---
type: paper
slug: sangheon-kim-2021-ott-bundled-services
title: >-
  Over-the-Top Bundled Services in the Korean Broadcasting and
  Telecommunications Market: Consumer Preference Analysis Using a Mixed Logit
  Model
authors:
  - '[[sangheon-kim]]'
  - '[[changhee-lee]]'
  - '[[jongsulee]]'
  - '[[junghun-kim]]'
year: 2021
venue: '[[telematics-and-informatics]]'
volume: '61'
pages: '101599'
doi: 10.1016/j.tele.2021.101599
categories:
  - '[[ict-policy]]'
methods:
  - '[[mixed-logit]]'
  - '[[discrete-choice-experiment]]'
  - '[[bayesian-estimation]]'
  - '[[gibbs-sampling]]'
  - '[[markov-chain-monte-carlo]]'
themes:
  - '[[ott-services]]'
  - '[[bundle-pricing]]'
  - '[[consumer-preferences]]'
  - '[[pay-tv]]'
aliases: []
last_updated: '2026-05-20T01:44:09+09:00'
---
# Over-the-Top Bundled Services in the Korean Broadcasting and Telecommunications Market: Consumer Preference Analysis Using a Mixed Logit Model

*[[sangheon-kim]], [[changhee-lee]], [[jongsulee]], [[junghun-kim]] (2021)* · [[telematics-and-informatics]] 61:101599 · [DOI ↗](https://doi.org/10.1016/j.tele.2021.101599)

> Netflix, Disney+, Wavve 등 OTT 가 한국 pay-TV 시장에 침투하기 시작한 시점 (2019) 에 *pay-TV + OTT bundle* 에 대한 한국 소비자의 선호를 [[discrete-choice-experiment]] + [[mixed-logit]] (Bayesian) 로 추정. 8 개 도시 665 명 대상 face-to-face survey. 핵심 발견은 (i) OTT bundle 에 추가 할인을 기대 (1 bundle 10.76%, 2 bundles 21.68%), (ii) OTT 와 TV broadcasting 은 *대체* 가 아닌 *보완* 관계, (iii) bundling 으로 pay-TV market share 확대 효과 제한적.

- **RQ**: 한국 pay-TV 시장의 saturated 환경에서 *OTT bundle* 이 (i) 소비자에게 어떤 marginal utility 를 제공하는가, (ii) terrestrial / general programming 채널 제외 같은 *부정적 attribute* 와 어떻게 상호작용하는가, (iii) IPTV 사업자 (SK Broadband, KT, LG U+) 와 cable TV 의 *market share 경쟁* 에 어떤 영향을 주는가?
- **방법론**: [[discrete-choice-experiment]] (orthogonal design 24 alternatives × 8 choice sets × 3 alt), [[mixed-logit]] (normal coefficient distribution), [[bayesian-estimation]] via MCMC + [[gibbs-sampling]] (20,000 draws, 10,000 burn-in), MWFD (Marginal Willingness for Discount) 도입
- **데이터**: Korea Gallup Research Institute, 2019-06-28 ~ 07-18, 8 개 도시 (Seoul 40.8%, Busan, Incheon, Daegu, Gwangju, Daejeon, Gyeonggi New Towns) × 20-59 세 × purposive-quota sampling, N=665. Pay-TV 가입률 92.6%, bundling 가입률 (mobile 59.6%, internet 77.9%)
- **주요 발견**: (i) Model 3 (full interaction): 1 OTT bundle MWFD = 10.76% (월 KRW 2,658 = USD 2.30 추가 할인 기대), 2 OTT bundles MWFD = 21.68% (KRW 7,415 = USD 6.40). (ii) Bundle 수 × discount rate interaction $\alpha = -0.147^{***}$: 기존 bundle 사용자일수록 할인율 sensitivity 낮음. (iii) OTT 시청률 × no-terrestrial interaction $-0.130^*$, × no-general $-0.173^{**}$: OTT 시청률 높을수록 terrestrial / general 채널 부재에 *더 민감* → *보완 관계*. (iv) Brand 선호: KT (0.969) > SK Broadband (0.881) > LG U+ (0.834) > Cable SO (base). (v) Scenario: LG U+ 가 Netflix bundle 로 KT 시장 share 따라잡으려면 21.4% 할인 (월 KRW 5,286) 필요.
- **시사점**: (a) 한국에서 cord-cutting 은 아직 광범위 X — terrestrial 선호 + 저가 pay-TV + 장기 계약 + bundle dominance 가 진입장벽. (b) Pay-TV 사업자의 OTT bundling 전략은 *content competitiveness* 보강 효과는 있으나 *market share 확대* 는 제한적 — 단순 bundling 만으로는 부족. (c) 정책 함의: 공정 경쟁 (망 중립성, zero-rating) 과 M&A 규제 (LG U+ × CJ Hello, SKT × T-Broad) 에 대한 ex-ante 분석 framework.

![Figure 1: Pay-TV provider choice probability vs LG U+ bundled service discount rate (no terrestrial)](/papers/202108_KimS_Over_the_top_bundled_services_in_the_Korean_broadcasting_and_telecommunications_market_Consumer_preference_analysis_using_a_mixed_logit_model/fig2.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *consumer preference 라인 (2010-2025)* 의 OTT 적용 사례다. Netflix, Disney+ 진입과 SK Telecom 의 Wavve 출시 (2019-09), LG U+ 의 CJ Hello 인수 (2019-12) 등 한국 pay-TV 시장이 격변하던 시점에, *bundled 가 아닌 단일 OTT* 의 WTP 만 분석한 기존 연구 (Shin et al. 2016a, Kim et al. 2017) 의 한계를 *bundle 자체를 alternative 로 설정* 함으로써 메운다. 한국 시장의 특수성 — pay-TV 월 ARPU 가 USD 7.1 (vs US 76.1, UK 40.6) 로 매우 저렴하고, 3 년 약정 비율 55.5%, terrestrial 시청 비중 47.3% — 가 cord-cutting 의 진입 장벽이며, 그 위에서 OTT bundle 의 전략적 가치를 정량화한다.

방법론은 [[discrete-choice-experiment]] + Bayesian [[mixed-logit]] 의 표준 조합이다. 5 개 attribute (service provider 4 levels, live channel 3 levels, VOD 2 levels, OTT bundle 3 levels, discount rate 3 levels) → 216 가능 조합 → orthogonal design 으로 24 alternatives 추출 → 8 choice sets × 3 alt 로 설계. Bayesian estimation 의 장점은 (i) MLE 보다 individual-level 모수 도출 가능, (ii) flexible distribution 환경에서 consistent estimator. Multicollinearity 방지를 위해 *price* 대신 *discount rate* 를 attribute 로 사용하고 MWFD (Marginal Willingness for Discount) 라는 신규 측도 도입. 핵심 interaction term 두 개: (i) 현재 bundle 수 × discount rate (status-quo bias 측정), (ii) OTT 시청률 × no-terrestrial / no-general (보완성 측정).

3 가지 모델 (basic, interaction 1 개, interaction 2 개) 모두에서 OTT bundle 계수 자체는 음 (-0.852 ~ -1.775) 인데, 이는 *OTT 가격 자체* 가 소비자에게 직접 disutility 라는 해석이 아니라 *추가 비용을 부담하면서까지 OTT 를 원하지는 않지만, 같은 가격이면 받아들임* 의 의미. MWFD 로 환산하면 "1 OTT bundle 에 10.76% 할인 = USD 2.30 만 추가 할인되면 가입" → OTT 의 retail price (KRW 9,500 = USD 8.21) 의 1/4 수준만 받아들여도 채택 의향. LG U+ 의 Netflix bundle 사례를 dual scenario (단기, mid-long term) 로 simulate 하면, terrestrial 차단을 보상하기 위해 약 16.9% (cable 따라잡기) ~ 28.5% (SK Broadband 따라잡기) discount 필요. 즉 bundling 만으로 share 확대는 효과 제한적. *보완 관계* 발견 — OTT 시청자는 *broadcasting 채널 부재* 에 더 민감 — 은 ISP-OTT 공존 (Antonopoulos et al. 2017a, b) 결론과 일치하며 broadcasting/telecom/ISP 의 stakeholder cooperation 의 정량 근거.

## 핵심 결과

| Variable | Model 1 | Model 2 | Model 3 |
|---|---:|---:|---:|
| SK Broadband (base: Cable SO) | 0.881*** | 1.042*** | 1.081*** |
| KT (base: Cable SO) | 0.969*** | 1.060*** | 1.047*** |
| LG U+ (base: Cable SO) | 0.834*** | 0.842*** | 0.902*** |
| No terrestrial (base: all) | -1.103*** | -1.152*** | -1.236*** |
| × OTT watching rate | — | — | -0.130* |
| No general programming (base: all) | -0.669*** | -0.789*** | -0.738*** |
| × OTT watching rate | — | — | -0.173** |
| No VOD | -0.547*** | -0.523*** | -0.616*** |
| 1 OTT bundle | -0.873*** | -0.760*** | -0.852*** |
| 2 OTT bundles | -1.648*** | -1.549*** | -1.775*** |
| Discount rate | 0.871*** | 1.087*** | 1.248*** |
| × Number of current bundles | — | -0.127*** | -0.147*** |

> **MWFD (한국 소비자가 OTT bundle 에 대해 기대하는 추가 할인율)**
> - 1 OTT bundle: 10.76% (월 KRW 2,658 = USD 2.30, bundle 가격 KRW 24,700 기준)
> - 2 OTT bundles: 21.68% (월 KRW 7,415 = USD 6.40, bundle 가격 KRW 34,200 기준)

| Scenario (LG U+ goal) | Discount required | Monthly amount |
|---|---:|---:|
| Beat Cable SO | 16.9% | — |
| Beat SK Broadband | 28.5% | KRW 7,040 (USD 6.08) |
| Beat KT | 28.0% | KRW 6,916 (USD 5.97) |
| Match base case (no OTT) | 28.2% | KRW 6,965 (USD 6.02) |

## 방법론 노트

[[mixed-logit]] 의 utility:

$$
U_{nj} = V_{nj} + \varepsilon_{nj} = \sum_k \beta_{nk} x_{jk} + \varepsilon_{nj}, \quad \beta_{nk} \sim \mathcal{N}(b, W)
$$

여기서 $\beta_{nk}$ 가 random coefficient 로 *개인별 이질성* 을 capture, $\varepsilon_{nj}$ 는 Type I extreme value. Interaction term 으로 확장:

$$
U_{nj} = \sum_k (\beta_{nk} + \alpha_n S_n) x_{jk} + \varepsilon_{nj}
$$

$S_n$ 은 소비자 특성 벡터 (OTT 시청률, 현재 bundle 수). 핵심 측도 MWFD (Marginal Willingness for Discount):

$$
\mathrm{Median\ MWFD}_k = \mathrm{Median}\left[-\frac{\partial U_j/\partial x_k}{\partial U_j/\partial x_{dc\_rate}}\right] = \mathrm{Median}\left[-\frac{\widehat{\beta}_k}{\widehat{\beta}_{dc\_rate}}\right]
$$

가격 attribute 대신 *discount rate* 를 쓰는 이유는 multicollinearity (bundle 가격이 attribute level 에 따라 자동 변동) 회피. MWTP 는 MWFD × Bundle Price 로 환산. Identification: (i) orthogonal fractional factorial design 이 attribute 간 correlation 제거, (ii) Bayesian MCMC + [[gibbs-sampling]] 으로 closed-form 부재한 likelihood 적분 우회 (20,000 draws, 10,000 burn-in).

## 연구 계보

본 paper 는 (i) Bass-McFadden 의 [[discrete-choice-experiment]] 전통 + Train (2009) 의 [[mixed-logit]] simulation methods, (ii) Goolsbee & Petrin (2004 *Econometrica*) 의 위성-cable 경쟁 분석과 Rennhoff & Serfes (2008) 의 cable pricing, (iii) Shin et al. (2016a, 2016b) 의 한국 OTT/bundle 의 rank-ordered logit 분석, (iv) Kim et al. (2016) 의 niche-theory OTT-payTV 경쟁 분석, (v) Ku et al. (2016 *KTIS*) 의 cable choice experiment, (vi) Woo et al. (2014 *TFSC*) 의 *new media 보완성* 분석을 결합한다. TEMEP 내 sibling: [[jongsulee]] 의 *consumer preference 라인* 의 직접 후속 [[daeyoung-koh-2010-broadcast-telecom-convergence]] (broadcast-telecom convergence) 의 OTT 시대 확장; Kim et al. (2019, 2020a, 2020b) 의 smartphone/EV/mobile-biometric payment 선호 라인이 같은 방법론 family.

## See also

- [[jongsulee]]
- [[sangheon-kim]]
- [[junghun-kim]]
- [[mixed-logit]]
- [[discrete-choice-experiment]]
- [[bayesian-estimation]]
- [[ott-services]]
- [[bundle-pricing]]
- [[telematics-and-informatics]]
- [[daeyoung-koh-2010-broadcast-telecom-convergence]]