--- type: paper slug: minjung-shon-2021-online-video-advertising-inconvenience title: 'Free contents vs. inconvenience costs: Two faces of online video advertising' authors: - '[[minjung-shon]]' - '[[jungwoo-shin]]' - '[[junseokhwang]]' - '[[daeho-lee]]' year: 2021 venue: '[[telematics-and-informatics]]' volume: '56' pages: '101476' doi: 10.1016/j.tele.2020.101476 categories: - '[[ict-policy]]' methods: - '[[mixed-logit]]' - '[[conjoint-analysis]]' themes: - '[[online-video-platform]]' - '[[online-video-advertising]]' - '[[ad-blocking]]' last_updated: '2026-05-17T20:00:00+09:00' --- # Free contents vs. inconvenience costs: Two faces of online video advertising *[[minjung-shon]], [[jungwoo-shin]], [[junseokhwang]], [[daeho-lee]] (2021)* · [[telematics-and-informatics]] 56:101476 · [DOI ↗](https://doi.org/10.1016/j.tele.2020.101476) > 한국 20~59 세 500 명 conjoint survey (2019.1.13~2.14) 로 가상 ad-blocking 서비스의 6 속성 (behavioral ad-blocking, repeat ad-blocking, length-based, location-based, skippability-based, monthly fee) 에 대한 선호를 [[mixed-logit]] 로 추정한다. 모든 광고 차단 willingness-to-pay (1,432 KRW 로 최고), 광고 길이는 1 초당 30 KRW 감소. 시장 시뮬레이션은 광고 5 초 (Platform B) > 광고 15 초 (Platform A) 의 14%p 점유율 차이를 보인다. - **RQ**: 온라인 비디오 광고의 불편 비용 (inconvenience cost) 은 무엇이고 그것이 사용자의 ad-blocking·subscription 선택에 어떻게 영향을 주는가? 광고 정책 변화 시 플랫폼 시장 점유율은 어떻게 변화하는가? - **방법론**: [[conjoint-analysis]] (D-efficiency=1 optimal design, 16 choice sets × 4 conjoint cards each), [[mixed-logit]] (SMLE, 500 simulations) - **데이터**: 한국 20~59 세 500 명 (17 개 시·도, 2019.1.13~2.14, 전문 설문회사); 사전 파일럿 117 명. 응답자 평균 일일 동영상 6 회, 58.9 분 시청. - **주요 발견**: "Block all behavioral ads" 가 가장 큰 양의 효용 (β=1.307, 1% 유의, MWTP=1,432 KRW). Monthly fee β=−0.899 (49.5% relative importance). 광고 길이 1 초당 MWTP −30 KRW. 시장 시뮬레이션 결과 광고 5 초 + 무료 platform B 가 광고 15 초 platform A 를 약 14%p 점유율 차이로 능가. - **시사점**: 광고 기반 무료 모델의 한계 정량화 → OTT 산업은 hybrid (광고 + 구독) 모델 또는 개인정보 사용 최소화로 사용자 효용 개선해야 한다. 광고를 줄이는 것보다 personal 정보 사용 최소화가 사용자 효용에 더 결정적. ![온라인 비디오 광고 conjoint 분석 시장 시뮬레이션 (Scenario 1): Platform C (구독·광고 없음) 가격 변화에 따른 A (15 초 광고)·B (5 초 광고)·C 시장 점유율 변화.](/papers/202101_ShonM_Free_contents_vs_inconvenience_costs_Two_faces_of_online_video_advertising/fig1.jpeg) ## 요약 Netflix 의 paid subscription 모델 성공과 YouTube 의 premium 도입은 OTT 산업이 광고 기반 무료 모델에서 hybrid 또는 구독 모델로 이동 중임을 시사한다. 그러나 ad-blocking 프로그램 확산은 광고 모델의 사용자 불편을 보여주는 한편, 광고 차단이 산업 생태계에 부정적 영향 (낮은 콘텐츠 품질, closed Internet) 을 줄 위험도 있다 (Anderson and Gans, 2011; Tåg, 2009; Choi, 2015). 기존 연구는 광고 차단 이론 모델·실증 분석을 다뤘지만 (i) inconvenient 광고 속성의 경제적 가치 추정과 (ii) 광고 전략 변화에 따른 플랫폼 점유율 전망을 동시에 다루지 않았다. 본 논문은 이 두 gap 을 채운다. 방법론은 [[conjoint-analysis]] (Green and Srinivasan, 1978, 1990) + [[mixed-logit]] (McFadden, 1973; Train, 2009) 결합이다. 가상 ad-blocking 서비스를 6 개 속성으로 정의: (1) behavioral ad-blocking (4 수준: 개인정보 사용 high/low/all/no block), (2) repeat ad-blocking (2 수준), (3) length-based (3 수준: 5s/10s/15s), (4) location-based (4 수준: before/middle/after), (5) skippability-based (3 수준), (6) monthly fee (4 수준: 2,000/4,000/6,000/8,000 KRW). 총 1,152 (= 4×2×3×4×3×4) 카드 중 D-efficiency 1 optimal design 으로 48 alternatives → 16 choice sets (각 4 카드 + No choice) 구성, 응답자별 1 combination 무작위 할당 후 4 set 응답. 500 명 표본 (남 248/여 252, 4 연령대 각 25%) 에서 mixed logit + 500 simulation SMLE 추정. 핵심 결과 세 가지. (i) MWTP (Eq. 4) 추정 (Table 4): "Block all behavioral ads" β=1.307 (1% 유의), MWTP=1,432 KRW 로 최대. "Block behavioral ads with high privacy" β=1.038, MWTP=1,136 KRW. Repeat ad-blocking β=0.337, MWTP=352. Length-based β=−0.028 (광고 길이 1 초 ↑ → MWTP −30 KRW). 가격 β=−0.899. (ii) Relative Importance (Eq. 5): Monthly fee 49.49% (지배), behavioral ad-blocking 합 27.35%, location-based 7.50%, length-based 2.75% (최저). 즉 광고 길이보다 개인정보 사용이 사용자 효용에 더 결정적. (iii) Market share 시뮬레이션 (Eq. 6, Scenario 1): Platform A (15 초 광고·무료) vs Platform B (5 초 광고·무료) vs Platform C (광고 없음·유료). Platform C 가격 5,000 KRW 이상 시 Platform B 가 1 위 (40%+), Platform A 가 뒤 따름; A vs B 의 14%p 점유율 차이는 5 → 15 초 광고 길이 차의 효과를 정량화. Scenario 2 (Platform A 가 paid behavioral ad-blocking 도입) 결과 1,000 KRW 가격에 86.5% 점유율. 결론은 광고 모델의 한계와 hybrid 모델 전환의 필요성을 OTT 정책에 정량 evidence 로 제공한다. ## 핵심 결과 | 속성 | 계수 | MWTP (KRW) | Relative Importance (%) | |---|---|---|---| | Block behavioral ads (high privacy) | 1.038* | 1,136 | 9.034 | | Block behavioral ads (low privacy) | 0.766* | 842 | 6.931 | | Block all behavioral ads | **1.307*** | **1,432** | **11.386** | | Repeat ad-blocking | 0.337* | 352 | 5.066 | | Ad-blocking by length | −0.028* | −30 / 초 | 2.751 | | Ad-blocking by location | 0.151* | 171 | 7.499 | | Block skippable ads | 0.328* | 363 | 2.983 | | Block non-skippable ads | 0.519* | 548 | 4.860 | | Monthly fee | −0.899* | — | **49.489** | \* p < 0.05. - **표본**: 500 명, 20~59 세, 17 개 시·도, 평균 일일 동영상 시청 58.9 분. - **시장 시뮬레이션**: Platform B (5 초 광고) 가 Platform A (15 초 광고) 보다 14%p 점유율 우위 (Platform C 가격 5,000 KRW 이상 시). - **Scenario 2 결과**: Platform A 가 paid behavioral ad-blocking 도입 (1,000 KRW) 시 86.5% 점유율. ## 방법론 노트 소비자 $i$ 의 alternative $j$ 에 대한 효용 함수 (Eq. 1): $$ U_{ijt} = V_{ijt} + \varepsilon_{ijt} = \sum_k \beta'_{ik} X_{jkt} + \varepsilon_{ijt} $$ 여기서 $\beta_{ik} \sim \text{Multivariate Normal}(b, W)$ (heterogeneous 선호), $\varepsilon_{ijt}$ 는 Type I extreme value. 선택 확률 (Eq. 2): $$ P_{ijt} = \int \frac{e^{V_{ijt}(\beta)}}{\sum_k e^{V_{ikt}(\beta)}} f(\beta) d\beta $$ 은 simulated maximum likelihood (SMLE, Eq. 3) 로 추정. 500 시뮬레이션 반복 (Brownstone and Train, 1998 의 250 이상 추천을 충족). MWTP (Eq. 4): $$ \text{Median MWTP}_k = \text{Median}_i\left[-\frac{\beta_{ik}}{\beta_{i(\text{price})}}\right] $$ 시장 점유율 (Eq. 6): $$ S_j = \sum_i \left[\int \frac{\exp(\beta'_i x_j)}{\sum_k \exp(\beta'_i x_k)} f(\beta) d\beta\right] / N $$ 식별은 (i) optimal D-efficiency conjoint design, (ii) 500 명 sample heterogeneity, (iii) 500 simulations 의 likelihood 평균에 의존한다. ## 연구 계보 [[junseokhwang]] 그룹의 [[conjoint-analysis]] · [[mixed-logit]] 사용자 선호 분석 라인 (특히 [[jungwoo-shin]] 공저 시리즈) 의 OTT 응용이다. McFadden (1973), Train (2009) 의 discrete choice 이론 + Green and Srinivasan (1978, 1990) 의 conjoint 방법론 + Brownstone and Train (1998) 의 SMLE bias 분석을 직접 계승한다. TEMEP 내에서는 자매 작업 [[jungwoo-shin-2014-cloud-computing-iaas]] (클라우드 IaaS), [[jungwoo-shin-2012-ev-existing-car-usage-mdcev]] (전기차 MDCEV), 그리고 ICT 사용자 선호 분석 패밀리에 속한다. Anderson and Gans (2011), Tåg (2009), Choi (2015) 의 ad-blocking 이론 모델을 한국 conjoint 실증으로 보완하며, Goldhaber (1997) 의 attention economy 와 Kahneman and Tversky (2013) 의 prospect 가치 이론을 광고 inconvenience cost 추정에 응용한다. ## See also - [[junseokhwang]] - [[jungwoo-shin]] - [[daeho-lee]] - [[mixed-logit]] - [[conjoint-analysis]] - [[telematics-and-informatics]] - [[online-video-platform]] - [[online-video-advertising]] - [[ad-blocking]]