오늘날의 디지털 환경에서는 직관이나 경험만으로는 정확한 판단을 하기 어렵습니다. 모든 이용자 행동이 기록되고, 그 기록이 다시 전략과 의사결정을 형성합니다. 데이터는 단순한 ‘참고 자료’가 아니라 조직과 개인이 움직이는 핵심 의사결정 자산이 되었습니다. 따라서 연구자와 실무자는 감각과 창의성 위에 데이터 해석력과 전략적 사고를 결합해야 합니다. 데이터를 어떻게 읽고 맥락화하느냐가 경쟁력을 결정짓는 시대입니다.
Q2. 소셜 빅데이터 연구를 시작하게 된 계기와 연구 방향은?
제 연구 출발점은 마케팅보다는 선거 및 정치 커뮤니케이션이었습니다. 유권자들이 어떤 이슈에 반응하고, 어떤 정보를 공유하며, 그 결과가 투표 행동으로 이어지는지를 데이터로 보고 싶었습니다. 그래서 트위터, 유튜브 댓글, 검색 트렌드 같은 소셜미디어 데이터를 분석하며 ‘소셜미디어가 정치 여론을 어떻게 형성하는가’를 탐구했습니다. ([구글 스칼라][1]) 예컨대, “2022년 한국 대선에서 지역별 Google Trends 데이터를 이용한 네트워크 분석” 논문 등에 참여했습니다. ([ResearchGate][2]) 이런 연구를 통해 저는 빅데이터가 단순히 ‘통계적 도구’가 아니라, 사회 변화를 읽는 센서이자 커뮤니케이션의 새로운 언어가 될 수 있다는 것을 깨달았습니다. 지금은 정치 데이터를 넘어, 디지털 플랫폼 위에 생성되는 다양한 텍스트·네트워크 데이터를 통해 여론·담론이 어떻게 진화하는지를 분석하고 있습니다.
Q3. 현대 커뮤니케이션 환경에서 소셜 빅데이터의 역할 변화는 무엇인가요?
과거에는 데이터가 성과 측정이나 여론조사 보조 지표로만 이용되었다면, 지금은 실시간 여론 흐름과 담론 구조를 이해하는 핵심 수단이 되었습니다. 예컨대 대선이나 총선 과정에서 유튜브 댓글, 검색 트렌드 등을 분석하면, 유권자들이 어떤 이슈에 몰입하고 있는지, 어떤 담론이 어떤 네트워크를 통해 확산되는지를 파악할 수 있습니다. ([대구신문][3]) 마케팅도 마찬가지입니다. 브랜드를 둘러싼 온라인 담론 망을 읽으면 소비자 감정의 방향과 핵심 영향자를 찾을 수 있습니다. 즉 정치나 비즈니스 모두 ‘누가 무엇을 이야기하고 있는가’보다 ‘그 이야기가 어떻게 연결되고 확산되는가’를 읽는 시대가 된 것입니다.
Q4. 학계와 산업계(실무 영역) 간 데이터 인식 차이에 대한 견해는?
학계에서는 데이터를 ‘사회적 의미 체계’로 이해하려 하고, 네트워크 분석이나 텍스트 의미망 분석을 통해 관계 구조와 여론의 맥락을 해석하려 합니다. ([ipie.info][4]) 반면 산업계나 캠페인 현장에서는 즉시 행동으로 이어질 인사이트, 즉 “이렇게 하면 반응이 올라간다”라는 실용적 결과를 더 중요시합니다. 이 둘이 다르다고 해서 반드시 충돌하는 것은 아니지만, 앞으로는 학문의 깊이와 실무의 속도가 조화를 이루어야 한다고 봅니다. 특히 빅데이터 분석에서는 ‘관계망 모형이 의미하는 바’와 ‘실제 캠페인에서의 활용 가능성’ 사이를 잇는 작업이 중요하다고 생각합니다.
🎙 인터뷰 섹션 2 : 브랜드·커뮤니케이션 전략
주제 : 소셜 빅데이터를 활용한 커뮤니케이션 전략 수립과 스토리텔링
Q1. 브랜드(또는 조직 커뮤니케이션) 전략에서 소셜미디어 데이터는 어떤 역할을 한다고 보시나요?
브랜드·조직은 이제 단순히 광고로 만들어지는 것이 아니라, 대화와 상호작용 속에서 형성됩니다. 소셜미디어 데이터는 이 ‘대화의 흔적’을 담고 있죠. 정치 캠페인 환경에서 유권자들의 반응을 실시간으로 관찰했던 것처럼, 브랜드·조직도 소비자들이 어떤 감정으로 어떤 맥락에서 언급하는지 살펴야 합니다. 저는 이것을 ‘소셜 리스닝(social listening)’에서 ‘소셜 인사이트(social insight)’로의 전환이라고 봅니다. 단순히 언급량을 세는 것이 아니라 그 안에서 감정의 결, 대화의 구조, 의미의 이동을 읽어내는 것이 중요합니다.
Q2. 스토리텔링 강화에 있어 데이터 분석은 어떤 가능성을 가지고 있나요?
데이터 분석은 스토리의 ‘뼈대’를 제공합니다. 하지만 그것을 ‘살아있는 이야기’로 만드는 것은 해석의 힘입니다. 제가 정치 커뮤니케이션 연구에서 활용했던 감성 분석(sentiment analysis) 과 이슈 네트워크 분석(issuenetwork analysis) 는 유권자들이 어떤 감정선으로 담론을 소비하는가를 보여주었습니다. ([경향신문][5]) 이를 브랜드·조직 커뮤니케이션에 적용하면, 단순히 긍정·부정의 비율을 넘어서 “소비자들이 브랜드를 어떤 가치·감정·사회적 의미와 연결시키는가”를 읽을 수 있습니다. 그 데이터 해석이 곧 브랜드의 스토리라인이 되는 것이죠.
Q3. 실제 현장에서 데이터 해석이 어려운 이유는 무엇이라고 보시나요?
가장 큰 이유는 ‘숫자 중심의 접근’ 때문입니다. 많은 기업이나 기관이 ‘빅데이터를 수집’하지만, 그 데이터가 왜 만들어졌고, 어떤 맥락을 갖고 있는지, 어떤 관계망 속에 있는지는 해석하지 못합니다. 예를 들어 선거에서 특정 후보 관련 언급이 급증했다고 해서, 그것이 지지의 표시인지, 비판의 확대인지, 또는 단순히 밈(meme) 현상인지 완전히 다르죠. ([동아사이언스 이미지][6]) 브랜드·조직에서도 마찬가지입니다. 데이터는 현상의 결과일 뿐, 그 안에 숨겨진 맥락과 관계 구조를 이해해야 진짜 의미를 얻을 수 있습니다. 그래서 저는 ‘데이터 분석가’보다는 ‘데이터 해석가’의 시각이 필요하다고 강조합니다.
Q4. 데이터 기반 브랜드·조직 커뮤니케이션 전략의 핵심은 무엇이라고 생각하시나요?
핵심은 ‘관계의 구조를 읽는 것’이라고 생각합니다. 브랜드와 소비자, 그리고 소비자 간의 연결망 속에서 어떤 정보가 어떻게 흐르고 있는가를 보는 것이죠. 정치 커뮤니케이션 연구에서 유권자 네트워크를 분석했던 것처럼, 브랜드 전략에서도 핵심 팬층(influencer cluster)과 일반 소비자 커뮤니티 간의 상호작용을 분석할 수 있습니다. 이를 통해 ‘누가 브랜드 담론을 주도하는가’, ‘어떤 이슈가 브랜드 이미지에 긍정·부정 영향을 주는가’를 정밀하게 파악할 수 있습니다. 저는 이것을 ‘데이터 기반 관계 마케팅(datadriven relational marketing)’이라 부릅니다 — 결국 브랜드는 관계 속에서 만들어지고, 데이터는 그 관계를 시각화해주는 언어입니다.
🎙 인터뷰 섹션 3 : 데이터 분석과 실무
주제 : 분석 도구·방법과 실제 적용 경험
Q1. 최근 분석 도구나 방법론 중 주목하고 있는 것은 무엇인가요?
저는 네트워크 분석(social network analysis)과 텍스트 마이닝(text mining)을 결합하는 방법을 주로 활용해 왔습니다. 예컨대 유튜브 댓글, 검색 트렌드, SNS 언급 등을 연결망 형태로 시각화하고, 어떤 키워드가 중심 노드로 떠올랐는지를 살펴보는 방식입니다. 이를 통해 단순히 ‘언급량이 많다’라는 사실을 넘어, ‘누가 누구와 연결되어 있는가’, ‘어떤 이슈가 중심인가’를 알 수 있습니다. 최근에는 Web3 플랫폼, 메타버스 환경 등 새로운 커뮤니케이션 생태계까지 분석 범위를 확장하고 있습니다.
Q2. 분석 결과를 실무 전략으로 전환할 때 나타나는 핵심 과제는?
가장 큰 과제는 ‘해석 ↔ 실행’의 간극입니다. 분석 결과가 나왔을 때, 이를 어떻게 조직의 실행 계획이나 커뮤니케이션 전략으로 바꿀 것인가가 중요합니다. 가령 정치 캠페인에서는 해당 이슈가 어떤 커뮤니티 내에서 확산되고 있는지를 파악했다면, 그 커뮤니티에 맞춘 메시지 설계가 뒤따라야 합니다. 마찬가지로 브랜드·조직에서는 분석 결과가 ‘어떤 사람’에게 ‘어떤 방식’으로 전달되어야 할지를 정교히 설계해야 합니다.
Q3. 분석 윤리나 데이터 거버넌스 측면에서 유의할 점은 무엇인가요?
빅데이터 분석은 강력한 인사이트를 제공하지만, 동시에 프라이버시 침해나 편향된 해석의 위험도 내포하고 있습니다. 특히 SNS나 온라인 댓글 등은 사용자의 동의절차가 명확하지 않은 경우가 많고, 데이터 자체가 특정 계층에 치우칠 수 있습니다. 따라서 분석할 때에는 데이터의 대표성, 맥락, 편향 가능성을 항상 고려해야 합니다. 그리고 결과를 전략에 반영할 때는 ‘이 데이터가 의미하는 것’과 ‘이 데이터가 의미하지 않는 것’을 구분하는 비판적 판단이 필요합니다.
Q4. 향후 분석 실무 방향이나 트렌드는 어떻게 보시나요?
저는 향후 커뮤니케이션 분야의 분석 트렌드를 다음과 같이 봅니다:
단일 플랫폼 분석에서 멀티플랫폼·크로스미디어 분석으로 이동할 것입니다. SNS, 유튜브, 메신저, 메타버스 등 다양한 채널을 통합해야 합니다. 정성적 의미망 분석과 정량적 지표 분석이 융합될 것입니다. 예컨대 텍스트 내 감정 흐름 + 네트워크 확산 속도 + 커뮤니티 구조를 함께 보는 방식입니다. 실시간 대응성(Reactivity)이 더욱 중요해질 것입니다. 정치 캠페인이나 브랜드 공론장에서 이슈가 순간적으로 생성되고 확산되므로 실시간 또는 거의 실시간 분석이 전략적 우위가 됩니다. 마지막으로, 메타버스·NFT·가상공간 등 새로운 커뮤니케이션 생태계가 커지고 있으므로, 분석 프레임도 그에 맞춰 진화해야 한다고 봅니다. ([smrfoundation.org][7])
🎙 인터뷰 섹션 4 : 선거·여론·사회 영향
주제 : 선거 커뮤니케이션, 여론 흐름, 사회적 영향력
Q1. 선거 커뮤니케이션에서 빅데이터가 갖는 의미는 무엇인가요?
제가 처음부터 관심을 가진 분야는 바로 선거 및 여론의 디지털 담론화였습니다. 예컨대 2017년 선거 당시 ‘좋아요·공유’ 같은 SNS 반응이 후보 지지 기반이나 유권자 움직임을 보여주는 지표로 분석된 바 있습니다. ([경향신문][5]) 빅데이터는 유권자들이 단순히 어떤 후보를 지지하는가가 아니라, 어떤 이슈·감정·관계망 속에서 움직이는가를 드러냅니다. 따라서 선거 전략에서 데이터는 ‘예측’뿐 아니라 ‘담론 생성·확산 구조 이해’로서 중요합니다.
Q2. 여론 형성 및 확산 과정에서 커뮤니티·네트워크 분석이 중요한 이유는?
여론은 단일 메시지가 많은 사람에게 전달되는 것이 아니라, 네트워크를 통해 흐르고 재생산되는 구조입니다. 예컨대 특정 유권자 그룹이 다른 그룹과 연결되어 있고, 그 연결망이 어떤 이슈로 유동적이라면, 그 흐름을 파악하는 것이 중요합니다. 저는 이런 분석을 통해 유권자 내부의 클러스터(팬층, 지지층)와 그 외부 확산 구조를 해석해왔습니다. 이는 마케팅이나 조직 커뮤니케이션에서도 동일하게 응용될 수 있습니다.
Q3. 사회적 담론(예: 가상공간, 메타버스, Web3)에서 여론분석의 새로운 도전은 무엇인가요?
전통적인 SNS 외에 가상공간, 메타버스, Web3 환경이 소비자·시민의 담론 생성 공간으로 떠오르고 있습니다. 이 공간들에서는 메시지의 형태가 텍스트뿐 아니라 영상, 아바타 상호작용, 가상공간 내 행동으로 확장됩니다. 따라서 여론 분석에서도 비언어적 상호작용, 가상행동, 디지털 분신(아바타)의 영향 등을 고려해야 합니다. 예컨대 가상공간 내 커뮤니티가 어떻게 형성되고 어떤 방식으로 정보·감정이 확산되는가에 주목해야 합니다.
Q4. 선거나 공공 커뮤니케이션 전략에서 데이터 분석이 갖는 한계는 무엇이라고 보시나요?
데이터 분석이 강력한 도구이지만, 몇 가지 한계도 존재합니다:
데이터는 과거 또는 현재 흐름을 반영하지만, 미래 예측은 불확실성이 높습니다. 특히 급작스러운 이슈 발생이나 외부 변수(천재지변, 사회적 충격 등)는 예측 모델로 잡기 어렵습니다. 데이터에는 편향(bias)이 있을 수 있습니다. 온라인 미디어 사용자는 특정 연령·성향에 치우칠 수 있고, 따라서 전체 유권자/이용자를 대표하지 않을 수 있습니다. ([동아사이언스 이미지][6]) 또한 분석 결과를 전략으로 바꾸는 데 조직의 실행력 또는 제도적 제약이 걸림돌이 될 수 있습니다. 따라서 분석 결과를 맹목적으로 따르기보다는, 맥락적 판단과 전략적 설계가 병행되어야 합니다.
🎙 인터뷰 섹션 5 : 미래 전망과 교육적 제언
주제 : 미래 커뮤니케이션 생태계와 학습자(수강생)을 위한 제언
Q1. 앞으로 커뮤니케이션·빅데이터 연구·실무가 나아갈 방향은 무엇인가요?
향후 커뮤니케이션 영역에서 저는 다음과 같은 방향이 중요하다고 봅니다:
융합적 분석 역량 : 인문사회과학 + 데이터과학 + 디자인적 사고가 하나로 결합되어야 합니다. 생태계적 관점 : 단일 미디어 분석을 넘어 플랫폼 간 상호작용, 가상공간·메타버스·Web3까지 포함하는 확장된 생태계를 고려해야 합니다. 실시간 대응 및 적응성 : 담론은 순간적으로 생성·확산되므로, 실시간 데이터 모니터링과 빠른 전략 전환이 필수입니다. 책임 있는 데이터 활용 : 빅데이터와 AI 기반 분석이 커질수록 윤리, 거버넌스, 프라이버시가 중요합니다. 이런 방향성들은 학계·산업계 모두에게 시사점이 됩니다.
Q2. 데이터 분석을 공부하는 학생이나 실무자를 위한 조언이 있다면요?
네, 제가 수강생·예비 분석가 여러분께 꼭 드리고 싶은 조언은 다음과 같습니다:
호기심을 놓지 마십시오 : “왜 이런 데이터가 나왔는가?”, “이 현상의 이면에는 무엇이 있는가?”라는 질문을 지속적으로 던져야 합니다. 맥락을 읽는 힘을 키우십시오 : 데이터 자체가 모든 답을 주는 것은 아닙니다. 오히려 그 뒤에 있는 사회·문화·관계 구조를 읽을 수 있어야 합니다. 툴보다는 사고방식에 집중하십시오 : 물론 분석 툴과 기술이 중요하지만, 그보다 중요한 것은 ‘분석 결과에 대해 어떤 질문을 던질 것인가’입니다. 윤리적 책임을 생각하십시오 : 데이터는 함정일 수 있고, 잘못 해석되면 오히려 해를 끼칠 수 있습니다. 항상 책임감 있는 분석을 지향해야 합니다. 지속적 학습을 멈추지 마십시오 : 커뮤니케이션 생태계는 빠르게 변화하고 있습니다. 새로운 플랫폼, 새로운 담론, 새로운 분석 방식이 계속 등장합니다.
Q3. 학습자로서 이번 강의(또는 이번 인터뷰 기반 학습)를 어떻게 활용하면 좋을까요?
이번 강의나 인터뷰 자료를 단순히 ‘지식 전달’로만 받아들이지 말고, 실제 나 자신의 상황에 적용해보는 연습을 하십시오. 예컨대 다음과 같은 방식으로 활용해보십시오:
강의에서 언급된 ‘네트워크 분석 구조’, ‘감성 흐름’, ‘관계망 확산’ 등의 개념을 자신의 관심 분야(브랜드, 캠페인, 공공커뮤니케이션 등)에 대입해보십시오. 과제나 프로젝트를 설계할 때, 데이터를 수집하고 단순히 결과만 내는 것이 아니라 “이 데이터가 의미하는 관계는 무엇인가?”, “이 관계망이 나에게 어떤 전략적 인사이트를 주는가?”를 질문해보십시오. 분석 뒤에는 반드시 해석과 전략을 연결하십시오 — 수집 → 분석 → 전략 설계 → 실행이라는 흐름을 기억하세요. 동료나 조별 활동에서는 “이 분석을 누가 봐야 하고, 어떤 메시지로 전달되어야 할까?”라는 커뮤니케이션 관점까지 고려해 보십시오.
Q4. 앞으로 이 분야(커뮤니케이션·빅데이터)에서 학습자들이 갖춰야 할 핵심 역량은 무엇이라고 보시나요?
제가 중요하게 생각하는 역량은 다음과 같습니다:
데이터 감수성(Data Sensitivity) : 단순한 숫자가 아니라 ‘왜 이런 숫자가 나왔는가’, ‘누가 어떤 맥락에서 이 데이터를 만들었는가’를 읽어낼 수 있는 감수성. 관계망 이해력(Network Literacy) : 사람·집단·미디어가 어떻게 연결되어 있는가, 어떤 흐름이 생기는가를 시각적으로 그리고 개념적으로 이해하는 능력. 스토리텔링 역량(Storytelling) : 분석 결과를 단순히 보고하는 것이 아니라, ‘누가’, ‘무엇을’, ‘어떻게’ 행동할 것인가로 이어지는 이야기로 구성하는 능력. 윤리적·비판적 사고(Ethical & Critical Thinking) : 분석 결과를 그대로 받아들이지 않고, 맥락을 따지고, 편향과 한계를 인식하며 책임감 있게 활용하는 태도. 지속 학습 태도(Lifelong Learning) : 기술·도구·미디어 환경이 빠르게 바뀌니, 변화에 뒤처지지 않고 꾸준히 학습하고 적응하는 태도가 중요합니다.
🎓 수강생 여러분께 드리는 메시지
여러분이 이 강의를 통해 얻게 될 것은 단순한 ‘분석 툴 사용법’이나 ‘데이터 수집 방법’만이 아닙니다. 저는 여러분이 데이터를 통해 세상을 읽는 눈을 갖기를 바랍니다.
디지털 시대에는 매일 수많은 데이터가 생성되고, 그 안에는 의미 있는 흐름과 패턴이 숨어 있습니다. 하지만 그 흐름을 발견하고 해석하고 전략으로 바꿀 수 있는 것은 호기심 있는 마음, 맥락을 읽는 태도, 그리고 관계를 보는 시각입니다.
여러분이 지금부터 ‘왜’, ‘누가’, ‘어떻게’라는 질문을 스스로 던지고, 데이터를 분석하고, 해석하고, 적용해보는 연습을 꾸준히 한다면, 언젠가는 데이터를 전략으로 바꾸는 전문가, 관계를 디자인하는 커뮤니케이터, 또는 담론을 만들어내는 변화 제작자가 될 수 있습니다.
그리고 더불어, 기술이 아무리 좋아져도 결국 사람과 사람의 관계, 감정, 이야기가 중심이라는 사실을 잊지 마십시오. 데이터는 그 사람과 이야기 사이를 이어주는 다리입니다.
박한우교수TV- 빅로컬빅펄스
🎙 인터뷰 섹션 1 : 배경과 시선
주제 : 디지털 커뮤니케이션 환경과 빅데이터 연구의 시작
Q1. 디지털 커뮤니케이션 환경에서 데이터의 중요성에 대한 견해는?
오늘날의 디지털 환경에서는 직관이나 경험만으로는 정확한 판단을 하기 어렵습니다.
모든 이용자 행동이 기록되고, 그 기록이 다시 전략과 의사결정을 형성합니다.
데이터는 단순한 ‘참고 자료’가 아니라 조직과 개인이 움직이는 핵심 의사결정 자산이 되었습니다.
따라서 연구자와 실무자는 감각과 창의성 위에 데이터 해석력과 전략적 사고를 결합해야 합니다.
데이터를 어떻게 읽고 맥락화하느냐가 경쟁력을 결정짓는 시대입니다.
Q2. 소셜 빅데이터 연구를 시작하게 된 계기와 연구 방향은?
제 연구 출발점은 마케팅보다는 선거 및 정치 커뮤니케이션이었습니다.
유권자들이 어떤 이슈에 반응하고, 어떤 정보를 공유하며, 그 결과가 투표 행동으로 이어지는지를 데이터로 보고 싶었습니다.
그래서 트위터, 유튜브 댓글, 검색 트렌드 같은 소셜미디어 데이터를 분석하며 ‘소셜미디어가 정치 여론을 어떻게 형성하는가’를 탐구했습니다. ([구글 스칼라][1])
예컨대, “2022년 한국 대선에서 지역별 Google Trends 데이터를 이용한 네트워크 분석” 논문 등에 참여했습니다. ([ResearchGate][2])
이런 연구를 통해 저는 빅데이터가 단순히 ‘통계적 도구’가 아니라, 사회 변화를 읽는 센서이자 커뮤니케이션의 새로운 언어가 될 수 있다는 것을 깨달았습니다.
지금은 정치 데이터를 넘어, 디지털 플랫폼 위에 생성되는 다양한 텍스트·네트워크 데이터를 통해 여론·담론이 어떻게 진화하는지를 분석하고 있습니다.
Q3. 현대 커뮤니케이션 환경에서 소셜 빅데이터의 역할 변화는 무엇인가요?
과거에는 데이터가 성과 측정이나 여론조사 보조 지표로만 이용되었다면,
지금은 실시간 여론 흐름과 담론 구조를 이해하는 핵심 수단이 되었습니다.
예컨대 대선이나 총선 과정에서 유튜브 댓글, 검색 트렌드 등을 분석하면,
유권자들이 어떤 이슈에 몰입하고 있는지, 어떤 담론이 어떤 네트워크를 통해 확산되는지를 파악할 수 있습니다. ([대구신문][3])
마케팅도 마찬가지입니다. 브랜드를 둘러싼 온라인 담론 망을 읽으면 소비자 감정의 방향과 핵심 영향자를 찾을 수 있습니다.
즉 정치나 비즈니스 모두 ‘누가 무엇을 이야기하고 있는가’보다 ‘그 이야기가 어떻게 연결되고 확산되는가’를 읽는 시대가 된 것입니다.
Q4. 학계와 산업계(실무 영역) 간 데이터 인식 차이에 대한 견해는?
학계에서는 데이터를 ‘사회적 의미 체계’로 이해하려 하고,
네트워크 분석이나 텍스트 의미망 분석을 통해 관계 구조와 여론의 맥락을 해석하려 합니다. ([ipie.info][4])
반면 산업계나 캠페인 현장에서는 즉시 행동으로 이어질 인사이트,
즉 “이렇게 하면 반응이 올라간다”라는 실용적 결과를 더 중요시합니다.
이 둘이 다르다고 해서 반드시 충돌하는 것은 아니지만, 앞으로는 학문의 깊이와 실무의 속도가 조화를 이루어야 한다고 봅니다.
특히 빅데이터 분석에서는 ‘관계망 모형이 의미하는 바’와 ‘실제 캠페인에서의 활용 가능성’ 사이를 잇는 작업이 중요하다고 생각합니다.
🎙 인터뷰 섹션 2 : 브랜드·커뮤니케이션 전략
주제 : 소셜 빅데이터를 활용한 커뮤니케이션 전략 수립과 스토리텔링
Q1. 브랜드(또는 조직 커뮤니케이션) 전략에서 소셜미디어 데이터는 어떤 역할을 한다고 보시나요?
브랜드·조직은 이제 단순히 광고로 만들어지는 것이 아니라, 대화와 상호작용 속에서 형성됩니다.
소셜미디어 데이터는 이 ‘대화의 흔적’을 담고 있죠.
정치 캠페인 환경에서 유권자들의 반응을 실시간으로 관찰했던 것처럼,
브랜드·조직도 소비자들이 어떤 감정으로 어떤 맥락에서 언급하는지 살펴야 합니다.
저는 이것을 ‘소셜 리스닝(social listening)’에서 ‘소셜 인사이트(social insight)’로의 전환이라고 봅니다.
단순히 언급량을 세는 것이 아니라 그 안에서 감정의 결, 대화의 구조, 의미의 이동을 읽어내는 것이 중요합니다.
Q2. 스토리텔링 강화에 있어 데이터 분석은 어떤 가능성을 가지고 있나요?
데이터 분석은 스토리의 ‘뼈대’를 제공합니다. 하지만 그것을 ‘살아있는 이야기’로 만드는 것은 해석의 힘입니다.
제가 정치 커뮤니케이션 연구에서 활용했던 감성 분석(sentiment analysis) 과 이슈 네트워크 분석(issuenetwork analysis) 는 유권자들이 어떤 감정선으로 담론을 소비하는가를 보여주었습니다. ([경향신문][5])
이를 브랜드·조직 커뮤니케이션에 적용하면, 단순히 긍정·부정의 비율을 넘어서
“소비자들이 브랜드를 어떤 가치·감정·사회적 의미와 연결시키는가”를 읽을 수 있습니다.
그 데이터 해석이 곧 브랜드의 스토리라인이 되는 것이죠.
Q3. 실제 현장에서 데이터 해석이 어려운 이유는 무엇이라고 보시나요?
가장 큰 이유는 ‘숫자 중심의 접근’ 때문입니다.
많은 기업이나 기관이 ‘빅데이터를 수집’하지만, 그 데이터가 왜 만들어졌고, 어떤 맥락을 갖고 있는지, 어떤 관계망 속에 있는지는 해석하지 못합니다.
예를 들어 선거에서 특정 후보 관련 언급이 급증했다고 해서, 그것이 지지의 표시인지, 비판의 확대인지, 또는 단순히 밈(meme) 현상인지 완전히 다르죠. ([동아사이언스 이미지][6])
브랜드·조직에서도 마찬가지입니다. 데이터는 현상의 결과일 뿐, 그 안에 숨겨진 맥락과 관계 구조를 이해해야 진짜 의미를 얻을 수 있습니다.
그래서 저는 ‘데이터 분석가’보다는 ‘데이터 해석가’의 시각이 필요하다고 강조합니다.
Q4. 데이터 기반 브랜드·조직 커뮤니케이션 전략의 핵심은 무엇이라고 생각하시나요?
핵심은 ‘관계의 구조를 읽는 것’이라고 생각합니다.
브랜드와 소비자, 그리고 소비자 간의 연결망 속에서 어떤 정보가 어떻게 흐르고 있는가를 보는 것이죠.
정치 커뮤니케이션 연구에서 유권자 네트워크를 분석했던 것처럼,
브랜드 전략에서도 핵심 팬층(influencer cluster)과 일반 소비자 커뮤니티 간의 상호작용을 분석할 수 있습니다.
이를 통해 ‘누가 브랜드 담론을 주도하는가’, ‘어떤 이슈가 브랜드 이미지에 긍정·부정 영향을 주는가’를 정밀하게 파악할 수 있습니다.
저는 이것을 ‘데이터 기반 관계 마케팅(datadriven relational marketing)’이라 부릅니다 —
결국 브랜드는 관계 속에서 만들어지고, 데이터는 그 관계를 시각화해주는 언어입니다.
🎙 인터뷰 섹션 3 : 데이터 분석과 실무
주제 : 분석 도구·방법과 실제 적용 경험
Q1. 최근 분석 도구나 방법론 중 주목하고 있는 것은 무엇인가요?
저는 네트워크 분석(social network analysis)과 텍스트 마이닝(text mining)을 결합하는 방법을 주로 활용해 왔습니다.
예컨대 유튜브 댓글, 검색 트렌드, SNS 언급 등을 연결망 형태로 시각화하고, 어떤 키워드가 중심 노드로 떠올랐는지를 살펴보는 방식입니다.
이를 통해 단순히 ‘언급량이 많다’라는 사실을 넘어, ‘누가 누구와 연결되어 있는가’, ‘어떤 이슈가 중심인가’를 알 수 있습니다.
최근에는 Web3 플랫폼, 메타버스 환경 등 새로운 커뮤니케이션 생태계까지 분석 범위를 확장하고 있습니다.
Q2. 분석 결과를 실무 전략으로 전환할 때 나타나는 핵심 과제는?
가장 큰 과제는 ‘해석 ↔ 실행’의 간극입니다.
분석 결과가 나왔을 때, 이를 어떻게 조직의 실행 계획이나 커뮤니케이션 전략으로 바꿀 것인가가 중요합니다.
가령 정치 캠페인에서는 해당 이슈가 어떤 커뮤니티 내에서 확산되고 있는지를 파악했다면, 그 커뮤니티에 맞춘 메시지 설계가 뒤따라야 합니다.
마찬가지로 브랜드·조직에서는 분석 결과가 ‘어떤 사람’에게 ‘어떤 방식’으로 전달되어야 할지를 정교히 설계해야 합니다.
Q3. 분석 윤리나 데이터 거버넌스 측면에서 유의할 점은 무엇인가요?
빅데이터 분석은 강력한 인사이트를 제공하지만, 동시에 프라이버시 침해나 편향된 해석의 위험도 내포하고 있습니다.
특히 SNS나 온라인 댓글 등은 사용자의 동의절차가 명확하지 않은 경우가 많고, 데이터 자체가 특정 계층에 치우칠 수 있습니다.
따라서 분석할 때에는 데이터의 대표성, 맥락, 편향 가능성을 항상 고려해야 합니다.
그리고 결과를 전략에 반영할 때는 ‘이 데이터가 의미하는 것’과 ‘이 데이터가 의미하지 않는 것’을 구분하는 비판적 판단이 필요합니다.
Q4. 향후 분석 실무 방향이나 트렌드는 어떻게 보시나요?
저는 향후 커뮤니케이션 분야의 분석 트렌드를 다음과 같이 봅니다:
단일 플랫폼 분석에서 멀티플랫폼·크로스미디어 분석으로 이동할 것입니다.
SNS, 유튜브, 메신저, 메타버스 등 다양한 채널을 통합해야 합니다.
정성적 의미망 분석과 정량적 지표 분석이 융합될 것입니다.
예컨대 텍스트 내 감정 흐름 + 네트워크 확산 속도 + 커뮤니티 구조를 함께 보는 방식입니다.
실시간 대응성(Reactivity)이 더욱 중요해질 것입니다.
정치 캠페인이나 브랜드 공론장에서 이슈가 순간적으로 생성되고 확산되므로 실시간 또는 거의 실시간 분석이 전략적 우위가 됩니다.
마지막으로, 메타버스·NFT·가상공간 등 새로운 커뮤니케이션 생태계가 커지고 있으므로, 분석 프레임도 그에 맞춰 진화해야 한다고 봅니다. ([smrfoundation.org][7])
🎙 인터뷰 섹션 4 : 선거·여론·사회 영향
주제 : 선거 커뮤니케이션, 여론 흐름, 사회적 영향력
Q1. 선거 커뮤니케이션에서 빅데이터가 갖는 의미는 무엇인가요?
제가 처음부터 관심을 가진 분야는 바로 선거 및 여론의 디지털 담론화였습니다.
예컨대 2017년 선거 당시 ‘좋아요·공유’ 같은 SNS 반응이 후보 지지 기반이나 유권자 움직임을 보여주는 지표로 분석된 바 있습니다. ([경향신문][5])
빅데이터는 유권자들이 단순히 어떤 후보를 지지하는가가 아니라, 어떤 이슈·감정·관계망 속에서 움직이는가를 드러냅니다.
따라서 선거 전략에서 데이터는 ‘예측’뿐 아니라 ‘담론 생성·확산 구조 이해’로서 중요합니다.
Q2. 여론 형성 및 확산 과정에서 커뮤니티·네트워크 분석이 중요한 이유는?
여론은 단일 메시지가 많은 사람에게 전달되는 것이 아니라, 네트워크를 통해 흐르고 재생산되는 구조입니다.
예컨대 특정 유권자 그룹이 다른 그룹과 연결되어 있고, 그 연결망이 어떤 이슈로 유동적이라면, 그 흐름을 파악하는 것이 중요합니다.
저는 이런 분석을 통해 유권자 내부의 클러스터(팬층, 지지층)와 그 외부 확산 구조를 해석해왔습니다.
이는 마케팅이나 조직 커뮤니케이션에서도 동일하게 응용될 수 있습니다.
Q3. 사회적 담론(예: 가상공간, 메타버스, Web3)에서 여론분석의 새로운 도전은 무엇인가요?
전통적인 SNS 외에 가상공간, 메타버스, Web3 환경이 소비자·시민의 담론 생성 공간으로 떠오르고 있습니다.
이 공간들에서는 메시지의 형태가 텍스트뿐 아니라 영상, 아바타 상호작용, 가상공간 내 행동으로 확장됩니다.
따라서 여론 분석에서도 비언어적 상호작용, 가상행동, 디지털 분신(아바타)의 영향 등을 고려해야 합니다.
예컨대 가상공간 내 커뮤니티가 어떻게 형성되고 어떤 방식으로 정보·감정이 확산되는가에 주목해야 합니다.
Q4. 선거나 공공 커뮤니케이션 전략에서 데이터 분석이 갖는 한계는 무엇이라고 보시나요?
데이터 분석이 강력한 도구이지만, 몇 가지 한계도 존재합니다:
데이터는 과거 또는 현재 흐름을 반영하지만, 미래 예측은 불확실성이 높습니다.
특히 급작스러운 이슈 발생이나 외부 변수(천재지변, 사회적 충격 등)는 예측 모델로 잡기 어렵습니다.
데이터에는 편향(bias)이 있을 수 있습니다. 온라인 미디어 사용자는 특정 연령·성향에 치우칠 수 있고, 따라서 전체 유권자/이용자를 대표하지 않을 수 있습니다. ([동아사이언스 이미지][6])
또한 분석 결과를 전략으로 바꾸는 데 조직의 실행력 또는 제도적 제약이 걸림돌이 될 수 있습니다.
따라서 분석 결과를 맹목적으로 따르기보다는, 맥락적 판단과 전략적 설계가 병행되어야 합니다.
🎙 인터뷰 섹션 5 : 미래 전망과 교육적 제언
주제 : 미래 커뮤니케이션 생태계와 학습자(수강생)을 위한 제언
Q1. 앞으로 커뮤니케이션·빅데이터 연구·실무가 나아갈 방향은 무엇인가요?
향후 커뮤니케이션 영역에서 저는 다음과 같은 방향이 중요하다고 봅니다:
융합적 분석 역량 : 인문사회과학 + 데이터과학 + 디자인적 사고가 하나로 결합되어야 합니다.
생태계적 관점 : 단일 미디어 분석을 넘어 플랫폼 간 상호작용, 가상공간·메타버스·Web3까지 포함하는 확장된 생태계를 고려해야 합니다.
실시간 대응 및 적응성 : 담론은 순간적으로 생성·확산되므로, 실시간 데이터 모니터링과 빠른 전략 전환이 필수입니다.
책임 있는 데이터 활용 : 빅데이터와 AI 기반 분석이 커질수록 윤리, 거버넌스, 프라이버시가 중요합니다.
이런 방향성들은 학계·산업계 모두에게 시사점이 됩니다.
Q2. 데이터 분석을 공부하는 학생이나 실무자를 위한 조언이 있다면요?
네, 제가 수강생·예비 분석가 여러분께 꼭 드리고 싶은 조언은 다음과 같습니다:
호기심을 놓지 마십시오 : “왜 이런 데이터가 나왔는가?”, “이 현상의 이면에는 무엇이 있는가?”라는 질문을 지속적으로 던져야 합니다.
맥락을 읽는 힘을 키우십시오 : 데이터 자체가 모든 답을 주는 것은 아닙니다. 오히려 그 뒤에 있는 사회·문화·관계 구조를 읽을 수 있어야 합니다.
툴보다는 사고방식에 집중하십시오 : 물론 분석 툴과 기술이 중요하지만, 그보다 중요한 것은 ‘분석 결과에 대해 어떤 질문을 던질 것인가’입니다.
윤리적 책임을 생각하십시오 : 데이터는 함정일 수 있고, 잘못 해석되면 오히려 해를 끼칠 수 있습니다. 항상 책임감 있는 분석을 지향해야 합니다.
지속적 학습을 멈추지 마십시오 : 커뮤니케이션 생태계는 빠르게 변화하고 있습니다. 새로운 플랫폼, 새로운 담론, 새로운 분석 방식이 계속 등장합니다.
Q3. 학습자로서 이번 강의(또는 이번 인터뷰 기반 학습)를 어떻게 활용하면 좋을까요?
이번 강의나 인터뷰 자료를 단순히 ‘지식 전달’로만 받아들이지 말고, 실제 나 자신의 상황에 적용해보는 연습을 하십시오.
예컨대 다음과 같은 방식으로 활용해보십시오:
강의에서 언급된 ‘네트워크 분석 구조’, ‘감성 흐름’, ‘관계망 확산’ 등의 개념을 자신의 관심 분야(브랜드, 캠페인, 공공커뮤니케이션 등)에 대입해보십시오.
과제나 프로젝트를 설계할 때, 데이터를 수집하고 단순히 결과만 내는 것이 아니라 “이 데이터가 의미하는 관계는 무엇인가?”, “이 관계망이 나에게 어떤 전략적 인사이트를 주는가?”를 질문해보십시오.
분석 뒤에는 반드시 해석과 전략을 연결하십시오 — 수집 → 분석 → 전략 설계 → 실행이라는 흐름을 기억하세요.
동료나 조별 활동에서는 “이 분석을 누가 봐야 하고, 어떤 메시지로 전달되어야 할까?”라는 커뮤니케이션 관점까지 고려해 보십시오.
Q4. 앞으로 이 분야(커뮤니케이션·빅데이터)에서 학습자들이 갖춰야 할 핵심 역량은 무엇이라고 보시나요?
제가 중요하게 생각하는 역량은 다음과 같습니다:
데이터 감수성(Data Sensitivity) : 단순한 숫자가 아니라 ‘왜 이런 숫자가 나왔는가’, ‘누가 어떤 맥락에서 이 데이터를 만들었는가’를 읽어낼 수 있는 감수성.
관계망 이해력(Network Literacy) : 사람·집단·미디어가 어떻게 연결되어 있는가, 어떤 흐름이 생기는가를 시각적으로 그리고 개념적으로 이해하는 능력.
스토리텔링 역량(Storytelling) : 분석 결과를 단순히 보고하는 것이 아니라, ‘누가’, ‘무엇을’, ‘어떻게’ 행동할 것인가로 이어지는 이야기로 구성하는 능력.
윤리적·비판적 사고(Ethical & Critical Thinking) : 분석 결과를 그대로 받아들이지 않고, 맥락을 따지고, 편향과 한계를 인식하며 책임감 있게 활용하는 태도.
지속 학습 태도(Lifelong Learning) : 기술·도구·미디어 환경이 빠르게 바뀌니, 변화에 뒤처지지 않고 꾸준히 학습하고 적응하는 태도가 중요합니다.
🎓 수강생 여러분께 드리는 메시지
여러분이 이 강의를 통해 얻게 될 것은 단순한 ‘분석 툴 사용법’이나 ‘데이터 수집 방법’만이 아닙니다.
저는 여러분이 데이터를 통해 세상을 읽는 눈을 갖기를 바랍니다.
디지털 시대에는 매일 수많은 데이터가 생성되고, 그 안에는 의미 있는 흐름과 패턴이 숨어 있습니다.
하지만 그 흐름을 발견하고 해석하고 전략으로 바꿀 수 있는 것은 호기심 있는 마음, 맥락을 읽는 태도, 그리고 관계를 보는 시각입니다.
여러분이 지금부터 ‘왜’, ‘누가’, ‘어떻게’라는 질문을 스스로 던지고, 데이터를 분석하고, 해석하고, 적용해보는 연습을 꾸준히 한다면,
언젠가는 데이터를 전략으로 바꾸는 전문가, 관계를 디자인하는 커뮤니케이터, 또는 담론을 만들어내는 변화 제작자가 될 수 있습니다.
그리고 더불어, 기술이 아무리 좋아져도 결국 사람과 사람의 관계, 감정, 이야기가 중심이라는 사실을 잊지 마십시오.
데이터는 그 사람과 이야기 사이를 이어주는 다리입니다.
여러분의 앞으로 여정에 진심으로 응원을 보냅니다.
감사합니다.
1 week ago | [YT] | 1