Effect of Participant Activity of SNS Based Online Event on the Diffusion

Abstract

In this paper, we tried to explore factors influencing the diffusion of online events through SNS by analyzing the online footprint of consumers. To this end, log data of online events conducted by "C" beer brands were collected and analyzed. The analysis unit of log data was set for each one hour, and the analyzing method used descriptive and regression analysis. Results are as follows. First, factors influencing the diffusion of the view of SNS-based online events were like, friend used coupon, and friend size. In particular, the size of friends had the greatest impact on the diffusion, which again suggests the importance of social hubs in online events. Second, factors influencing the diffusion of the number of inflows were also like, friend used coupon, and size of friends. Third, it was found that the number of reply did not affect the diffusion of views and inflows. This study is meaningful that it suggested an alternative plan to increase the effect of online events by using real data.

본 연구에서는 SNS를 통한 온라인 이벤트 확산에 영향을 미치는 요인을 소비자들의 발자취를 통해 탐색하고자 하였다. 이를 위해 시중 'C' 맥주 브랜드가 시행한 온라인 이벤트의 로그 데이터를 수집하여 분석하였다. 로그 데이터의 분석단위는 시간대별로 설정하였으며 분석방법은 기술적 분석과 회귀분석을 이용하였다. 연구결과는 다음과 같다. 첫째, SNS 기반 온라인 이벤트의 뷰(view) 확산에 영향을 미치는 요인은 좋아요, 친구 사용 쿠폰, 친구 규모 등으로 나타났다. 특히 친구 규모가 확산에 가장 큰 영향을 미쳤는데 이는 온라인 이벤트에서 소셜 허브의 중요성을 다시금 시사하고 있다. 둘째, 유입자 수 확산에 영향을 미치는 요인도 좋아요, 친구 사용 쿠폰, 친구 규모 등으로 나타났다. 셋째, 댓글은 참여 빈도가 적어 뷰와 유입자의 확산에 영향을 미치지 않는 것으로 나타났다. 본 연구는 실제 데이터를 기반으로 온라인 소비자들의 행동을 탐색하고 나아가 기업의 온라인 이벤트 효과를 제고할 수 있는 방안을 제시하고자 하였다는 데 의의가 있다.

I. Introduction

최근 통신기술의 발달과 함께 소비자들의 온라인 활동이 증가하면서 기업들은 온라인을 통한 제품 홍보와 고객 유치 및 매출 확대에 심혈을 기울이고 있다. 기업이 온라인에 관심을 두는 것은 경제적 측면도 있지만, 무엇보다시· 공간적 제약이 없는 온라인의 확산성과 온라인을 통해 수집되는 소비자 정보의 활용성에 있다. 즉, 시간과 공간의 제약을 받지 않는 온라인 소비자들의 로그 데이터는 소비자들의 실제 행동을 반영하고 있기 때문에 빅데이터와 인공지능 기술 등과 결합할 때 경쟁적 성과를 만들어 낼 수 있다[1-2]. 2020년 말 기준 중국의 온라인 판매 규모는 11조 7, 600억 위안이며 특히 SNS을 활용한 라이브커머스의 경우에는 등록된 사업자가 약 3억 8, 800만 명이며 전체전자 상거래 이용자의 66.2%를 차지할 정도로 빠르게 성장하고 있다. 국내 라이브 커머스 시장 또한 2020년 약 3조 원에서 2023년까지 8조원 규모로 성장할 것으로 전망하고 있다.

이런 이유로 SNS를 활용한 마케팅은 점점 활발하게 진행되고 있다. SNS를 통해 게시된 온라인 이벤트는 게시자의 네트워크 내에 있는 사람에게 노출이 되며 네트워크 내에 있는 사람들의 친구 또한 해당 네트워크에 접근했을 때 이를 볼 수 있다. 이러한 소셜 네트워킹 시스템의 발달로 SNS기반 온라인 이벤트에 대한 관심도 증가되고 있다[3].

실제로 제조 중심이었던 G기업은 2019년부터 디지털마케팅을 적극적으로 펼치면서 목표고객을 젊은 층에서 중년층으로 넓게 잡고 SNS를 기반으로 한 공격적인 마케팅을 펼쳤다. 그 결과 2019년 기업가치 200억원, 매출액 28억원이었던 회사가 2020년 상반기에만 기업가치 2000 억원, 매출액 410억원을 기록하며 반전에 성공하기도 하였다. SNS을 활용한 마케팅은 실질적인 매출뿐 아니라 정보의 신뢰성을 바탕으로 고객의 서비스 재구매(재이용)에도 영향을 미치기도 한다.

SNS 마케팅이 효과적인 이유는 명확한 목표 고객을 대상으로 커뮤니케이션이 진행된다는 점도 있지만, 개인의 SNS에 게시하기도 하고, 지인들에게 추천하기도 하는 등 소셜네트워크를 통해 전방위적으로 확산되기 때문이다.

그러나 아직까지 실제 기업의 SNS이벤트를 대상으로확산이 어떻게 이루어지고 있는지를 연구한 마케팅 논문이 부족한 실정이다. 이에 본 연구에서는 SNS 기반으로실제 시행된 온라인 이벤트 참여자들의 활동정보를 바탕으로 확산현상을 살펴보고자 하였다.

II. Literature Review

1. Online Event

온라인 이벤트는 온라인에서 특정 목표고객을 대상으로 진행되는 것으로 오프라인 이벤트와의 연계나 통합을 목적으로 진행된다[4]. 온라인 이벤트는 오프라인 이벤트와 달리 빠르게 전파되는데 이는 이벤트가 전달하는 메시지에 참가자들이 직접적이고 즉각적인 반응을 하는 상호작용효과 때문이다[5]. 이런 상호작용을 통해 감정적, 인지적, 행동적 체험을 한 소비자들은 브랜드 인지도와 이미지나아가 브랜드 태도와 충성도까지 영향을 받게 된다. 최근 소셜미디어를 활용하는 소비자들이 늘어나면서 포츈지에있는 500대 기업이 모두 페이스북에 브랜드 페이지를 만들어 운영하고 있다[6]. 이 기업들이 운영하고 있는 브랜드페이지에서 가장 효과적인 것이 경품(Sweepstakes)을 활용한 마케팅이라고 한다[7].

또한 SNS마케팅은 매출뿐 아니라 서비스 재구매 의도에도 영향을 미친다. 항공사를 대상으로 조사한 결과 항공사의 SNS 마케팅 전략 4가지(예약 서비스, 공항 이용 서비스, 운항 중 서비스, 기내 무료 서비스) 중에서 항공사의 예약 서비스 및 기내 무료 서비스와 관련된 SNS 마케팅전략을 강화할수록 고객의 항공사 서비스 재구매 의사가 높아지는 것으로 나타났는데 이는 SNS 구전 정보 신뢰의 매개효과가 높아지기 때문이다[8].

2. SNS and Diffusion

SNS(Social Network Service)가 가지고 있는 빠른 전파속도를 활용한 것이 입소문 마케팅(Word of Mouth) 또는 바이럴마케팅(Viral Marketing)이다. 특히 TV를 잘 보지 않은 30대 이하 젊은 세대들에게 온라인을 활용한 마케팅은 매우 중요하다. 실례로 팔도 비빔면은 글자 형상을따라 ‘괄도 네넴띤’으로 불리면 큰 인기를 끌어, 출시 35주년을 기념해 한정 생산한 ‘괄도네넴띤’을 출시하였는데 출시한지 한 달만에 준비한 물량 500만개가 완판되었다. 또한 할리스커피는 라떼스틱 신제품들이 '쟁이기 아이템'으로 온라인 커뮤니티와 SNS 등을 통해 입소문을 타면서 전체 라떼 스틱제품군의 매출 전년 동기 대비 약 10배 매출이 증가하는 등 온라인 구전은 실제 매출 상승효과에도 중요한 영향을 미친다.

대표적인 SNS로는 140자 내에서 자신의 생각과 의견을 표현하는 트위터(Twitter), 전 세계에서 가장 많은 사용자를 보유한 페이스북(Facebook), 그리고 글보다는 이미지를 통해 자신의 의견을 전달하는 인스타그램(Instagram) 이 있다. 트위터와 페이스북은 각각 ‘팔로잉(Following)’과 ‘친구맺기(Frieding)’를 통해 지인들과 관계를 맺고 각각의 지인들의 네트워크를 공유함으로써 더 큰 네트워크를구축하게 된다. 즉 SNS는 콘텐츠 생산, 관계맺기, 커뮤니케이션이 한 곳에서 이루어지는 네트워크 플랫폼이라 할수 있다. 소셜미디어 컨돌이닷컴(gundolle. com)에 따르면 2020년 1월 기준 월간 이용자수는 페이스불 2억 7천만명, 인스타그램 1억명, 트위터는 3천 2백만명으로 페이스북이 가장 많았지만, 또한 일간 좋아요 수는 인스타그램 4억 2천만, 페이스 북 1억 5천 6백만, 트위터 1천 3백만인것으로 인스타그램의 인기가 가장 높은 것으로 나타났다.

페이스북은 원하는 고객을 설정하여 설문조사, 이벤트, 비디오 공유등과 같은 광고를 진행하고 이용자들은 좋아요나 댓글로 호응함으로써 광고에 대한 자신의 의견을 직접적으로 표현할 수 있도록 함으로써 광고주들을 모으고있다[8]. 상호작용이 증가할수록 서비스 이용빈도는 증가하게 되고 더 많은 시간을 SNS활동에 투자하게 되고 자연스럽게 온라인 구전도 늘어나게 된다[9].

SNS상의 구전 정보의 특성에 따라 이용자들의 구전 의도가 달라지고, 정보원천의 신뢰도는 구전 의도에 긍정적인 영향을 미친다[10]. 사람들이 온라인 구전을 하는 동기로는 사회적 상호작용, 경제적 인센티브, 타인에 대한 관심, 자신의 가치 강화등이 있다[11]. 온라인 구전 확산의지표로 자주 활용되는 것으로는 구전의도, 추천, 구전량, 공유가 있다. 그렇다면 어떤 요인들이 온라인 구전에 영향을 미칠까? 기존 연구를 보면 온라인 구전에 영향을 미치는 요인으로 정보의 생생함(vividness), 중립성 (neutrality), 전문성(expertise), 유사성(similarity)이 있다[12]. 기존 연구들을 보면 정보의 내용이 재미있고 생생할수록, 중립적인 메시지일수록, 전문적인 정보일수록, 유사한 경험을 가진 이용자의 정보일수록 이용자의 구전의도가 높아지는 것으로 나타났다[13].

또 다른 온라인 구전 특성을 분류하는 방법으로는 정보 특성(동의성, 최신성)과 커뮤니티 특성(유대강도, 상호작용)으로 구분하는 방법이 있다. 정보의 동의성 (concensus)은 제품 및 서비스에 대해 다수가 동의하는 정도를, 최신성(newness)은 신속하고 빠르게 소비자에게 정보를 제공하는 것을 말한다. 커뮤니티 유대강도는 메시지 발신자와 수신자간의 유대관계의 정도를 나타내고, 커뮤니티 상호작용은 핵심집단의 존재와 댓글의 정도를 의미한다. 이런 온라인 구선 특성이 신뢰, 구전수용 및 구매 의도에 미치는 영향에 대해 알아본 결과 동의성은 신뢰에 정(+)의 영향을 미치지 않았지만, 최신성과 커뮤니티 유대 강도와 상호작용은 신뢰에 정(+)의 영향을 미쳤다.

이에 본 연구에서는 SNS 기반 온라인 이벤트에 참여한 사람들의 활동이 해당 이벤트의 확산에 미치는 영향이 어떠한지를 탐색하고자 다음과 같은 연구모형을 수립하였다.

연구문제1: SNS기반 온라인 이벤트의 확산패턴은 어떠한가?

연구문제2: SNS기반 온라인 이벤트의 확산에 영향을 주는 참여자 요인은 무엇인가?

Fig. 1. Research Model

III. Research Design

1. Research Data

본 연구에서는 온라인에서 시행되는 이벤트에 참여하는 소비자들의 특성과 그들의 활동이 해당 이벤트의 확산에 어떠한 영향을 미치는지 탐색하기 위해, 2016년 7월에서 8월까지 국내 ‘C’ 맥주 브랜드에서 시행한 온라인 이벤트에 참여한 소비자들의 로그 데이터를 수집하여 분석하였다. 데이터에는 언제, 누가 해당 이벤트에 참여하였고, 이벤트 참여 후 SNS 공유를 통해 초대된 친구들의 활동은 어떠했는지에 대한 정보가 담겨 있다.

수집된 데이터의 전체 로그 건수는 29, 877건이며, 이중해당 이벤트 행사가 주류인 점을 감안하여 주요 소비층인 20대에서 60대까지 18, 724건의 로그를 대상으로 하였다. 이때 연령 값이 비어있는 경우는 나이를 알 수 없기 때문에 분석에서 제외하였다.

연령별 건수는 40대가 39.2%로 가장 많았으며, 그 다음으로는 30대(33.1%), 20대(14.0%), 50대(13.0%), 60대 (0.8%) 순이었다. 이 중 60대는 온라인에 상대적으로 익숙하지 않기 때문에 더욱 참여가 낮은 것으로 판단된다. 성별로는 남성(53.1%)이 여성(46.9%)에 비해 상대적으로 많이 참여하였다. 다만, 30대의 경우는 여성(20.0%)이 남성 (13.1%)에 비해 더 많았다.

Table 1. Sample

*gender missing=2

2. Measurement

수집된 로그 데이터는 접속시간이 초단위로 구성되어있기 때문에 이벤트 확산탐색을 위해 본 연구에서는 분석단위를 시간대별로 변수들의 정보를 합산하여 분석에 사용하였다. 즉, 참여자들의 특성이 확산에 미치는 영향을 살피기 위해 시간대별 참여자 특성들을 독립변수로, 이벤트 확산을 종속변수로 두고 분석하였다.

독립변수인 참여자 특성은 크게 참여자들의 활동 (activity) 특성과 친구(friend) 특성으로 설정하였다. 참여자들의 활동(activity) 특성은 시간대별 좋아요(like) 수, 댓글(reply) 수로 설정하였으며, 친구(friend) 특성은 시간대별 참여자들의 친구 수, 친구가 사용한 쿠폰 수로 설정하였다.

본 연구의 종속변수인 이벤트 확산은 해당 이벤트가 얼마나 알려졌는가를 측정하기 위한 변수로 시간대별 이벤트의 뷰(view) 수와 유입자 (inflow) 수로 설정하였다. 뷰수는 SNS로 공유한 게시물을 통해 이벤트 안내 페이지를 본 횟수이며, 유입자 수는 SNS로 공유한 게시물을 통해 이벤트 안내 페이지로 유입된 사람의 수가 된다.

IV. Results

1. Descriptive Analysis

일별 이벤트 유입자 수를 살펴보면 이벤트 초기에 많은 유입이 있었고 점진적 증가 후 감소하다가 후반에 일시적인 피크가 있는 것으로 나타났다. 이러한 유입자 수의 추세는 이벤트에 참여한 사람들의 친구 수와 비교적 유사한 패턴을 가진다(Fig. 2). 시간대별 이벤트 유입자의 경우도 일별 패턴과 유사하게 이벤트에 참여한 사람들의 친구 수와 관련성이 있는 것으로 보인다(Fig. 3). 시간대별로는 저녁 10시에 이벤트 참여가 일어나기 시작해서 밤 동안 증가했다가 낮 시간으로 가면서 감소하였다. 흥미로운 것은 밤에는 참여자 친구 수보다 유입자 수가 더 많았고 낮에는 반대로 유입자 수보다 친구 수가 더 많았다.

Fig. 2. Number of Inflow and friends by Day

Fig. 3. Number of Inflow and friends by Hour

유입자 수의 변화가 어떤 이유에서 일어났는지는 정확히 알 수 없지만 해당 이벤트가 SNS 상에서 이루어졌기 때문에 이벤트를 자신의 SNS에 올린 사람의 영향력이나 친구 수 등이 영향을 미쳤을 것으로 보인다. 또한, 게시된 이벤트에 대한 ‘좋아요’나 ‘댓글’ 등도 노출된 사람들로 하여금 유입을 지원한 것으로 판단된다.

일별 자료의 경우 이벤트 기간이 44일에 그치지 않아 분석단위가 지나치게 적기 때문에 이 연구에서는 시간대별 자료를 통해 살펴보고자 한다. 온라인에서의 확산은 오프라인과 시간과 공간의 제약이 낮기 때문에 확산이 빠르게 일어나므로 기존 연구에서는 통상 시간대별로 분석하고 있다[14,15].

시간대별 자료를 바탕으로 변수들의 기초 통계적 특성을 살펴보면 Table 2와 같다. 즉, 1시간 동안의 평균 뷰수는 유입자 수보다 약간 작으나 전체적으로 볼 때 약 29~30명으로 비슷한 수준이다. 이는 해당 이벤트를 본 사람은 대부분 유입됨을 의미한다. 참여자들의 반응 중에서는 댓글보다 ‘좋아요’가 상대적으로 더 많았다.

Table 2. Statistics of Variables (N=922)

변수들 간의 상관관계 분석결과 종속변수인 뷰 수와 유입자 수는 서로 상관관계가 높게 나타났다(Table 3). 이는 이벤트에 참여한 사람들이 자신의 SNS로 공유한 게시물을 친구들이 본 후 이벤트 안내 페이지로 유입되기 때문으로 판단된다. 한편 독립변수들 간의 상관관계는 비교적 높지 않은 것으로 나타났다. 독립변수들 중에서는 친구 수가 다른 독립변수들에 비해 상대적으로 종속변수와의 상관관계가 높았다.

Table 3. Correlation Analysis

a<.05, b<.01, ①View, ②Inflow, ③Like, ④Reply, ⑤Friend coupon, ⑥Friend size

2. Effect of Participant on Diffusion

본 연구에서는 SNS를 통해 이루어진 특정 이벤트에 참여한 사람들의 발자취를 통해 해당 이벤트가 어떤 이유로 확산되었는지를 참여자들의 특성 측면에서 탐색해 보고자 한다. 이를 위해 종속변수를 뷰 수로 두고 좋아요, 댓글 등 참여자들의 반응 특성과 SNS상 친구로 초대되어 사용한 쿠폰수와 친구 수 등 친구 특성을 독립변수로 두어 회귀모형을 통해 분석하였다. 분석단위는 1시간 단위로 합산된 값이다.

\(N V_{i}=\alpha_{1}+\beta_{1} N L_{i}+\beta_{2} N R_{i}+\beta_{3} N C_{i}+\beta_{4} N S_{i}\)       (1)

where, NV_i : number of view at time i

NL_i : number of like at time i

NR_i : number of reply at time i

NC_i : number of friend coupon at time i

NS_i : number of friend size at time i

분석결과 댓글을 제외한 모든 변수가 뷰 수의 확산에 유의미한 영향을 미치는 것으로 나타났다(Table 4). 표준화된 회귀계수를 볼 때 SNS를 통한 이벤트의 확산에 있어서는 참여한 사람들의 친구 크기(β=.431, p<.01)가 가장 큰 영향을 미치는 것으로 나타났다. 그 다음으로는 친구의 사용 쿠폰(β=.132, p<.01), 좋아요(β=.072, p<.05) 순이었다. 댓글의 경우는 영향을 미치지 않는 것으로 나타났다. 이는 SNS를 통해 이벤트에 참여한 사람들이 좋아요 보다는 댓글을 훨씬 적게 남기기 때문인 것으로 판단된다.

Table 4. Effect on Number of View

*p<0.05, **p<0.01, F Value=75.95^**, R²=.249

다음은 유입자의 확산에 미치는 영향자를 살피기 위해 앞 회귀모형에서 종속변수를 유입자 수로 바꾸어 분석한 결과이다. 즉, 뷰의 확산과 마찬가지로 댓글을 제외한 모든 변수가 유입자를 증가시키는데 유의미한 영향을 미치는 것으로 나타났다(Table 5). 영향력의 크기 측면에서도 뷰의 확산과 유사하게 친구 크기(β=.415, p<.01)), 친구 사용 쿠폰(β =.111, p<.01), 좋아요(β=.068, p<.05) 순으로 나타났다.

Table 5. Effect on Number of inflow

*<0.05, **<0.01, F Value=64.95^**, R²=.221

이상의 결과를 요약하여 도시하면 Fig. 4와 같다. 즉, SNS를 통한 이벤트에서 해당 이벤트의 뷰와 유입자 확산에 미치는 영향자는 이벤트 참여자들의 친구 크기와 친구 사용쿠폰 및 좋아요 활동이었다. 반면 기존 온라인 활동에서 중요하게 요구되었던 댓글은 영향이 없는 것으로 나타났다. 이는 댓글의 절대적인 수가 적었기 때문으로 해석된다.

Fig. 4. Summary of Results

V. Conclusions

본 연구에서는 온라인에서 일어나는 이벤트의 확산현상을 살피고자 특정 맥주 브랜드가 시행한 실제 SNS 기반온라인 이벤트의 로그 데이터를 통해 영향 요인들을 탐색하였다. 이를 통해 소비자행동 측면에서 온라인 소비자들의 특성을 파악하고 나아가 기업의 온라인 이벤트 효과를 제고할 수 있는 방안을 제시하고자 하였다.

연구결과를 바탕으로 학문적 실무적 시사점을 제시하면 다음과 같다. 첫째, SNS를 기반으로 한 온라인 이벤트에서 뷰(view)의 확산에 영향을 미치는 요인은 이벤트에 참여한 사람들의 ‘좋아요’ 활동과 친구 사용 쿠폰 및 친구 규모 등으로 나타났다. 특히 사회적 네트워크(social network)를 기반으로 하는 행사이기 때문에 참여한 사람들의 친구 규모가 확산에 가장 큰 영향을 미치는 것으로 나타났다. 이런 결과는 온라인에서의 확산시기 중 초기의 영향 자의 영향이 확산에 있어 중요하다는 기존 연구 결과와 비교해보면[16], 확산 초기 누구를 대상으로 마케팅을 집중하는 것이 효과적인지 보여주고 있다. 둘째, 이러한 결과는 유입자 수의 확산에서도 유사하게 나타났다. 즉, 온라인 이벤트 행사에 참여한 사람들의 친구 수가 유입자 확산에 가장 큰 영향을 미쳤다. 이는 온라인 확산에서 기존 연구가 언급하고 있는 사회적 인플루언서(social influencer), 소셜 허브(social hub) 등의 필요성과 맥을 같이한다. 다만 소셜 인플루언서의 전문성이 있다고 지각한 경우 제공되는 콘텐츠의 신뢰성 및 오락성 지각에도 긍정적인 영향을 미친다는 점을 고려하는 것이 중요하다고 할 수 있을 것이다[17].

셋째, 댓글의 경우는 뷰와 유입자의 확산에 영향을 미치지 않는 것으로 나타났다. 기존 온라인 소비자행동 연구연구를 보면 첫 댓글이 지지하는 입장과 일치하는 댓글 평가에 대해서 정보왜곡 현상이 발생해 첫 댓글의 입장과 동일한 입장을 가진 댓글의 설득력과 동의수준을 더 높게 평가하는 것으로 나타났다[18]. 그러나 본 연구에서는 댓글이 뷰와 유입자의 확산에 영향을 미치지 않는 것으로 나타났는데 이는 단기적이고 일회성으로 이루어지는 온라인 이벤트의 특성에 기인하는 것으로 볼 수도 있다.

본 연구의 한계점은 다음의 몇 가지로 요약된다. 첫째, 연구데이터를 로그 데이터로 하였기 때문에 제한적 정보에 의존하였다는 한계점이 존재한다. 즉, 로그 데이터의 특성상 시스템적으로 수집되는 정보 외에는 알 수 없기 때문에 보다 다양한 소비자 행태적 변수를 반영하지 못하고 수집 가능한 데이터 범위 내에서 확산 현상을 탐색하였다. 향후 연구에서는 로그 수집을 위한 시스템 구축 단계에 연구자가 참여하여 보다 다양한 변수들의 수집과 분석이 요구된다. 둘째, 분석단위를 한 시간 단위로 단일하게 설정하여 분석하였다. 온라인에서의 확산은 더 빠른 찰나에 이루어질 수도 있기 때문에 향후 연구에서는 보다 더 다양한 시간 단위를 분석함으로써 연구결과의 일반화를 기할 필요가 있다.

향후 연구방향에 대해 정리하면 다음과 같다. 첫째, 본연구에는 댓글이 뷰와 유입자의 확산에 영향을 미치지 않는 것으로 나오는데 이는 단기적이고 일회성으로 이루어지는 온라인 이벤트의 특성에 기인한 것일 수도 있고, 정보 왜곡과 같은 인식이나 평가와 달리 유입과 같은 행동에 미치는 효과가 제한적이기 때문일 수도 있으므로 향후 이와 관련된 연구가 필요할 것으로 보인다. 둘째, 본 연구에는 하나의 이벤트를 대상으로 분석이 이루어졌는데 단순한 참여 이벤트뿐만 아니라 아이디어 제안, 개인별 맞춤형 추천이벤트 등 이벤트 종류가 다양하므로 상호작용의 양에 따라 확산속도의 모형도 달라질 수 있으므로 이에 관한 추가적인 연구가 필요할 것으로 보인다.