 표현된 콘텐츠를 만들어 PP 에 contract 신청; PP 는 entry barrier $P_{new}$ 와 reputation 으로 sampling; user 는 자기 needs bit-pattern 과의 일치도로 채택. CP 는 *fast imitator* (best performer 를 빠르게 모방, $P_{fast}=0.9$) 와 *slow imitator* (느리게, $P_{slow}=0.1$) 로 구분. 종속변수 3 종 — phenotype diversity (계약 콘텐츠 수), genotype diversity (Morrison and De Jong 2002 의 moment of inertia), average performance (needs 충족 평균). 실험변수 2 종 — $P_{new}$ (entry barrier) 와 $R_s$ (slow imitator 비율).

Exp 1 (neutral) 에서 phenotype diversity 와 average performance 가 시간 따라 증가 후 감소, **genotype diversity 는 초기 급증 후 0 으로 수렴**. 이는 *외형 다양성 증가가 내적 다양성 감소를 가려준다*는 핵심 발견 — Doyle (2010) 의 culture industry 의 *trial-and-error 원리* 가 게이트키퍼 환경에서 무너지는 메커니즘. Exp 2 에서 $R_s$ 가 0.1→0.9 로 증가하면 두 다양성 모두 peak 상승, 즉 uniqueness 유지 CP 비율이 *adverse selection* (Akerlof-style sensational title 동조) 을 늦춘다. Exp 3 (user 가 hidden needs 능동 탐색) 에서는 average performance 가 계속 성장 — Schumpeter (1934) 의 *innovation = new combination* 메커니즘이 user-side 에서도 활성화. Exp 4 (non-profit 대안 플랫폼 도입) 는 internal·external 다양성 모두 추가 상승 — 정책적 lever 확보.

함의는 PP 규제는 시장 행위 (sampling, contract) 만이 아니라 *user 행동 변화* 와 *대안 플랫폼* 의 multi-lever 가 필요하다는 것. 한계는 (i) 단일 플랫폼 가정, (ii) 적정 다양성 수준 미제시, (iii) closed system 모형. [[junseokhwang]] 3 기 (2014-2019) 의 [[platform-ecosystem]] / [[content-industry]] 라인 핵심 작업, 동일 1 저자 [[changjun-lee]] 의 [[changjun-lee-2015-platform-openness-meta-frontier]] 와 sibling.

## 핵심 결과

4 실험, 각 10,000 회 반복 평균, neutral setting (popSize=1,000, bits=500, Pslow=0.1, Pfast=0.9, Penv=0.005, Pnew=0.1, Rs=0.5):

| 실험 | 변동 변수 | 핵심 결과 |
|---|---|---|
| Exp 1 | neutral baseline | genotype diversity peak 후 0 수렴, average performance 도 peak 후 하락 |
| Exp 2 | Rs 0.1 → 0.9 | Rs ↑ → phenotype·genotype peak 상승; average performance peak 상승 |
| Exp 3 | user hidden needs 탐색 | genotype·phenotype 둘 다 Exp 1 보다 상승, average performance 지속 성장 |
| Exp 4 | non-profit 대안 플랫폼 도입 | Exp 3 대비 phenotype·genotype peak 추가 상승, average performance 거의 동일 |

핵심 통찰: *외적 다양성 (앱 수) 이 증가해도 내적 다양성은 감소* — 거대 PP 규제 논쟁에서 *어떤 다양성 지표를 쓰는가*가 결론을 가른다.

## 방법론 노트

콘텐츠는 길이 $L$ (bits, 500) 의 binary string 으로 표현, user needs 도 같은 길이의 binary target. CP $j$ 의 콘텐츠 $x_j = (x_{j1},\ldots,x_{jL})$ 의 performance 는 needs 와의 매칭 bit 수. Genotype diversity 는 Morrison and De Jong (2002) 의 moment of inertia 로 *pairwise Hamming distance* 의 효율적 근사:

$$
I = \sum_{i=1}^{L} \sum_{j=1}^{P} (x_{ij} - c_i)^2, \quad c_i = \frac{\sum_{j=1}^{P} x_{ij}}{P}
$$

여기서 $P$ 는 계약 콘텐츠 수, $c_i$ 는 bit $i$ 의 centroid. Identification idea 는 (i) phenotype 과 genotype 의 *동시* 추적으로 외형 지표가 위험 신호를 가려주는 현상 가시화, (ii) experimental variable $R_s$ 와 $P_{new}$ 를 격자로 변경해 *어떤 mechanism* (CP 다양성 유지 / PP entry barrier) 이 결과를 가르는지 분리. CP imitation 은 fast ($P_{fast}=0.9$, best performer 빠른 모방) vs slow ($P_{slow}=0.1$, 자기 idea 와 best performer 의 새 조합) 의 2 type 으로 March (1991) 의 exploration/exploitation 변형.

## 연구 계보

[[genetic-algorithm]] 기반 진화 모델링 라인 — Holland (1992) GA 본가, March (1991) 의 조직 학습 적용, Lee, Lee and Rho (2002) strategic group emergence, Lee and Ryu (2002) neoSchumpeterian, Posen et al. (2013) imperfect imitation. 다양성 측정의 evolutionary computation 라인 — Morrison and De Jong (2002) moment of inertia. ICT 생태계 layer 토대 — Fransman (2010) C-P-N-D model, Nelson and Winter (1982) 진화경제학, Eisenmann, Parker and Van Alstyne (2006) two-sided market. 미디어 다양성 정책 라인 — Napoli (2001, 2011a, 2011b, 2015) exposure diversity, Owen and Wildman (1992) product / idea / access 3 차원, Doyle (2010) culture industry 의 trial-and-error. 동일 1 저자 [[changjun-lee]] 의 [[changjun-lee-2015-platform-openness-meta-frontier]] (Telecommunications Policy, with [[daeho-lee]]) 가 *플랫폼 개방성-CP 생산성* 메타-프론티어 실증으로 짝, 본 paper 는 *플랫폼 권력-콘텐츠 다양성* 의 simulation 측. [[junseokhwang]] 3 기 (2014-2019) 의 [[platform-ecosystem]] / [[content-industry]] / [[network-neutrality]] 라인의 진화·생태계 분석 측 핵심 작업.

## See also

- [[junseokhwang]]
- [[changjun-lee]]
- [[technological-forecasting-and-social-change]]
- [[agent-based-model]]
- [[genetic-algorithm]]
- [[content-diversity]]
- [[platform-ecosystem]]
- [[two-sided-market]]
- [[changjun-lee-2015-platform-openness-meta-frontier]]