본 연구는 유선통신 서비스 상품별 고객 불만(Voice of Customer) 감소에 따른 학습곡선을 추정 하고자 한다. 학습곡선모형 중 가장 일반적인 지수감소모형(Exponential decaymodel)을 사용하여 시간에 따라 고객 불만(VOC)이 감소하는지를 검증하였다. 그리고 통신사들의 서비스 상품의 인력투입, 소프트웨어 적용, 투자 등의 노력에 따른 고객 불만(VOC) 변화효과를 추가로 검증하였다. 서비스 상품별 실증 분석의 결과는 다음과 같다. 첫째, 학습곡선대로 시간에 따라 고객 불만(VOC)이 감소하였다. 둘째, 초고속 인터넷, 전화, IPTV 등은 인력투입, Network 장애, 계절요인으로 인해 고객 불만(VOC)을 증가 시키거나 감소 시켰다. 셋째, 서비스 상품별 다양한 변수는 고객의 체감 품질을 높이고 있지만, 오히려 지속적으로 감소하지 않는 서비스 패러독스(Service Paradox)현상이 발생하는 것을 알 수 있었다.
본 연구는 유선통신 서비스 상품별 고객 불만(Voice of Customer) 감소에 따른 학습곡선을 추정 하고자 한다. 학습곡선모형 중 가장 일반적인 지수감소모형(Exponential decay model)을 사용하여 시간에 따라 고객 불만(VOC)이 감소하는지를 검증하였다. 그리고 통신사들의 서비스 상품의 인력투입, 소프트웨어 적용, 투자 등의 노력에 따른 고객 불만(VOC) 변화효과를 추가로 검증하였다. 서비스 상품별 실증 분석의 결과는 다음과 같다. 첫째, 학습곡선대로 시간에 따라 고객 불만(VOC)이 감소하였다. 둘째, 초고속 인터넷, 전화, IPTV 등은 인력투입, Network 장애, 계절요인으로 인해 고객 불만(VOC)을 증가 시키거나 감소 시켰다. 셋째, 서비스 상품별 다양한 변수는 고객의 체감 품질을 높이고 있지만, 오히려 지속적으로 감소하지 않는 서비스 패러독스(Service Paradox)현상이 발생하는 것을 알 수 있었다.
This study is to estimate the learning curve based on the consequences of reduced voice of customer from each telecommunication service products. We used Exponential Decay Model, which is the most popular among the learning curve models. We attempted to add how VOC changes in accordance with seasona...
This study is to estimate the learning curve based on the consequences of reduced voice of customer from each telecommunication service products. We used Exponential Decay Model, which is the most popular among the learning curve models. We attempted to add how VOC changes in accordance with seasonal factors, human resource input, application of software, and the investment. The results of the empirical analysis of each service product as follows: First, as learning curve, customer complaints decreased. Second, human resource input, Network fault make increase or decrease customer complaints(VOC). Third, even though increasing the customer's quality of experience, VOC would not decrease due to service paradox.
This study is to estimate the learning curve based on the consequences of reduced voice of customer from each telecommunication service products. We used Exponential Decay Model, which is the most popular among the learning curve models. We attempted to add how VOC changes in accordance with seasonal factors, human resource input, application of software, and the investment. The results of the empirical analysis of each service product as follows: First, as learning curve, customer complaints decreased. Second, human resource input, Network fault make increase or decrease customer complaints(VOC). Third, even though increasing the customer's quality of experience, VOC would not decrease due to service paradox.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
고객 불만 감소는 통신사의 월간단위 근무일 수(Workday)와 계절적 요인인 전력수급과 태풍, 여름철 집중호우, 겨울철 폭설 등이 함께 고려되어야 할 것이다. 본 연구는 통신사들의 외ㆍ내부적 고객 불만 처리를 반복된 학습효과로 습득하여 네트워크의 소프트웨어와 하드웨어 교체 등 기술적 개선과 서비스 향상으로 인해 시간이 지나감에 따른 고객 불만의 감소를 확인하고자 한다. 유선통신사의 고객 불만 감소는 초고속인터넷, 전화, IPTV 상품을 대상으로 하였다.
본 연구에서는 통신 서비스 상품별 고객 불만 감소에 대해 학습곡선을 이용하여 추정하고, 인력투입, 설비투자, 외부의 계절적 요인으로 인해 장비 리셋이나 장비의 부품 교환, 소프트웨어 적용 등 복구 작업 등의 효과를 추가로 검증하고자 한다.
본 연구는 통신 서비스 상품별 시간에 따른 고객 불만(VOC) 감소가 학습곡선에서 유의함을 보였다. 통신서비스 상품별 고객 불만(VOC) 건수와 기업 내ㆍ외부의 시스템화, 인력 투입, 투자 등이 시간에 따른 고객 불만(VOC) 감소에 영향을 미치는지에 대해 연구하였다. 본 연구의 이론적 시사점은 다음과 같다.
가설 설정
본 연구에서는 통신사의 초고속 인터넷, 전화, IPTV의 상품이 학습과정을 통해서 고객 불만을 감소시키는 요인이 무엇인지를 추정을 하였으며, 고객 불만 데이터에서 단순한 정보변경과 전화 문의와 같은 건수는 제외시켰다. 예를 들어 서비스 상품별 요금, 계약변경, 부가서비스 등이다.
제안 방법
. KPI 달성을 위해 기업 내부의 고객만족(Customer Satisfaction) 전담조직인 TFT(Task Force Team)을 꾸려 아이디어를 발굴하고 개선점을 찾는다. 프로젝트 단위 팀은 기업 내 특정한 과제를 해결하기 위해 결성되어 한시적으로 팀별 구성원들이 모여서 고객 불만을 줄이고자 한다[32].
또한 Wright(1936)와 Henderson(1968)의 학습곡선(learning curve)과 경험곡선(experience curve)으로 이론적 배경을 설명하며, 경험곡선과 같은 모형인 지수감소모형(exponential decay model)2)과 멱함수 법칙(power law) 모델을 근거로 연구모형을 작성하였다. 그리고 시간에 따른 고객 불만의 감소가 학습곡선에서 어떻게 나타나는지 실증 분석한다.
이러한 변수들을 포함하여 지수 감소 모델(exponential decay model) 곡선을 사용하여 4개의 연구 모형으로 설정하였다. 또한 통신 상품별 투입 인력 수, 소프트웨어 적용 여부, 네트워크망 투자(금액) 에 따른 고객 불만 변화를 검증하였다. 식(1), (3)은 근무 일수(Workday)와 계절적 요인(seasonal effect)만을 포함한 모형이다.
75%이었다. 초고속 인터넷(ADSL)에서 고객 불만(VOC)을 줄이기 위한 인력 추가 투입이 2회 발생했으며, 소프트웨어는 32회 월단위 적용, 투자는 353억 가량 투입 되었다.
그 노력은 크게 TFT를 통한 인력의 지원, 장비에 대한 소프트웨어 적용, 시설물 투자에 대한 검증인 것이다. 통신서비스 상품별 고객 불만 (VOC) 감소에 대한 본 연구는 고객 불만(VOC)의 건수와 시간과의 관계를 기존의 학습곡선을 통해 고객 불만(VOC)이 감소되는 4개의 모형을 객관화 하도록 연구하였다. 본 연구의 한계점은 통신사나 케이블 사업자들이 초고속인터넷, 전화, IPTV를 번들로 판매하기 위해 많은 마케팅 비용을 쏟아왔다.
대상 데이터
4개의 연구 모형은 A社의 유선통신 서비스 상품별 최근 3년(2011년∼2013년)동안의 고객 불만 건수를 수집하여 분석하였다.
모형 3, 4는 서비스별 투입 인력대비 인구 1,000명당 고객 불만(VOC) 건수를 분석에 대상으로 하였다. 이는 고객 불만(VOC)을 담당하는 구성원 당 고객 불만(VOC) 건수를 통해 실적으로 인력이 더 투입될수록 고객 불만(VOC)건수가 늘어나는 현상을 통제하기 위함이다.
본 연구는 통신사들의 외ㆍ내부적 고객 불만 처리를 반복된 학습효과로 습득하여 네트워크의 소프트웨어와 하드웨어 교체 등 기술적 개선과 서비스 향상으로 인해 시간이 지나감에 따른 고객 불만의 감소를 확인하고자 한다. 유선통신사의 고객 불만 감소는 초고속인터넷, 전화, IPTV 상품을 대상으로 하였다. 또한 Wright(1936)와 Henderson(1968)의 학습곡선(learning curve)과 경험곡선(experience curve)으로 이론적 배경을 설명하며, 경험곡선과 같은 모형인 지수감소모형(exponential decay model)2)과 멱함수 법칙(power law) 모델을 근거로 연구모형을 작성하였다.
이론/모형
유선통신사의 고객 불만 감소는 초고속인터넷, 전화, IPTV 상품을 대상으로 하였다. 또한 Wright(1936)와 Henderson(1968)의 학습곡선(learning curve)과 경험곡선(experience curve)으로 이론적 배경을 설명하며, 경험곡선과 같은 모형인 지수감소모형(exponential decay model)2)과 멱함수 법칙(power law) 모델을 근거로 연구모형을 작성하였다. 그리고 시간에 따른 고객 불만의 감소가 학습곡선에서 어떻게 나타나는지 실증 분석한다.
추가 고려한 변수는 서비스별 투입 인력 수, 소프트웨어 적용 여부, 투자(금액, 억원)로 품질불만 고객(VOC) 감소를 위한 노력의 변수이다. 연구모형 추정방법은 비선형 최소자승법(Nonlinear Least Squares)으로 하였다. 추정계수의 초기치는 모두 “0”으로 하였다.
시간의 변수이외에도 기업 내부의 개선활동과 계절요인(Seasonal effect)인 여름철 전력수급과 태풍 및 집중 호우, 겨울철 폭설 등의 영향도 추가하였다. 이러한 변수들을 포함하여 지수 감소 모델(exponential decay model) 곡선을 사용하여 4개의 연구 모형으로 설정하였다. 또한 통신 상품별 투입 인력 수, 소프트웨어 적용 여부, 네트워크망 투자(금액) 에 따른 고객 불만 변화를 검증하였다.
성능/효과
그리고 b)는 더미변수로 정의한 계절요인으로 정전, 태풍, 집중호우, 폭설 등 총 13개월이었다. c)의 네트워크 작업과 장애는 전체 고객 불만(VOC) 비율이 36개월 평균 1.58%, 1.75%이었다. 초고속 인터넷(ADSL)에서 고객 불만(VOC)을 줄이기 위한 인력 추가 투입이 2회 발생했으며, 소프트웨어는 32회 월단위 적용, 투자는 353억 가량 투입 되었다.
표 3은 전화(Telephone)변수의 분석결과로, 학습곡선에 따라 시간변수가 유의하여 고객 불만이 감소함을 알 수 있다. 그리고 전화(Telephone)서비스의 추정된 회귀계수의 유의확률을 보면, 모형 2, 4는 Network 장애 변수만 유의하고, 인력투입, 소프트웨어 적용, 투자, 네트워크 작업 변수는 유의미한 결과를 보이지 않았다.
첫째, 통신 서비스 상품별 고객 불만(VOC)의 감소에 따른 학습곡선에 미치는 영향에 대해 지수감소 모형(exponential decay model)을 통하여 실증적으로 검증하였으며, 통신사들은 시간에 따라 학습 곡선 측면에서 고객 불만(VOC)이 감소함을 알 수 있었다. 둘째, 통신 서비스 상품별 경험곡선에 의해 인력투입과 소프트웨어 보완, 투자 등을 전략적으로 적용해야 고객 불만(VOC)을 줄일 수 있다. 셋째, 고객 불만 (VOC)은 기업측면에서 많은 정량적인 데이터로 축적 되어 있는 것을 단순한 측정과 평가뿐만 아니고 계절적, 관리하고 개선함으로써 정확한 측정이 이루어질 수 있음을 알 수 있었다.
모형추정결과, 조정결정계수(Adjusted R2)의 적합도(goodness of fit)6)는 전화 매체를 제외하고 0.89이상을 모두 만족하는 것으로 나타났다. 표 1, 2, 3에서 서비스 상품별 4개의 연구 모형을 각각의 서비스별로 정리하였다.
본 연구는 통신 서비스 상품별 시간에 따른 고객 불만(VOC) 감소가 학습곡선에서 유의함을 보였다. 통신서비스 상품별 고객 불만(VOC) 건수와 기업 내ㆍ외부의 시스템화, 인력 투입, 투자 등이 시간에 따른 고객 불만(VOC) 감소에 영향을 미치는지에 대해 연구하였다.
표 4는 IPTV변수의 추정결과이다. 분석결과 시간에 따른 변수가 학습곡선에 유의하게 추정되었다. 그리고 모형 2의 인력투입 변수가 정의 방향으로 유의 하였다.
둘째, 통신 서비스 상품별 경험곡선에 의해 인력투입과 소프트웨어 보완, 투자 등을 전략적으로 적용해야 고객 불만(VOC)을 줄일 수 있다. 셋째, 고객 불만 (VOC)은 기업측면에서 많은 정량적인 데이터로 축적 되어 있는 것을 단순한 측정과 평가뿐만 아니고 계절적, 관리하고 개선함으로써 정확한 측정이 이루어질 수 있음을 알 수 있었다. 기업 내부에 고객 불만 (VOC) 성과관리 지표는 등록 건, 입력주기나 평균 처리시간, 데이터 분류에 대한 정확도, 처리시간 준수율 등이며, 기업 내 여러 관리 지표 가운데 가장 집중적으로 관리해야 할 대상인 핵심평가지표라고 할 수 있다[8].
모형 1, 2, 4의 계절 (seasonal) 요인과 모형 4의 투자금액만 유의하였다. 즉, 모형2, 4에서는 가설2를 검증하였으나 계절 요인과 투자에 대해서만 유의하였고, 인력투입, 소프트웨어 적용, 투자, 네트워크 작업, 네트워크 장애는 유의미한 결과를 보이지 않았다.
본 연구의 이론적 시사점은 다음과 같다. 첫째, 통신 서비스 상품별 고객 불만(VOC)의 감소에 따른 학습곡선에 미치는 영향에 대해 지수감소 모형(exponential decay model)을 통하여 실증적으로 검증하였으며, 통신사들은 시간에 따라 학습 곡선 측면에서 고객 불만(VOC)이 감소함을 알 수 있었다. 둘째, 통신 서비스 상품별 경험곡선에 의해 인력투입과 소프트웨어 보완, 투자 등을 전략적으로 적용해야 고객 불만(VOC)을 줄일 수 있다.
후속연구
이에 단순히 전체 고객 불만(VOC) 건수뿐만 아니라 투입인력 대비 고객 불만(VOC) 건수를 경영의 지표로 고려해야 한다. 그리고 고객 불만(VOC) 감소를 위해 투입하는 노력의 효과를 평가하는데 도움이 될 것이다. IPTV는 기존 Cable TV 유선 방송사 대비 늦게 출시되었고, 고객들의 눈높이도 유선케이블 TV 품질에 맞추어져 있어 전체 고객 불만(VOC) 건수도 많고, 1인당 고객 불만(VOC)도 많으며, 학습곡선의 속도도 세 서비스중 가장 감소 속도(-0.
본 연구에서 제안한 연구결과를 바탕으로 고객 불만(VOC)을 줄이기 위한 기업 내부의 아이디어제안과 시스템 구축사례 연구를 추가 발굴하는 것이 향후에 지속적으로 진행되어야 할 과제이다. 또한 우리나라서비스 산업이 갖고 있는 고객 만족 경영 특성에 대한 고객 불만(VOC) 감소의 전략 방향과 평가 방법도 병행한 연구가 되어야 할 것이다.
본 연구에서 제안한 연구결과를 바탕으로 고객 불만(VOC)을 줄이기 위한 기업 내부의 아이디어제안과 시스템 구축사례 연구를 추가 발굴하는 것이 향후에 지속적으로 진행되어야 할 과제이다. 또한 우리나라서비스 산업이 갖고 있는 고객 만족 경영 특성에 대한 고객 불만(VOC) 감소의 전략 방향과 평가 방법도 병행한 연구가 되어야 할 것이다.
통신서비스 상품별 고객 불만 (VOC) 감소에 대한 본 연구는 고객 불만(VOC)의 건수와 시간과의 관계를 기존의 학습곡선을 통해 고객 불만(VOC)이 감소되는 4개의 모형을 객관화 하도록 연구하였다. 본 연구의 한계점은 통신사나 케이블 사업자들이 초고속인터넷, 전화, IPTV를 번들로 판매하기 위해 많은 마케팅 비용을 쏟아왔다. 소비자들은 이러한 세 가지 상품 중에 하나만 이용하는 경우에서부터 각기 다른 두 개의 조합들, 혹은 세 가지 모두, 나아가 무선통신까지 네 가지(QPS)를 선택하기도 한다.
기업은 많은 경험으로 습득한 학습 효과로 인해 점차 제품에 대한 고객 불만을 감소시키고 있다. 이러한 학습곡선 이론을 통신서비스 상품별 고객 불만 감소에 적용 가능할 것이다. 그럼에도 불구하고 고객이 체감하는 서비스의 품질이 악화된다는 것은 아이러니라고 볼 수 있으며, 이와 같은 현상을 서비스 패러독스 (Service Paradox) 현상이라고 할 수 있으며, 이러한 현상을 극복하기 위해서 기업들은 경영의 모든 분야에서 고객 불만을 측정, 평가뿐만 아니라 관리하고 개선함으로써 정확한 측정을 하고 있다[11].
(1936)와 Henderson(1968)이 주장한 학습곡선(learning curve)1)과 경험곡선(experience curve)을 활용하여 설명할 수 있다. 품질불만 고객을 감소시키기 위해 인력의 추가투입, 신규시스템적용, 신규 투자 등의 요인을 적용 하여 고객 불만의 개선효과를 연구할 필요가 있다. 본 연구처럼 실제 자료를 이용하여 고객 불만이 시간에 따라 통신사들의 학습효과로 인한 개선활동으로 인해 고객 불만이 감소를 검증하는 기존 연구는 전무한 상태이다.
질의응답
핵심어
질문
논문에서 추출한 답변
고객 불만의 가장 큰 원인은 무엇인가?
이러한 고객이탈은 신규로 고객유치를 하는데 드는 마케팅 비용이 5배 이상 발생하며, 이러한 이유 때문에 고객 불만을 지속적으로 줄여 기존 고객의 충성도를 높여야 한다[3,4]. 고객 불만의 가장 큰 원인은 제품과 서비스에 대한 불평, 불만들을 회복시키는 활동들을 고객의 눈높이에 만족을 못시켜서 실패하기 때문이다[5]. 고객의 25%는 제품에 대해 불만을 느끼고 있으며, 고객 불만의 경험이 있는 사람들의 20%가 다른 기업으로 이탈한다[5,6].
고객 해지가 많이 발생하는 이유는?
고객의 25%는 제품에 대해 불만을 느끼고 있으며, 고객 불만의 경험이 있는 사람들의 20%가 다른 기업으로 이탈한다[5,6]. 이러한 고객 불만은 통신 상품별 품질과 서비스 지연, 요금 등의 이유로 고객 해지가 많이 발생하고 있다[7]. 따라서 기업은 SNS, e메일 등 다양한 접점으로 들어오는 고객의 의견을 체계적으로 수집, 저장, 분석하여 기업의 경영활동에 활용하고 고객에게 다시 피드백 해 줌으로써 궁극적으로 고객의 불만을 최소화하는 경영체계를 구축해야 한다[8].
서비스 패러독스는 어떤 현상을 말하는가?
그리고 최근의 고객 불만 처리는 단순히 불만에 대해서만 해결을 하는 시스템이 아닌 고객도 미처 모르는 불만을 찾아내고자 노력을 집중하고 있다[8]. 하지만, 기업이 고객 불만을 줄이기 위해 다양한 서비스 품질 개선을 하여도 고객들이 체감 하는 서비스의 만족도는 개선되지 않고 있다. 이와 같은 현상을 서비스 패러독스(Service Paradox)라 부른다[11].
참고문헌 (40)
J. W. Kim, K. H. Kim, D. Y. Jeon, G. B. Lee, S. H. Seok, and B. D. Chung, "A study on SOP for efficient resolution of trouble tickets," in Proc. KICS Summer. Conf., pp. 279-280, Jun. 2009.
S. K. Jung and W. S. Chae, "Optical line monitoring system using optical cable closure," J. KICS, vol. 38A, no. 7, Jul. 2013.
F. F. Reichheld and W. E. Sasser Jr., "Zero defections: quality comes to service," Harvard Business Rev., vol. 68, no. 5, pp. 105-111, 1989.
T. O. Jones and W. E. Sasser Jr., "Why satisfied customer defect," Harvard Business Rev., vol. 73, no. 6, pp. 88-99, Nov.-Dec. 1995.
G. Eccles and P. Durand, "Complaining customers, service recovery and continuous improvement," Managing Service Quality, vol. 8, no. 1, pp. 68-71, 1998.
C. W. Hart, J. L. Heskett, and W. E. Sasser Jr, "The profitable art of service recovery," Harvard Business Rev., vol. 69, pp. 148-156, Jul.-Aug. 1990.
J. H. Park and J. H. Lee, "A study on the churn intention and customer's retention strategy of High-speed internet service," in Proc. KICS Inf. Conf. Commun., pp. 1224-1227, Nov. 2003.
VOC Management Research Society, Voice of The Customer, KMAC, pp. 4-140, Apr. 2013.
H. Y. Do and K. S. Ryu, "The effect of restaurant service quality and customer satisfaction on recommendation behavior by big-data analysis," J. FMSOK, vol. 16, no. 2, pp. 233-255, Apr. 2013.
J. S. Hong, "Overcome the limits of voice customer," LG Business Insight, Weekly Focus, pp. 41-46, Jun. 2008.
Y. J. Yi, Service Marketing, 5th Ed., Hakhyeonsa, pp. 28-31, Aug. 2013.
G. S. Song and H. J. You, "A study on the impact of service quality on the customer satisfaction in the business-to-consumer (B2C)e-commerce," J. KSQM, vol. l29, no. 4, pp. 116-132, Dec. 2001.
M. Zeelenberg and R. Pieters, "Beyond valence in customer dissatisfaction: a review and new findings on behavioral responses to regret and disappointment in failed services," Journal of business Research, vol. 57, no. 4, pp. 445-455, 2004
E. S. Choi and Y. S. Kim, "A study for building service quality information system(SQIS)," J. KSQM, vol. 29, no. 2/17, pp. 17-28. Jun. 2001.
J. H. Lee, J. H. Kim, and H. J. Yoo, "The effects of service quality and costs of power plant maintenance services on customer value and customer satisfaction," J. KSQM, vol. 40, no. 1/73, pp. 73-87, Mar. 2012.
S. K. Chang, M. T. Jung, D. Y. Ju, D. H. Seo, S. I. Hong, G. S. Lee, J. G. Kim, G. Y. Kim, I. J. Lee, Y. U. Jeon, and C. B. Choi, "Globalization and global competition: Policy implications for leading Korean industries," KiET, pp. 73-79, Dec. 2006.
S. C. Kim, Management Accounting of User Centerend(new), Bakyeongsa, pp. 40-150, Sept. 2006.
D. Hagiwara and S. Y. Hwang, MBA in Business Administration can't Learn Lessons, Cheksesang, pp. 150-160, Dec. 2006.
R. W. Conway and A. Schulz, "The manufacturing progress function," J. Int. Eng., vol. 34, no. 2, pp. 143-155, May 1952.
G. U. Choi, "Service paradox," LG Economic Research Inst., CEO talk, pp. 25, Apr. 2007.
S. C. Kim, Service Paradox do overcome (2010), July. 2014, http://www.dt.co.kr/contents.html?article_no2010121602012351699002
D. Kahneman and A. Tversky, "Prospect theory: An analysis of decision under risk," Econometrica: J. Econometric Soc., vol. 7, no. 2, pp. 263-291, 1979.
S. M. Lee, Consumer Satisfaction Management, Raendeomhouse, pp. 338, Dec. 2010.
M. R. Kang and M. Y. Heo, Smart Work, Gadieon, pp. 35, Sept. 2011.
H. M. Byoun, S. H. Lee, and C. S. Lym, "A study on the enterprise through integrated assessment system in the software company competitiveness," in Proc. KMIS Conf., no. 2010, pp. 1-8, 2010.
T. Y. Won and S. W. Jung, SPSS Pasw Statistics 18.0, Hanarae academy, pp. 351-361, Jan. 2010.
G. S. O, "Voice calls change of the core service of secondary service," KISDI, Jan. 2013.
Y. S. Jeong, Y. T. Kim, G. C. Park, and S. H. Lee, "User authentication mechanism for using a secure IPTV service in mobile device," J. KICS, vol. 34, no. 4, pp. 377-386, Apr. 2009.
J. Reagan, "Classifying adopters and non-adopters of four technologies using political activity, media use and demographic variables," Telematics and Informatics, pp. 3-16, Apr. 1987.
J. T. Park, Call Center Management of Korea Model, Mulpure, pp. 21-22, May 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.