Product survival analysis for the App Store

Euy-Young Jung, Chulwoo Baek, 이정동 (2012) · Marketing Letters 23:929-941 · DOI ↗

Korea App Store 의 top 100 Free·Grossing 차트에 진입한 제품의 제품 생존 을 Weibull hazard 모형 로 분석해 free vs paid 제품 사이의 결정요인 차이, 선진입자 우위 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: 앱 스토어 의 price-free 시장과 paid 시장이 어떻게 다르게 작동하는가, 선진입자 우위 가 두 시장에서 어떻게 다르게 발현되는가, 그리고 free·paid 사이를 가로지르는 어떤 수익 모델 이 가장 경쟁력 있는가?
방법론: Weibull hazard 모형, 모수적 생존분석, 우측 절단
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 이정동 의 제2기 도구의 확산과 시야의 확장 (2006-2012) 라인 후반부에 위치한 sibling One-Person Firm's Application Product Survival Analysis: U.S. vs. Korea in App Store (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 모형 을 적용한다. 두 paper 가 함께 제품 생존 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 이정동 의 제8기 학술지 선택 의 다양화 (productivity 저널을 넘어 marketing·industrial dynamics 저널로의 확장) 를 보여주는 지표. 후속 제품계보 수명주기 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 모형 의 baseline 가정과 hazard 함수 (sibling One-Person Firm's Application Product Survival Analysis: U.S. vs. Korea in App Store 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. 이정동 author page 의 제2기 도구의 확산 분류, 실타래 3 (제품의 탄생과 죽음) 의 발화 지점과 정확히 일치하며, sibling One-Person Firm's Application Product Survival Analysis: U.S. vs. Korea in App Store (PICMET ‘12) 의 국가 비교 framework 확장으로 수익화 전략 비교 축이 추가된다. Demand forecasting for new technology with a short history in a competitive environment: the case of the home networking market in South Korea 의 대형 TV 보급 예측 도 같은 제품 동학 라인 의 선행 작업.

인접 그래프

1-hop 이웃 18개

인물 3
방법론 3
개념 4
주제 2
수록처 1
분류 2
논문 3

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

Product survival analysis for the App Store

요약

핵심 결과

방법론 노트

연구 계보

See also

인접 그래프

이 문서를 가리키는 페이지

논문 (2)