--- type: paper slug: euy-young-jung-2012-product-survival-app title: Product survival analysis for the App Store authors: - '[[euy-young-jung]]' - '[[chulwoo-baek]]' - '[[jeongdonglee]]' year: 2012 venue: '[[marketing-letters]]' volume: '23' pages: 929-941 doi: 10.1007/s11002-012-9207-0 categories: - '[[innovation-economics]]' - '[[consumer-choice-research]]' methods: - '[[weibull-hazard-model]]' - '[[parametric-survival-analysis]]' themes: - '[[app-store]]' - '[[product-survival]]' - '[[free-product]]' - '[[early-entrant-advantage]]' - '[[profit-model]]' aliases: [] last_updated: '2026-05-17T21:30:00+09:00' --- # Product survival analysis for the App Store *[[euy-young-jung]], [[chulwoo-baek]], [[jeongdonglee]] (2012)* · [[marketing-letters]] 23:929-941 · [DOI ↗](https://doi.org/10.1007/s11002-012-9207-0) > Korea App Store 의 top 100 Free·Grossing 차트에 진입한 제품의 [[product-survival]] 을 [[weibull-hazard-model]] 로 분석해 free vs paid 제품 사이의 결정요인 차이, [[early-entrant-advantage]] 의 존재와 차트별 강도 차이, 그리고 4 가지 수익화 전략 (None, In-App Purchase, Paid Conversion, Pro and Lite) 의 생존율 비교를 제시한다. customer ratings 와 contents size 는 가격이 0 일 때만 결정적이며, early entrant 효과는 Free 차트에서 더 강하고, "Pro and Lite" 전략이 Grossing 차트에서 가장 효과적이다. - **RQ**: [[app-store]] 의 *price-free* 시장과 *paid* 시장이 어떻게 다르게 작동하는가, [[early-entrant-advantage]] 가 두 시장에서 어떻게 다르게 발현되는가, 그리고 free·paid 사이를 가로지르는 어떤 [[profit-model]] 이 가장 경쟁력 있는가? - **방법론**: [[weibull-hazard-model]], [[parametric-survival-analysis]], [[right-censoring]] - **데이터**: Korea App Store top 100 Free 차트 + top 100 Grossing 차트 (2009-11-28 이후), Free 10,404 obs · Grossing 7,939 obs - **주요 발견**: ranking·customer ratings·contents size 는 free 제품 (Model 1·2) 에서 더 강한 음의 hazard 효과를 보이고 paid 제품에선 약화된다. early entrant 더미는 Free 차트 (Model 2: −0.358*) 와 Grossing 차트 (Model 5: −0.338***) 모두에서 음 (생존 증가) 이지만 크기는 Free 가 더 크다. "Pro and Lite" 전략 (Model 6: −0.277**) 이 가장 생존율 높고, "In-App Purchase" 전략 (+1.691***) 이 가장 생존율 낮다. - **시사점**: free 시장의 *quality 지표 (ratings·size)* 와 paid 시장의 *price 지표* 가 서로 다른 *consumer 정보 처리* 메커니즘 (price 가 quality cue 로 작용하는지 여부) 을 반영한다. 후발 진입자는 *Markides–Geroski "fast second"* 또는 *Schnaars imitation* 전략으로 early entrant 의 우위를 잠식하고, "Pro and Lite" 의 virtuous cycle (Free 차트의 Lite → Grossing 차트의 Pro 유도) 이 진입 후 가장 강력한 retention 메커니즘. *(이 paper 는 *Marketing Letters* 게재본으로 raw 의 figure asset 미수록 — Free 차트와 Grossing 차트의 결정요인 비교는 본문 Table 2 와 핵심 결과 절을 참조)* ## 요약 본 paper 는 [[jeongdonglee]] 의 *제2기 도구의 확산과 시야의 확장 (2006-2012)* 라인 후반부에 위치한 sibling [[euy-young-jung-2012-oneperson-firms-application]] (PICMET '12) 의 6 개월 후속작이자 framework 확장이다. PICMET paper 가 *한국·미국 시장 비교 × OPF dummy* 라는 *국가-firm-type* 축으로 hazard 를 식별했다면, 본 *Marketing Letters* paper 는 *Free 차트 vs Grossing 차트 × 4 종 수익화 전략* 이라는 *시장-수익화-전략* 축으로 같은 [[weibull-hazard-model]] 을 적용한다. 두 paper 가 함께 [[product-survival]] 라인을 *지리·firm-type* 과 *수익화 모델* 두 축에서 mapping. 학술적으로는 Roberts (2000) 의 *understanding the market × ability to use that understanding for profit* 라는 marketing 명제를 *digital content market 의 정량적 검증* 으로 응답한다. 분석은 세 hypothesis 를 분리한다. 첫째, *free vs paid 의 quality 지표 차이*: Model 1 (Free) 의 customer ratings 계수 (−0.196**) 와 contents size 계수 (−0.205**) 는 Model 3·4 (Grossing) 보다 2 배 이상 크다. 즉 가격이 0 일 때 consumers 는 price 를 quality cue 로 쓸 수 없어 *ratings·size* 같은 대체 정보에 더 의존한다. 둘째, *early entrant advantage 의 시장별 차이*: Free 차트의 early entrant 우위 (−0.358*) 가 Grossing 차트 (−0.338***) 보다 약간 크고, Table 3 에서 early entrant 의 mean App age 도 Free (51.07 일) 가 Grossing (9.98 일) 보다 압도적으로 크다. 셋째, *수익화 전략의 생존 분기*: "Pro and Lite" (−0.277**) 가 가장 강력한 retention, "In-App Purchase" (+1.691***) 가 가장 약함. Lite 가 Free 차트에서 promotion → Pro 가 Grossing 차트에서 conversion 이라는 virtuous cycle 이 핵심 메커니즘으로 제시된다. 본 paper 의 한계는 한국 단일 국가·top 100 차트 한정·14 개월 window 의 짧음. 그러나 *Marketing Letters* 라는 venue 자체가 [[jeongdonglee]] 의 *제8기 학술지 선택* 의 다양화 (productivity 저널을 넘어 marketing·industrial dynamics 저널로의 확장) 를 보여주는 지표. 후속 [[product-lineage-life-cycle]] 연구 (제3·4기) 에서 *제품의 시간적 변화* 라는 dynamics 라인이 본격 발화하기 전 단계로 자리매김한다. ## 핵심 결과 | 변수 | Model 1 (Free) | Model 2 (Free+early) | Model 4 (Grossing-free 제외) | Model 5 (Grossing+early) | Model 6 (Grossing+strategy) | |---|---:|---:|---:|---:|---:| | Ranking | +2.424*** | +2.424*** | +1.602*** | +1.355*** | +1.373*** | | Price | (제외) | (제외) | +0.985*** | +0.710*** | +0.957*** | | Ratings | −0.196** | −0.192** | +0.050 ns | −0.032 ns | +0.019 ns | | Size | −0.205** | −0.176** | −0.092* | −0.080 ns | −0.077 ns | | Early entrant | | −0.358* | | −0.338*** | | | In-App Purchase strategy | | | | | +1.691*** | | Pro and Lite strategy | | | | | −0.277** | | N | 10,404 | 10,404 | 7,782 | 7,939 | 7,939 | 표본 내 mean App age: "Pro and Lite" 전략 13.56 일 (가장 길음), "In-App Purchase" 2.57 일 (가장 짧음), Non-strategy 7.18 일. early entrant 의 mean App age (Free: 51.07 vs late: 13.68, p=0.000). ## 방법론 노트 [[weibull-hazard-model]] 의 baseline 가정과 hazard 함수 (sibling [[euy-young-jung-2012-oneperson-firms-application]] 와 동일): $$ h_0(t) = p t^{p-1} \exp(\beta_0) $$ $$ H(t \mid x_i) = \exp(\beta_0 + x_i \beta_x) t^p, \quad S(t \mid x_i) = \exp\{-\exp(\beta_0 + x_i \beta_x) t^p\} $$ 여기서 $S(t \mid x_i)$ 는 conditional survival function. observations 는 product-level daily record 로 분해되어 multiple records per subject 를 허용 (재진입 가능). identification 은 *Free vs Grossing 차트의 동일 변수 (ratings·size·early-entrant) 계수 차이* 에서 온다. *quality 지표 (ratings·size) 의 영향이 paid 시장에서 약화* 되는 패턴이 Shampanier et al. (2007) 의 *zero price effect* (price = 0 일 때 consumers 가 정보 처리 자체를 다르게 함) 의 정량적 증거. *수익화 전략 dummy 의 hazard 차이* 가 "Pro and Lite" virtuous cycle 의 식별 evidence. ## 연구 계보 본 paper 는 두 라인의 합류점이다. 첫째, Bhattacharjee et al. (2007) 의 music ranking 차트 survival 과 De Vany–Walls (1997) 의 motion picture 차트 survival 이라는 *ranking-chart 잔류 hazard* 전통. 둘째, Roberts (2000), Kerin et al. (1992), Zhang–Markman (1998) 의 *first-mover advantage* 와 Markides–Geroski (2005) 의 *fast second* 라인. Shampanier et al. (2007) 의 *zero price effect* 가 free vs paid 차트 비교의 motivation. [[jeongdonglee]] author page 의 *제2기 도구의 확산* 분류, *실타래 3 (제품의 탄생과 죽음)* 의 발화 지점과 정확히 일치하며, sibling [[euy-young-jung-2012-oneperson-firms-application]] (PICMET '12) 의 *국가 비교 framework* 확장으로 *수익화 전략 비교* 축이 추가된다. [[chul-yong-lee-2008-forecasting-diffusion]] 의 *대형 TV 보급 예측* 도 같은 *제품 동학* 라인 의 선행 작업. ## See also - [[euy-young-jung-2012-oneperson-firms-application]] - [[jeongdonglee]] - [[chulwoo-baek]] - [[weibull-hazard-model]] - [[parametric-survival-analysis]] - [[product-survival]] - [[early-entrant-advantage]] - [[free-product]] - [[profit-model]] - [[marketing-letters]]