머신러닝으로 콘서트 티켓 판매량 예측하기(1) 콘서트 비즈니스에서 예측의 역할 — 마이뮤직테이스트
이 글은 MyMusicTaste(mymusictaste.com, 이하 ‘마이뮤직테이스트')의 Growth Team(이하 ‘그로스팀’)이 지난 1년간 아티스트의 콘서트 티켓 판매량 예측 모델을 만드는 과정을 다룹니다. 마이뮤직테이스트 그로스팀은 ‘회사의 성장 견인’을 목표로 2018년 10월 신설된 팀인 동시에 마이뮤직테이스트의 데이터와 연관된 모든 업무를 수행하는 조직입니다.
글 속에 내용은 그로스팀의 팀원이 모두 함께 수행한 것을 팀장이 정리하여 쓴 것으로, 실질적인 업무는 팀원들과 모두 함께 수행했음을 미리 밝힙니다.
마이뮤직테이스트는 팬의 요청을 기반으로 공연을 만드는 비즈니스를 하고 있습니다. 아티스트의 팬이 마이뮤직테이스트 웹서비스를 통해 자신이 사는 지역으로 보고싶은 아티스트의 공연을 요청(‘Make’)합니다. 마이뮤직테이스트는 Make를 통해 아티스트의 지역별 수요를 파악하여 공연을 기획/운영해 티켓 판매를 통해 수익을 내는 비즈니스를 합니다.
* 이렇게 아티스트와 계약해 공연을 주최하고 수익을 얻는 역할을 하는 회사를 보통 ‘프로모터'라고 부릅니다.
마이뮤직테이스트에는 전 세계 도시에서 아티스트의 공연을 요청하는 Make가 매일 수 만 개씩 쌓입니다. 이 데이터를 바탕으로 2017년에는 세계 곳곳에서 총 42개의 공연을, 2018년에는 98개의 공연을 만들었으며 올 해 2019년에는 150개가 넘는 공연을 만들고 있습니다.
마이뮤직테이스트가 수행한 공연 리스트 보기
데이터로 공연의 수요를 예측한다는 것
‘데이터를 이용해 수요를 예측하고 이를 통해 공연을 한다'고 말하면 많은 분들이 의심의 눈빛을 보냅니다. 관련 업무를 해본 분이라면 이게 말처럼 쉽지 않다는 것을 경험을 통해 알고 있기 때문일 것입니다. 그리고 인공지능, 빅데이터 등의 키워드를 앞세운 많은 사업이 겉으로 보여지는 것과 달리 내부를 보면 겉으로 내세운 것 만큼 거창한 무언가를 하지 않는 모습을 많이 보았기 때문일 것입니다.
직접 해보고있는 입장에서 말하자면, 그렇습니다. 정말 어렵습니다. 말이 좋아서 ‘수요 데이터를 쌓고 이를 통해 판매량을 예측한다'이지 실제 예측 모델을 만드는건 훨씬 많은 요소를 고려해야 합니다. 그리고 그 요소에 대응하는 데이터를 수집해야 하고, 그 과정에서 수많은 장애물을 넘어야 하며, 막상 데이터를 수집해보니 예상했던 결과가 나오지 않고 그럼 다시 이 작업을 반복하고 그러다보면 이게 정말 되는건가 싶은 생각이 들고… 지난한 과정의 연속입니다. 이 지난한 과정은 본 시리즈의 전반에 걸쳐 다뤄보기로 하고 우선은 ‘왜 그럼에도 불구하고 티켓 판매량을 예측하려고 하는가'에 대해 이야기 해보겠습니다.
공연 비즈니스에서 판매량 예측의 중요성
예측의 정확도가 공연의 성패에 큰 영향을 준다
공연을 기획할 때 가장 중요한 요소 중 하나가 공연장의 규모입니다. 공연장이 몇 사람을 수용할 수 있는지에 따라 판매할 수 있는 티켓의 양(=매출)이 정해집니다. 그리고 무대의 사이즈가 얼마나 큰지에 따라 무대에 필요한 조명, 영상, 특수효과, 카메라 등 장비의 규모(=비용)가 달라집니다.
그리고 당연한 이야기지만 만약 수요가 10,000명인 공연을 수요 분석을 잘못해 5,000명만 수용 가능한 공연장에서 공연을 연다면 5,000명에게 티켓을 판매할 기회를 날리는 셈입니다. 그 반대의 상황이라면 기회만이 아니라 실제 막대한 금전적인 손해를 볼 것이구요.
문제는, 공연장 규모라는 것이 한번 정해지면 쉽게 바꿀 수 없으며 전체 공연 기획 과정 중 상당히 초기에 결정된다는 점입니다. 공연장과 날짜가 정해져야 공연 계약이 성사될 수 있고 티켓 판매를 준비할 수 있으니 당연한 이야기겠죠? 그러다보니 이미 공연장을 대관하고 기획을 하면서 비용이 나간 상황에서 막상 티켓 판매를 시작했을 때 애초에 예상했던 만큼 티켓이 판매되지 않는 경우도 종종 있습니다. 이런 경우 주최사는 금전적으로 큰 손실을 입거나 이를 피하기 위해 공연을 취소해버리기도 합니다.
그렇기 때문에 공연 판매량을 미리 예측하는게 중요합니다. 공연을 잘 만들어내는 것 만큼이나 공연에 큰 영향을 미치기 때문이죠.
새로운 시장 발견
판매량 예측이 중요한 또 하나의 이유는, 새로운 시장을 발견할 수 있기 때문입니다. 유튜브와 같은 컨텐츠 플랫폼이 세계적으로 폭발 성장하면서 많은 아티스트가 자신의 국가를 넘어 전 세계적으로 이름을 알립니다. 재미있는 것은, 아티스트나 매니지먼트 스스로가 자신이 어느 지역에서 인기가 많다는 것을 모르는 경우도 종종 있다는 것입니다. 혹은 어느정도 안다고 해도 위에서 인기에 대한 정확한 추정을 하기 어렵기 때문에 리스크를 감당하면서 안 가봤던 지역에서 공연을 하는 것은 부담스럽습니다. 티켓 판매량 예측은 이런 점에서 새로운 시장을 개척할 수 있는 나침반 역할을 할 수도 있습니다. K-POP 보이그룹인 ATEEZ는 올 해에 유럽 투어를 하면서 바르샤바, 밀라노, 부다페스트, 스톡홀롬을 비롯한 여러 도시에서 성황리에 공연을 마쳤습니다. 언뜻 들었을 때 K-POP이 핫한 국가/도시라고 쉽게 떠올리기는 어려운 도시들이죠.
판매량 예측 가능 여부
판매량을 예측하는게 중요하다는건 알겠으니, 다음 질문은 ‘그게 가능하기는 해?’ 입니다. 위에서 본 것처럼 공연에 실질적인 이익을 주기 위해서는 단지 ‘티켓이 많이 팔린다 / 적게 팔린다' 정도의 추측으로는 부족합니다. ‘00장이 팔린다'라는 구체적인 수치가 나와야합니다. 그것도 도시별로.
그나마 한 국가나 도시를 대상으로 예측을 하는 것은 더 수월할 수 있습니다. 한국에서 한 10년 공연업계에 몸담았다고 하면 경험적으로 ‘저 팀은 서울에서 공연 하면 몇 장 정도 하겠다' 짐작할 수도 있을 것입니다. 일종의 경험에 기반한 추론이죠. 하지만 문제는 ‘그럼 이 아티스트가 이스탄불에 가면 몇 석 정도의 공연을 할까요? 부에노스아이레스는요?’ 입니다.
정답지가 없다
일반적인 상황에서 이런 추론을 하려면 기본적인 정보가 필요합니다. 여기서는 ‘이 도시에서는 이 정도 인기가 있는 아티스트는 그동안 몇 석 규모의 공연을 했다'는 정보겠죠. 즉, 아티스트의 도시별 ‘인기'와 ‘판매량' 정보가 필요합니다. 둘 간의 상관성을 보면서 판매량을 추측을 해볼 수도 있을 것이고 데이터가 충분하다면 모델을 만들 수도 있겠죠. 하지만 대부분의 경우 판매량 데이터를 구하지 못합니다. 공연 업계에서 티켓 판매량은 대외비여서 아티스트의 매니지먼트나 해당 공연을 기획한 프로모터가 아닌 이상 그 공연의 티켓 판매량을 알기는 어렵습니다. 동시에 대부분의 영세한 프로모터들은 매 년 그리 많은 수의 공연을 하지 않을 뿐더러 대부분 자신이 속한 지역/국가에 공연을 가져와 수행합니다. 해외로 투어를 돌 수 있는 자본력과 역량을 가진 프로모터는 극히 드뭅니다. 따라서 한 기업이 여러 도시에서 열린 다양한 아티스트의 공연 티켓 판매량 데이터를 보유하기는 쉽지 않습니다.
문제지도 없다
문제지에 해당하는 데이터를 구하는 것도 만만치 않습니다. ‘아티스트의 티켓 판매량은 ㅇㅇ을 통해 유추할 수 있다'는 가설을 세워야 할텐데, ㅇㅇ에 들어갈만한 정보는 어떤게 있을까요? 흔히 생각해볼 수 있는 정보가 ‘앨범 판매량', ‘유튜브 조회수', ‘트위터 팔로워 수' 등 입니다. 하지만 이런 데이터는 어찌어찌 구할 수는 있으나 ‘전 세계 각 도시별로 나눠서 볼 수 있는가?’라는 지점에서 어려움이 있습니다. 또한 (경험적으로 보았을 때) 데이터의 생성/수집 과정에서 잡음이 끼는 경우가 많아 대표성 문제가 발생하는 경우가 많습니다.
어쩌자는 건가
성공적인 공연을 위해서는 판매량을 예측하는게 필수적인데 여기에 필요한 적합한 데이터를 얻기가 어렵습니다. 어쩌자는 건가 싶은 상황입니다. 이런 상황을 해결해보기 위해 마이뮤직테이스트는 서비스를 통해 지역별 수요 데이터인 Make를 모으고 직접 공연을 하면서 이 문제를 해결하고 있습니다. Make를 통해 지역별 수요 데이터를 모으고 직접 공연을 수행해서 티켓 판매 데이터를 모읍니다. 예측에 필요한 기본적인 데이터를 모으는 작업인 동시에 예측 모델의 성능을 확인하는 과정이죠. 이 과정을 통해 판매량 예측 모델을 제작할 수 있는 가장 기본적인 데이터가 쌓입니다.
마이뮤직테이스트 그로스팀은 이렇게 쌓인 데이터를 기반으로 지금까지 약 1년 가량 티켓 판매량 예측 모델을 만드는 프로젝트를 진행하고 있습니다. 이 ‘머신러닝으로 콘서트 티켓 판매량 예측하기’ 시리즈에서는 마이뮤직테이스트 그로스팀이 어떻게 만들어졌으며 어떤 과정(고생)을 통해 티켓 판매량을 예측하고 있는지/예측 모델을 만들고 있는지 그 과정을 다루고자 합니다.
마이뮤직테이스트 그로스팀 상시 채용
이 글을 읽고 마이뮤직테이스트 그로스팀을 경험해보고싶다는 생각이 조금이라도 드셨다면 항시 채용 중인 마이뮤직테이스트 채용 페이지에 들러보세요:)
그로스팀 외에도 수많은 포지션이 열려있습니다.
마이뮤직테이스트 채용 페이지 들러보기
—
머신러닝으로 콘서트 티켓 판매량 예측하기 시리즈
(1) 콘서트 비즈니스에서 예측의 역할
(2) 모델링, 첫 삽을 뜨기까지
(3) 첫 번째 모델, Paul의 탄생
(4) 모델 개선 프로세스와 지표
