[논문]Latent Class Analysis 기반의 만족 고객 세분화를 이용한 고객만족경영 향상 방안

송기정; 서광규; 안범준

doi:10.5392/jkca.2011.11.12.386

[국내논문] Latent Class Analysis 기반의 만족 고객 세분화를 이용한 고객만족경영 향상 방안
Improving Customer Satisfaction Management using the Satisfied Customer Segmentation based on Latent Class Analysis 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.11 no.12, 2011년, pp.386 - 394

송기정 (상명대학교 일반대학원 경영공학과) , 서광규 (상명대학교 경영공학과) , 안범준 (상명대학교 경영공학과)

초록
AI-Helper

최근의 고객만족도 조사에서는 만족응답으로의 쏠림현상이 발생함으로써 만족고객의 비율이 높아져 고객만족 개선안 도출이 어려워지고 있다. 게다가 이로 인한 데이터 분석의 구조적 한계로 인해 고객만족도 조사의 실제 적용을 효과성이 감소하고 있다. 이러한 문제점을 해결하기 위해서는 만족고객을 재분류하여 보다 전략적인 의미를 도출하고 만족 고객의 불만족 요인을 찾아내기 위한 연구가 필요하다. 본 연구에서 는 Latent Class Analysis(LCA)를 이용하여 만족 고객의 세분화에 초점을 두어 수행되었다. 초고속인터넷 서비스의 만족고객만을 대상으로 LCA를 적용한 결과 3개의 집단으로 세분화된 결과를 얻었으며 각 집단별 만족요인과 불만족 요인을 분석하여 궁극적으로 고객만족경영을 달성할 수 있는 시사점을 도출하였다. 연구결과는 고객만족도 조사가 다양하고 입체적으로 분석되어 고객만족조사의 활성화는 물론, 고객 만족경영 향상을 위한 유용한 방법으로 활용되리라 기대한다.

Abstract ▼ AI-Helper

Recently it is difficult to draw an improvement for customer satisfaction because the ratio of satisfied customers increases in customer satisfaction survey. In addition, the effectiveness of practical application of customer satisfaction survey decreases due to its constitution limitation on its data analysis. In order to solve these problems, it is necessary to develop a novel research to identify the strategy meanings and find dissatisfied factors of satisfied customers using the satisfied customers' reclassification. This study focuses on the satisfied customer segmentation based on Latent Class Analysis (LCA). The case study with high-speed internet service customers show that the satisfied customers are divided into three subgroups using LCA and we draw meaning results such as satisfaction and dissatisfaction factors through analyzing each group. This study is expected to play the role as the groundwork for the revitalization of customer satisfaction survey as well as improving customer satisfaction management.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이러한 문제점을 해결하기 위한 선행연구로써 세부속성의 복합점수를 이용한 만족고객의 재분류 방법이 수행되었다[3]. 본 연구에서는 만족고객의 재분류를 위한 선행연구와는 차별화되고 발전된 방법을 제안하여 본 연구를 수행하고자 한다.
본 연구의 목적은 고객만족도 조사에서 만족고객의 비중이 높게 나옴으로써 발생하는 문제를 만족 고객 세분화를 통하여 해결을 모색하고, 만족고객의 특성을 파악하여 고객만족경영 및 고객만족도 조사의 전략적 활용가치를 증대시키고자 하는데 있다. 본 연구에서는 고객만족도 조사의 활용가치를 높이기 위하여, 만족고객을 세분화하는 방법을 적용하고자 한다.
본 연구의 목적은 고객만족도 조사에서 만족고객의 비중이 높게 나옴으로써 발생하는 문제를 만족 고객 세분화를 통하여 해결을 모색하고, 만족고객의 특성을 파악하여 고객만족경영 및 고객만족도 조사의 전략적 활용가치를 증대시키고자 하는데 있다. 본 연구에서는 고객만족도 조사의 활용가치를 높이기 위하여, 만족고객을 세분화하는 방법을 적용하고자 한다. 고객만족 측정에 관한 선행연구들은 단일항목 척도의 개선이나 효과를 비교 평가 그리고 복수 항목 척도를 사용을 검토하는 것이 대부분이었고 만족고객의 세분화를 통한 만족도 조사결과의 향상방안은 그 활용가치가 높음에도 불구하고 이루어지지 않았다.
고객만족 측정에 관한 선행연구들은 단일항목 척도의 개선이나 효과를 비교 평가 그리고 복수 항목 척도를 사용을 검토하는 것이 대부분이었고 만족고객의 세분화를 통한 만족도 조사결과의 향상방안은 그 활용가치가 높음에도 불구하고 이루어지지 않았다. 본 연구에서는 만족고객의 세분화를 위하여 Latent Class Analysis(LCA)를 적용한 고객 세분화에 초점을 두어 수행하고자 한다. 이를 통하여 만족고객을 세분화하여 집단으로 구분하고, 각 집단별 만족요인과 불만족 요인을 분석하여 궁극적으로 고객만족경영을 달성할 수 있는 시사점과 전략을 도출하고자 한다.
본 연구에서는 만족고객의 세분화를 위하여 Latent Class Analysis(LCA)를 적용한 고객 세분화에 초점을 두어 수행하고자 한다. 이를 통하여 만족고객을 세분화하여 집단으로 구분하고, 각 집단별 만족요인과 불만족 요인을 분석하여 궁극적으로 고객만족경영을 달성할 수 있는 시사점과 전략을 도출하고자 한다.
본 연구는 최근의 고객만족도 조사 결과에서 만족/긍정 응답으로의 쏠림현상이 심하게 발생하고 있다는데서 출발했다. 또한 이러한 쏠림현상은 기업에게 고객만족 활동 대비 개선정도가 낮다고 생각하게 하고, 향후 개선방향도 일반적이어서 고객만족도 조사의 유용성과 함께 고객만족 활동 자체가 위축시키는 현상을 보이고 있다.
본 연구에서는 이러한 고객세분화를 고객만족도 조사에 적용하기 위한 새로운 방법을 개발하고자 한다. 특히 특정 척도에 응답이 집중되었을 경우 보다 세부적으로 분석될 필요가 있는데 그 방법으로 세분화 방법을 적용할 수 있는 것이다.
본 연구에서는 초고속 인터넷 서비스의 고객만족도 조사사례에서 응답비중이 높은 “만족”의 응답자 242명을 대상으로 고객 세분화를 수행하였는데, 고객세분화 결과 만족고객의 세분집단은 3개로 구분될 수 있으며, 1개의 만족 집단, 2개의 불만족 집단으로 구분되었고, 각 집단별 만족요인과 불만족 요인을 모두 확인하였으며 이를 통한 고객만족도 향상을 위한 시사점을 도출하였다.
본 연구에서는 고객만족도 조사에서 만족고객의 비중이 높게 나옴으로써 발생하는 문제를 만족 고객 세분화를 통하여 해결안을 모색하고, 만족고객의 특성을 파악하여 고객만족경영 및 고객만족도 조사의 전략적 활용가치를 증대시키고자 수행되었다. 고객만족 측정에 관한 선행연구들은 단일항목 척도의 개선이나 효과를 비교 평가 그리고 복수 항목 척도를 사용을 검토하는 것이 대부분이었고 만족고객의 세분화를 통한 만족도 조사결과의 향상방안은 그 활용가치가 높음에도 불구하고 이루어지지 않았다.
고객만족 측정에 관한 선행연구들은 단일항목 척도의 개선이나 효과를 비교 평가 그리고 복수 항목 척도를 사용을 검토하는 것이 대부분이었고 만족고객의 세분화를 통한 만족도 조사결과의 향상방안은 그 활용가치가 높음에도 불구하고 이루어지지 않았다. 본 연구에서는 만족고객의 세분화를 위하여 최근 들어 그 효용성이 입증되고 있는 LCA를 적용한 고객 세분화에 초점을 두어 수행하였다. 본 연구에서는 초고속 인터넷 서비스의 고객만족도 조사사례에서 응답비중이 높은 “만족”의 응답자 242명을 대상으로 고객 세분화를 수행하였는데, 고객세분화 결과 만족고객의 세분집단은 3개로 구분될 수 있으며, 1개의 만족 집단, 2개의 불만족 집단으로 구분되었고, 각 집단별 만족요인과 불만족 요인을 모두 확인하였으며 이를 통한 고객만족도 향상을 위한 시사점을 도출하였다.

제안 방법

만족 고객을 재분류하는 방법으로는 본 연구에서는 만족고객의 세분화 방법을 적용하고자 한다. 만족고객 세분화 방법은 현대 마케팅에서 가장 중요한 전략 도구인 고객 세분화방법을 도입하여 적용하는 것이다.
투입변수는 7개의 세부속성평가요인이다. 또한 본 연구에서는 인구통계학적 변수인 소득과 연령 등을 공변량(covariate)으로 투입하여 다른 투입변수들과 동시에 분석하였다.

대상 데이터

본 연구에서는 [그림 1]의 다양한 사례 중에서 초고속 인터넷 서비스에 대한 만족도 조사를 연구 대상으로 선정하였다. 초고속 인터넷의 전반적인 만족도 분포 중 “만족”의 비율이 77.
본 연구에서는 [그림 1]의 초고속 인터넷 서비스 사례에서 응답비중이 높은 “만족”의 응답자 242명을 세분화하였다.

데이터처리

그러나 언급된 두 속성의 개선이 전반적인 만족도 개선에 가장 기여하는지는 다를 수 있다. 세부 속성의 개선이 전반적인 만족도에 미치는 영향력을 분석할 때 대표적으로 사용하는 통계분석방법으로 다중 회귀(Multiple Regression) 분석을 이용하였다.
본 연구에서는 [그림 1]의 초고속 인터넷 서비스 사례에서 응답비중이 높은 “만족”의 응답자 242명을 세분화하였다. 세분화 프로그램은 투입 변수의 척도 유형이 자유로운 LCA 계열의 프로그램인 Latent Gold 4.0을 이용하였다. 투입변수는 7개의 세부속성평가요인이다.

성능/효과

AIC와 BIC 통계량은 세분집단 개수가 증가함에 따라 감소하게 되고, 작은 통계량을 가진 세분집단수가 최적이라고 판단한다. 셋째, 군집분석에서 사용할 수 있는 척도가 제한적이다. 군집분석에서 늘 유사성과 거리를 이용하여 비슷한 성격을 가진 관찰치들을 묶어 준다.
본 연구의 대상인 “만족”의 응답자 242명을 표본으로하여 세분 집단수에 따른 모델 적합도를 분석한 결과는 과, 세분 집단수가 증가 할수록 log우도함수 값은 증가되고 AIC 및 BIC 값은 감소하였다.
반면 3개의 세분집단에서 4개의 세분집단으로 집단수를 증가시키는 경우 오히려 BIC가 증가되는 것으로 나타났다. 또한 모델 적합도를 나타내는 R²값도 .95로 가장 높게 나타나서 3개의 세분집단이 가장 적정한 것으로 나타났다.
이러한 분석결과를 토대로 만족고객의 세분집단은 3개로 구분될 수 있으며, 1개의 만족 집단, 2개의 불만족 집단으로 구분되었다[표 4]. 전체 만족도가 “만족”수준인 집단이라고 세부 속성별로 모두 만족하는 것은 아니다.
약 과반수가 넘는 비중을 차지하는 집단 1은 세부속성에서도 모두 만족의 수준에 버금가고 있으나, 집단 2는 요금, 집단 3은 서비스 안정성과 속도에 상대적으로 불만이 높다. 또한 집단 1은 상대적으로 고소득층 비중이 높고, 인터넷 Heavy User성향이며, 집단 2는 고졸 이하의 여성비중이 높은 특성을 보였다. 집단 3은 30대 남성이며 고학력 비중이 상대적으로 높다.
이러한 분석결과를 종합해 보면, 만족응답을 한 고객이라고 할지라도 이를 세분화하여 집단으로 구분하면 구분한 집단군별로 만족요인과 불만족요인을 보다 더 디테일하게 찾아낼 수 있어, 선행연구[3] 결과보다 집단별 고객만족전략과 마케팅 전략을 수행하는 것이 가능하다. 전술한 바와 같이 이러한 만족고객 세분화를 통한 고객 세분화결과는 세분화 집단별로 각 세부 요인별 만족과 불만족 요인은 물론, 인터넷 이용기간, 이용빈도, 성별, 연령, 학력, 소득 등의 새로운 투입변수들과의 상관관계 분석 등을 통하여 집단별 특화된 고객 만족전략과 마케팅 전략을 도출할 수 있어 궁극적으로 고객만족경영을 달성할 수 있는 의미 있는 시사점과 전략안을 도출할 수 있다.
본 연구에서는 초고속 인터넷 서비스의 고객만족도 조사사례에서 응답비중이 높은 “만족”의 응답자 242명을 대상으로 고객 세분화를 수행하였는데, 고객세분화 결과 만족고객의 세분집단은 3개로 구분될 수 있으며, 1개의 만족 집단, 2개의 불만족 집단으로 구분되었고, 각 집단별 만족요인과 불만족 요인을 모두 확인하였으며 이를 통한 고객만족도 향상을 위한 시사점을 도출하였다. 본 연구에서 수행한 세분화 방법은 구체적인 세분집단의 프로필과 중점 개선사항을 도출할 수 있어 마케팅적인 흐름과도 일치함을 확인하였다.

후속연구

본 연구는 최근의 고객만족도 조사 결과에서 만족/긍정 응답으로의 쏠림현상이 심하게 발생하고 있다는데서 출발했다. 또한 이러한 쏠림현상은 기업에게 고객만족 활동 대비 개선정도가 낮다고 생각하게 하고, 향후 개선방향도 일반적이어서 고객만족도 조사의 유용성과 함께 고객만족 활동 자체가 위축시키는 현상을 보이고 있다. 고객만족도 조사의 만족/긍정 응답 쏠림 현상의 사례를 소개하면 [그림 1]과 같다.
먼저, 본 연구에서 몇 개의 사례를 나열하여 제시했지만, 제시한 사례가 많은 프로젝트의 결과를 대표하기 위한 대표성이 부족한 면이 있다. 본 연구는 전문조사기관인 동서리서치의 약 400여 프로젝트 중에서 대표적인 사례의 데이터를 축적하고 이 데이터에서 본 연구를 위한 사례연구를 선정했지만, 이를 일반화하기 위한 방안이 필요하다. 따라서 향후에는 고객만족도 조사의 현상, 특히 만족 응답 쏠림현상에 대하여 더 많은 자료가 축적되어 제시되어야 할 것이다.
본 연구는 전문조사기관인 동서리서치의 약 400여 프로젝트 중에서 대표적인 사례의 데이터를 축적하고 이 데이터에서 본 연구를 위한 사례연구를 선정했지만, 이를 일반화하기 위한 방안이 필요하다. 따라서 향후에는 고객만족도 조사의 현상, 특히 만족 응답 쏠림현상에 대하여 더 많은 자료가 축적되어 제시되어야 할 것이다. 또한 본 연구에서 적용한 세분화 방법의 문제 제기에 대한 해결방법으로 충분한 가능성을 보였다고 판단되나, 다양한 사례 연구를 통한 지속적인 연구가 요구된다.
따라서 향후에는 고객만족도 조사의 현상, 특히 만족 응답 쏠림현상에 대하여 더 많은 자료가 축적되어 제시되어야 할 것이다. 또한 본 연구에서 적용한 세분화 방법의 문제 제기에 대한 해결방법으로 충분한 가능성을 보였다고 판단되나, 다양한 사례 연구를 통한 지속적인 연구가 요구된다. 향후 연구에서는 세부 속성구조와 측정 대상 제품 혹은 서비스에 따라 적합한 세분화 방법 발굴을 위한 다양한 시도도 이루어져야 할 것이다.
또한 본 연구에서 적용한 세분화 방법의 문제 제기에 대한 해결방법으로 충분한 가능성을 보였다고 판단되나, 다양한 사례 연구를 통한 지속적인 연구가 요구된다. 향후 연구에서는 세부 속성구조와 측정 대상 제품 혹은 서비스에 따라 적합한 세분화 방법 발굴을 위한 다양한 시도도 이루어져야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	고객 세분화란 무엇인가?	고객 세분화란 고객을 상이한 욕구 및 행동, 특성 등을 가지고 있는 고객들을 집단(세분 군)으로 분류하는 과정을 말한다. 즉, 기업이 제품이나 서비스를 판매하고자 하는 목표 고객이나 시장을 선정하기 위하여 구매자들 간의 중요한 차이를 기준으로 하여 전체 시장을 몇개의 부문으로 세분화함으로써 효과적인 마케팅 활동을 수행하고자 하는 과정이다.
	선행연구에서는 전통적 방법인 군집분석의 문제점과 LCA의 장점을 어떻게 제시하고 있는가?	먼저 전통적 방법인 군집분석의 문제점과 LCA의 장점을 선행연구에서는 다음과 같이 제시하고 있다. 첫째, 전통적인 군집분석이 채택하고 있는 분류방법은 non-overlapplng 군집방법이다. Non-overlapplng 방법으로 군집이 이루어진 경우, 특정 관찰치는 오직 한 집단에만 속하는 것으로 나타나고, 그 관찰치는 그 집단의 성격만을 반영하는 것으로 분석된다. 이러한 방법은 현실적인 인간행동의 다양성을 반영하고 있지 못하고 있다는 단점이 있다. 반면에 fuzzy cluster방법은 한 관찰치가 두 개 이상의 세분집단에서 발견될 수 있을 뿐만 아니라. 특정세분집단에 속한 정도를 확률로 파악할 수 있는 큰 장점이 있다. 즉 ML(maximum likelihood) 방법에 의한 사후 확률값을 이용하여 각각의 응답자들이 속하게 될 세분집단을 구분한다. 둘째, 전통적인 군집분석은 통치적으로 적정한 세분집단의 수를 통계적으로 제시하지 못한다는 단점이다. 일반적으로 군집분석에서는 최적의 세분집단 수는 오직 연구자의 주관적인 판단 하에 정해진다. 한편 계층적 군집분석은 사전에 군집 수를 정해 놓고 군집을 실시하므로 최적의 세분집단 수를 통계적으로 찾을 수 없는 단점이 있다. 그러나 LCA는 통계치를 통해 군집의 개수를 논리적으로 선택할 수 있는 장점이 있다. 주로 이용되는 통계치는 AIC(Akaike Information Criterion), BIC(Bayesian Information Criterion)으로 최적의 세분집단 수를 판단한다. AIC와 BIC 통계량은 세분집단 개수가 증가함에 따라 감소하게 되고, 작은 통계량을 가진 세분집단수가 최적이라고 판단한다. 셋째, 군집분석에서 사용할 수 있는 척도가 제한적이다. 군집분석에서 늘 유사성과 거리를 이용하여 비슷한 성격을 가진 관찰치들을 묶어 준다. 따라서 군집방법에서는 사용하는 변수가 명목척도인 경우에는 이항척도데이터만이 사용될 수 있으며, 3개 이상의 명목척도는 사용할 수 없다. 따라서 일반적으로 많은 연구에서는 서열척도 이상의 변수로 군집분석을 실시하고 군집들 간의 명목 변수간의 차이점을 보기 위하여 교차 등을 주로 하고 있다. 그러나 LCA에서는 명목척도로 측정된 인구통계학적 변수와 같은 다양한 외생변수를 포함하여 군집분석이 가능하다. 즉 LCA에서는 다양한 척도로 측정된 변수들을 ML 알고리즘을 이용하여 동시에 분석할 수 있는 장점이 있다[7].
	군집분석의 단점을 보완해 주는 대안적인 분석방법으로는 어떠한 것이 있는가?	하지만 이러한 전통적인 방법은 분석의 여러 측면에서 한계를 보여 주고 있다. 군집분석의 단점을 보완해 주는 대안적인 분석방법으로 Latent Class Analysis (LCA)가 있다. Vermunt and Magidson[6]에 의하면 LCA는 Mixture Likelihood Approach Clustering, Model-Based Clustering, Mixture-Model Clustenng, Bayesian Classification 그리고 Latent Class Cluster Analysis 등 다양한 이름으로 불리고 있다.

참고문헌 (10)

강명주, 안진우, "고객만족의 오해와 진실: 의사만족에서 진실만족까지", 마케팅 연구, 제25권, 제4호, pp.97-123, 2010.

상세보기
이유재, "고객만족 연구에 대한 종합적 고찰", 소비자학연구, 제11권, 제2호, pp.139-166, 2000.
송기정, 서광규, 안범준, "속성복합점수 기반의 만족 고객 재분류를 이용한 고객만족경영 향상 방안", 한국콘텐츠학회논문지, 제11권, 제7호, pp.57-73, 2011.

원문보기 상세보기
박광호, "인터넷 소매유통업의 RFM 모델 기반 충성고객 관리를 위한 웹서비스 프레임웍", 한국지능정보시스템학회논문지, 제8권, 제1호, pp.41-63, 2002.
B. Hansotia, "Gearing up for CRM: Antecedents to successful implementation," The Journal of Database Marketing, Vol.10, No.2, pp.121-132, 2002.

상세보기
J. K. Vermunt and J. Magidson, Latent Gold 4.0 Users Guide, Statistical Innovations Inc., 2002.
양진호, 김철, 황윤섭, "잠재계층분석을 활용한 소비자의 브랜드 선택행동에 관한연구", 생산성논집, 제21권, 제4호, pp.149-170, 2007.
김소영, 곽영식, 김용준, "Mixture Model을 이용한 공연관람고객의 시장세분화", 광고학연구, 제24권, 제5호, pp.49-73, 2003.
M. Wedel and W. A. Kamakura, Market Segmentation: Conceptual and Methodological Foundatios, Boston; Kluwer Academic Publishers, 2002.
P. Kotler, Kotler on Marketing: How to Create, Win, and Dominate Markets, Free Press, 1999.

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증