홈쇼핑 매출 알고리즘 개발에 관한 연구 : 인공신경망을 포함한 다양한 예측기법들을 중심으로 A Study on the Development of Home Shopping Sales Algorithms : Based on a variety of forecasting techniques, including artificial neural networks원문보기
홈쇼핑은 방송매체와 유통경로를 축약한 융복합 산업으로 합리적인 구매가 가능하고, 소비자는 오프라인 매장 방문 없이 상품에 대한 정보 및 서비스를 제공받아 원하는 장소에서 상품을 전달받을 수 있는 유통채널이다. 1995년 도입된 이래, 홈쇼핑의 최근 3년 연속 연평균 취급액은 약 20조 원대를 형성하는 거대한 시장으로 성장하였고, 최근 발생한 신종 코로나19(COVID-19)사태로 비대면(UNTACT)문화가 확산되면서 온라인과 홈쇼핑의 소비 시장규모는 크게 확대되었다. 그러나 홈쇼핑은 방송연출 및 운영에 투입되는 비용이 많고, 방송 직후 단시간 내에 상품을 출하시켜야 하는 유통과정의 특성에 따라 정확한 ...
홈쇼핑은 방송매체와 유통경로를 축약한 융복합 산업으로 합리적인 구매가 가능하고, 소비자는 오프라인 매장 방문 없이 상품에 대한 정보 및 서비스를 제공받아 원하는 장소에서 상품을 전달받을 수 있는 유통채널이다. 1995년 도입된 이래, 홈쇼핑의 최근 3년 연속 연평균 취급액은 약 20조 원대를 형성하는 거대한 시장으로 성장하였고, 최근 발생한 신종 코로나19(COVID-19)사태로 비대면(UNTACT)문화가 확산되면서 온라인과 홈쇼핑의 소비 시장규모는 크게 확대되었다. 그러나 홈쇼핑은 방송연출 및 운영에 투입되는 비용이 많고, 방송 직후 단시간 내에 상품을 출하시켜야 하는 유통과정의 특성에 따라 정확한 수요예측이 매우 중요하다. 더욱이 현재 코로나19의 영향으로 급격히 변화하는 사회요건과 소비행태의 변화, 온라인 시장규모 확대 등에 따라 수요예측을 보다 객관적인 방법으로 수행할 필요성이 있다. 현재까지 수행된 홈쇼핑에 대한 선행연구들은 홈쇼핑을 구성하는 다양한 요인과 매출에 영향을 미치는 주요변수를 밝혀내었으며, 현재 홈쇼핑 시장의 현황, 정책적 제언과 운영차원의 제언과 전략을 도출하는데 큰 기여를 하였다. 하지만, 현재 다양한 학술 및 기업 운영차원에서 활용되고 있는 인공지능이나 머신러닝 기법을 사용하여 수요를 예측하고, 종합적인 차원에서 실제 홈쇼핑 매출 증대에 영향을 미치는 주요변수를 살펴본 연구가 부족한 실정이다. 인공지능의 발전과 빅데이터 축적이 가속화되면서 머신런닝 기법을 활용한 연구가 다양한 영역에서 수행되고 있고 특히, 사기업이나 공기업, 교육현장 등에서 매출증대, 신상품의 수요, 기업운영의 효과성 등 예측과 관련된 주요변수를 밝혀내기 위해 머신러닝의 알고리즘 개발을 활용하고 있다. 홈쇼핑과 관련하여 매출에 미치는 영향요인을 밝혀낸 연구가 다수 수행되었지만, 제한된 표본을 활용하여 통계적 분석 및 결론을 도출했다는 한계점이 있다. 또한, 현재 코로나19 영향으로 급격히 변화하는 사회요건과 소비시장 수요, 온라인 시장 규모 확대 등에 따라 미래예측을 보다 더 객관적인 방법으로 추정하는 연구의 필요성이 강조되고 있다. 이러한 한계점을 극복하고자 본 연구에서는 우선 현재까지 수행된 홈쇼핑 관련된 선행연구들을 토대로 홈쇼핑 사업자의 매출이 증가하는 요인을 살펴보았고, 이에 따라 5개의 연구과제를 도출하였다. 연구과제를 해결하기 위해 본 연구는 우선 NS홈쇼핑, NS샵플러스, 신세계TV쇼핑, 쇼핑엔티의 약 3년간 축적된 264개의 방송데이터(속눈썹브랜드“래쉬톡”)와 기상청 기상자료 개방포털 데이터를 조합하여 분석표본을 구성하였다. 투입된 데이터는 연, 월, 일, 방송시간, 방송시간대, 요일, 주말여부, 생방송여부, 홈쇼핑명, 평균기온, 최저기온, 최고기온, 일강수량, 평균풍속, 평균상대습도, 합계일조시간, 일최심적설, 노출시간, 상품구성 등 총 19개의 변수를 투입(독립)변수로, 홈쇼핑매출을 예측(종속)변수로 설정하였다. 분석에는 머신러닝 추정모델인 CHAID, 램덤트리, GenLin(일반화선형), 인공신경망, 선형, 선형회귀분석 등 총 6가지 기법으로 매출을 예측하는 알고리즘을 개발하였다. 분석결과, 인공신경망 기법이 가장 높은 예측력을 나타내었으며, CHAID 기법이 가장 낮은 예측력을 나타내었다. 각 알고리즘에 따른 주요변수의 영향력 순위가 다르게 나타났는데, 인공신경망, GenLin(일반화선형)과 선형회귀는 생방송 여부를 가장 높은 변수로 분석하였고, 랜덤트리, CHAID와 선형은 홈쇼핑 사업자의 명칭(브랜드)을 가장 영향력이 높은 변수으로 분석하였다. 결과를 요약하면, 홈쇼핑매출을 예측하는 알고리즘을 통해 도출된 주요변수는 홈쇼핑브랜드명, 방송시간, 방송속성, 기후⋅날씨 그리고 상품구성 등 총 5가지이다. 본 연구는 머신러닝 기법으로 홈쇼핑에서 매출 동향을 예측하기 위한 알고리즘을 개발하였고, 알고리즘에 투입된 주요변수들의 영향력 순위를 분석하여 어떤 투입(독립)변수가 매출증대에 큰 효력을 발휘하는가를 밝혀내었다. 이러한 연구결과는 향후 사업자의 효율적인 운영 방안 고안 및 상품재고 관리를 위한 기초자료와 전략수립에 근간이 될 수 있다. 또한, 본 연구의 결과를 통해 종합적이고 거시적인 차원의 논의가 가능할 뿐만 아니라, 학술 및 실무차원에서 실제 적용될 수 있다는 점에 시사점이 있다.
홈쇼핑은 방송매체와 유통경로를 축약한 융복합 산업으로 합리적인 구매가 가능하고, 소비자는 오프라인 매장 방문 없이 상품에 대한 정보 및 서비스를 제공받아 원하는 장소에서 상품을 전달받을 수 있는 유통채널이다. 1995년 도입된 이래, 홈쇼핑의 최근 3년 연속 연평균 취급액은 약 20조 원대를 형성하는 거대한 시장으로 성장하였고, 최근 발생한 신종 코로나19(COVID-19)사태로 비대면(UNTACT)문화가 확산되면서 온라인과 홈쇼핑의 소비 시장규모는 크게 확대되었다. 그러나 홈쇼핑은 방송연출 및 운영에 투입되는 비용이 많고, 방송 직후 단시간 내에 상품을 출하시켜야 하는 유통과정의 특성에 따라 정확한 수요예측이 매우 중요하다. 더욱이 현재 코로나19의 영향으로 급격히 변화하는 사회요건과 소비행태의 변화, 온라인 시장규모 확대 등에 따라 수요예측을 보다 객관적인 방법으로 수행할 필요성이 있다. 현재까지 수행된 홈쇼핑에 대한 선행연구들은 홈쇼핑을 구성하는 다양한 요인과 매출에 영향을 미치는 주요변수를 밝혀내었으며, 현재 홈쇼핑 시장의 현황, 정책적 제언과 운영차원의 제언과 전략을 도출하는데 큰 기여를 하였다. 하지만, 현재 다양한 학술 및 기업 운영차원에서 활용되고 있는 인공지능이나 머신러닝 기법을 사용하여 수요를 예측하고, 종합적인 차원에서 실제 홈쇼핑 매출 증대에 영향을 미치는 주요변수를 살펴본 연구가 부족한 실정이다. 인공지능의 발전과 빅데이터 축적이 가속화되면서 머신런닝 기법을 활용한 연구가 다양한 영역에서 수행되고 있고 특히, 사기업이나 공기업, 교육현장 등에서 매출증대, 신상품의 수요, 기업운영의 효과성 등 예측과 관련된 주요변수를 밝혀내기 위해 머신러닝의 알고리즘 개발을 활용하고 있다. 홈쇼핑과 관련하여 매출에 미치는 영향요인을 밝혀낸 연구가 다수 수행되었지만, 제한된 표본을 활용하여 통계적 분석 및 결론을 도출했다는 한계점이 있다. 또한, 현재 코로나19 영향으로 급격히 변화하는 사회요건과 소비시장 수요, 온라인 시장 규모 확대 등에 따라 미래예측을 보다 더 객관적인 방법으로 추정하는 연구의 필요성이 강조되고 있다. 이러한 한계점을 극복하고자 본 연구에서는 우선 현재까지 수행된 홈쇼핑 관련된 선행연구들을 토대로 홈쇼핑 사업자의 매출이 증가하는 요인을 살펴보았고, 이에 따라 5개의 연구과제를 도출하였다. 연구과제를 해결하기 위해 본 연구는 우선 NS홈쇼핑, NS샵플러스, 신세계TV쇼핑, 쇼핑엔티의 약 3년간 축적된 264개의 방송데이터(속눈썹브랜드“래쉬톡”)와 기상청 기상자료 개방포털 데이터를 조합하여 분석표본을 구성하였다. 투입된 데이터는 연, 월, 일, 방송시간, 방송시간대, 요일, 주말여부, 생방송여부, 홈쇼핑명, 평균기온, 최저기온, 최고기온, 일강수량, 평균풍속, 평균상대습도, 합계일조시간, 일최심적설, 노출시간, 상품구성 등 총 19개의 변수를 투입(독립)변수로, 홈쇼핑매출을 예측(종속)변수로 설정하였다. 분석에는 머신러닝 추정모델인 CHAID, 램덤트리, GenLin(일반화선형), 인공신경망, 선형, 선형회귀분석 등 총 6가지 기법으로 매출을 예측하는 알고리즘을 개발하였다. 분석결과, 인공신경망 기법이 가장 높은 예측력을 나타내었으며, CHAID 기법이 가장 낮은 예측력을 나타내었다. 각 알고리즘에 따른 주요변수의 영향력 순위가 다르게 나타났는데, 인공신경망, GenLin(일반화선형)과 선형회귀는 생방송 여부를 가장 높은 변수로 분석하였고, 랜덤트리, CHAID와 선형은 홈쇼핑 사업자의 명칭(브랜드)을 가장 영향력이 높은 변수으로 분석하였다. 결과를 요약하면, 홈쇼핑매출을 예측하는 알고리즘을 통해 도출된 주요변수는 홈쇼핑브랜드명, 방송시간, 방송속성, 기후⋅날씨 그리고 상품구성 등 총 5가지이다. 본 연구는 머신러닝 기법으로 홈쇼핑에서 매출 동향을 예측하기 위한 알고리즘을 개발하였고, 알고리즘에 투입된 주요변수들의 영향력 순위를 분석하여 어떤 투입(독립)변수가 매출증대에 큰 효력을 발휘하는가를 밝혀내었다. 이러한 연구결과는 향후 사업자의 효율적인 운영 방안 고안 및 상품재고 관리를 위한 기초자료와 전략수립에 근간이 될 수 있다. 또한, 본 연구의 결과를 통해 종합적이고 거시적인 차원의 논의가 가능할 뿐만 아니라, 학술 및 실무차원에서 실제 적용될 수 있다는 점에 시사점이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.