최근 온라인 및 다양한 스마트 기기의 사용이 확산됨에 따라 온라인을 통한 쇼핑구매가 더욱 활성화 되었다. 때문에 인터넷 쇼핑몰들은 쇼핑에 관심이 있는 잠재 고객들에게 한 번이라도 더 자사의 링크를 노출시키기 위해 키워드에 비용을 지불할 용의가 있으며, 이러한 추세는 검색 광고 시장의 광고비를 증가시키는 원인을 제공하였다. 이 때 키워드의 가치는 대체로 검색어의 빈도수에 기반을 두어 산정된다. 하지만 포털 사이트에서 검색어로 자주 입력되는 모든 단어가 쇼핑과 관련이 있는 것은 아니며, 이들 키워드 중에는 빈도수는 높지만 쇼핑몰 관점에서는 별로 수익과 관련이 없는 키워드도 다수 존재한다. 그렇기 때문에 특정 키워드가 사용자들에게 많이 노출된다고 해서, 이를 통해 구매가 이루어질 것을 기대하여 해당 키워드에 많은 광고비를 지급하는 것은 매우 비효율적인 방식이다. 따라서 포털 사이트의 빈발 검색어 중 쇼핑몰 관점에서 중요한 키워드를 추출하는 작업이 별도로 요구되며, 이 과정을 빠르고 효과적으로 수행하기 위한 자동화 방법론에 대한 수요가 증가하고 있다. 본 연구에서는 이러한 수요에 부응하기 위해 포털 사이트에 입력된 키워드 중 쇼핑의도를 포함하고 있을 가능성이 높을 것으로 추정되는 키워드만을 자동으로 추출하는 방안을 제시하고, 구체적으로는 전체 검색어 중 검색결과 페이지에서 쇼핑과 관련 된 페이지로 이동한 검색어만을 추출하여 순위를 집계하고, 이 순위를 전체 검색 키워드의 순위와 비교하였다. 국내 최대의 검색 포털인 'N'사에서 이루어진 검색 약 390만 건에 대한 실험결과, 제안 방법론에 의해 추천된 쇼핑의도 포함 키워드가 단순 빈도수 기반의 키워드에 비해 정확도, 재현율, F-Score의 모든 측면에서 상대적으로 우수한 성능을 보이는 것으로 나타남을 확인할 수 있었다.
최근 온라인 및 다양한 스마트 기기의 사용이 확산됨에 따라 온라인을 통한 쇼핑구매가 더욱 활성화 되었다. 때문에 인터넷 쇼핑몰들은 쇼핑에 관심이 있는 잠재 고객들에게 한 번이라도 더 자사의 링크를 노출시키기 위해 키워드에 비용을 지불할 용의가 있으며, 이러한 추세는 검색 광고 시장의 광고비를 증가시키는 원인을 제공하였다. 이 때 키워드의 가치는 대체로 검색어의 빈도수에 기반을 두어 산정된다. 하지만 포털 사이트에서 검색어로 자주 입력되는 모든 단어가 쇼핑과 관련이 있는 것은 아니며, 이들 키워드 중에는 빈도수는 높지만 쇼핑몰 관점에서는 별로 수익과 관련이 없는 키워드도 다수 존재한다. 그렇기 때문에 특정 키워드가 사용자들에게 많이 노출된다고 해서, 이를 통해 구매가 이루어질 것을 기대하여 해당 키워드에 많은 광고비를 지급하는 것은 매우 비효율적인 방식이다. 따라서 포털 사이트의 빈발 검색어 중 쇼핑몰 관점에서 중요한 키워드를 추출하는 작업이 별도로 요구되며, 이 과정을 빠르고 효과적으로 수행하기 위한 자동화 방법론에 대한 수요가 증가하고 있다. 본 연구에서는 이러한 수요에 부응하기 위해 포털 사이트에 입력된 키워드 중 쇼핑의도를 포함하고 있을 가능성이 높을 것으로 추정되는 키워드만을 자동으로 추출하는 방안을 제시하고, 구체적으로는 전체 검색어 중 검색결과 페이지에서 쇼핑과 관련 된 페이지로 이동한 검색어만을 추출하여 순위를 집계하고, 이 순위를 전체 검색 키워드의 순위와 비교하였다. 국내 최대의 검색 포털인 'N'사에서 이루어진 검색 약 390만 건에 대한 실험결과, 제안 방법론에 의해 추천된 쇼핑의도 포함 키워드가 단순 빈도수 기반의 키워드에 비해 정확도, 재현율, F-Score의 모든 측면에서 상대적으로 우수한 성능을 보이는 것으로 나타남을 확인할 수 있었다.
Recently, online shopping has further developed as the use of the Internet and a variety of smart mobile devices becomes more prevalent. The increase in the scale of such shopping has led to the creation of many Internet shopping malls. Consequently, there is a tendency for increasingly fierce compe...
Recently, online shopping has further developed as the use of the Internet and a variety of smart mobile devices becomes more prevalent. The increase in the scale of such shopping has led to the creation of many Internet shopping malls. Consequently, there is a tendency for increasingly fierce competition among online retailers, and as a result, many Internet shopping malls are making significant attempts to attract online users to their sites. One such attempt is keyword marketing, whereby a retail site pays a fee to expose its link to potential customers when they insert a specific keyword on an Internet portal site. The price related to each keyword is generally estimated by the keyword's frequency of appearance. However, it is widely accepted that the price of keywords cannot be based solely on their frequency because many keywords may appear frequently but have little relationship to shopping. This implies that it is unreasonable for an online shopping mall to spend a great deal on some keywords simply because people frequently use them. Therefore, from the perspective of shopping malls, a specialized process is required to extract meaningful keywords. Further, the demand for automating this extraction process is increasing because of the drive to improve online sales performance. In this study, we propose a methodology that can automatically extract only shopping-related keywords from the entire set of search keywords used on portal sites. We define a shopping-related keyword as a keyword that is used directly before shopping behaviors. In other words, only search keywords that direct the search results page to shopping-related pages are extracted from among the entire set of search keywords. A comparison is then made between the extracted keywords' rankings and the rankings of the entire set of search keywords. Two types of data are used in our study's experiment: web browsing history from July 1, 2012 to June 30, 2013, and site information. The experimental dataset was from a web site ranking site, and the biggest portal site in Korea. The original sample dataset contains 150 million transaction logs. First, portal sites are selected, and search keywords in those sites are extracted. Search keywords can be easily extracted by simple parsing. The extracted keywords are ranked according to their frequency. The experiment uses approximately 3.9 million search results from Korea's largest search portal site. As a result, a total of 344,822 search keywords were extracted. Next, by using web browsing history and site information, the shopping-related keywords were taken from the entire set of search keywords. As a result, we obtained 4,709 shopping-related keywords. For performance evaluation, we compared the hit ratios of all the search keywords with the shopping-related keywords. To achieve this, we extracted 80,298 search keywords from several Internet shopping malls and then chose the top 1,000 keywords as a set of true shopping keywords. We measured precision, recall, and F-scores of the entire amount of keywords and the shopping-related keywords. The F-Score was formulated by calculating the harmonic mean of precision and recall. The precision, recall, and F-score of shopping-related keywords derived by the proposed methodology were revealed to be higher than those of the entire number of keywords. This study proposes a scheme that is able to obtain shopping-related keywords in a relatively simple manner. We could easily extract shopping-related keywords simply by examining transactions whose next visit is a shopping mall. The resultant shopping-related keyword set is expected to be a useful asset for many shopping malls that participate in keyword marketing. Moreover, the proposed methodology can be easily applied to the construction of special area-related keywords as well as shopping-related ones.
Recently, online shopping has further developed as the use of the Internet and a variety of smart mobile devices becomes more prevalent. The increase in the scale of such shopping has led to the creation of many Internet shopping malls. Consequently, there is a tendency for increasingly fierce competition among online retailers, and as a result, many Internet shopping malls are making significant attempts to attract online users to their sites. One such attempt is keyword marketing, whereby a retail site pays a fee to expose its link to potential customers when they insert a specific keyword on an Internet portal site. The price related to each keyword is generally estimated by the keyword's frequency of appearance. However, it is widely accepted that the price of keywords cannot be based solely on their frequency because many keywords may appear frequently but have little relationship to shopping. This implies that it is unreasonable for an online shopping mall to spend a great deal on some keywords simply because people frequently use them. Therefore, from the perspective of shopping malls, a specialized process is required to extract meaningful keywords. Further, the demand for automating this extraction process is increasing because of the drive to improve online sales performance. In this study, we propose a methodology that can automatically extract only shopping-related keywords from the entire set of search keywords used on portal sites. We define a shopping-related keyword as a keyword that is used directly before shopping behaviors. In other words, only search keywords that direct the search results page to shopping-related pages are extracted from among the entire set of search keywords. A comparison is then made between the extracted keywords' rankings and the rankings of the entire set of search keywords. Two types of data are used in our study's experiment: web browsing history from July 1, 2012 to June 30, 2013, and site information. The experimental dataset was from a web site ranking site, and the biggest portal site in Korea. The original sample dataset contains 150 million transaction logs. First, portal sites are selected, and search keywords in those sites are extracted. Search keywords can be easily extracted by simple parsing. The extracted keywords are ranked according to their frequency. The experiment uses approximately 3.9 million search results from Korea's largest search portal site. As a result, a total of 344,822 search keywords were extracted. Next, by using web browsing history and site information, the shopping-related keywords were taken from the entire set of search keywords. As a result, we obtained 4,709 shopping-related keywords. For performance evaluation, we compared the hit ratios of all the search keywords with the shopping-related keywords. To achieve this, we extracted 80,298 search keywords from several Internet shopping malls and then chose the top 1,000 keywords as a set of true shopping keywords. We measured precision, recall, and F-scores of the entire amount of keywords and the shopping-related keywords. The F-Score was formulated by calculating the harmonic mean of precision and recall. The precision, recall, and F-score of shopping-related keywords derived by the proposed methodology were revealed to be higher than those of the entire number of keywords. This study proposes a scheme that is able to obtain shopping-related keywords in a relatively simple manner. We could easily extract shopping-related keywords simply by examining transactions whose next visit is a shopping mall. The resultant shopping-related keyword set is expected to be a useful asset for many shopping malls that participate in keyword marketing. Moreover, the proposed methodology can be easily applied to the construction of special area-related keywords as well as shopping-related ones.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 쇼핑 키워드에 대한 가치평가의 시간과 비용을 단축시키기 위해, 인터넷 포털 사이트 검색어 중 쇼핑의도를 포함하고 있을 가능성이 높은 후보 키워드를 자동으로 식별해 낼 수 있는 방안을 제시하고자 한다. 구체적으로는 전체 검색어 중 검색 결과 페이지에서 쇼핑과 관련된 페이지로 이동한 검색어만을 추출하여 순위를 집계하고, 이 순위를 전체 검색 키워드의 순위와 비교하고자 한다.
하지만 검색어로 자주 입력되는 모든 단어가 쇼핑과 관련이 있는 것은 아니며, 이들 키워드 중에는 빈도수는 높지만 쇼핑몰 관점에서는 별로 수익과 관련이 없는 키워드도 다수 존재한다. 따라서 본 연구에서는 포털 사이트의 빈발 검색어 중 쇼핑 의도를 포함하고 있을 가능성이 높을 것으로 추정되는 키워드를 자동으로 추출하는 방안을 제시하였다.
본 절에서는 인터넷 검색기록 분석을 통해 쇼핑의도를 포함하고 있는 키워드의 후보를 자동으로 추출하는 방안을 제시한다. 전체 과정은 크게 두 가지 모듈로 구성되며, 유효성 분석을 위한 한 가지 모듈을 추가로 갖는다.
제안 방법
‘N’사의 검색 키워드를 추출하기 위해 현재 URL이 ‘N’사의 검색 페이지와 일치하는 레코드 3,896,340건을 추출하여 별도의 데이터 셋으로 저장하였다(Figure 7).
따라서 본 논문에서는 쇼핑 키워드에 대한 가치평가의 시간과 비용을 단축시키기 위해, 인터넷 포털 사이트 검색어 중 쇼핑의도를 포함하고 있을 가능성이 높은 후보 키워드를 자동으로 식별해 낼 수 있는 방안을 제시하고자 한다. 구체적으로는 전체 검색어 중 검색 결과 페이지에서 쇼핑과 관련된 페이지로 이동한 검색어만을 추출하여 순위를 집계하고, 이 순위를 전체 검색 키워드의 순위와 비교하고자 한다.
동시에 포털 사이트 ‘N’의 전체 키워드 목록과 쇼핑의도 포함 키워드 목록 각각에 대해 빈도수 기준 상위 4,000개를 추출하여 쇼핑 키워드와의 일치 여부를 비교하였다.
또한 [Figure 6]에 나타난 웹 방문 기록 중 본 실험에서는 현재 URL 정보, 직전 URL 정보, 이후 URL 정보를 활용하였으며, URL은 SITE, DIR, PAGE, QRYSTR의 네 개 항목의 조합으로 구성된다.
동시에 포털 사이트 ‘N’의 전체 키워드 목록과 쇼핑의도 포함 키워드 목록 각각에 대해 빈도수 기준 상위 4,000개를 추출하여 쇼핑 키워드와의 일치 여부를 비교하였다. 또한 순위별로 일치도가 다르게 나타나는 양상을 파악하기 위해 정답 키워드, 즉 쇼핑 키워드의 수는 1,000개로 고정한 상태에서 예측 키워드, 즉 전체 키워드와 쇼핑의도 포함 키워드의 수는 상위 200개에서 상위 4,000개까지 변화시켜가며 실험을 수행하였다.
즉 예측 키워드 중 실제 쇼핑 키워드 적중 비율을 나타내는 정확도(Precision)를 계산하고, 전체 실제 쇼핑 키워드 중 예측을 통해 검출된 비율을 나타내는 재현율(Recall)을 계산한 뒤, 정확도와 재현율의 조화 평균(Harmonic Mean)을 구하여 F-Score로 사용하고자 한다. 마지막으로 전체 키워드 목록과 쇼핑의도 포함 키워드 목록의 F-Score 값의 비교가 (10) 유효성 비교 단계에서 수행된다.
본 단계는 제안하는 방법론의 핵심 단계로, 포털 사이트 ‘N’사의 전체 검색 키워드 중 쇼핑 사이트 방문으로 연결된 키워드만을 추출하여 순위를 산정하는 단계이다.
본 실험에서는 중분류(BACT_NM)의 값이 “쇼핑”으로 나타난 사이트를 쇼핑 관련 사이트로 정의하였다.
이들 키워드 중 일정 빈도수 이상 사용된 키워드를 실제 쇼핑 키워드로 규정한다. 분석은 전체 키워드와 쇼핑의도 포함 키워드의 두 집합 각각에 대해 실제 쇼핑 키워드와의 F-Score를 계산하는 방식으로 수행한다. 즉 예측 키워드 중 실제 쇼핑 키워드 적중 비율을 나타내는 정확도(Precision)를 계산하고, 전체 실제 쇼핑 키워드 중 예측을 통해 검출된 비율을 나타내는 재현율(Recall)을 계산한 뒤, 정확도와 재현율의 조화 평균(Harmonic Mean)을 구하여 F-Score로 사용하고자 한다.
분석은 전체 키워드와 쇼핑의도 포함 키워드의 두 집합 각각에 대해 실제 쇼핑 키워드와의 F-Score를 계산하는 방식으로 수행한다. 즉 예측 키워드 중 실제 쇼핑 키워드 적중 비율을 나타내는 정확도(Precision)를 계산하고, 전체 실제 쇼핑 키워드 중 예측을 통해 검출된 비율을 나타내는 재현율(Recall)을 계산한 뒤, 정확도와 재현율의 조화 평균(Harmonic Mean)을 구하여 F-Score로 사용하고자 한다. 마지막으로 전체 키워드 목록과 쇼핑의도 포함 키워드 목록의 F-Score 값의 비교가 (10) 유효성 비교 단계에서 수행된다.
정확한 분석을 위해서는 정답지에 해당하는 쇼핑 키워드 목록이 정의되어 있어야 한다. 하지만 이러한 정답지가 존재할 것을 기대하기란 매우 어려울 뿐 아니라 본 분석의 목적은 전체 키워드 목록과 제안 방법론을 통해 도출한 키워드 목록의 유효성에 대한 상대적 비교이므로, 비교적 간단한 방법을 통해 쇼핑 키워드 목록을 구축하여 분석에 사용한다.
대상 데이터
4절에서 소개한 방식에 의해 실제 쇼핑 키워드 목록을 구축하였다. 구체적으로는 4대 쇼핑몰 내에서 이루어진 검색 총 80,298 건으로부터 빈도수 기준 상위 1,000개의 쇼핑 키워드를 목록화하였다. 동시에 포털 사이트 ‘N’의 전체 키워드 목록과 쇼핑의도 포함 키워드 목록 각각에 대해 빈도수 기준 상위 4,000개를 추출하여 쇼핑 키워드와의 일치 여부를 비교하였다.
다음으로 전체 웹 방문 기록 중 NEXT_ SITE가 쇼핑 사이트의 주소와 일치하고, 동시에 PREV_SITE가 ‘N’사의 검색 주소와 일치하는 트랜잭션 총 11,829 건을 추출하였다.
두 가지 데이터 모두 국내 인터넷 사이트 순위 분석 전문 업체인 ‘R’사로부터 패널 5000명의 2012년 7월 1일부터 2013년 6월 30일까지 1년간 웹 사용 기록이 담긴 데이터를 제공 받아 실험에 사용하였다.
‘N’사의 검색 키워드를 추출하기 위해 현재 URL이 ‘N’사의 검색 페이지와 일치하는 레코드 3,896,340건을 추출하여 별도의 데이터 셋으로 저장하였다(Figure 7). 또한 [Figure 7]의 질의 열을 분석하여 검색 키워드 총 344,822개를 추출하였다. [Figure 8]은 검색 키워드 추출 과정을 보이며, [Figure 9]는 이렇게 추출된 키워드들의 검색 순위를 나타낸다.
본 실험에서는 포털 내 검색 키워드 집계를 위해 국내 최대 포털 사이트인 ‘N’사의 트랜잭션 정보를 추출하였다.
우선 사이트 등록정보로부터 중분류가 “쇼핑”으로 분류된 사이트 중 4대 쇼핑몰(11번가, 인터파크, G마켓, 옥션)을 선정하였으며, 이들 사이트의 주소 31개를 추출하였다.
두 가지 데이터 모두 국내 인터넷 사이트 순위 분석 전문 업체인 ‘R’사로부터 패널 5000명의 2012년 7월 1일부터 2013년 6월 30일까지 1년간 웹 사용 기록이 담긴 데이터를 제공 받아 실험에 사용하였다. 제공 받은 데이터의 구체적 항목은 (1) 패널 5,000명의 인구통계학 정보 21개, (2) 접속 사이트 85,783개의 분류정보 3개, (3) 해당 패널의 해당 기간 웹 방문 기록 143,293,502건에 대한 상세 항목 18개로, 모든 데이터는 Oracle 12c에 구조화하여 저장하였다. 사이트 등록 정보는 사이트 명, 도메인, 사이트 대분류, 중분류, 소분류의 항목을 포함하고 있다(Figure 5).
데이터처리
[Figure 2]의 (6) ~ (9)는 위의 과정을 통해 추출한 포털 사이트 전체 키워드 목록과 쇼핑의도 포함 키워드 목록의 유효성을 비교하는 단계이다. 즉 제안 방법론을 통해 도출한 쇼핑의도 포함 키워드 목록과 실제 쇼핑 키워드간의 일치도를 분석하여 제안 방법론의 성능을 평가할 수 있다. 정확한 분석을 위해서는 정답지에 해당하는 쇼핑 키워드 목록이 정의되어 있어야 한다.
성능/효과
F-Score 분석 결과 제안 방법론에 의해 도출된 쇼핑의도 포함 키워드가 전체 키워드에 비해 정확도, 재현율, F-Score 모든 측면에서 좋은 특성을 보임을 확인할 수 있었다. 따라서 제안 방법론의 상대적 우수성은 확인할 수 있었으나, 절대 적인 정확도 및 재현율이 비교적 낮게 나타남을 알 수 있었다.
국내 최대의 검색 포털인 ‘N’사에서 이루어진 검색 약 390만 건에 대한 실험 결과, 제안 방법론에 의해 추천된 쇼핑의도 포함 키워드가 단순 빈도수 기반의 키워드에 비해 정확도, 재현율, F-Score의 모든 측면에서 상대적으로 우수한 성능을 보이는 것으로 나타남을 확인할 수 있었다.
재현율 역시 제안 방법론에 의해 도출된 키워드가 전체 키워드에 비해 모든 구간에서 높게 나타났으며, 당연히 많은 수의 키워드를 예측에 포함시킬수록 재현율도 높게 나타났다. 다만 예측 키워드의 수가 어느 정도 이상이 되면 재현율이 더 이상 증가하지 않을 것으로 예상했으나, 예상과 달리 예측 키워드 수의 증가에 따라 재현율이 꾸준히 증가하는 현상을 확인할 수 있었다. 이는 정답 키워드 수에 비해 예측 키워드의 수를 충분히 확보하지 못했기 때문에 나타나는 현상인 것으로 파악할 수 있다.
F-Score 분석 결과 제안 방법론에 의해 도출된 쇼핑의도 포함 키워드가 전체 키워드에 비해 정확도, 재현율, F-Score 모든 측면에서 좋은 특성을 보임을 확인할 수 있었다. 따라서 제안 방법론의 상대적 우수성은 확인할 수 있었으나, 절대 적인 정확도 및 재현율이 비교적 낮게 나타남을 알 수 있었다. 이는 정답 키워드 및 예측 키워드의 수 부족, 키워드 추출 과정에서의 정교한 전처리 부족 등의 사유에 기반한 것으로 판단된다.
마지막으로 [Figure 14]는 두 키워드 목록의 F-Score를 보여준다. 마찬가지로 모든 구간에서 제안 방법론에 의해 도출된 키워드가 전체 키워드에 비해 모든 구간에서 높은 F-Score를 나타냈다. 특히 전체 키워드의 경우 정답 키워드 수의 약 2.
다음으로 재현율을 분석한 결과는 [Figure 13]에 나타나있다. 재현율 역시 제안 방법론에 의해 도출된 키워드가 전체 키워드에 비해 모든 구간에서 높게 나타났으며, 당연히 많은 수의 키워드를 예측에 포함시킬수록 재현율도 높게 나타났다. 다만 예측 키워드의 수가 어느 정도 이상이 되면 재현율이 더 이상 증가하지 않을 것으로 예상했으나, 예상과 달리 예측 키워드 수의 증가에 따라 재현율이 꾸준히 증가하는 현상을 확인할 수 있었다.
정확도 분석의 경우 제안 방법론에 의해 도출된 쇼핑의도 포함 키워드의 정확도가 전체 키워드의 정확도에 비해 모든 구간에서 높게 나타났다. 또한 빈도수 상위 키워드의 정확도가 하위 키워드에 비해 정확도가 높게 나타났다.
마찬가지로 모든 구간에서 제안 방법론에 의해 도출된 키워드가 전체 키워드에 비해 모든 구간에서 높은 F-Score를 나타냈다. 특히 전체 키워드의 경우 정답 키워드 수의 약 2.5배인 2,500개 구간에서 F-Score가 가장 높게 나타난 반면, 쇼핑의도 포함 키워드의 경우 정답 키워드 수의 0.4배인 400개 구간에서 가장 높은 F-Score를 기록했다.
후속연구
본 논문은 쇼핑의도 포함 키워드 집합을 비교적 간단한 방법으로 도출할 수 있는 방안을 제시했다는 점에서 그 기여를 인정받을 수 있을 것으로 기대한다. 또한 쇼핑뿐 아니라 다른 특정 분야에 관련된 키워드 집합도 이와 유사한 방식으로 도출할 수 있다는 점에서 연구 성과의 활용도도 매우 높을 것으로 기대한다.
국내 최대의 검색 포털인 ‘N’사에서 이루어진 검색 약 390만 건에 대한 실험 결과, 제안 방법론에 의해 추천된 쇼핑의도 포함 키워드가 단순 빈도수 기반의 키워드에 비해 정확도, 재현율, F-Score의 모든 측면에서 상대적으로 우수한 성능을 보이는 것으로 나타남을 확인할 수 있었다. 본 논문은 쇼핑의도 포함 키워드 집합을 비교적 간단한 방법으로 도출할 수 있는 방안을 제시했다는 점에서 그 기여를 인정받을 수 있을 것으로 기대한다. 또한 쇼핑뿐 아니라 다른 특정 분야에 관련된 키워드 집합도 이와 유사한 방식으로 도출할 수 있다는 점에서 연구 성과의 활용도도 매우 높을 것으로 기대한다.
하지만 본 연구의 성과를 극대화하고 공신력을 향상시키기 위해서는, 방법론 구현의 여러 세부 단계에서 보다 엄밀한 고찰이 필요하다. 특히 질의열 중 정확한 파싱을 통해 검색 키워드를 명확히 식별하기 위한 추가 노력이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
키워드 마케팅이란?
특히 인터넷 사용자를 자사 사이트로 유도하기 위해 여러 노력을 기울이고 있다. 이러한 시도 중 하나가 검색 포털 사이트에 특정 키워드를 입력했을 때 자사 사이트의 링크를 노출시키고, 그 대가로 비용을 지불하는 키워드 마케팅이다.
인터넷 쇼핑몰의 어떠한 특성으로 인해 광고비 부담이 증가하고 있는가?
인터넷 쇼핑몰들은 쇼핑에 관심이 있는 잠재고객들에게 한 번이라도 더 자사의 링크를 노출시키기 위해 키워드에 비용을 지불할 용의가 있으며, 이러한 특성으로 인해 인터넷 쇼핑몰들이 검색 광고 시장에 쏟아 붓는 광고비 부담은 점차 증가하고 있다(Lim, 2007). 특히 자주 검색되는 키워드일수록 비용이 높게 책정되는 경향이 있다.
검색 광고 시장에서 키워드의 가치를 빈도수 기반으로 하는 것이 비효율적인 이유는?
이 때 키워드의 가치는 대체로 검색어의 빈도수에 기반을 두어 산정된다. 하지만 포털 사이트에서 검색어로 자주 입력되는 모든 단어가 쇼핑과 관련이 있는 것은 아니며, 이들 키워드 중에는 빈도수는 높지만 쇼핑몰 관점에서는 별로 수익과 관련이 없는 키워드도 다수 존재한다. 그렇기 때문에 특정 키워드가 사용자들에게 많이 노출된다고 해서, 이를 통해 구매가 이루어질 것을 기대하여 해당 키워드에 많은 광고비를 지급하는 것은 매우 비효율적인 방식이다. 따라서 포털 사이트의 빈발 검색어 중 쇼핑몰 관점에서 중요한 키워드를 추출하는 작업이 별도로 요구되며, 이 과정을 빠르고 효과적으로 수행하기 위한 자동화 방법론에 대한 수요가 증가하고 있다.
참고문헌 (14)
Agarwal, A., K. Hosanagar, and M. D. Smith, "Location, Location, Location: An Analysis of Profitability of Position in Online Advertising Markets," Journal of Marketing Research, Vol. 48(2008), 1057-1073.
Buhalis, D., "Strategic Use of Information Technologies in the Tourism Industry," Tourism Management, Vol.19, No.5(1998), 409-421.
Choi, Y. S., "Researches of Keyword Advertisement of Domestic Portal Websites" Myongji University, 2005.
Fain, D. C. and J. O. Pedersen, "Sponsored Search : A Brief History," Bulletin of the American Society for Information Science and Technology, Vol.32, No.2(2006), 12-13.
Jeong, D. Y., "The Optimal Positioning Strategy for Auction-Based CPC Advertising," Korea Internet e-Commerce Association, Vol.6, No.2(2006), 81-101.
Johnson, G. J., G. C. Bruner, and A. Kumar, "Interactivity and Its Facets Revised," Journal of Advertising, Vol.35, No.4(2006), 35-52.
Kim, D. Y., G. G. Lim and D. C. Lee, "A Study on the Efficiency of Internet Keyword Advertisement According to CPM and CPC Methods by Analyzing Transactional Data," Journal of the Society for e-Business Studies, Vol.16, No.4(2011), 139-152.
Lee, D. Y., H. G. Kim, "Developing the Purchase Conversion Model of the Keyword Advertising Based on the Individual Search," Korean Academic Society of Business Administration, Vol.38, No.1(2013), 123-138.
Lee, S. J., S. W. Lee, "A Related Keyword Group Extraction Method for Keyword Marketing," The Korean Institute of Information Scientists and Engineers, Vol.31, No.2(2004), 124-126.
Lim, S. G., Shoppingmall marketing book, Hanbit Media, Seoul, 2007.
Oh, C. W., "Study of the characteristics of Internet keyword advertising's rate system and it's unfair click types," The Korean Journal of Advertising, Vol. 19, No. 4(2008), 7-27.
Rutz, O. and R. E. Bucklin, "From Generic to Branded: A Model of Spillover Dynamics in Paid Search Advertising," Journal of Marketing Research, Vol.48, No.1(2011), 87-102.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.