누가 어떻게 트위터에서 영향력을 행사하는가? :커뮤니케이터 속성과 메시지 속성이

트위터 의견지도력에 미치는 효과 *

1)2)3)

황 정**

(서울 학교 언론정보학과 석사)

이 웅***

(서울 학교 언론정보학과 교수)

이 연구는 트 터에서 가 어떻게 을 쓰기에 의견지도력을 행사하는지 탐색했다. 우리는 팔로워 수

와 리트윗 횟수를 의견지도력의 증거로 보아 이들을 종속변수로 삼아 트 터 행 자 속성 변수들과 메

시지 속성 변수들이 미치는 향을 검토했다. 행 자 변수로는 ①인구통계학 속성, ②공신력, ③

공개된 로필의 성실성, ④인기도, ⑤발화 극성, ⑥정치 성향, ⑦이용행태 등을 이용했고, 메시

지 속성 변수는 ①메시지의 주제, ②메시지의 품질, ③메시지 문장 특성, ④ 쓰기 매 등을 측정

했다. 분석결과, 팔로잉 수, 트 터 인증 여부, 로필 성실도, 로필에 인물사진 사용 여부, 정

메시지 작성 정도, 평서문 사용정도, 높임말 사용정도 등이 팔로워 수에 향을 주는 것으로 확인했다.

한 최 의 리트윗을 유발하는 데 향을 주는 변수는 트 터 인증 여부와 인기도임을 발견했으며,

1회 이상 리트윗을 유발하는 데는 일평균 트윗 수, 타인의 을 리트윗한 , 의 주제, 메시지 길이

변수 쓰기 매 임을 발견했다.

Keywords: 트 터, 소셜 미디어, 교류매체, 의견지도자, 의견지도력, 메시지 속성

*** 이 논문은 황 정의 서울 학교 언론정보학과 석사학 연구(2013.8)를 수정 보완한 것입니다.

2014년 서울 학교 언론정보연구소 연구기 에서 일부 지원받았음을 밝힙니다.

*** hjhwang@snu.ac.kr

*** jwrhee@snu.ac.kr, 교신 자

韓國言論學報, 58권 5호 (2014년 10월)ㆍ6

1. 문제 제기

트 터 등 교류매체(social media)를 이용한 사회 향력의 행사에 한 심이 높다

(Adamic & Glance, 2005; Tumasjan, Sprenger, Sandner & Welpe, 2010). 트 터 이용자

는 정보습득을 목 으로 트 터를 사용하기도 하지만, 사회 향력을 행사하기 해

활용하기도 한다. 향력은 직 경로인 메시지 게시(tweet)를 통해 달되기도 하고,

간 으로 트 터 따르기(following)과 재 송(retweet)을 통해 행사되기도 한다. 트

터의 교류 속성을 활용한 커뮤니 이션 효과는 이미 잘 알려져 있다. 를 들어, 2008

년 오바마 미국 통령은 트 터를 비롯한 교류매체를 활용한 캠페인을 개해 성공했

다는 평가를 받았으며, 2010년 국 총선에서는 ‘트윗민스터’(tweetminster.co.uk)란 서

비스를 비롯한 트 터를 활용한 정치인과 공 의 상호작용이 활발했다(황유선, 2011).

우리나라에서도 2010년 6.2 지방선거 이후, 주요 선거에서 이른바 유력 트 터 사용자

(power twitterian)로 불리는 이들의 교류매체에서 활동이 투표와 정당지지에 향을 미

쳤다는 평가가 있다(장윤선, 2010).

트 터의 향력은 물론 이용자 간 차이가 있다. 이외수나 노회찬의 사례와 같이 수십

만 명의 팔로워를 유지하며, 하루에 수십 번 이상 트윗을 쓰고, 그것이 다시 수백 번 리

트윗 되는 경우가 있다. 반면 추종자도 없고 리트윗도 없이 공허한 혼잣말만 하는 경우

도 많다. 이런 차이는 왜 발생하는가? 이 연구의 목 은 이 질문에 답하기 해 가 어

떤 종류의 메시지를 작성하기에 트 터에서 향력을 행사하는지 검토하는 데 있다.

트 터에서 많은 추종자를 거느리고 메시지가 자주 리트윗되는 이들은 실의 의견지

도자와 같이 향력을 행사한다고 말할 수 있다. 타인의 주목을 받는 것은 물론 그들의

의견 형성과 태도에 향을 미칠 것으로 상할 수 있기 때문이다. 트 터에서 의견지도

자 는 유력자라 불리는 사람들의 면면을 살펴보면 이미 실에서 의견지도자로 불리

는 사람들인 경우가 많다. 그러나 실에서 유명하지 않더라도 트 터에서 새로운 의견

지도자로 부상하는 이들도 어렵지 않게 찾을 수 있다. 이를 통해 트 터에서 의견지도력

을 가지게 되는 것은 실에서와는 다른 요인이 작용하는 것은 아닌지 질문해 본다. 과

연 트 터에서 의견지도력에 향을 미치는 변수들은 무엇인가?

기존 교류매체 련 연구들은 주로 연결망을 통한 상호작용 연구 는 연결망의 구조

특성 분석에 집 했다(곽해운ㆍ이창 ㆍ박호성ㆍ문수복, 2011; 이원태ㆍ차미 ㆍ양해륜,

2011; 장덕진, 2011; 장덕진ㆍ김기훈, 2011). 컨 , 이용자의 연결망의 특성을 조망함으

로써 유력자를 찾아내거나, 연결망 구조 속에서 메시지들을 하는 과정과 그 력

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ7

을 확인하는 연구들이 표 이다(Boyd, Golder & Lotan, 2010; Hong, Dan & Davison,

2011). 이런 연구들은 연결망의 구조에 주목하며 교류매체 이용자가 구조 내에서 어떤

역할을 수행하는지, 그리고 그로 인한 향력의 양상은 어떠한지 탐색하는 연구가 부

분이다. 이런 구조 분석은 인 간 향력의 행사와 그 향력의 원인 요인에 한 규

명에 상 으로 무심하다. 특히 교류매체를 이용하는 커뮤니 이터의 속성을 본격 으

로 탐구한 연구를 찾기 어렵다.

이 연구에서 우리는 트 터에서 어떤 특성을 가진 사람이 향력을 행사하는지 개인

수 에서 탐구함으로써 인 향력의 원인이 되는 변수들을 탐색하려 한다. 이를

해 먼 트 터 내에서 의견지도력을 측정할 수 있는 방법을 제시하고, 이어 의견지도력

에 향을 미칠 가능성이 있는 변수들을 고려하여 이들이 의견지도력에 기여하는 바를

경험 으로 탐색하겠다.

2. 의견지도력 개념과 측정

1) 의견지도력과 의견지도자의 속성

의견지도자 개념은 1940년 에 라자스펠드와 그의 동료들(Lazarsfeld, Berelson &

Gaudet, 1968)이 미국인의 투표 성향을 설명하며 제시했다. 그들은 매체가 송하

는 정보가 직 일반 시민들에게 향을 미치는 것이 아니라 의견지도자를 경유해 효과를

발휘한다는 가설 모형을 제시했다. 여기서 의견지도자란 정보 유통의 흐름을 시작하는

정보 달자(informer)이자, 다른 사람의 의견 형성 는 행동에 향을 미칠 수 있는 설

득자(persuader)이다(Katz & Lazarsfeld, 1955; Lazarsfeld, et al., 1968; Weimann, 1994).

의견지도자 개념은 의견을 주도하는 자와 그에 추종하는 자로 계의 속성을 규정하는

것에서 시작한다. 카츠(Katz, 1957)는 가 주도하고 가 따르는지 먼 구분하고, 그

런 구분을 설명하는 변수들을 규명할 것을 제시했는데, 이 주장을 따르는 최근 연구들과

마찬가지로(김경모ㆍ송 진, 2011; 이 웅ㆍ김은미ㆍ김 석, 2007; 황유선ㆍ심홍진, 2010),

우리도 ‘ 향력을 행사하는 자’를 어떻게 개념화하고 경험 으로 구분할 것인지 먼 고

민해야 한다고 믿는다.

의견지도자에 한 기의 연구는 사람들에게 다른 사람들이 의견을 물어오는지의 여

부를 질문해서 의견지도자 여부를 확인하는 자기지명식 방식을 사용했다(Katz & Lazar-

韓國言論學報, 58권 5호 (2014년 10월)ㆍ8

sfeld, 1955; Lazarsfeld, et al., 1968). 는 일반 시민에게 ‘조언을 구하기 해 한

사람이 구인지’를 질문해서 의견지도자를 찾는 방법(sociometric method)을 활용하기

도 했다(Rogers & Shoemaker, 1971; Weimann, 1994). 이런 방법들은 의견지도자라고

스스로 규정하는 응답자의 자기 인식이 타당하며, 일반인들이 의견지도자를 확인하는

것이 체로 타당할 것이라는 가정에 근거하고 있다(Weimann, 1994). 물론 자기 인식과

타인 인식이 과연 얼마나 타당한지는 별도로 확인해야 할 일이다.

상호작용 당사자의 자기인식 는 타인인식에 기반해서 의견지도자를 구분해내고자

하는 방식과 달리, 와이만 등은 인성강도(personality influence)라는 척도를 제시하고 그

로부터 의견지도자를 규정하려 했다(Robinson, 1976; Weimann, 1991). 의견지도자가

갖는 기질 ㆍ심리 특성을 인성강도로 규정하고 그 하 차원에 자기 확신, 신성,

조정능력 등이 포함된다고 보아, 이런 특성을 별도로 측정하여 의견지도자를 구별하겠

다는 것이다. 그러나 인성강도는 단지 의견지도자에 속하는 사람들이 가진 성향을 측정

할 뿐이다. 즉 의견지도자의 사회 지 나 역할 행동을 범 하게 포 으로 설명

하는 성향을 의미할 뿐 의견지도력 그 자체를 의미한다고 볼 수 없다(이 웅 외, 2007).

우리는 의견지도력의 속성을 탐구하기 해서는 인 간에 발생하는 향력인 ‘의견지도

력’에 한 ‘경험 규정’이 선행되어야 한다고 믿는다.

의견지도자는 물론 의견지도력 이외에 다른 사회정치 특성을 가질 것이다. 카츠와

라자스펠드(1955)의 고 연구에서도, 의견지도자는 정치에 심이 많고, 정치

화를 즐기며, 매체를 통한 정보 습득이 많다는 특성을 제시했다. 의견지도자는 다

른 사람들보다 지 호기심이 높고, 사회 반에 한 심이 많은 편이며(Weimann,

1994), 정치 심이 많고 자기 효능감(self - efficacy)이 높다는 결과도 있다(Shah &

Scheufele, 2006). 우리나라에서도 의견지도자들이 가진 속성을 인구통계학 속성, 매

체이용, 개인 특성과 논변의 품질 등 특징을 들어 제시한 바 있다(김 규, 2005; 김세

은, 2006; 김 주, 2005; 이 웅 외, 2007; 최윤정, 2009; 황유선ㆍ심홍진, 2010).

그러나 이런 의견지도자의 개인 속성 사회정치 속성과 의견지도력 그 자체를

구분해야 한다. 자로 후자를 체할 수 없다. 개념 으로 후자가 의견지도자를 규정

하는 본질 속성이라면, 자는 그런 속성을 래하는 원인이거나 수반하는 특성이거

나 아니면 의견지도력의 결과 산물이기 때문이다. 의견지도력을 의견지도자의 속성으

로 보려는 일부의 시도는 물론 이유가 있다. 인 향력을 행사하는 결과를 경험 으

로 규정하여 의견지도력으로 구분하세 규정하고 그에 향을 미치는 요인과 결과 등을

체계 으로 분석하지는 못했기 때문이다. 한 의견지도력 자체를 경험 으로 측정하기

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ9

어려웠던 것도 이유가 된다. 그러나 아래에서 고찰하듯이 인터넷에서는 의견지도력과

의견지도자 속성을 경험 수 에서 상 으로 잘 구분할 수 있으며, 이런 구분을 통해

의견지도력에 향을 미치는 변수들을 분리해서 탐색할 수 있다.

2) 인터넷 환경에서 의견지도력의 측정과 측

인터넷 환경에서는 가 언제 어떠한 정보를 어떤 경로로 했는지에 한 데이터가

실시간으로 기록되고, 이 데이터의 검색과 열람이 용이하기 때문에, 상에 한 객

인 찰이 가능하다. 이 찰 가능성을 이용하면 기존의 의견지도력의 측정 방식이 가

지고 있었던 한계를 상당 부분 해결할 수 있다.

를 들어, 김 주(2005)는 사이버 여론 지도자의 특성에 한 연구에서 의견지도자

를 인터넷 토론 게시 에서 조회 수가 높고 답 과 댓 같은 상호 작용을 많이 유발한

을 생산하는 사람으로 규정했다. 이 웅 등(2007)은 김 주의 의견지도자의 개념화에

동의하면서도, 단순히 조회 수, 답 과 댓 수만으로 의견지도력을 평가하는 것은 충

분치 않기 때문에, 의견지도자를 규명하기 해서는 ‘주목 유인’과 ‘ 향력’으로 세분화

해야 한다고 보았다. 김경모와 송 진(2011) 역시 의견지도력을 주목, 반응, 그리고

향력으로 구분해 종속변인으로 삼았다. 이들은 주목은 조회 수로, 반응은 댓 수로,

향력은 동조 댓 수와 반박 댓 수를 사용하여 측정했다.

인터넷 서비스에서 어떤 수치를 제공하는지에 따라 온라인에서의 의견지도자의 향

력을 단하는 기 이 달라진다. 온라인 토론방 는 게시 연구에서는 조회 수나 댓

수를 활용했다면, 블로그 연구에서는 한 블로그가 이웃 블로그들에게 얼마나 링크되었

는가의 정도와 방문자 수를 기 으로 사용했다(Wallsten, 2007). 방문자 수는 주목요인,

이웃 블로그에 링크된 정도는 반응요인이라고 할 수 있다. 이와 같이, 각각의 인터넷 서

비스에서 주목유인과 반응유인을 표하는 수치를 찾는다면, 해당 서비스 내에서의 의

견지도자를 구별하는 데 유용하게 사용할 수 있을 것이다.

그 다면 트 터는 어떠한가? 팔로워 수가 향력의 범 를 나타낸다면 리트윗 횟수는

향력 그 자체는 아니지만 그것의 지표가 될 수 있다고 본다. 트윗을 본 뒤 리트윗하는

행 는 메시지 내용에 한 공감과 추천이라고 해석할 수 있기 때문이다. 비슷한 논리로,

차미 과 그의 동료들(Cha, Haddadi, Benevenuto & Gummadi, 2010)은 트 터 내에서 팔

로워 수가 단순히 상호작용 향력을 의미하지는 않기 때문에, 향력 지수를 구성하기

해 팔로워 수, 리트윗 횟수, 멘션된 횟수를 고려해야 한다고 보았다. 곽해운 등(Kwak,

韓國言論學報, 58권 5호 (2014년 10월)ㆍ10

Lee, Park & Moon, 2010)도 팔로워 수, 리트윗 횟수, 페이지랭크(PageRank)1)로 측정한

의견지도자 집단이 각기 다르기 때문에, 팔로워 수뿐만 아니라 다양한 지수를 고려할 것

을 제안했다. 트 터에서 개인의 향력을 평가하는 연구들에서 공통 으로 사용하는 지

표가 팔로워 수와 리트윗 횟수이다(이원태 외, 2010). 생각해 보면 팔로워 수와 리트윗 횟

수는 온라인 공간의 의견지도자를 탐색한 연구들이 향력을 ‘주목 유인’과 ‘상호작용’

는 ‘반응’으로 구성된다고 보고, 이를 각각 조회 수와 댓 수로 측정한 것과 유사하다. 즉

트 터에서 타인의 주목의 범 를 결정하는 변수가 팔로워 수이고, 메시지에 한 주목

이후 내용에 한 동의 여부가 리트윗으로 나타난다고 볼 수 있다.

우리는 트 터 의견지도력을 팔로잉을 받는 것과 리트윗을 받는 것으로 규정했다. 즉

추종자를 더 많이 확보하고 게시 의 가 더 많이 이루어질수록 의견지도력을 행사

하는 것으로 볼 수 있다는 것이다. 일단 의견지도력을 이 게 규정하면, 이 변수에 향

을 미치는 의견지도자 속성 변수들과 메시지 속성 변수들을 설명변수로 삼아 의견지도

력과 어떤 연 성을 갖는지 검토할 수 있다.

이 연구의 첫 번째〈연구 문제〉는 “트 터 이용자의 개인 속성이 의견지도력의 지표

인 팔로워 수와 리트윗 횟수에 어떤 향을 미치는가”이다. 이 질문은 오 라인 의견지

도자의 속성을 탐구한 고 의견지도자 연구에서도 제기된 바 있다. 고 연구과 최

근 연구 모두 의견지도자의 인구통계학 속성, 공신력, 매력, 정치 성향 등이 의견지

도력과 련이 있다고 설명했다(Corey, 1971; Myers & Robertson, 1972; O’Keefe, 2002;

Petty & Wegener, 1998; Shah & Scheufele, 2006; Weimann, 1991). 우리는 이런 변수에

더해서, 공개된 트 터 이용자 로필 제공의 성실성, 발화 극성, 트 터 이용행태 등

이 의견지도력을 설명할 것이라고 기 한다. 결국 이 연구는 ①인구통계학 변수, ②

공신력, ③공개된 로필의 성실성, ④인기도, ⑤발화 극성, ⑥정치 성향, ⑦이

용행태 등의 향력을 종합 으로 살펴볼 것이다. 각 변수를 선정한 근거와 측정방법에

해서는 3장에서 상술하겠다.

두 번째〈연구 문제〉는 트 터 의견지도력에 향을 미치는 메시지 변수의 향력을

알아보겠다는 것이다. 고 의견지도자 연구에서는 메시지 요인에 해서 특별히 주목

하지 않았지만, 최근 인터넷 의견지도자 연구들은 기존의 메시지의 속성을 분석해서 독

1) 페이지랭크는 구 에서 개발한 네트워크 계 분석 알고리즘으로, 월드와이드웹(World Wide

Web)과 같은 웹 페이지의 하이퍼링크 세트(hyperlink set) 구성 요소 간의 계를 수학 으로 계

산하여 세트 내에서 각 구성 요소가 차지하고 있는 요성을 측정하는 도구이다(PageRank,

2012, April 26).

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ11

립변수로 삼아 연구했다. 이들 연구는 의견지도력에 향을 미치는 메시지 요인으로 메

시지의 품질과 , 문장의 특성, 발화 극성 등을 지 한 바 있다(김 규, 2005; 김경모

ㆍ송 진, 2011; 김 주, 2005; 이 웅 외, 2007; 장윤재ㆍ이은주, 2010). 한 최근에 이루

어진 트 터 연구들에 따르면, 트윗의 작성 방식과 주제가 팔로워 수와 리트윗을 결정하

는 주요 변수라는 결과가 있다(Hong, et al., 2011; Kwak, et al., 2010; Quercia, et al.,

2011; 곽해운 외, 2011; 심홍진ㆍ황유선, 2010; 장덕진ㆍ김기훈, 2011). 우리는 이 연구에서

①메시지의 주제, ②메시지의 품질, ③메시지 문장 특성, ④ 쓰기 매 등을 선택했

다. 마찬가지로 이런 변수를 선택한 배경은 다음 장에서 측정방법과 함께 논의하겠다.

3. 연구 방법

1) 자료의 수집

한국 트 터 순 집계 서비스 업체인 ‘코리안트 터’에서 제공하는 한국인 트 터 이

용자 팔로워를 1만 명 이상 가지고 있는 사람을 상으로 하여 체계 표집을 통해

상자를 선정했다. 코리안트 터에서는 일정 기간 한국어로 트윗을 작성하는 이용자를

한국인 트 터 사용자로 간주하여 순 리스트를 제공하고 있다. 2012년 11월 기 , 팔

로워를 1만 명 이상 가지고 있는 한국인 트 터 이용자 5,902명의 최종 326명의 연구

상 표본 이용자를 추출했다. 트 터에 존재하는 잠재 의견지도자의 속성을 하게

반 할 수 있는 표본을 표집하는 것이 요했는데, 이를 해 모집단을 팔로워 1만 명 이

상 보유 한국인 이용자로 한정했다.

326명의 표본 트 터 이용자가 2013년 1월 14일부터 20일까지 일주일간 작성한 모든

트윗 메시지를 오 API를 사용해 어서(crawling) 수집했다. 총 28,813개의 메시지가

수집되었다. 트 터 사용자를 분석단 로 하여 팔로워 수에 해 진행한 분석에서는

326명의 28,813개 모든 데이터를 활용했고, 트 터 메시지를 분석단 로 하여 리트윗

횟수에 해 진행한 분석에서는 각 변수별 분석 불가능한 트윗을 제외한 20,016개의 메

시지를 분석에 사용했다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ12

2) 의견지도자의 속성

(1) 인구통계 배경변수

일반 으로 인구통계학 속성 에 의견지도력과 상 계를 보이다고 여겨진다.

인구통계학 속성 에 특히 개인의 사회경제학 지 와 강한 연 이 있다고 간주되

는 변수가 의견지도력에 향을 미칠 것으로 상할 수 있다(이 웅 외, 2007). 의견지도

자를 향력 측면에서 연속 인 변수로 보고 의견지도력을 측정하고자 한 연구들도 사

회경제학 지 가 의견지도력과 련이 있음을 확인한 바 있다(Corey, 1971; Myers &

Robertson, 1972; Shah & Scheufele, 2006; Weimann, 1991). 이 연구에는 트 터 이용자

련 변수 로필 등으로 확인가능한 성과 나이를 변수로 삼았다. 수집된 의견지도자

연령 평균은 36.3세(SD = 11.2) 다.

〈표 1〉 인구통계 변수 요약

변수 빈도 %

이용자 기준 성별

남자 199 79.28

여자 52 20.72

합계 251 100

(결측) 75

메시지 기준 성별

남자 11,986 83.72

여자 2,331 16.28

합계 14,317 100

(결측) 5,699

(2) 공신력

권력, 카리스마, 이미지, 매력, 믿음성 등으로 연구 되어온 설득의 요소들은 호블랜

드를 비롯한 일 학 에 의해 공신력이라는 커뮤니 이터 변수로 통합 다. 설득 연구

의 결과에 따르면, 공신력이 높은 정보원에 의해 달된 메시지는 일반 으로 더 큰

향력을 행사한다고 한다(Petty & Wegener, 1998). 이 결과를 인터넷 커뮤니 이션이

용하여 커뮤니 이터의 공신력이 인터넷 의견지도력에도 향을 미칠 것이라고 추정해

볼 수 있다. 따라서 트 터에서 공신력이 높을수록 더 많은 팔로워와 더 많은 리트윗을

확보할 것으로 상할 수 있다.

공신력이라는 개념은 수용자에 의해 지각된 커뮤니 이터의 문성과 신뢰성 등 다양

한 하 속성으로 구성된다. 과거 이 속성들은 특정 커뮤니 이터에 해 어떻게 지각하

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ13

고 있는지를 수용자들에게 질문하는 방식으로 측정 다(Hovland, Janis & Kelley, 1953;

O’Keefe, 2002). 트 터 이용자에 한 비개입 찰 방법을 이용한 이 연구에서는 이

런 기존의 공신력 측정방법을 그 로 사용할 수 없었다. 따라서 오키 (O’Keefe, 2002)

가 제시한 공신력에 향을 미치는 요소 하나인 직업을 공신력의 문성의 한 측면을

변하는 변수로 사용했다. 숙련되고, 문 지식을 가지고 있고, 정보에 밝고, 노련

하고, 능력 있고, 성공한 것 같은 커뮤니 이터라면(Berlo, Lemert & Mertz, 1969), 공

신력이 높을 것이라고 상할 수 있다.

직업의 문성 외에도 트 터에서 공신력을 확인할 수 있는 지표가 있다. 트 터는 트

터 이용자들이 원하는 정보를 믿을 만한 정보원으로부터 얻을 수 있도록 인증 계정 정

책을 운 하고 있다. 자체 으로 마련한 기 에 부합하고, 음악, 연기, 패션, 정부

련, 정치, 종교, 리즘, 미디어, 고 기타 심 분야에서 빈번하게 검색되는 트

터 사용자들을 인증 계정(verified account)으로 분류하고 있다(Twitter FAQ, 2013). 그

러므로 트 터 인증을 받은 사용자는 그 지 않은 사용자에 비해 많은 팔로워와 리트윗

〈표 2〉 직업 및 트위터 인증 여부 변수의 요약

변수개체 수 비율(%)

이용자 기준

직업

전문직(정치인/연예인 포함) 124 72.09

비전문직 48 27.91

합계 172 100

(결측) 154

정치인 6 3.49

연예인 42 24.42

트위터 인증 여부

인증됨 17 5.21

인증 안 됨 309 94.79

합계 326 100

메시지 기준

직업

전문직(정치인/연예인 포함) 6,510 70.40

비전문직 2,737 29.60

합계 9,247 100

(결측) 10,769

정치인 165 1.78

연예인 673 7.28

트위터 인증 여부

인증됨 247 1.23

인증 안 됨 19,769 98.77

합계 20016 100

韓國言論學報, 58권 5호 (2014년 10월)ㆍ14

을 얻을 수 있으리라 상할 수 있다.

첫째, 직업은 작성된 로필을 기 으로 하고, 유명인 검색 가능한 사용자들은 검

색을 통해 직업을 확인했다. 확인된 직업을 기 으로, 문직, 정치인, 연 인은 따로

가변수로 코딩해 분석에 사용했다. 문직과 비 문직의 구분은 통계청에서 제공하는

한국 표 직업 분류표를 참고했다. 두 번째로, 트 터의 인증 계정 여부는 인증을 받은

계정의 경우 1, 인증 받지 않은 계정의 경우는 0의 값을 부여했다.〈표 2〉는 문직 여

부 트 터 인증 여부 변수에 한 요약이다.

(3) 공개된 로필의 성실성

상황 ㆍ맥락 단서들을 잃은 채 상 에 한 불확실성을 안고 소통하는 컴퓨터 매

개 커뮤니 이션의 일반 특징(Walther & Parks, 2002)과 달리 트 터는 이용자의 비

익명성과 메시지의 공개성을 가진다. 첫 화면에서 이용자의 이름을 비롯한 다양한 정보

를 습득할 수 있기 때문에 일반 인 컴퓨터 매개 커뮤니 이션과 다른 양상을 보인다(이

은주, 2011; 황유선, 2012). 로필에서 화자에 한 다양한 정보가 주어진다면, 사람들

은 화자에 해 조 더 실재감(social presence)을 느낄 수 있고, 화자에 한 불확실성

도 감소할 것이다. 트 터 이용자의 정보제공과 공개된 정보의 성실성에 따라서 다른 이

용자의 평가가 달라질 것을 상할 수 있다. 우리는 이런 이용자의 평가가 트 터 이용

자의 의견지도력에 향을 미칠 것으로 보았다.

로필의 성실성은 로필 사진의 유무와 로필 성실성 수 두 가지로 측정했다. 먼

로필 사진이 트 터에서 제공한 기본 이미지인지 개인이 선택한 사진인지를 구분

했다. 분석 상 트 터 사용자 모두 개인이 선정한 사진을 사용하고 있었기 때문에, 인

물 사진을 로필 사진으로 사용했을 경우, 본인 사진으로 간주하고 1의 값을, 그 외 사

진은 0의 값을 주었다(237명의 이용자, 13,334개의 메시지가 인물사진 사용). 로필의 성

실성은 로필에서 정보를 제공하는 정도에 따라 0에서 5 으로 수화했다. 트 터 사

용자가 제공한 로필에서 이름, 나이, 직업, 개인의 화번호나 메일 주소 등 연락처,

취미나 기타 심사에 한 정보를 확인할 수 있는지에 따라 각각 1 을 부여하여, 0

에서 5 으로 로필의 성실성을 평가했다(이용자평균 = 1.81, 이용자표 편차 = 1.23/메시

지평균 = 1.65, 메시지표 편차 = 1.20).

(4) 인기도

설득의 요인 공신력 다음으로 많은 학자들이 경험 으로 검토했던 설명변수는 매

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ15

력(attractiveness)이다(O’Keefe, 2002; Petty & Wegener, 1998). 커뮤니 이터의 매력

과 유사성, 호감, 공신력 등의 개념은 유기 으로 연결되어 있다. 공신력과 마찬가지

로 매력 역시 설득을 당하는 사람 입장에서 얼마나 매력 인가가 결정되기 때문에, 비

개입 연구에서 커뮤니 이터의 매력을 측정하기 쉽지 않다. 그래서 매력의 정도를

신할 수 있는 척도로 인기도를 사용했다. 사람들에게 보편 으로 얼마나 사랑받고

있는지를 나타내주는 지표로서, 인기도에 따른 의견지도력의 차이를 확인해보았다.

매력을 측정하는 변수인 인기도는 검색 서비스인 네이버와 구 의 검색 횟수2)를 활용

하여 측정했다. 트 터 계정 소유자 이름이 1개월간 네이버와 구 에서 각각 검색된 횟

수를 확인하고, 이를 표 수화한 후, 더해서 변수를 구성했다. 이름은 유명인으로 확

인이 되는 경우에는 본명을, 그 외의 경우에는 로필 사용자 이름(screen name)의 항목

에 제공된 이름을 사용하여 검색된 횟수를 구했다. 이용자 기 평균값은 .00, 표 편차

는 1.46이었으며, 메시지 기 평균값은 -.18, 표 편차는 .77이었다.

(5) 발화 극성

의견지도력은 정보와 의견을 제공하는 발신 능력과 강하게 련되어 있다고 한다. 이

때 발신 능력은 얼마나 극 으로 메시지를 생산해 내는가의 정도로 규정할 수 있다.

김 규(2005)는 양방향ㆍ공개 커뮤니 이션 장에서 극 의견 발신자 집단은 의견지

도자의 속성을 가지고 있다는 증거를 제시했다. 극 인 발신자가 의견지도자가 동일

한 속성을 공유하고 있다는 이 찰을 근거로 극 인 발신과 의견지도력의 사이에 강

한 연 이 있음을 추론해 볼 수 있다.

발화 극성은 표본 트 터 사용자가 얼마나 극 으로 메시지를 생산하느냐를 측정

하는 변수이다. 커뮤니 이터 속성으로서 일반 인 발화 극성을 확인하기 해서 한

트 터 사용자가 계정을 개설한 이후 재까지 평균 으로 어느 수 의 트윗 메시지를 작

성했는지를 살펴보았다. 트 터 계정 개설일부터 1월 20일까지의 일 평균 트윗 메시지

수를 사용했다(이용자기 평균값 = 16.11, 표 편차 = 26.99/메시지기 평균값 = 45.31/표

편차 = 47.06).

2) 네이버와 구 에서는 검색 고를 해 키워드의 1개월간 평균 검색 횟수를 제공하고 있다. 를

들어 네이버는 http://searchad.naver.com/!#/AMKW01/AMKW0100_A01.nbp에 제시된 바

와 같다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ16

(6) 정치 성향

트 터가 사회 으로 큰 향력을 가지고 있다고 상할 수 있는 까닭은 선거와 같은

주요 정치 이벤트에서 여론을 측 는 형성하는 데 일정한 역할을 수행하고 있음이

밝 졌기 때문이다(신 기ㆍ우지숙, 2011; 장덕진, 2011). 트 터 내에서 가장 많이 리트

윗 되는 주제가 정치 련 발언들이고(이미나ㆍ김옥 , 2011), 많은 정치인들이 트 터

에서 정치활동을 하고 있기에 트 터는 정치 커뮤니 이션 과정에 요한 역할을 수행

하는 매체로 간주된다(홍주 ㆍ박미경, 2011). 이런 트 터 환경에서 정치 성향을 드

러내는 것은 의견지도력에 정 으로 작용할 것인가? 한, 진보와 보수, 도의 세

가지 정치 성향 어느 쪽이 더 의견지도력과 련이 있을 것인가? 이 연구는 정치

성향의 표명 여부와 진보와 보수로 분류된 정치 성향이 의견지도력에 향을 미치는

지를 탐색하고자 했다.

정치 성향은 일차로 정치 성향에 해 표명을 하고 있는지에 해서 확인하여 0과

1로 코딩했다. 사용자가 작성한 로필 는 트윗 메시지에서 직간 으로 정치 성

향을 표명하고 있는지에 해 확인한 후, 정치 성향을 표명한 사용자들을 상으로 진

보, 도, 보수인지를 구별했다. 정치 성향 분류는 의의 개념을 용하여, 새 리

당을 지지하거나, 친정부 성향을 보일 경우 보수로, 민주당 통합진보당을 지지하

거나 반정부 성향을 보일 경우 진보로 간주했다.

〈표 3〉 정치적 성향 변수의 요약

변수 개체 수 비율(%)

이용자 기준

정치 성향

정치성향 표명 안함 241 73.93

정치성향 표명함 85 26.07

합계 326 100

진보 62 72.94

중도 7 8.24

보수 16 18.82

메시지 기준

정치 성향

정치성향 표명 안함 8,741 43.67

정치성향 표명함 11,275 56.33

합계 20,016 100

진보 7,317 64.90

중도 1,774 15.73

보수 2,184 19.37

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ17

(7) 트 터 이용행태

창작, 리트윗, 멘션, 응답(reply) 등의 이용 행태는 트 터 연구에서 종속변수로 많이

사용된다(황유선ㆍ심홍진, 2010). 이와 반 로 이용 행태를 독립변수로 사용하여 사용자

들의 의견지도력을 연구해 보는 것도 가능하다. 리와 버노 (Li & Bernoff, 2008)는 소

셜미디어 사용자들을 참여 정도에 따라, 창작자형, 비평가형, 수집가형, 참여자형,

람자형, 비참여자형의 6개로 분류하며, 이 창작자형이 가장 향력이 큰 사람이라고

말했다. 우리는 트 터의 다양한 이용 행태 창작과 리트윗하는 행 에 집 했다. 트

터의 가장 일반 인 이용 패턴이기도 하고, 리와 버노 가 제시한 분류에서도 의미 있

는 요소 기 때문이다. 트윗 메시지를 작성하는 데 있어 스스로 의견을 창작하는 사람과

타인의 생각을 달하는 사람은 의견지도력에서 차이를 보일 것이라 가정했다.

코더들이 표본 메시지들을 읽고 창작 , 리트윗 , 리트윗 외 인용 , 응답 (reply)

네 가지 속성으로 메시지를 분리했다. 이 창작과 리트윗 행태만을 변수로 채택했다.

이용행태 변수의 요약 정보는〈표 4〉와 같다.

〈표 4〉 이용행태 변수의 요약

변수 개체 수 평균 표준편차 최소 값 최대 값

이용자 기준창작 326 0.22 0.27 0.00 1.00

타인 글 리트윗 326 0.21 0.03 0.00 1.00

변수 개체 수 비율(%)

메시지 기준

창작 3,476 17.37

타인글 리트윗 6,817 34.06

리트윗 외 인용 6,058 30.27

응답(reply) 3,665 18.31

합계 20,016 100

2) 메시지 속성

메시지 변수들의 측정을 해서 내용분석을 실시했다. 수집된 모든 메시지를 3명의

코더가 읽으며, 주어진 기 에 따라 분류하여 코딩했다. 메시지 주제 련 변수(주제 구

분, 주제의 시의성, 주제의 다양성), 품질 수 (맞춤법 문법의 정확성), 메시지 성격 변수

(사실과 의견의 구분, 정 부정 메시지의 구분, 문장의 형태, 자기지시 메시지 사용 여부),

쓰기 매 (높임말과 반말, 비속어 사용 여부)를 각각 코딩했다.

체 코딩 시작 , 표본 11개의 트 터 계정이 작성한 359개의 메시지를 무작

韓國言論學報, 58권 5호 (2014년 10월)ㆍ18

추출하여 3명의 코더 간 신뢰도를 측정했다. 자명하게 코딩할 수 있는 항목을 제외하고,

주제 구분, 맞춤법과 문법의 정확성, 사실/의견, /부정 메시지 구분, 비속어 사용

정도를 심으로 각 변수 별 코헨의 카 (Cohen’s Kappa) 계수를 확인했다. 신뢰도 확인

에 사용한 체 변수의 평균 코헨의 카 계수가 .80로 측정되었기에 코더 간의 일치도

가 내용분석 연구를 진행하기에 충분하다고 단했다.3)

이 연구는 종속변수가 팔로워 수, 리트윗 수 두 가지인데, 종속변수에 따라 각각 분석

단 가 달라진다. 팔로워 수를 종속변수로 한 분석에서는 트 터 이용자가 분석단 가

되고, 리트윗 횟수를 종속변수로 한 분석에서는 메시지가 분석단 가 된다. 트윗 메시

지를 분석단 로 한 분석에서는 메시지 속성 변수를 측정한 값을 그 로 사용했으나, 트

터 이용자를 분석단 로 한 분석에서는 해당 메시지 속성이 사용된 비율을 변수로 활

용 했다. 커뮤니 이터가 분석 단 가 된 분석에서, 메시지 변수로 제시된 속성은 해당

속성의 메시지를 해당 비율만큼 작성하는 성격의 사람 는, 평균 으로 해당 속성의 메

시지를 변수의 값만큼 작성하는 사람으로 해석될 수 있다.

(1) 메시지 주제

‘정보교환을 통한 사회이슈 참여’와 ‘사람들과의 상호작용을 통한 여론 형성’ 등이 트

터 이용의 주요 동기라고 한다(심홍진ㆍ황유선, 2010). 트 터 이용자들은 서로 정보를 주

고받으며 정보 으로 매체를 이용하기도 하는데(Kwak, et al., 2010; 곽해운 외, 2011), 이

런 정보 상호작용에 메시지의 내용, 특히 주제가 향을 미칠 것을 상할 수 있다. 실

제 과거 연구에 따르면, 공 사안에 해 언 한 트윗 메시지들이 사 메시지보다 더 많

이 리트윗되는 찰이 있었다(장덕진ㆍ김기훈, 2011; Quercia, Ellis, Capra & Crowcroft;

2012). 트 터 이용자는 오 라인에서 인기 있는 사안를 자주 언 한다는 찰이 있으며

(곽해운 등, 2011), 차미 등(2010)은 하나의 주제에 해 꾸 히 트윗하는 사람이 더 많

은 팔로워와 리트윗 횟수를 획득한다는 것을 밝혔다. 이미나와 김옥 (2011)은 공 이고

정치 인 메시지가 리트윗될 가능성이 높다는 찰을 제시했다.

일련의 연구 결과를 볼 때, 메시지의 주제 특성은 의견지도력과 한 계가 있음

을 알 수 있다. 우리는 주제 특성과 주제의 시의성, 주제의 다양성 세 가지 측면에서 의

견지도력과의 연 성을 확인했다. 첫째, 메시지의 주제 특성은 사 주제, 정치사회,

경제경 , 문화연 , 스포츠, IT과학, 고홍보의 7가지 주제로 구분하여 코딩했다.

3) 코더가 3명이기 때문에, 1번과 2번 코더의 코헨의 카 값, 2번과 3번 코더의 코헨의 카 값, 3번과

1번 코더의 코헨의 카 값을 평균하여 계산하 다. 각 변수별 코헨의 카 값은 부록에 첨부한다.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ19

둘째, 메시지 주제의 시의성의 경우, 분석 상의 메시지들이 작성된 기간 이슈가

되었던 단어들을 뽑아 이 단어가 속해 있는 을 시의성이 있는 이라고 간주했다. 이

슈가 되는 단어 선정은 해당 기간 포털 사이트 네이버의 뉴스 페이지에서 제공하는 주

간 검색어를 참조했다. 수집된 메시지가 작성된 기간인 1월 14일～20일을 포함하여 3주

〈표 5〉 메시지 주제별 변수의 요약

변수 개체 수 평균 표준편차 최소 값 최대 값

이용자 기준

사적이슈 326 0.51 0.38 0.00 1.00

정치사회 326 0.20 0.31 0.00 1.00

경제경영 326 0.03 0.09 0.00 1.00

문화연예 326 0.06 0.16 0.00 1.00

스포츠 326 0.00 0.02 0.00 0.20

IT과학 326 0.03 0.12 0.00 1.00

광고홍보 326 0.07 0.19 0.00 1.00

변수 개체 수 비율(%)

메시지 기준

사적이슈 8,465 42.29

정치사회 6,785 33.9

경제경영 865 4.32

문화연예 1,286 6.42

스포츠 44 0.22

IT과학 534 2.67

광고홍보 1,310 6.54

기타 727 3.63

합계 20,016 100

〈표 6〉 주제의 시의성 구분 키워드

정치/사회 경제/경영 문화/연예인수위 kt 학교2013박근혜 삼성전자 내딸서영이

정부조직개편 lg전자 골든디스크총리지명 이마트 보고싶다최대석 이마트노조 소녀시대세종시 노조 사찰 청담동앨리스김용준 기초연금 싸이경찰 고두림

경제부총리 인피니트미래창조과학부 전효성

택시법 야왕정부개편안 박유천총리 후보자 7급공무원

이준

韓國言論學報, 58권 5호 (2014년 10월)ㆍ20

간(1월 5일～25일)의 주간 검색어 상 20개를 검토해 키워드를 선정했다.〈표 6〉은 주

제의 시의성을 단하는 데 사용된 키워드이다. 분석단 가 사용자인 경우에는 체 작

성 메시지 수 비 해당 키워드가 포함된 메시지 수의 비율을 시의성 값에 부여했다(평균

= .04, 표 편차 = .10). 분석단 가 메시지인 경우에는 시의성이 있으면 1, 시의성이 없

으면 0으로 구분했다(시의성 단어 포함 메시지 1,105개, 체 5.52%).

셋째, 주제의 다양성 변수는 사 주제, 정치사회 등의 메시지의 주제에 따라 코딩된

결과에서 몇 개의 주제에 해 메시지를 작성했는지를 변수로 사용했다.4) 유효 표본의

최 값은 7, 최소 값은 1이었으며, 평균은 2.64, 표 편차는 1.68이었다.

(2) 메시지 품질

온라인 공간에서는 메시지의 품질이 커뮤니 이터의 공신력과 한 계가 있다(김

주, 2005). 온라인 의견지도자는 일반 토론공 에 비해 더 많은 근거를 사용하여 질 높

은 논변을 구사하며(이 웅 외, 2007), 의견지도자의 가능성이 높은 사람들의 이야기 구

조가 복잡하고 논변의 품질이 높다는 결과도 있다(김 석ㆍ이 웅, 2007). 메시지 품질이

높은 온라인 토론자는 토론 연결망에서 심 치를 차지해 많은 댓 을 유도한다는 연

구 결과도 있다(김경모ㆍ송 진, 2011).

연구 결과를 종합하면, 온라인 의견지도력은 메시지의 품질과 깊은 연 이 있음을 알

수 있다. 특히, 품질이 높은 메시지는 온라인에서 주목과 상호 반응을 유도해 내는 경향

이 있으므로(김경모ㆍ송 진, 2011; 이 웅 외, 2007), 트 터에서도 팔로워 수나 리트윗

횟수에 정 효과를 기 할 수 있다.

선행 연구들은 메시지의 품질을 각기 다른 기 을 사용하여 측정했다. 유인가 문장

(valence sentence)과 논증문장의 수, 문장 단어의 길이, 내러티 완결성, 메시지 설

득력(김경모ㆍ송 진, 2011)을 근거로 단하기도 하고, 과 찬반논거의 제시(장윤재

ㆍ이은주, 2010)를 기 으로 삼기도 했다. 장윤재 등(2010)의 연구에서는 맞춤법이나 띄

어쓰기와 같은 문법 요소, 욕설이나 비어 등의 표 요소도 함께 고려했다. 양혜승

(2008)의 연구에서는 존칭어 사용 여부, 논리 근거 제시여부, 이모티콘 사용 여부, 길

이를 측정한 바 있다.

이 연구에서는 메시지의 품질을 문장의 품질에 한정했다. 메시지 길이를 140 바이트

4) 한 트 터 사용자가 사 주제에 해서만 메시지를 작성했다면, 주제의 다양성 변수 값은 1이고,

사 주제, 정치사회, 경제경 에 해서 각각 언 한 이 있다면, 그 값은 3이 된다.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ21

이내로 제한하고 있는 트 터의 특성상 하나의 트윗 메시지만으로 논변의 품질을 측정

하는 것에는 한계가 있기 때문이다. 메시지의 품질은 맞춤법과 문법의 정확성, 트윗 메

시지의 길이, 사용된 단어의 수 세 가지 항목을 측정했다.

트 터의 특성상 띄어쓰기의 오류는 문법의 오류로 취 하지 않고, 오류가 포함된

문장들 수를 세어서 변수 값을 부여했다(이용자 기 평균 = .07, 표 편차 = .16, 오류가

포함된 문장 수 = 1,607). 트윗 메시지 길이는 바이트 수로 계산했고, 사용된 단어의 수

는 띄어쓰기를 기 으로 구분되는 것을 하나의 단어로 간주하여 그 수를 세었다. 메시

지의 길이와 단어 수는 높은 상 계를 가지고 있으므로(r = .89), 표 화 시킨 값을

더해 메시지 길이 수로 만들었다.

(3) 메시지 문장 특성

메시지 문장의 특성도 의견지도력을 설명하는 변수가 될 수 있다. 의견지도자는 부정

인 감정의 표 이 많다는 찰을 제시한 쿠엘시아 등의 연구를 보면, 메시지의 정서

표 성이 의견지도력과 계가 있다는 추론을 할 수 있다. 메시지의 성격을 연구하는 연

구들은 주로 특정 단어가 사용되는 횟수를 측정하여, 메시지 작성 패턴을 유추하거나,

카테고리를 분류하는 식의 방식을 사용하고 있다(boyd, et al., 2010; Hong, et al., 2011;

Quercia, et al., 2011).

아직 우리나라에서는 교류매체 내의 메시지 문장 성격을 연구한 연구를 찾기 힘들다.

이는 한국어는 어와 달리 특정 단어만으로 부정이나 정과 같은 정서를 내포하고 있

는지 악하기 힘들고, 쿠엘시아 등(2011)이 사용한 LIWC와 같은 감정 사 등의 도구

가 충분히 개발되지 않은 까닭이다.

이 연구에서는 메시지 문장 특성을 네 가지 차원에서 분석했다. (가) 사실과 의견의

구분, (나) 정 , 부정 메시지의 구분, (다) 평서문, 의문문, 명령ㆍ권유문으로 구

분되는 문장의 형태, (다) 자기지시 메시지의 사용 여부가 그것이다. 코더들이 메시지

를 읽고, 코더들이 단하여 사실과 의견, 정 과 부정 을 코딩했다(사실/의견 구

분 신뢰도 .85, /부정 구분 신뢰도 .74).

문장의 형태는 평서문, 의문문, 명령ㆍ권유문으로 구분하여 각각 코딩했다. 한 트윗

메시지에 두 문장 이상이 포함된 트윗 메시지의 경우, 혼합 문장으로 코딩하고 이는 분

석에서 제외했다. 자기지시메시지 변수의 경우는 ‘나’, ‘내’, ‘나의’, ‘ ’ 등의 일인칭

명사가 포함된 문장들을 1, 그 지 않은 문장을 0으로 코딩했다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ22

〈표 7〉 메시지 문장 특성 변수의 요약

변수 개체수 평균 표준편차 최소 값 최대 값

이용자 기준

사실 326 0.25 0.29 0.00 1.00

의견 326 0.49 0.33 0.00 1.00

긍정 326 0.41 0.33 0.00 1.00

부정 326 0.21 0.27 0.00 1.00

평서문 326 0.74 0.27 0.00 1.00

의문문 326 0.03 0.06 0.00 0.33

권유명령문 326 0.03 0.12 0.00 1.00

자기지시메시지 326 0.08 0.14 0.00 1.00

변수 개체 수 비율(%)

메시지 기준

사실 4,334 21.65

의견 11,643 58.17

혼합 4,039 20.18

합계 20,016 100

긍정 6,682 33.38

부정 7,022 35.08

중립 6,312 31.53

합계 20,016 100

평서문 16,269 81.28

의문문 656 3.28

권유/명령문 454 2.27

혼합문장 2,637 13.17

합계 20,016 100

자기지시 메시지 사용 1,391 6.95

자기지시 메시지사용하지 않음

18.625 93.05

합계 20,016 100

(4) 쓰기

의 바른 쓰기가 온라인 공간에서 타인의 주목을 받고 상호작용을 이끌어 내는가

에 해서는 의견이 갈린다. 존칭을 사용하고 바른 게시 이 높은 조회 수와 동의

를 유인한다는 결과가 도출되기도 하고(김은미ㆍ김 주, 2004), 의견지도자들이 항상 다

른 사람들에 비해 좋은 토론 매 나 커뮤니 이션 품질을 보여주는 것은 아니라는 견해

가 있기도 하다(이 웅 외, 2007). 온라인 토론 공간보다는 익명성이 고, 메시지의 공

개성을 특징으로 가지는 트 터에서는 메시지를 제시하는 매 와 의견지도력이 계가

있을 것인가? 쓰기 매 는 기존의 연구들이 제시한 높임말/반말의 사용(김은미ㆍ김

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ23

〈표 8〉 글쓰기 매너 변수의 요약

변수 개체 수 평균 표준편차 최소 값 최대 값

이용자 기준

반말 326 0.59 0.31 0.00 1.00

높임말 326 0.36 0.31 0.00 1.00

비속어 사용 326 0.02 0.07 0.00 1.00

변수 개체 수 비율(%)

메시지 기준

반말 12,788 63.89

높임말 7,228 36.11

합계 20,016 100

비속어 사용 746 3.73

비속어 사용하지 않음 19,270 96.27

합계 20,016 100

주, 2004)과 비속어 사용 여부(김은미ㆍ김 주, 2004; 이 웅 외, 2007)의 두 가지 하 차

원에서 확인해 보았다.

쓰기 련 변수는 코더가 직 트 터 을 읽으며 코딩했다. 특히 메시지에서

확인할 수 있는 반말과 비속어의 사용 여부에 주목했다. 두 개 이상의 문장이 하나의 트

윗 메시지에 존재하고, 높임말과 반말이 혼용될 경우 이는 높임말로 분류했다.

3) 의견지도력: 종속변수

종속변수인 트 터 이용자들의 의견지도력을 측정하기 해, 팔로워 수와 리트윗 수

를 측정했다. 표본 이용자의 팔로워 수 평균은 91,956.93, 표 편차는 275,032.90 이

었다. 표본 메시지의 리트윗 수 평균은 26.03, 표 편차는 328.36이었다.

팔로워 수, 리트윗 수 모두 정규분포를 따르지 않은 특징 인 분포를 보 다. 첫째,

두 변수는 개수 는 빈도를 나타내는 이산변수로서 표본들이 연속 으로 분포되어 있

지 않다. 둘째, 두 변수 모두 최소 값 근처에 표본들이 몰려 있고, 팔로워 수와 리트윗

수가 많아질수록 표본들의 도가 낮아지는 멱함수의 분포(power law distribution)를 보

인다. 이는 소수의 유력자가 팔로워를 거느리며 리트윗을 주도하면서, 결국 이런 변수

의 본포가 멱함수의 분포를 따른다는 기존의 찰과 일치한다(이원태 외, 2010; 장덕진ㆍ

김기훈, 2011).〈표 9〉에 제시된 결과를 보면, 리트윗 횟수의 경우 제 표본의 50% 이

상(20,016개 메시지 , 10,270개)이 0회 리트윗되었다.

이러한 종속변수들의 특징을 고려해, 이 연구는 음이항 모형(binomial model)을 활용

하여 종속변수와 독립변수 간의 계를 고찰했다.5) 특히 리트윗 횟수를 종속변수로 한

韓國言論學報, 58권 5호 (2014년 10월)ㆍ24

〈표 9〉 종속 변수의 요약

변수 n 평균 표준편차 최소 값 최대 값

팔로워 수 326 91,956.93 275,032.90 9,859 3,008,636

리트윗 20,016 26.03 328.36 0 20,403

분석에서는 과잉 음이항 모델(zero inflated binomial model)을 사용해서 분석했다. 왜

냐하면 리트윗 0회에 그치는 이용자가 많기 때문에 이들을 배경으로 한 리트윗 1회 이상

이용자의 특성을 검토하는 것이 필요하다고 단했기 때문이다.

4. 연구 결과

1) 팔로워 수에 향을 미치는 변수들

326명의 트 터 사용자를 상으로 그들이 가진 팔로워 수에 커뮤니 이터 속성과

메시지의 속성이 어떠한 향을 미치는지를 음이항 모형을 사용한 회귀분석을 통해 확

인해 보았다. 앞 장에서 설명한 독립변수 외에 팔로잉하고 있는 사용자 수, 트 터 가입

기간을 통제변수로 포함하여, 분석을 진행했다. 성별과 나이의 인구통계학 변수와,

직업 변수의 경우 로필을 통해 확인이 어려운 경우가 많았다. 확인 되지 않은 이스

의 변수 값은 결측 값으로 처리되기 때문에, 유효 이스 수가 어드는 문제 이 발생

했다. 해결을 해 먼 성별, 나이, 직업 변수는 제외하고 1차 분석을 진행했으며, 이

후 성별, 나이, 직업이 확인된 이용자만을 분리하여 별도로 이들이 팔로워 수에 미치는

향력을 확인했다.

분석 결과는〈표 10〉에 제시한 바와 같다. 팔로워 수의 변화에 향을 미치는 변수는

팔로잉 수, 트 터 인증 여부, 로필 성실도, 로필에 인물사진 사용 여부, 정 메

시지 작성 정도, 평서문 사용정도, 높임말 사용정도인 것으로 나타났다.

음이항 모델의 계수의 해석을 해 빈도의 발생비율을 설명할 수 있는 IRR(Incident

rate ratio)6) 수치를 함께 제시했다. 팔로워 수를 가장 많이 증가시키는 독립변수는 트

5) 종속변수가 빈도 등의 COUNT 모델인 경우, 포아송 모델(Poisson model)과 음이항 모델 두 가지

를 모두 고려할 수 있다. 포아송 모델은 개체들이 동일한 평균과 분산이 가지고 종속변수의 각 변

수 값에 분포해 있다고 가정하기 때문에, 이 연구와 같이 분산에 차이가 있고, 앞의 사건이 뒤의 사

건에 향을 미칠 가능성(contagion)이 있는 경우에는 음이항 모형을 쓰는 것이 더 합하다.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ25

〈표 10〉 음이항 모형을 사용하여 분석된 팔로워 수에 영향을 미치는 변수들7)

구분 개념 변수 계수 표준편차 IRR 표준편차 z

통제변수

상수 10.30*** 0.33 31.66

팔로잉 수 0.00*** 0.00 1.00*** 0.00 10.17

가입기간 0.00 0.00 1.00 0.00 -0.16

커뮤니케이터 속성

공신력 인증 여부 2.38*** 0.21 10.82*** 2.30 11.18

매력 인기도 0.06 0.04 1.06 0.05 1.47

자기노출프로필 성실도 0.33*** 0.04 1.39*** 0.06 7.99

프로필 이미지 -0.25* 0.11 0.78* 0.08 -2.42

정치성향 정치성향표명 0.18 0.15 1.20 0.18 1.26

발화적극성 일평균 트윗 수 0.00 0.00 1.00 0.00 0.27

이용행태

창작 -0.03 0.19 0.97 0.18 -0.17

타인의 글리트윗

-0.20 0.18 0.82 0.15 -1.11

메시지 속성

주제적 특징

사적이슈 0.33 0.22 1.39 0.31 1.51경제경영 0.15 0.52 1.16 0.60 0.28문화연예 -0.53 0.32 0.59 0.19 -1.68스포츠 -3.26 3.00 0.04 0.12 -1.09IT과학 -0.10 0.40 0.90 0.36 -0.26

광고홍보 -0.39 0.30 0.68 0.21 -1.28주제 시의성 0.46 0.49 1.59 0.78 0.94주제 다양성 -0.02 0.03 0.98 0.03 -0.70

메시지 품질

문법 및 맞춤법정확성

-0.12 0.34 0.89 0.31 -0.34

메시지 길이 -0.01 0.03 0.99 0.03 -0.33

메시지 문장

의견 -0.18 0.15 0.83 0.13 -1.20

긍정 0.47* 0.20 1.59* 0.31 2.36

평서문 -0.38* 0.19 0.68* 0.13 -1.97

권유 명령문 -0.07 0.47 0.93 0.43 -0.15

자기지시메시지 -0.39 0.35 0.67 0.23 -1.14

글쓰기 매너높임말 사용 -0.49** 0.17 0.61** 0.10 -2.87

비속어 사용 -1.10 0.71 0.33 0.23 -1.56

개체 수 326

LR χ2 410.44***

Psuedo R 2 0.05

*p＜ .05, **p＜ .01, ***p＜ .001

6) IRR은 음이항 모델과 같은 COUNT 모델의 분석에서 COUNT가 1회 발생할 확률을 나타낸다. 여

기서는 팔로워가 1명 더 생길 확률이 얼마나 변화하는지를 보여 다고 해석할 수 있다.

7) 정치사회 주제의 은 정치 성향 표명과 높은 상 계를 가지고 있었고(r = .67, p＜ .001), 사

주제와도 상 계가 높아(r = .58, p＜ .001) 독립변수 군에서 제외했다. 리트윗 횟수 분석에

서도 동일하게 제외했다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ26

터의 인증 여부 다. 트 터에서 유명인으로 인증을 받은 계정은 그 지 않은 계정에 비

해 약 1,000% 팔로워 수를 증가시킬 수 있다. 로필에 많은 정보를 제시할수록 팔로워

수는 증가했으나, 로필 이미지를 인물 사진을 사용한 사람은 그 지 않은 사람에 비해

팔로워 수가 감소하는 상을 보 다. 메시지 변수 에서는 정 메시지 사용정도가

팔로워 수를 증가시키는 데 비해, 평서문 사용정도와 높임말의 사용정도는 팔로워 수를

감소시키는 것으로 나타났다.

성별과 나이, 직업이 확인된 집단으로만 진행한 분석에서는 총 79명을 상으로 동일

한 방법을 사용하여 분석했다. 성별과 나이는 팔로워 수에 통계 으로 유의미하게 향

을 미치는 변수 다. 여성을 1로 코딩한 성별 변수는 팔로워 수에 부 향력을 행사하

는 것으로 나타났으므로(IRR = .52, z = -2.77), 남성이 여성보다 팔로워를 더 많이 가질

확률이 높다. 나이는 1살 증가할수록 7%씩 팔로워 수가 감소하는 것으로 나타났다(IRR

= .93, z = -3.84). 이 부분은 트 터 이용자의 특성에 따른 결과로 보인다. 트 터의 주

이용 연령은 20～30 이고, 여성보다는 남성의 사용자가 많다. 이러한 이용자 분포 때문

에 남성이, 그리고 을수록 더 추종자를 가질 가능성이 더 높게 나타났다고 볼 수 있다.

문직인 사람은 통계 으로 유의한 향력을 가지고 있지 않은 것으로 나타났다. 그

이유는 트 터에서 사용자가 스스로 직업을 공개한 경우 그들의 직업은 부분 문직

이었기 때문이다. 로필에 공개된 직업은 부분 한국 사회에서 문직으로 인정받는

직업이었고, 이 때문에 문직 변수가 의견지도력을 설명할 만큼의 변별력을 가지지 못

했던 것으로 보인다. 그러나 직업이 확인 된 172명을 상으로 연 인과 정치인을 변수

로 넣어 분석했을 때, 연 인만이 팔로워 수를 증가시키는 데 유의미한 향력을 보 다

(IRR = 4.72, z = 6.54).

정치 성향을 표명하는 것은 팔로워 수와 통계 으로 유의한 계가 없었다. 때문

에, 진보, 보수 등으로 구분된 정치 성향 역시 팔로워 수가 변화하는 데 유의한 향력

을 가지지 못한 것으로 나타났다. 정치 매체로 여겨지고 있지만, 정치 련 직업을 가

진 사용자나 정치 성향을 공개 으로 드러내는 사용자가 그 지 않은 사용자에 비해

팔로워를 더 획득하는 것은 아니었다. 그러나 오 라인에서 이미 유명세를 획득한 연

인이나 트 터가 인증한 유명인은 쉽게 팔로워를 획득하는 것으로 보인다.

메시지의 주제 특징들은 팔로워 수에 통계 으로 의미 있는 향력을 미치지 못했

으며, 메시지 성격 속성 에는 정 메시지를 많이 작성하는 것과 평서문을 많이 쓰

는 정도가 각기 다른 방향으로 팔로워 수에 향을 미쳤다. 쓰기 매 에 있어서는 높

임말을 쓰는 정도가 높을수록 오히려 팔로워가 어드는 것으로 나타났다. 이는 이 웅

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ27

등(2007)의 연구에서 온라인 토론방의 의견지도자가 언제나 좋은 토론 매 를 보이는 것

은 아니라는 찰과 일치한다. 팔로워를 끌어들이고 주목을 받기 해서는 의바른

쓰기보다는 반말을 통해 강한 주장을 하는 것이 더 나을 수도 있다는 해석을 할 수 있다.

2) 리트윗 횟수에 향을 미치는 변수들

20,016개의 트 터 메시지를 상으로 리트윗 횟수에 향을 미치는 속성을 과잉

음이항 모형을 사용한 회귀분석을 통해 확인해 보았다. 팔로잉하고 있는 사용자 수, 트

터 가입기간을 통제변수로 포함했고, 리트윗 횟수와 강한 상 계를 가진 팔로워 수

역시 통제 변수로 포함시켰다. 한, 성별과 나이의 인구통계학 변수와, 직업 변수의

경우 제외하고 1차 분석을 진행한 후, 이후 성별, 나이, 직업이 확인된 이용자만을 분리

하여 별도로 이들이 리트윗 수에 미치는 향력을 확인했다.

이 분석은 메시지를 분석단 로 하므로, 한 사용자가 작성한 메시지들은 커뮤니 이

터 속성으로 분류되는 변수이 해 그 값을 동일하게 부여받는다. 마치 326개의 집단에

속해있는 20,016개의 개인과 같은 형식이기 때문에, 분석을 진행할 때, 사용자를 클러

스터로 간주하여 표 오차를 계산하는 옵션을 용했다. 과잉 음이항 모델의 경우,

종속변수의 값이 0에서 1로 변화하는 구간과 1이상에서 증가하는 구간을 나 어 각각의

구간에서 설명력을 가지는 독립변수를 구분한다.8) 먼 0과 1의 구간에서 리트윗 횟수

에 향을 미치는 변수는〈표 11〉과 같다.

최 의 리트윗 1회를 만들어내는 데, 통계 으로 유의미한 향력을 행사하는 변수는

트 터 인증 여부, 인기도, 정치 성향표명, 창작된 과 타인의 을 리트윗 한 ,

사 이슈, 경제경 , 고홍보, 시의성 있는 주제에 한 , 메시지 길이, 높임말 사용

과 비속어 사용 등이었다. 팔로워 수와 마찬가지로 트 터 인증 여부는 리트윗이 1회 되

게 하는 데에도 정 인 향을 미치는 것으로 나타났다. 인기도 역시 메시지가 1회 리트

윗 되는 확률을 높이므로, 오 라인에서 유명인이라는 사실은 팔로워 수와 리트윗 수 모

두에 정 인 향을 미치는 것으로 볼 수 있다. 그러나 트 터의 인증 여부나, 인기도

모두 리트윗 횟수가 1이상의 구간에서 증가하는 데에는 통계 으로 유의미한 향력을

가지지 않았다. 유명인이라는 것은 최 의 리트윗을 만들어내는 데에는 향력을 행사

했으나, 그 이후 더 많은 리트윗을 만들어내는 데에는 오히려 메시지 속성들이 주요하게

작동했다. 정치 성향 표명 역시 비슷한 양상을 보 다. 0에서 1의 구간에서는 정

8) 종속변수의 변수 값이 0에서 1로 변화하는 구간에서는 로짓 회귀분석을 사용했다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ28

〈표 11〉 리트윗 횟수 0～1 구간에서 리트윗 횟수에 영향을 미치는 독립 변수들9)

구분 개념 변수 계수Robust표준편차

z

통제변수

상수 -1.45 1.20 -1.21

팔로워 수 0.00** 0.00 -3.17

팔로잉 수 0.00 0.00 -1.51

가입기간 0.00 0.00 1.62

커뮤니케이터 속성

공신력 인증 여부 -1.65* 0.65 -2.54

매력 인기도 -1.00a 0.51 -1.96

자기노출프로필 성실도 -0.17 0.20 -0.85

프로필 이미지 -0.82 0.50 -1.64

정치성향 정치성향표명 -0.25* 0.11 -2.30

발화적극성 일평균 트윗수 0.01 0.01 0.88

이용행태창작 -2.47*** 0.47 -5.23

타인의 글 리트윗 -18.87*** 3.88 -4.86

메시지 속성

주제적 특징

사적이슈 2.37*** 0.58 4.08

경제경영 1.62** 0.58 2.78

문화연예 0.32 0.99 0.32

스포츠 0.17 1.79 0.10

IT과학 0.07 0.73 0.10

광고홍보 2.84*** 0.69 4.14

주제시의성 -1.38* 0.64 -2.15

메시지품질문법 및 맞춤법 정확성 0.09 0.26 0.35

메시지길이 -0.34*** 0.07 -4.76

메시지문장

의견 -0.16 0.23 -0.73

부정적메시지 -0.18 0.16 -1.15

평서문 0.26 0.21 1.25

권유명령문 -0.09 0.27 -0.31

자기지시메시지 -0.04 0.20 -0.21

글쓰기매너높임말 사용 0.60** 0.20 2.94

비속어 사용 -1.44* 0.73 -1.98

개체 수 20,016 (326개 클러스터)

zero 개체수/nonzero 개체 수 10,270/9,746

Wald χ2 775.79***

*p ＜ .05, **p ＜ .01, ***p ＜ .001, a

p = .05

9) 과잉 음이항 모형에서 계수는 종속변수가 0이 될 확률을 나타내는 로짓 함수의 기울기 값이다. 즉,

이 연구에서는 주어진 상 계수가 ╶일 때, 리트윗이 1회될 확률이 증가한다고 해석할 수 있다.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ29

인 향력을 통계 으로 유의미한 수 에서 가지는 것으로 나타났으나, 그 이후에는 유

의미한 향력을 보이지는 않았다. 리트윗 횟수가 0에서 1로 변하는 구간은 팔로워 수처

럼 의견이 ‘주목’받고 있음을 나타내는 지 이라고 볼 수 있다. 지속 인 상호작용보다는

일단 심을 끌었다는 것을 반 하므로, 트 터 이용자를 자극할 수 있는 비속어 사용이

나 반말 사용, 유명인, 시의성 있는 등의 요인들이 주로 향을 미친다. 그러나 1 이

상의 구간에서는 이 패턴이 달라진다. 1 이상의 구간에서 리트윗 횟수 변화에 향을 미

친 변수는〈표 12〉와 같다.

리트윗 횟수 1 이상 얻는 것에 통계 으로 유의한 향을 미친 변수는, 발화 극성을

나타내는 일평균 트윗 수, 타인의 을 리트윗 한 , 스포츠, IT과학, 고홍보 등의

의 주제, 메시지 길이 변수 쓰기 매 의 두 변수, 높임말과 비속어 사용 등이었

다. 의 주제는 리트윗 1회를 얻는 것과 1회 이상을 지속 으로 얻는 것에 작용하는 주

제가 각기 달랐다. 한 시의성 있는 주제는 리트윗이 1회 일어나는 것에서는 통계 으

로 유의한 향력을 가졌으나, 1회 이상의 구간에서는 그 지 못했다.

결과에서 주목할 부분은 쓰기 매 부분이다. 팔로워 수에는 통계 으로 유의미한

결과를 보여주지 못했던 쓰기 매 의 두 변수, 높임말 사용과 비속어 사용이 리트윗

횟수에는 통계 으로 유의미한 향력을 행사하는 것으로 나타났다. 흥미로운 것은 0～

1의 구간과 1 이상의 구간에서 각기 다른 방향의 효과를 보이고 있다는 이다. 0～1의

구간에서 높임말의 사용 여부는 리트윗이 될 확률을 어들게 하고, 비속어 사용 여부는

리트윗 될 확률을 높 던 데 비해, 1이상의 구간에서는 높임말은 리트윗 횟수를 증가시

키고, 비속어는 리트윗 횟수를 감소시키는 향력을 발휘했다. 이는 일반 사용자들이

리트윗 하게 하는 최 의 주목을 끄는 데는 반말을 사용하고 비속어를 사용하는 등의 좋

지 않은 매 의 쓰기가 효과 이나, 이후 지속 인 리트윗을 확보하여 메시지를 확산

하는 데에는 매 있는 쓰기가 필요하다는 것을 보여 다.

성별, 나이, 직업이 확인된 79명의 2,565개의 메시지를 분리하여, 인구 통계학 변수를

독립변수에 포함시켜 진행한 분석에서는, 0～1 구간에서는 나이만이 종속변수에 통계 으

로 유의미한 향력이 확인되었고(계수= .27, z = 3.88), 1 이상의 구간에서는 나이(IRR =

.92, z = -6.77)와 문직 여부의 변수(IRR = .10, z = -3.31)가 통계 으로 유의미했다.

직업을 정치인과 연 인 여부로 확인한 결과는, 연 인인 경우, 0에서 1구간(계수 =

-2.27, z = -2.90)과 1 이상의 구간(IRR = 10.51, z = 5.07) 모두에서 리트윗 횟수가 증가

할 확률을 통계 으로 유의미한 수 에서 높이는 것으로 나타났다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ30

〈표 12〉 리트윗 횟수 1 이상의 구간에서 리트윗 횟수에 영향을 미치는 변수들

구분 개념 변수 계수Robust 표준편차

IRRRobust 표준편차

z

통제변수

상수 1.36 0.53 2.59

팔로워 수 0.00* 0.00 1.00* 0.00 2.19

팔로잉 수 0.00*** 0.00 1.00*** 0.00 -3.67

가입기간 0.00 0.00 1.00 0.00 1.39

커뮤니케이터속성

공신력 인증 여부 0.77 0.74 2.17 1.60 1.05

매력 인기도 0.04 0.31 1.04 0.32 0.12

자기노출프로필 성실도 0.17 0.12 1.18 0.14 1.43

프로필 이미지 0.06 0.23 1.06 0.25 0.25

정치성향 정치성향표명 0.12 0.16 1.13 0.18 0.74

발화적극성 일 평균 트윗 수 -0.01* 0.00 0.99* 0.00 -2.50

이용행태창작 0.09 0.17 1.09 0.18 0.53

타인의 글 리트윗 1.81*** 0.20 6.08*** 1.21 9.04

메시지 속성

주제적 특징

사적이슈 -0.33 0.19 0.72 0.13 -1.76

경제경영 0.08 0.14 1.08 0.15 0.57

문화연예 -0.48 0.33 0.62 0.20 -1.47

스포츠 -2.46*** 0.40 0.09*** 0.03 -6.12

IT과학 -1.17*** 0.25 0.31*** 0.08 -4.74

광고홍보 -1.02** 0.34 0.36** 0.12 -2.97

주제시의성 0.29 0.15 1.33 0.20 1.89

메시지 품질

문법 및 맞춤법 정확성

-0.10 0.15 0.90 0.14 -0.67

메시지길이 0.31*** 0.03 1.37*** 0.04 9.70

메시지 문장

의견 -0.05 0.07 0.95 0.07 -0.64

부정적 메시지 -0.30 0.09 0.74 0.07 -3.34

평서문 0.12 0.12 1.12 0.14 0.96

권유명령문 0.28 0.24 1.32 0.31 1.18

자기지시메시지 0.17 0.18 1.18 0.21 0.95

글쓰기 매너높임말 사용 0.33** 0.11 1.39** 0.15 2.97

비속어 사용 -0.97*** 0.17 0.38*** 0.06 -5.81

개체수 20,016(326개 클러스터)

zero 개체수/nonzero 개체 수 10,270/9,746

Wald χ2 775.79***

*p＜ .05, **p＜ .01, ***p＜ .001

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ31

5. 결론과 논의

트 터와 같은 교류매체에서 가 의견지도자인지를 밝히고자 하는 연구가 다양한 분

야에서 시도되고 있다. 이 연구는 특히 의견지도자가 가지고 있는 향력의 실체를 ‘의

견지도력’이라 규정하여 구분해서 제시하고, 이 의견지도력에 향을 미치는 커뮤니

이터로서의 성격(즉 가 향력있는 트윗을 작성하는가)과 메시지 성격(어떤 이 향력을

발휘하는가)을 설명변수로 삼아 의견지도력에 어떤 향을 미치는지 탐색했다. 연구 결

과를 요약하면 다음과 같다.

첫째, 팔로워 수에 향을 미치는 변수는 팔로잉 수, 트 터 인증 여부, 로필 성실

도, 로필에 인물사진 사용 여부, 정 메시지 작성 정도, 평서문 사용정도, 높임말

사용정도인 것으로 밝 졌다. 특히 트 터에서 유명인으로 인정받는 것이 요한 것으

로 나타났다.

둘째, 리트윗에 향을 미치는 변수들이 무엇인지 검토한 결과, 트 터 인증 여부와

인기도는 리트윗이 1회 되게 하는 데 정 인 향을 미치는 것으로 밝 졌다. 그 지만

트 터의 인증 여부와 인기도 모두 리트윗 횟수가 1이상의 구간에서 증가하는 데에는 기

여하지 않았다. 정치 성향 표명도 역시 마찬가지로 1회 트윗하는 데는 향력을 발휘

했지만, 그 이후에 지속 으로 리트윗을 만들어 내는 요인은 아니었다.

셋째, 리트윗을 1회 이상 유발하는 데 향을 미치는 변수는 발화 극성을 나타내는

일평균 트윗 수, 타인의 을 리트윗 한 , 의 주제, 메시지 길이 변수 쓰기 매

의 두 변수인 높임말과 비속어 사용 등인 것으로 나타났다. 시의성 있는 주제는 리트

윗이 1회 일어나는 것에서는 통계 으로 유의미한 향력을 가졌으나, 1회 이상 리트윗

을 유발하는 데 기여하지 못했다.

연구 결과를 해석하자면, 트 터 내 정보의 확산과 의견의 형성 흐름에 있어 네트워크

구조가 개인에게 부여하는 작인(作因)뿐만 아니라, 개인이 가지는 속성이 의견지도자를

만들어 내고, 네트워크 구조에 유기 으로 향을 수 있다는 것을 알 수 있다. 트 터

이용자 에는 개인 성격과 성향, 그리고 쓰기 특성에 따라 의견지도력을 행사하는

자들이 있다는 것이다. 이 결과는 트 터 의견지도자를 고 의미의 의견지도자 인

터넷 등장과 함께 새롭게 정의된 온라인 의견지도자와 비교할 수 있는 근거를 제공한다.

트 터는 인터넷의 익명성과 비익명성의 간 지 에 치한 특이성을 가진 서비스이다.

트 터 의견지도자 역시 오 라인 의견지도자처럼 의견지도자로서의 개인 면모를 보이

면서, 동시에 향력 있는 트 터 메시지를 제공하는 능력을 갖춘 것으로 해석할 수 있다.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ32

특히 메시지 제공 능력을 갖춘 자가 트 터에서 향력을 행사한다는 에 주목해야

한다. 비록 오 라인에서 유명세를 획득한 사람들이 트 터에서도 의견지도력을 확보하

는 가능성이 더 높은 것이 사실이지만, 여 히 양질의 메시지를 지속 으로 제공하는 사

람은 트 터에서 의견지도자가 될 수 있는 가능성이 있다. 이 연구의 결과에 따르면 오

라인의 유명세는 최 의 주목 유발에는 큰 향을 미쳤지만, 지속 인 계 형성에는

향을 미치지 못했다. 오히려 지속 인 상호작용을 이끌어내는 것은 메시지를 어떻게

작성하느냐가 결정한다. 따라서 메시 생산 능력이 트 터 의견지도력의 요한 구성요

소라고 말할 수 있다.

이 연구의 다른 의의는 트 터의 분석 단 를 메시지와 사용자로 단계화하고, 각각

을 일반 인 연속 변수가 아닌 횟수 는 빈도로서 가지는 변수의 특성을 고려한 분석을

시도했다는 데 있다. 트 터의 팔로워 수와 리트윗 횟수가 가지는 고유한 특성을 고려해

분석했기에, 더욱 풍부한 결과를 이끌어 낼 수 있었다. 특히, 리트윗 횟수에 있어서 1회

리트윗과 그 이상의 리트윗 횟수가 가지는 의미를 구분하여, 각기 다른 요인이 작용함을

밝 낸 결과는 기존의 연구들이 확인하지 못했던 이었다.

이 연구의 연구 방법론에 해 몇 가지 논의가 필요하다. 첫째, 표본의 설정 문제를

지 할 수 있다. 이 연구는 팔로워 1만 명 이상을 가진 한국인 트 터 사용자를 모집단으

로 삼고, 그 내에서 체계 표집으로 연구 상을 선정했다. 체 트 터 사용자의 리스

트를 확보할 수 없었기 때문이다. 이러한 표집 방법으로 인해 연구 상이 일반인보다는

트 터 유력인에 가깝다고 할 수 있다. 그러나 개인의 속성과 메시지의 속성이 의견지도

력이라는 개념에 미치는 효과를 찾고자 하는 탐색 연구의 수 에서는 해당 표집 방법

이 심각한 편향을 일으키지 않는다고 보았다. 메시지를 읽고 코딩하는 과정에서 필요한

표집이었지만, 추후 연구에서는 표집 방식에 한 고려가 더 이루어져야 한다.

둘째, 코더들이 모든 연구 상 메시지를 읽고, 내용 분석을 실시하는 방식으로 연구를

진행했기 때문에 기존의 컴퓨터를 활용한 연구에서 변수로서 측정하기 어려웠던 사실과

의견의 구분, 정 부정 메시지 등 메시지의 정서 속성 등을 측정할 수 있었다. 그

러나 코더가 모든 메시지를 읽고 구분해야 하기 때문에 내용분석을 할 수 있는 양의 한계가

있었다. 분석에 사용한 트 터 이용자 326명의 일주일간 작성한 데이터는 하루에도 수백

만 건의 이 작성되고, 역동 으로 움직이는 트 터 세계를 모두 반 하기에는 모자란

규모다. 그러나 메시지를 직 읽고 코딩을 한 이 연구는 다양한 개인 속성을 반 하는

변수들을 좀더 타당하게 측정할 수 있었다. 유의한 향력을 가지는 것으로 밝 진 변수

들은 추후 빅 데이터를 활용한 분석 등을 통해 그 효과를 검증해 볼 수 있을 것이다.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ33

￭ 참고문헌

곽해운ㆍ이창 ㆍ박호성ㆍ문수복 (2011). 트 터는 소셜 네트워크인가?: 네트워크 구조와 정보

의 .『언론정보연구』, 48권 1호, 87～113.

김경모ㆍ송 진 (2011). 메시지 품질과 토론 연결망의 구조 치, 그리고 여론지도력: 서울

시 ‘무상 식 논란’의 온라인 정치토론 사례분석.『한국언론정보학보』, 56호, 194～217.

김 규 (2005). 인터넷의 양방향 공개 커뮤니 이션장을 창출한 극 발신행 자의 속성에

한 연구.『한국언론정보학보』, 1호, 51～84.

김세은 (2006). 시사분야 의견지도자 성향 연구: 인구사회학 특성과 미디어 이용을 심으

로.『한국언론학보』, 50권 1호, 91～114.

김 석 (2008).『설득 커뮤니 이션』(2nd ed.). 주: 나남.

김은미ㆍ김 주 (2004).『인터넷상에서 사회 의사소통 양식과 합의 형성』(정보통신정책연구

원 보고서 04-54). 서울: 정보통신정책연구원.

김 석ㆍ이 웅 (2007). 온라인 정치 토론의 이야기 속성: 이야기 주제 구조 이야기의 구조

복잡성 분석을 심으로.『한국언론학보』, 51권 5호, 168～196.

김 주 (2005). 사이버 여론 지도자 성향 연구.『한국언론학술논총 2005』, 217～264.

신 기ㆍ우지숙 (2011). 트 터에서 일어나는 정치 담론활동에 한 탐색 연구: 2010년

6.2 지방선거 련 트윗 내용 분석을 심으로.『언론과 사회』, 19권 3호, 45～76.

심홍진ㆍ황유선 (2010). 마이크로블로깅(micro-blogging) 이용 동기에 한 연구: 트 터(twitter)

를 심으로.『한국방송학보』, 24권 2호, 192～232.

양혜승 (2008). 인터넷뉴스 댓 의 견해와 품질이 독자들의 이슈에 한 태도에 미치는 향.

『한국언론학보』, 52권 2호, 254～281.

이미나ㆍ김옥 (2011). 트 터 리트윗의 마인드셋(Mind-set): 메시지 재 송자의 역할 인식

과 효과에 한 연구.『한국언론학보』, 55권 4호, 331～357.

이원태ㆍ차미 ㆍ양해륜 (2011). 소셜미디어 유력자의 네트워크 특성: 한국의 트 터 공동체를

심으로.『언론정보연구』, 48권 2호, 5～222.

이은주 (2011). 컴퓨터 매개 커뮤니 이션으로서의 트 터: 향후 연구의 방향과 과제.『언론정

보연구』, 48권 1호, 29～58.

이 웅ㆍ김은미ㆍ김 석 (2007). 가 인터넷 토론에서 향력을 행사하는가?: 온라인 의견지

도자의 속성.『한국언론학보』, 51권 3호, 358～334.

이 웅ㆍ김은미ㆍ문태 (2005). 숙의 민주주의를 한 커뮤니 이션의 구조 , 규제 조건과

인터넷 토론의 양과 질: 제 17 총선 련 인터넷 게시 토론을 상으로.『한국언론학

보』, 49권 1호, 29～56.

장덕진 (2011). 트 터 공간의 한국 정치.『언론정보연구』, 48권 2호, 80～107.

장덕진ㆍ김기훈 (2011). 한국인 트 터 네트워크의 구조와 동학.『언론정보연구』, 48권 1호,

59～86.

장윤선 (2010.6.3). 투표 인증샷, 단문 메시지… 트 터가 10만 표 동원?,『오마이뉴스』.

韓國言論學報, 58권 5호 (2014년 10월)ㆍ34

장윤재ㆍ이은주 (2010). 온라인 토론 게시 에서 메시지의 질과 의견 극단성에 따른 이견 읽기

의 효과.『한국언론학보』, 54권 6호, 422～443.

최윤정 (2009). 온라인 커뮤니티 속 오피니언리더 집단 검증: 이용동기, 활동정도, 인 계

형성 과정의 비교분석.『한국언론학보』, 53권 4호, 372～394.

홍주 ㆍ박미경 (2011). 선거 기간 트 터에 나타난 후보자와 유권자의 정치 행

(political action) 연구.『사이버커뮤니 이션 학보』, 28권 4호, 257～351.

황유선 (2011). 트 터 이용이 사회 정치참여에 미치는 향: 통 미디어 이용, 정치 심, 트

터 이용패턴의 효과를 심으로.『한국언론학보』, 55권 6호, 56～81.

황유선ㆍ심홍진 (2010). 트 터에서의 의견 지도력과 트 터 이용 패턴: 이용동기, 트윗 이용

패턴, 그리고 유형별 사례분석.『한국방송학보』, 24권 6호, 365～404.

Adamic, L. A., & Glance, N. (2005). The political blogosphere and the 2004 US election: divided they blog. Paper presented at the the 3rd International Workshop on Link Discovery, NY: USA.

Berlo, D. K., Lemert, J. B., & Mertz, R. J. (1969). Dimensions for evaluating the accepability of message source. Public Opinion Quarterly, 33(4), 563～576.

boyd, d., Golder, S., & Lotan, G. (2010). Tweet, tweet, retweet: Conversational aspects of

retweeting on twitter. Paper presented at the Hawaii International Conference on System Science.

Brosius, H.-b., & Weimann, G. (1996). Who sets the agenda?: Agenda-setting as a two-step flow. Communication Research, 23(5), 561～580.

Cha, M., Haddadi, H., Benevenuto, F., & Gummadi, K. P. (2010). Measuring user influence

in twitter: The million follower fallacy. Paper presented at the International AAAI Conference on Weblogs and Social.

Corey, L. G. (1971). People who claim to be opinion leaders: Identifying their characteristics by self-report. Journal of Marketing, 35(October), 48～53.

Hahn, K. s., Lee, D. J., Park, J., & Lee, H. (2011). A cross-national assessment of ideological

distribution on Web 2.0: A system of gated communities? Paper presented at the World Congress for Korean Politics and Society, Incheon: Korea.

Hong, L., Dan, O., & Davison, B. D. (2011). Predicting popular messages in twitter. Paper presented at the WWW 2011, Hyderabad, India.

Hovland, C. I., Janis, I. L., & Kelley, H. H. (1953). Communication and persuasion: Psychological

studies of opinion change. New Haven: Yale University Press.Katz, E. (1957). The two-step flow of communication: An up-to-date report on an hypothesis.

Public Opinion Quarterly, 21, 61～78.Katz, E., & Lazarsfeld, P. F. (1955). Personal influence: The part played by people in the flow

of mass communications. NY: Free Press.Kwak, H., Lee, C., Park, H., & Moon, S. (2010). What is Twitter, a social network or a news

media? Paper presented at the the 19th international conference on World Wide Web.Lazarsfeld, P. F., Berelson, B., & Gaudet, H. (1968). The people’2(3rd ed.). NY: Columbia

University Press.Li, C., & Bernoff, J. (2008). Groundswell. 이주만 역(2008).『그라운드 스웰: 네티즌을 친구로

만드는 기업들』, 서울: 지식노마드.

누가 어떻게 트위터에서 영향력을 행사하는가?ㆍ35

Myers, J. H., & Robertson, T. S. (1972). Dimensions of opinion leadership. Journal of

Marketing Research, 4(February), 41～46.O’Keefe, D. J. (2002). Persuasion: Theory and research(2nd ed. Vol. 2). Thousand Oaks, CA:

Sage Publications, Inc.Pagerank. (2007, December 9). In Wikipedia, The Free Encyclopedia. Retrieved 12:21, May

1, 2012,Available: http://en.wikipedia.org/w/index.php?title=Pagerank&oldid=176802706

Petty, R. E., & Wegener, D. T. (1998). Attitude change: Multiple roles for persuasion variables. In D. T. Gilbert, S. T. Fiske & G. Lindzey (Eds.), The handbook of social psychology(4th ed., Vol. 1 and 2, pp. 323～390). NY: McGraw-Hill.

Quercia, D., Ellis, J., Capra, L., & Crowcroft, J. (2011). In the Mood for Being Influential on

Twitter. Paper presented at the IEEE International Conference on Privacy, Security, Risk, and Trust, and IEEE International Conference on Social Computing.

Robinson, J. P. (1976). Interpersonal influence in election campaigns. Public Opinion Quarterly, 40(3), 304～319.

Rogers, E. M. (2003). Diffusion of innovation. 김 석ㆍ강내원ㆍ박 구 역(2005).『개 의 확

산』, 서울: 커뮤니 이션북스.Rogers, E. M., & Shoemaker, F. F. (1971). Communication of innovations. NY: The Free

Press.Shah, D. V., & Scheufele, D. A. (2006). Explicating opinion leadership: Nonpolitical

dispositions, information consumption, and civic participation. Political Communication, 23(1), 1～22.

Tumasjan, A., Sprenger, T. O., Sandner, P. G., & Welpe, I. M. (2010). Predicting elections

with twitter: What 140 characters reveal about political sentiment. Paper presented at the the 4th International AAAI Conference on Weblogs and Social Media, Washington D.C.

Twitter FAQ. (n. d.). Retrived January 13, 2013,Available: https://support.twitter.com/articles/119135#

Wallsten, K. (2007). Agenda setting and the blogosphere: An analysis of the relationship between mainstream media and political blogs. Review of Policy Research, 24(6), 567～587.

Walther, J. B., & Parks, M. R. (2002). Cue filtered out, cues filtered in: Computer-mediated communication and relationships. In M. L. Knapp & J. A. Daly (Eds.), Handbook of

interpersonal communication (pp. 529～563). Thousand Oaks, CA: Sage.Weimann, G. (1991). The influentials: Back to the concept of opinion leaders? Public Opinion

Quarterly, 55, 267～279.______ (1994). The influentials: People who influence people. Albany, NY: State University of

New York Press.

최 투고일 2014년 4월 11일

게재 확정일 2014년 5월 16일

논문 수정일 2014년 5월 26일

韓國言論學報, 58권 5호 (2014년 10월)ㆍ446

Abstract

Who is Leading on Tweeter? :The Effects of Communicator and Message Properties on

Opinion Leadership

Hyunjung Hwang

Ph. D. Student, Department of Communication,

Seoul National University

June Woong Rhee

Professor, Department of Communication,

Seoul National University

This study explores who is influential as opinion leaders on Tweeter and how they establish the status by examining the numbers of followers and re-tweets as evidence of influence. Content analysis of systematically sampled tweets provides two categories of expl-anatory variables: the communicator and the message. The former includes demographic variables, credibility, publicized profiles, popularity, and political orientation. The latter message theme, quality, manner, and sentence construction. This study finds that the number of followers is accounted for by publicized profiles, account verification, positivity of message, and polite expression in tweets. The number of re-tweets is explained by the number of tweets per day, tweet theme, length of tweet, and writing manners. The implications of the findings are discussed in terms of tweet user’s capacity to produce quality messages and to build a character.

Keywords: opinion leadership, opinion leader, social media, message properties, Tweeter