2022년 11월 18일자 (학술제를 한 후 당시에 기록된 것 재업로드+ 수정)
자, 여기 어떤 기업에 대한 좋은 소식과 나쁜 소식이 있습니다. 여러분은 어떤 소식을 먼저 듣고 싶으신가요? 네, 역시 좋은 소식이죠?
편의점 앞에 붙어 있었던 이런 공지들 보신 적 있나요? 네, 바로 포켓몬빵으로 인한 히트, 줄서서 먹는 빵이었죠. 매출도 아주 오르고 여러 추억의 씰스티커를 다시 표면 위로 오르게 만들어준 장본인입니다. 하지만 그에 반해 아주 나쁜 소식들이 있었습니다.
지난 10월 15일, SPC 그룹의 계열사 SPL 평택공장에서 23살의 노동자가 끼임 사고로 목숨을 잃는 안타까운 사고가 있었습니다. 이와 관련해 그간 SPC에서 있었던 노동자에 대한 불합리한 대우들이 하나둘씩 밝혀지면서, 소비자들의 반감과 여러 비판을 사게 되었죠.
저희는 해당 기업인 ‘SPC’ 그룹과 ‘불매’에 관해 트위터와 뉴스를 중심으로 관련 반응을 분석해보았습니다.
‘노드엑셀’이라는 도구를 이용해 ‘spc’에 대한 트위터 유저들의 반응을 모아 분석해보았습니다. 기간은 10월 15일부터 10월 31일까지로, ‘SPC 평택 제빵공장 끼임 사망 사고’가 발생하고 난 이후 2주간의 반응을 살펴보았습니다.
그 반응을 시각화했을 때 다음과 같은 모습으로 나타납니다. 트위터 유저 하나하나를 나타내는 동그란 원과 그 사이의 연결되는 선으로 그들의 관계성을 나타내주는 것이죠. 저희는 연결된 하위그룹까지 잘 보일 수 있도록 ‘harel korean fast multiscale’ 레이아웃의 형태를 선택해 다음과 같이 시각화하였습니다. 이렇게 연결된 형태를 통해 중심성 분석 후 유력자를 확인하고 해석해보았습니다.
먼저 저희는 ‘degree’와 ‘betweenness’ 중심성을 위주로 분석해보았는데요. 먼저 degree, 연결중심성은 직접적으로 서로 주고 받는 영향을 설명해줍니다. 트위터로 이야기를 하자면, 내가 멘션, 리트윗 등의 반응을 받는 in-degree와 반대로 내가 다른 사람에게 멘션, 리트윗 등의 반응을 주는 out-degree 등을 모두 합하여 degree를 설명할 수 있겠습니다. Betweenness centrality, 즉 매개중심성은 간단히 말해 다른 노드들의 가운데서 어느 정도의 중재자 역할을 하는지 알 수 있습니다.
각각을 내림차순으로 정리한 결과, 이 연결중심성이 가장 높은 트위터 유저의 아이디는 ‘is_l_ess’였습니다. 그런데 이 트위터 유저는 매개중심성 또한 가장 높았는데요. 이 매개중심성은 다른 노드들, 즉 트위터 유저들을 연결해주는 중재자, 브로커와 같은 역할을 가장 많이 하고 있음을 나타냅니다. Degree와 매개중심성까지 모두 높은 ‘is_l_ess’ 유저는 트위터 내에서 ‘spc’ 키워드에 있어 가장 중요한 역할을 맡아 가장 큰 영향력을 지니고 있었다고 판단할 수 있습니다.
여기서 강력한 유력자 중 3명을 뽑아 정보를 확인하고 해석해보았는데요, 가장 큰 영향력을 지니고 있었던 유저 ‘is_l_ess’가 작성한 이 트윗에 대한 리트윗과 인용으로 이루어진 유저들 사이의 관계가 많았습니다. 세 번째 유력자인 ‘timeguard81’은 ‘브로커’ 역할을 하게 되는데요. 바로 이 글을 rt하면서 그를 팔로우하고 있는 사람들에게 이 글을 연결해주었습니다. 다섯 번째 유력자인 ‘yangdalsu’의 경우에는 해당 트윗에 “출하장 아니고 도넛폐기집하장임 심지어 예전 사진이랬음 요새는 걍 바로 폐기처리 하는 거고”라는 인용 트윗을 달기도 했습니다. 이는 불매로 과열된 분위기에 퍼지는 잘못된 정보에 대해 반박하는 글을 단 것입니다. ‘불매’로 인해 도마 위에 오른 ‘spc’의 여러 정보들 중 위생 관리에 대한 의견을 다는 이러한 인용 트윗과 리트윗을 통해 연결되어 있음을 볼 수 있었습니다.
다음은 여기서부터 비롯된 단어 및 해시태그들을 분석해보았습니다. 화면과 같이 ‘spc’, ‘불매’, ‘이래도’ 라는 단어가 나타났는데요. 단어쌍 분석에서 살펴보았을 때는 ‘불매’, ‘이유를’이 한 쌍으로 묶여 나타남으로서 관련 트윗인 ‘불매의 이유를 스스로 던지고 있다’라는 트윗에 대해 다수가 반응했음을 알 수 있습니다. 또한 ‘이래도’의 경우, ‘먹을래’와 한 쌍으로 던킨 도너스나 파리바게트 등의 spc 계열사에 대한 부정적인 느낌의 불매 의견이 많았다는 것을 알 수 있습니다.
트위터에서는 spc 계열 제품에 대한 불매 ‘운동’이 여러형태로 등장하였는데요. 첫번째로는 ‘spc_불매’, ‘spc_배달거부’ 등 대상인 ‘SPC’ 를 직접 언급하는 형태가 있었습니다. 두번째는 ‘파리바게트_불매_이어가자’ 등 관련 계열사 불매에 대한 해시태그와 ‘동네빵집_챌린지’라는 이름으로 spc 제품 대체재를 적극적으로 이용하자는 해시태그 운동이 나타났습니다. 이를 통해 spc 삼립에 대한 ‘분노’, ‘안타까움’이라는 감정이 가진 대중이 트위터라는 SNS 공간 내에서 결집해 사회 운동을 하면서 적극적으로 사회 문제에 참여하고 다른 사람들을 유도하는 ‘광장의 정치’가 활성화되었음을 알 수 있습니다.
다음은 URL 분석입니다. 해당 유저들이 어떤 타 사이트를 인용하였는지 알 수 있습니다. 크게 두가지 유형으로 분류되었는데요. 하나는 ‘SPC 평택 제빵공장 사고’에 대한 관련된 정보가 담긴 URL이었고, 다른 하나는 SPC 불매를 권장하는 글이 담긴 URL이었습니다.
사고에 대한 URL은 다음 뉴스와 newspic.kr 등 토픽 뉴스 사이트가 다수였습니다. 사진에 보이는 것처럼 사건 이후의 SPC의 사태가 어떠한지 설명해주는 경우가 많았는데요, 특히 다음 뉴스의 인용도가 높았던 것으로 나타났습니다.
전체적으로 가장 인용이 많았던 링크는 두번째 유형으로, 공장의 위생에 대해 비판하는 트윗이었습니다. 던킨 도넛 안양 공장에 비둘기가 들어와 있는 사진과 함께 ‘안양공장 던킨도너츠 비둘기 출하반장 구구 구구 구구’라는 트윗을 기재했습니다. 이 글을 인용한 트윗에는 ‘역겹다’, ‘비위생적인 도넛을 계속 먹고 있었다’라는 부정적인 반응과 ‘출하장이 아닌 도넛 폐기 집하장으로 예전 사진을 들고온 것이니 가짜 정보이다’ 라는 의견도 있었습니다.
지금까지 노드엑셀을 이용한 분석이었고, 다음은 빅데이터 분석도구인 텍스톰과 뉴스 빅데이터 분석시스템인 빅카인즈를 이용하여 ‘SPC’, ‘불매’와 관련된 키워드를 분석해보았습니다.
첫번째로 단어 ‘불매’와 관련된 뉴스를 분석한 결과입니다. 빅카인즈를 통해 검색한 뉴스 중 정확도가 높은 상위 100건의 메타 데이터를 가지고 엑셀화 한 뒤, 텍스톰에서 분석하였습니다. 그렇게 추출된 개체명 간의 연결 관계를 네트워크 형태로 시각화하여 나타냈습니다.
‘노동자’, ‘파리바게트’를 중심으로 크게 법과 인물, 지역명 등으로 나누어지는데, 여기 보이는 산업 안전 보건법, 중대 재해 처벌법 등은 이번 ‘SPC 노동자 사망 사건’의 사례와 연결되는 법들이었습니다. 또한 양재동, 평택시라는 지역명과 더불어 ‘고용노동부’를 비롯한 ‘노동자’, ‘근로자’ 등 노동자 관련 키워드가 등장하는데요. 이는 ‘SPC’ 사건의 성질을 나타냅니다. 따라서 ‘불매’와 이번 ‘SPC 노동자 사망 사건’은 깊은 관련이 있음을 알 수 있습니다. 다른 단어로는 파스쿠찌, 쉑쉑 버거 등 spc 계열사들, 인물로는 계열사의 가맹업주와 spc 회장인 허영인 등이 보이는 것을 알 수 있습니다. 여기서 앞서 했던 노드엑셀 트위터 분석과 다른 점은, spc 계열사 가맹점에 대한 언급이었습니다. 가맹점 매출 하락의 문제에 대한 정보나 관련 인터뷰 기사가 많았음을 알 수 있었습니다.
이렇게 분석한 키워드들의 빈도수를 알아보았습니다. 해당 그래프의 막대의 길이가 빈도수를 의미하는데요. ‘불매’라는 단어를 제외하면 사고, 노동자, 그룹, 불매 운동 순으로 높았습니다.
다음으로는 감정 분석입니다. 해당 분석을 실행한 뒤, 워드클라우드를 통해 시각화해보았는데요. 글씨가 클수록 언급이 많이 된 단어들입니다. 보시다시피, 긍정적인 단어보다 ‘분노하다’, ‘애도하다’, ‘미흡하다’, ‘걱정하다’ 등 부정적인 단어가 눈에 띄게 많음을 알 수 있습니다.
그렇다면 ‘SPC 평택 사고’의 이전과 이후의 뉴스들 속 키워드는 어떤 차이가 있을까요? ‘SPC’ 키워드를 중심으로 사고 전과 그 이후의 뉴스들을 분석해보았습니다.
‘포켓몬 빵 품귀 현상’이 시작되었던 2022년 4월 1일부터 사고 전까지 기간을 분석해 워드클라우드로 나타내보았습니다. 일본의 애니메이션인 ‘포켓몬스터’와 콜라보로 ‘추억의 포켓몬 씰스티커’가 포함되어 화제가 되었었는데요. 그로 인한 포켓몬 빵이 품절되는 등 열풍이 불어오자, 이를 비판하는 노재팬 일본 제품 불매운동과 함께 한국의 냄비 근성에 대한 언급이 있었습니다.
다음은 사건 이후의 분석 결과입니다. 이쪽의 워드클라우드의 단어들과는 확연히 다른 모습입니다. ‘포켓몬 빵’에 대한 언급은 거의 없으며, 앞에서 ‘불매’ 관련 네트워크 그래프에서 보였던 단어들과 유사합니다. spc 평택 노동자 사망 사고와 직접적으로 관련된 여러 키워드들이 언급되었습니다.
사고 전과 이후는 해당 단어들의 감정 분석을 통해서 더욱 분명한 차이를 보입니다. 사고 전의 단어 감정 분석 원 그래프와 워드 클라우드입니다. ‘달콤하다’, ‘짱이다’, ‘최고다’ 등 긍정적인 단어가 76.3% 많았습니다. 반면 사고 이후의 원 그래프와 워드 클라우드를 살펴보면, ‘분노하다’, ‘애도하다’, 안타깝다’ 등 부정적인 키워드가 58%로 나타난 것을 알 수 있습니다.
결과적으로 ‘spc’ 그룹은 올해, ‘포켓몬 빵’으로 긍정적인 영향력이 있었으나, ‘spc 평택 제빵공장 노동자 사망 사고’로 인해 온라인 상에서, 어느 매체에 관계없이 대중으로부터 전체적으로 상당히 부정적인 인식을 갖게 되었다고 할 수 있습니다.
지금까지 ‘spc 평택 노동자 사망 사고’ 이후를 중심으로 ‘SPC’에 대한 반응을 분석해보았습니다. 노드엑셀로 트위터를 분석해 사람들의 반응을 직접적으로 파악하였고, 빅카인즈-텍스톰을 활용한 뉴스 분석으로 조금 더 정제된 여론의 반응을 알 수 있었습니다.
먼저 노드엑셀을 이용한 분석에서는 중심성과 관련하여 대중들의 여러 직접적인 반응들을 살펴보았는데요. ‘해시태그 운동’이라는 트위터만의 적극적인 불매 방식 또한 파악할 수 있었습니다.
빅카인즈와 텍스톰을 이용한 분석에서는 ‘SPC’와 ‘불매’라는 두 가지 키워드로 개체명과 단어 분석, 감성 분석을 시도하였습니다. 가장 흥미로운 결과는 감성 분석에서 나타났습니다. 해당 사고 발생 이전과 이후는 ‘불매’에 대해 각자 다른 의미를 지니고 있었다는 것입니다. 사고 발생 전의 경우, ‘포켓몬 빵’과 관련하여 ‘노재팬’의 의미로 다소 부정적인 키워드가 등장하였습니다. 반면 사고 발생 후의 경우, 같은 ‘불매’라는 단어임에도 ‘SPC 노동자 사망 사고’와 관련된 분노, 참담, 속앓이 등 여러가지 부정적인 단어가 압도적으로 많이 등장하며 부정의 수치가 훨씬 높아졌다는 점을 알 수 있습니다.
지금까지 ‘SPC 노동자 사망 사고’와 그에 관한 데이터 분석을 해보았습니다. 여러분은 해당 사건에 대해 어떻게 생각하시나요? 이 발표를 보고 바뀐 생각이 있으신가요? 이상으로 TAB의 발표를 마치겠습니다. 끝까지 함께 해주셔서 감사합니다.
