에어비앤비 숙소 사진, 전문가가 찍어서 올렸더니…

Based on “What Makes a Good Image? Airbnb Demand Analytics Leveraging Interpretable Image Features.” (2021) by Shunyuan Zhang, Dokyun Lee, Param Vir Singh, Kannan
Srinivasan in Management Science, Articles in Advance.

무엇을, 왜 연구했나?

에어비앤비는 대표적인 공유 경제 플랫폼으로 그 가치가 글로벌 호텔 체인의 시가총액을 훌쩍 넘는다. 하지만 에어비앤비가 아닌 글로벌 호텔 체인을 선택하는 고객들은 에어비앤비에 올라온 숙소의 질이 일관되지 않다는 문제를 지적했다. 이런 숙소 품질의 불확실성을 해결하기 위해 에어비앤비는 고객 리뷰, 호스트 인증, 숙소 설명, 숙소 사진을 제공하는 데 노력을 기울였다. 특히 시각적인 정보인 숙소의 이미지는 문자 기반의 숙소 설명 및 고객 리뷰 정보보다 숙소의 분위기, 청결도 같은 경험적 정보를 더 직관적으로 전달하는 데 유리하다.

그런데 에어비앤비의 숙소 사진은 대부분 전문가가 아닌 아마추어 또는 호스트가 직접 찍어서 전문 사진가가 찍는 글로벌 호텔 체인의 숙소 사진보다 품질이 떨어지는 경향이 나타났다. 이런 문제를 해결하기 위해 에어비앤비는 2011년부터 ‘사진 프로그램’을 운용했다. 지역 내 전문 사진가가 찍은 숙소 사진을 호스트에게 제공하고 비용은 에어비앤비가 부담하는 프로그램이다. 또 사진 프로그램을 통해 찍은 숙소 사진에는 에어비앤비의 인증 마크를 붙였다.

에어비앤비의 사진 프로그램은 전문 사진가가 찍은 사진을 활용해 보다 정확한 정보를 제공하고 게스트의 관심을 이끌어내 수요를 증가시킬 수 있다는 장점이 있다. 하지만 전문가가 찍은 사진이 숙소의 모습을 실제보다 과장해 표현할 경우 오히려 숙소 수요에 부정적인 영향을 미칠 수 있다는 우려도 나왔다. 이에 하버드대, 보스턴대, 카네기멜론대 연구팀은 에어비앤비의 사진 프로그램을 통한 전문가 인증 사진이 숙소 수요에 미치는 영향과 어떤 사진의 속성들이 에어비앤비 숙소의 수요에 영향을 미치는지를 연구했다.
::PAGING:

무엇을 발견했나?

본 연구는 2016년 1월부터 2017년 4월까지 에어비앤비에 올라온 미국 7개 주요 도시의 숙소 7423곳을 대상으로 가격, 월간 예약 건수, 사진, 가격 및 호스트와 숙소에 대한 데이터를 합성곱 신경망(convolutional neural network)과 이중차분법(difference-in-differences)을 적용해 분석했다.

연구 결과, 사진 프로그램을 활용한 전문가 인증 사진이 있는 숙소의 경우 그렇지 않은 숙소에 비해 숙소 점유율이 8.98% 증가하는 것으로 나타났다. 이는 전문가 인증 사진으로 인해 숙소당 연 평균 3500달러의 매출이 증가할 수 있음을 시사한다. 그런데 사진의 품질을 통제할 경우 전문가 인증 사진의 수요 증가 효과가 41% 감소하는 것으로 나타났다. 즉, 사진 프로그램을 통한 전문가 인증 사진 효과는 사진의 고품질 효과에 기인함을 알 수 있었다. 또 전문가가 인증한 숙소 사진과 일반 숙소 사진은 사진의 구도, 구성, 색상과 관련된 사진의 속성에서 모두 차이가 났다. 특히 대각선 구도, 삼등분할, 시각적 균형, 색상, 채도, 명도, 대비, 피사체와 배경 간의 분리와 같은 사진의 속성들이 에어비앤비 숙소 수요와 유의미한 상관관계가 있는 것으로 나타났다.

연구 결과가 어떤 교훈을 주나?

본 연구는 비정형 데이터인 에어비앤비 숙소의 사진을 분석해 에어비앤비의 사진 프로그램에 따른 전문가 인증 사진이 숙소 수요에 미치는 영향을 분석했다. 전문가 인증 사진은 에어비앤비 숙소 수요를 증가시키는 것으로 나타났다. 하지만 절반이 넘는 에어비앤비 숙소는 여전히 저품질의 숙소 사진을 숙소 홍보에 이용하고 있다. 본 연구 결과는 에어비앤비 호스트가 고품질의 숙소 사진을 활용해 정보를 제공하면 숙소 점유율을 올릴 수 있음을 보여준다. 또 본 연구는 구체적으로 사진의 구도, 구성, 색상 등과 관련된 속성들이 고객의 인식에 영향을 미쳐 수요를 증가시킴을 보여준다.

본 연구의 시사점은 에어비앤비와 같은 공유 경제 플랫폼뿐 아니라 기타 온라인 부동산 플랫폼에도 적용될 수 있을 것으로 보인다. 국내에 벼룩시장 부동산, 다방, 이집사 같은 부동산 플랫폼뿐 아니라 심지어 당근마켓에서도 온라인 부동산 직거래 수요가 증가하고 있다. 임대인이나 매도인, 공인중개사 사무소는 이번 연구 결과를 참고해 매물 현장 사진 품질의 중요성을 인식하고 사진의 품질을 향상시키는 데 노력을 기울일 필요가 있다.

또 본 연구는 그동안 분석의 어려움으로 인해 연구가 미비했던 비정형 데이터, 특히 이미지가 포함하고 있는 정보가 수요에 미치는 영향을 정량적으로 분석했다는 데 의의가 있다. 전통적인 수요 분석이 기업의 데이터베이스에 저장된 정형화된 데이터를 기반으로 이뤄졌다면 딥러닝 기술의 급속한 발전은 이미지, 비디오, 텍스트, 소셜네트워크 데이터와 같은 비정형 데이터 분석을 용이하게 만들었다. 현업에서도 수요 분석을 할 때 정형화된 데이터뿐만 아니라 비정형 데이터를 적극 활용해 새로운 인사이트를 도출하고 비즈니스 전략에 반영해야겠다.


이동원 홍콩과학기술대 경영대학 정보시스템(ISOM) 교수 dongwon@ust.hk
필자는 KAIST에서 컴퓨터공학 학사, IT 비즈니스 석사를 받고 미국 메릴랜드대에서 정보시스템 박사 학위를 받았다. 메릴랜드대에서 강의했으며 2017년부터 홍콩과기대 경영대학에서 조교수로 재직 중이다. 주요 연구 분야는 비즈니스 데이터 분석, 모바일 커머스, 디지털 너지 디자인, 디지털 전환, 정보 시스템 경제 등이다.