Predicting Girl Group Wins on K-POP Music Shows Using Machine Learning: A SHAP-Based Feature Importance Analysis

본 연구는 걸그룹의 음악방송 1위 수상 여부를 예측하고, 이를 기반으로 실질적인 전략을 제안하기 위해 머신러닝 분류 모델(Logistic Regression, SVM, LDA, QDA, CatBoost)을 적용하였다. 정밀도를 기준으로 평가한 최종 모델에서 프로그램별 예측 정밀도는 모두 0.833 이상을 기록하였으며, 정밀도를 기준으로 선정한 최종 모델에서 프로그램별 예측 정밀도는 모두 0.833 이상이었으며, 특히 CatBoost 분류기는 다수 프로그램에서 정밀도 1.000을 기록하였다. 또한, 단계적 선택법과 SHAP 기법을 통해 1위 달성에 영향을 미치는 주요 변수로 유튜브 MV 누적 조회수, 주간 음원 차트 순위, 음악방송 무대 수, 음악방송 직캠 수 등이 도출되었다. 이를 바탕으로, 걸그룹의 음악방송 1위 달성 전략 수립을 위한 다음과 같은 전략적 시사점을 제시한다. 첫째, 음원 차트 상위권 진입을 위한 선곡 및 홍보 강화, 둘째, MV 조회수 증가 및 누적량 극대화 전략, 셋째, 예약 판매 혜택 및 앨범 구성 다양화를 통한 판매 촉진, 넷째, 컴백 초반 직캠 수 확보 및 무대 노출 극대화, 다섯째, 점수 산정 구조에 유리한 월요일 컴백 일정 설정이 요구된다. 본 연구는 향후 음악방송 관련 연구는 물론, 소속사의 실질적 전략 수립에도 기여할 수 있을 것이다.