최근 스마트 폰 출현과 함께 인터넷 검색, 트위터, 페이스북 등의 SNS(Social Network Service) 가 폭발적으로 성장하고 지속적인 IT 발달로 인해 새롭게 창출, 유통되는 정보 즉, 빅 데이터가 기하급수적으로 증가하고 있다. 또한 기업 간의 경쟁이 날로 심화되어 가고 있는 가운데 효율적인 경영을 위해서는 시시각각으로 변하는 고객의 니즈를 파악하기 위해 그 어느 때 보다도 고객피드백이 필요한 시대이다. 이를 위해 다양한 고객의 목소리가 담겨 있는 소셜 빅 데이터는 꼭 필요한 자원이기 때문에 모바일 스마트 혁명의 핵심 자원인 빅 데이터를 어떻게 분석, 활용 할 것인지 많은 기업들의 관심이 집중되고 있다. 소셜 빅 데이터의 데이터 수집과 분석은 버즈(Buzz) 모니터링이라는 시스템을 통해 이루어지고 있다. 본 연구에서는 빅 데이터를 분석하는 버즈모니터링에 대해 고찰해 보고 실제 버즈모니터링을 통해 얻은 고객평판 사례를 제시하여 그 결과를 분석하고 시사점을 고찰해 본다. 의료기관 평판 사례분석 결과 각 병원과 평가항목에 따라 호감도가 다르므로 해당병원에서 구체적인 고객의 반응을 실시간으로 파악하여 개선점을 찾을 수 있다.
최근 스마트 폰 출현과 함께 인터넷 검색, 트위터, 페이스북 등의 SNS(Social Network Service) 가 폭발적으로 성장하고 지속적인 IT 발달로 인해 새롭게 창출, 유통되는 정보 즉, 빅 데이터가 기하급수적으로 증가하고 있다. 또한 기업 간의 경쟁이 날로 심화되어 가고 있는 가운데 효율적인 경영을 위해서는 시시각각으로 변하는 고객의 니즈를 파악하기 위해 그 어느 때 보다도 고객피드백이 필요한 시대이다. 이를 위해 다양한 고객의 목소리가 담겨 있는 소셜 빅 데이터는 꼭 필요한 자원이기 때문에 모바일 스마트 혁명의 핵심 자원인 빅 데이터를 어떻게 분석, 활용 할 것인지 많은 기업들의 관심이 집중되고 있다. 소셜 빅 데이터의 데이터 수집과 분석은 버즈(Buzz) 모니터링이라는 시스템을 통해 이루어지고 있다. 본 연구에서는 빅 데이터를 분석하는 버즈모니터링에 대해 고찰해 보고 실제 버즈모니터링을 통해 얻은 고객평판 사례를 제시하여 그 결과를 분석하고 시사점을 고찰해 본다. 의료기관 평판 사례분석 결과 각 병원과 평가항목에 따라 호감도가 다르므로 해당병원에서 구체적인 고객의 반응을 실시간으로 파악하여 개선점을 찾을 수 있다.
Recently, SNS (Social Network Service) such as Twitter and Facebook has grown dramatically because of smart phones. Since development of IT has created massive information, social big data extremely increased. Competition between corporations is getting more intense, so they need customer feedback i...
Recently, SNS (Social Network Service) such as Twitter and Facebook has grown dramatically because of smart phones. Since development of IT has created massive information, social big data extremely increased. Competition between corporations is getting more intense, so they need customer feedback in order to fulfill an effective management. Because social big data plays an important role for getting customer feedback, a lot of corporations are interested in analyzing and applying of social big data. Collecting and analyzing social big data is operated by Buzz monitoring system. This paper demonstrates the research of buzz monitoring system that analyzes big data, and presents examples of customer reputation using buzz monitoring. In the paper, after all, it would analyze the result from the customer reputation, and research the implication.
Recently, SNS (Social Network Service) such as Twitter and Facebook has grown dramatically because of smart phones. Since development of IT has created massive information, social big data extremely increased. Competition between corporations is getting more intense, so they need customer feedback in order to fulfill an effective management. Because social big data plays an important role for getting customer feedback, a lot of corporations are interested in analyzing and applying of social big data. Collecting and analyzing social big data is operated by Buzz monitoring system. This paper demonstrates the research of buzz monitoring system that analyzes big data, and presents examples of customer reputation using buzz monitoring. In the paper, after all, it would analyze the result from the customer reputation, and research the implication.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다음 절에서 소셜 빅 데이터를 수집하고 그 결과를 분석하는 버즈 모니터링에 대해 좀 더 자세히 살펴보기로 한다.
본 논문에서는 빅 데이터를 수집 및 분석하는 버즈모니터링에 대해 고찰해 보고 실제 우리나라 의료기관에 대한 SNS상의 여론을 버즈 모니터링 시스템에 의해 수집하고 분석한 결과를 제시하였다. 기존 설문방식에 이용한 평가항목에서 키워드를 SNS상에서 발췌하여 텍스트마이닝 기법을 이용하여 문맥상 긍정과 부정의 감성으로 구분하여 호감도를 측정하였다[9].
본 연구에서는 국내 대표적인 대형병원 3개의 종합병원을 선정하여 실제 의료서비스를 제공하는 현업 인터뷰를 참고하여 온라인 조사를 실시하였다. 온라인 데이터에 대한 조사 기간은 최근 3개월간(2012.
본 연구에서는 빅 데이터를 분석하는 버즈모니터링에 대해 고찰해 보고 실제 버즈모니터링 시스템을 통해 얻은 고객평판 분석사례로서 의료기관에 적용하여 분석한 결과를 제시하고 시사하는 바를 고찰해 본다.
제안 방법
본 논문에서는 빅 데이터를 수집 및 분석하는 버즈모니터링에 대해 고찰해 보고 실제 우리나라 의료기관에 대한 SNS상의 여론을 버즈 모니터링 시스템에 의해 수집하고 분석한 결과를 제시하였다. 기존 설문방식에 이용한 평가항목에서 키워드를 SNS상에서 발췌하여 텍스트마이닝 기법을 이용하여 문맥상 긍정과 부정의 감성으로 구분하여 호감도를 측정하였다[9]. 호감도에 의해 의료기관의 순위가 정해질 수 있으므로 결과에 의해 의료기관은 경쟁적으로 보다 나은 서비스를 위해 노력하게 될 것이다.
본 연구에서는 고객만족도에 대한 표1에 제시한 품질요인을 기반으로 의료기관의 프로세스를 예약, 진료, 검사, 수납으로 4단계의 프로세스로 구분하고 구체적인 평가 항목으로서 ① 이용 절차의 편리성 ②존중 및 예의 ③고객 대응성 ④ 진료 전문성 ⑤환자 배려 ⑥시설환경 편리성 등 총 6개 항목에 대한 평가 모형을 만들고 해당 모형에 대한 만족도 분석을 수행하였다. 다음 표2는 고객만족도 품질요인에 해당하는 의료기관 평가항목을 나타낸 것이다.
여기서는 위에서 고찰한 버즈모니터링 시스템을 이용하여 국내 의료기관에 대한 온라인상에서 고객의 평판을 실시한 사례를 제시하고 그 결과를 분석한다.
그림3과 같이 국내업체(타파크로스(주))에서 개발한 평판 분석 도구인 버즈모니터링 시스템(Trendup)을 활용하였다. 조사 체계는 위에서 제시한 의료기관 평가항목에 기반 하여 의료서비스 이용 절차에 대한 편리성을 평가하는 문항(10개)과 의사, 간호사, 수납직원 등 직원서비스 만족도에 대한 문항 (7개), 고객 대응성 (7개), 의료서비스의 질을 측정하는 문항 (7개), 그 외에 환자에 대한 배려 (6개), 시설환경의 편리성 (6개), 쾌적성 (7개) 등 총 50개 항목으로 구성하였다. 50개의 문항의 설문 항목은 오프라인 측정 시 1-5점 척도를 갖고 있으나 온라인 분석의 경우 텍스트마이닝 기법을 이용하여 긍정, 부정 2가지 척도로 구분한다.
대상 데이터
본 연구에서는 국내 대표적인 대형병원 3개의 종합병원을 선정하여 실제 의료서비스를 제공하는 현업 인터뷰를 참고하여 온라인 조사를 실시하였다. 온라인 데이터에 대한 조사 기간은 최근 3개월간(2012.7-9)의 분석 데이터를 기반으로 수행하였다. 조사 매체는 소비자의 여론을 분석하기 위한 목적으로 SNS 및 소셜 미디어 중 트위터, 블로그, 카페, 커뮤니티를 대상으로 선정하였다.
7-9)의 분석 데이터를 기반으로 수행하였다. 조사 매체는 소비자의 여론을 분석하기 위한 목적으로 SNS 및 소셜 미디어 중 트위터, 블로그, 카페, 커뮤니티를 대상으로 선정하였다.
이론/모형
그림3과 같이 국내업체(타파크로스(주))에서 개발한 평판 분석 도구인 버즈모니터링 시스템(Trendup)을 활용하였다. 조사 체계는 위에서 제시한 의료기관 평가항목에 기반 하여 의료서비스 이용 절차에 대한 편리성을 평가하는 문항(10개)과 의사, 간호사, 수납직원 등 직원서비스 만족도에 대한 문항 (7개), 고객 대응성 (7개), 의료서비스의 질을 측정하는 문항 (7개), 그 외에 환자에 대한 배려 (6개), 시설환경의 편리성 (6개), 쾌적성 (7개) 등 총 50개 항목으로 구성하였다.
성능/효과
실제 버즈모니터링 시스템을 이용하여 국내 3개의 대형병원에 적용한 결과 표4에서와 같이 전체적으로 B병원의 호감도가 가장 높았고 그다음이 C병원이고 A병원이 호감도가 가장 낮았다. 평가항목별 구체적인 호감도는 표5와 같은데 전체적인 호감도가 1위인 B병원은 구체적인 평가항목에서도 골고루 호감도가 높았다.
실제 버즈모니터링 시스템을 이용하여 국내 3개의 대형병원에 적용한 결과 표4에서와 같이 전체적으로 B병원의 호감도가 가장 높았고 그다음이 C병원이고 A병원이 호감도가 가장 낮았다. 평가항목별 구체적인 호감도는 표5와 같은데 전체적인 호감도가 1위인 B병원은 구체적인 평가항목에서도 골고루 호감도가 높았다. 호감도가 가장 낮은 A병원의 경우는 평판이 좋아 너무 많은 환자들이 오기 때문에 최근 건물을 새로 짓고 있는 유명한 병원이다.
후속연구
향후, 고객평판 분석 사례로서 의료기관 뿐만이 아니라 호텔 등과 같은 다양한 서비스 기관에도 적용 가능하다. 또한, 빅 데이터 수집 시 프라이버시를 고려하여 최소한의 개인정보를 수집하는 등 빅 데이터 활용에 있어 정보보안에 대한 연구도 필요하다[10].
질의응답
핵심어
질문
논문에서 추출한 답변
빅 데이터가 의미하는 것은 무엇인가?
빅 데이터란 기존 데이터에 비해 그 양이 너무 커서 기존 방법이나 도구로 수집, 저장, 검색, 분석, 시각화 등이 어려운 정형 또는 비정형 데이터를 의미한다. 즉, 일반적인 DB 소프트웨어가 저장, 관리, 분석할 수 있는 범위를 벗어나는 규모의 데이터를 말한다[4].
전통적인 정량조사의 단점은 무엇인가?
버즈모니터링(버즈리서치)을 간략히 정의하면 온라인상에서 소비자들이 평소에 쏟아내는 의견들을 수집 축적해서 원하는 키워드를 중심으로 내용을 분석함으로써 특정 주제에 대해 어떤 여론이 형성되고 있으며, 여론이 어떻게 전파되고 있는지 경로를 파악하는 것이라고 할 수 있다. 기업이 상품이나 서비스에 관한 고객 피드백을 받기 위해 일반적으로 정량조사와 정성조사를 하는데 전통적인 정량조사는 조사자가 미리 짜놓은 객관식 설문 문항 외의 것을 알아내기가 어렵다는 단점이 있고 정성조사의 경우 '닫힌 틀'의 단점은 없지만 조사 결과가 수치화 될 수 없다는 점과 조사 대상자의 수가 적기 때문에 조사 결과를 일반 대중에게 적용할 수 없다는 단점이 있다[6].
참고문헌 (10)
K.Cheong, H.Y. Seo and S.D. Cho, " Classifications and Content Analyses of Social Networking Services Research", Journal of The Korean Knowledge Information Technology Society vol. 6, no.5, pp.82-98, Oct. 2011.
Y.T. Park and Y.E. Moon, "An Empirical Study on the Relationship between Experience and Customer Loyalty in B2C Shopping Mall from An IS Success and Customer Satisfaction", Korean Internet e-Commerce Association vol.10, no.2, pp.101-128, Jun. 2010.
S. Abduljalil, and D.K. Kang "legacy of Smart Device, Social Network and Ubiquitous E-class System", International Journal of KIMICS(JICCE), vol.9, no.1, Mar. 2011.
James Manyika, "Big Data: The next frontier for innovation, competition, and productivity", McKinsey Global Institute Report , May 2011.
B.J. Choi etc. "Data Analytics for CRM in the Age of Big Data", LGCNS Entrue Journal of Information Technology, vol. 11, no. 1 pp.19-27, 2012.
E. J. Choi and S. H. Kim, "The Study of the Impact of Perceived Quality and Value of Social Enterprises on Customer Satisfaction and Re-Purchase Intention", International Journal of Smart Home (IJSH), Vol. 7, No.1, pp. 239-252, 2013.
M.S. Kang and E.J. Song, "Study on the Analysis of Customer reputation on Online" in Proceedings of the Korean Institute of Information and Communication Sciences Conference, pp. 771-774, May 2012.
Parasuraman, "SERVQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality and Its Implication for Future Research", Journal of Retailing 64,pp12-40, 1988.
J.M.Park, "Gene Algorithm of Crowd System of Data Mining", Journal of Inf. and Commun. Converg. Eng. (JICCE) vol. 10, no.1, pp.40-44, Mar. 2012.
K.I. Jung ,J.S. Jang, M.A. Chung and H.N. Park, "Big data and Information Security:, Journal of Korean Institute Of Information Technology, vol.10, no.3 pp.17-22, Mar. 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.