[논문]인공신경망을 이용한 가전제품의 판매예측모델 개발

서광규

doi:10.14400/jdc.2014.12.11.209

[국내논문] 인공신경망을 이용한 가전제품의 판매예측모델 개발
Development of a Sales Prediction Model of Electronic Appliances using Artificial Neural Networks 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.11, 2014년, pp.209 - 214

초록
AI-Helper

전반적인 전 세계 시장의 불황속에서도 세계최대 북미시장에서 국내 가전업체들이 TV 시장의 지배력을 강화하고 있는 이유는 강력한 제품 경쟁력과 브랜드 파워를 내세워 프리미엄 시장과 중저가 시장을 모두 차지하면서 수익성과 볼륨을 모두 잡았기 때문으로 분석된다. 이렇게 국내 TV 제조사들이 북미시장에서 선전하고 있음에도 불구하고 국내 TV 제조회사들은 지속적인 시장선점 및 TV 제품의 경쟁력을 유지하기 위한 제품개발, 마케팅 및 판매전략 등을 고민하고 있다. 본 연구에서는 이러한 지속적인 경쟁우위를 유지하기 위한 방안으로 국내 A사의 북미시장에서의 TV 판매 데이터를 이용하여 북미시장에서의 TV 판매예측모델을 개발하고자 한다. 이를 위하여 본 연구에서는 판매예측모델에서 많이 적용되고 있는 다중회귀모델과 인공신경망 기반의 예측모델을 개발하여 두 모델의 비교분석한다. 특히 본 연구에서는 TV 제품의 부가가치를 향상시키거나 가격경쟁력을 향상시키기 위해 TV의 주요 기능과 판매와의 연관성 분석도 수행한다.

Abstract ▼ AI-Helper

Despite the recession of the global market, the domestic electronic appliance companies dominated TV market in North America. They took both the premium and mid-priced product market and achieved both profitability and volume due to strong product competitiveness and brand power. Despite doing well in the North American market, the domestic TV manufacturers are worried about product development, marketing and sales strategies to remain the continuous competitiveness in the TV market. This study proposes the a sales prediction model of electronic appliances using sales data of S company from the North American market. We develop the sales prediction models based on multiple regression analysis and artificial neural network and compare two models. Especially, this study analyzes the relevance between the TV sales and TV main features in order to improve the price competitiveness or improve the value of TV products.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 이러한 지속적인 경쟁우위를 유지하기 위한 방안으로 국내 A사의 북미시장에서의 TV 판매 데이터를 이용하여 북미시장에서의 TV 판매예측모델을 개발하고자 한다. 이를 위하여 본 연구에서는 판매예측 모델에서 많이 적용되고 있는 다중회귀모델은 물론 인공지능기법 중에서 예측 모델 등에 널리 적용되는 인공신경망 기반의 예측모델을 개발하여 두 모델을 비교분석하기로 한다[1,2].
본 연구의 선행연구와의 차별점은 현재 가전제품인 TV를 대상으로 판매예측모델을 수행한 연구를 찾아보기 힘들며, 특히 TV 모델별로 지원하는 기능들과 판매량과의 상관분석을 수행한 연구가 진행되지 않았다는 점이다. 따라서 본 연구에서는 판매데이터를 활용하여 예측 모델을 개발하고 검증하는 것뿐만 아니라 TV 제조사에서 고민하고 있는 부가가치를 향상시키고 제품경쟁력을 향상시키기 위해 TV의 주요 기능에 따른 판매경향분석을 통한 제품 개발 및 마케팅 전략 수립에 도움을 줄 수 있는 실증적인 데이터 및 예측 데이터를 제공한다는 것이다.
TV 판매 예측 모델을 비교하기 위한 방법으로 인공신경망(Artificial Neural Network; ANN)을 이용한 판매예측 모델을 개발하여 예측한다. 인공신경망은 입력층(Input Layer), 출력층(Output Layer) 그리고 sigmoid 함수를 전달함수로 사용하는 은닉층(Hidden Layer)으로 이루어진 다계층 구조로 구성하였다.
본 연구에서는 전술한 다중회귀분석(MRA) 기반의 판매예측모델과 인공신경망 기반의 판매예측모델의 성능을 비교하고자 한다. 실험데이터는 북미지역에서 30인치 이상의 TV판매 데이터를 이용하여 실험을 진행하였는데 총 데이터 셋은 3,218개를 사용하였다.
6%로 가장 성능이 우수하였다. 본 연구는 TV 모델별로 지원하는 기능들과 판매량과의 상관관계를 수행하였고, 실제 판매데이터를 활용하여 예측 모델을 개발하고 검증하는 것뿐만 아니라 TV 제조사에서 고민하고 있는 부가가치를 향상시키고 제품경쟁력을 향상시키기 위해 TV의 주요 기능에 따른 판매경향분석을 통한 제품 개발 및 마케팅 전략 수립에 도움을 줄 수 있는 실증적인 데이터 및 예측 데이터를 제공하였다.

제안 방법

본 연구에서는 이러한 지속적인 경쟁우위를 유지하기 위한 방안으로 국내 A사의 북미시장에서의 TV 판매 데이터를 이용하여 북미시장에서의 TV 판매예측모델을 개발하고자 한다. 이를 위하여 본 연구에서는 판매예측 모델에서 많이 적용되고 있는 다중회귀모델은 물론 인공지능기법 중에서 예측 모델 등에 널리 적용되는 인공신경망 기반의 예측모델을 개발하여 두 모델을 비교분석하기로 한다[1,2]. 본 연구의 선행연구와의 차별점은 현재 가전제품인 TV를 대상으로 판매예측모델을 수행한 연구를 찾아보기 힘들며, 특히 TV 모델별로 지원하는 기능들과 판매량과의 상관분석을 수행한 연구가 진행되지 않았다는 점이다.
of HDMI’인 7개의 독립변수가 이 TV 판매에 유의한 영향을 미치는 변수로 나타났으며 7개의 변수를 이용하여 최종적으로 다중회귀 모델을 구성하고 TV판매예측모델에 적용하였다.
북미시장에서 TV 판매예측 모델을 위한 다중회귀분석에서는 독립변수와 종속변수를 선정하여야 하고, 인공신경망모델에서는 입력변수와 출력변수를 선정하여야 한다. 먼저 다중회귀분석을 위한 독립변수로는 TV의 기능들을 변수로 하여 독립변수를 선정하였는데, 구체적으로 TV사이즈(inches), 평균판매단가(Average Selling Price; ASP), LCD, LED, HD, FULL HD, 대역폭(Hz), IPTV 기능지원여부, 3D 기능지원여부, USB기능지원여부, EPG(Electronic Program Guide) 기능지원여부, ERG(Electronic Ratings Guide) 기능지원여부, WIRE 기능지원여부, HDMI(High Definition Multimedia Interface) 지원 개수로 선정하였다. 종속변수는 모델의 판매대수로 선정하였다.
인공신경망의 입력변수는 다중회귀분석에서 사용한 독립변수를 선정하였으며 출력변수는 종속변수를 선정하여 인공신경망 모델에 적용하였다.
따라서 본 논문에서는 이러한 문제를 해결하기 위해 단계적 방법에 의한 입력변수를 선정하였는데, 북미시장에서 TV 판매에 영향을 미치는 기능 요인의 영향을 분석하기 위하여 식(1)을 통해 다중회귀 분석을 실시하였으며, 구체적인 분석 결과는 [Table 3]에 나타내었다. 전술한 바와 같이 다중회귀분석을 위해 수집된 독립변수를 단계별로 투입하는 방법을 통해서 유의수준이 0.
따라서 본 논문에서는 이러한 문제를 해결하기 위해 단계적 방법에 의한 입력변수를 선정하였는데, 북미시장에서 TV 판매에 영향을 미치는 기능 요인의 영향을 분석하기 위하여 식(1)을 통해 다중회귀 분석을 실시하였으며, 구체적인 분석 결과는 [Table 3]에 나타내었다. 전술한 바와 같이 다중회귀분석을 위해 수집된 독립변수를 단계별로 투입하는 방법을 통해서 유의수준이 0.05를 만족하지 못할 경우 탈락시켜 중요 변수를 선정하였다.
입력층은 [Table 3]의 속성들 중에서 다중회귀 분석을 통해 검출된 유의한 변수 7개(‘TV size’, ‘ASP’, ‘Display Type’, ‘IPTV support’, ‘EPG support’, ‘USB support’, ‘No. of HDMI’)를 이용하여 입력값으로 사용하고, 출력층은 TV판매대수를 출력값으로 사용하였다.
본 논문에서는 1개의 입력층과 1개의 은닉층, 1개의 출력층으로 구성된 3계층 퍼셉트론 학습 알고리즘을 사용하였으며 학습방법은 역전파 학습방법을 적용하였는데 본 연구에서 적용한 인공신경망의 기본 구조는 [Fig. 1]과 같다.
판매예측모델은 수집된 모든 독립변수(입력변수)를 고려한 예측결과와 다중회귀분석을 통해 유의한 독립변수(입력변수)만을 고려하여 예측한 방법으로 나뉘어 실험하였고, 이를 비교하였다.
본 연구에서는 북미시장에서의 TV 판매예측을 위해 국내 A사의 TV 판매 데이터를 이용하여 다중회귀분석과 인공신경망을 이용한 판매예측모델을 개발하였고 두 모델을 비교분석하였다. 먼저 다중회귀분석을 통해서 판매에 유의한 영향을 미치는 요인들을 선택하였고, 선택한 요인들을 이용하여 다중회귀분석과 인공신경망을 이용하여 판매 예측을 수행하였다.

대상 데이터

본 연구에서는 2012년 북미지역에서 A사의 TV판매 데이터를 주별로 수집한 데이터를 사용하였는데, 이 데이터는 북미지역의 베스트바이, 월마트 등에서 2012년에 판매된 각 가전회사의 TV 모델별 판매 데이터를 모두 포함하고 있다. 확보한 판매 데이터는 30인치 이상의 TV 모델별을 모두 포함하고 있는데, 각 TV모델별 주요 기능도 모두 포함하고 있으며 [Table 1]과 같다.
본 연구에서는 2012년 북미지역에서 A사의 TV판매 데이터를 주별로 수집한 데이터를 사용하였는데, 이 데이터는 북미지역의 베스트바이, 월마트 등에서 2012년에 판매된 각 가전회사의 TV 모델별 판매 데이터를 모두 포함하고 있다. 확보한 판매 데이터는 30인치 이상의 TV 모델별을 모두 포함하고 있는데, 각 TV모델별 주요 기능도 모두 포함하고 있으며 [Table 1]과 같다.
본 연구에서는 전술한 다중회귀분석(MRA) 기반의 판매예측모델과 인공신경망 기반의 판매예측모델의 성능을 비교하고자 한다. 실험데이터는 북미지역에서 30인치 이상의 TV판매 데이터를 이용하여 실험을 진행하였는데 총 데이터 셋은 3,218개를 사용하였다.

데이터처리

본 연구에서는 북미시장에서의 TV 판매예측을 위해 국내 A사의 TV 판매 데이터를 이용하여 다중회귀분석과 인공신경망을 이용한 판매예측모델을 개발하였고 두 모델을 비교분석하였다. 먼저 다중회귀분석을 통해서 판매에 유의한 영향을 미치는 요인들을 선택하였고, 선택한 요인들을 이용하여 다중회귀분석과 인공신경망을 이용하여 판매 예측을 수행하였다. 사례연구결과 유의한 요인들만을 고려한 TV판매 예측모델의 대한 정확도가 향상되었으며, 인공신경망을 이용한 TV판매 예측모델이 89.

이론/모형

2]는 은닉층의 노드 수에 따른 정확도를 나타낸 결과이다. 은닉층의 최적의 노드를 찾기 위해 은닉층의 노드수는 Kolmogrov 정의에 따라 1～2n+1(n: 입력노드의 수)개 사이로 설정하였다[7]. 본 연구에서는 1～15개의 은닉 노드수를 테스트하여 정확도가 가장 높은 은닉층의 노드수를 선택하였는데, 은닉층 노드의 수가 10개 일 때, 가장 높은 정확도를 나타내었다.
본 연구에서는 1～15개의 은닉 노드수를 테스트하여 정확도가 가장 높은 은닉층의 노드수를 선택하였는데, 은닉층 노드의 수가 10개 일 때, 가장 높은 정확도를 나타내었다. 최종적으로 본 연구의 인공신경망 모델은 노드수 7-10-1의 구조를 갖는 인공신경망이 적용되었다.

성능/효과

이와 같이 좋은 실적을 거둔 바탕에는 60인치 이상 초대형 제품과 7080 시리즈 등 프리미엄 라인업의 판매 확대가 주효한 것으로 평가하고 있다. 또한 북미지역에서 평판TV는 물론 UHD TV 판매에서도 압도적 우위를 지키고 있는데, 지난 1월 북미지역 금액기준 시장점유율에서 UHD TV 50.4%를 차지, 2위 회사들을 멀찍이 따돌리고 1위를 유지한 것으로 나타났다. 한편 평판TV시장 점유율에서 3위를 보인 L전자는 UHD TV부분에서는 점유율이 상승하고 있다.
은닉층의 최적의 노드를 찾기 위해 은닉층의 노드수는 Kolmogrov 정의에 따라 1～2n+1(n: 입력노드의 수)개 사이로 설정하였다[7]. 본 연구에서는 1～15개의 은닉 노드수를 테스트하여 정확도가 가장 높은 은닉층의 노드수를 선택하였는데, 은닉층 노드의 수가 10개 일 때, 가장 높은 정확도를 나타내었다. 최종적으로 본 연구의 인공신경망 모델은 노드수 7-10-1의 구조를 갖는 인공신경망이 적용되었다.
본 실험을 통해서 다중회귀분석를 사용하여 선택한 유의한 입력값을 사용한 인공신경망이 북미시장의 TV 판매예측모델이 정확도 88.7%로 가장 우수한 성능을 보여주었다. 또한, 다중회귀분석을 사용하여 유의한 요인만을 고려한 방법보다 정확도를 13.
7%로 가장 우수한 성능을 보여주었다. 또한, 다중회귀분석을 사용하여 유의한 요인만을 고려한 방법보다 정확도를 13.5% 향상시켰다.
먼저 다중회귀분석을 통해서 판매에 유의한 영향을 미치는 요인들을 선택하였고, 선택한 요인들을 이용하여 다중회귀분석과 인공신경망을 이용하여 판매 예측을 수행하였다. 사례연구결과 유의한 요인들만을 고려한 TV판매 예측모델의 대한 정확도가 향상되었으며, 인공신경망을 이용한 TV판매 예측모델이 89.6%로 가장 성능이 우수하였다. 본 연구는 TV 모델별로 지원하는 기능들과 판매량과의 상관관계를 수행하였고, 실제 판매데이터를 활용하여 예측 모델을 개발하고 검증하는 것뿐만 아니라 TV 제조사에서 고민하고 있는 부가가치를 향상시키고 제품경쟁력을 향상시키기 위해 TV의 주요 기능에 따른 판매경향분석을 통한 제품 개발 및 마케팅 전략 수립에 도움을 줄 수 있는 실증적인 데이터 및 예측 데이터를 제공하였다.

후속연구

향후 연구로는 현재 수행된 연구를 좀 더 세분화하여 TV사이즈별로 판매에 유의한 영향을 미치는 요인과 이 결과를 활용한 TV판매 마케팅전략을 수립하는 것이 필요하며, 현재 제안한 인공신경망 모델의 예측력을 향상시키기 위한 유전자알고리즘, 개미알고리즘 등과 결합한 하이브리드 모델을 개발하는 것이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	다중회귀분석의 장점은 무엇인가?	다중회귀분석(Multiple Regression Analysis; MRA)의 기본적인 개념은 단순회귀분석과 같지만 독립변수가 2개 이상 사용된다는 점이 다르다고 할 수 있다. 다중회귀분석의 장점으로는 하나의 독립변수를 사용하는 것보다 예측과 추정 능력을 높일 수 있다는 점과 두 변수의 관계뿐만 아니라 셋 혹은 그 이상의 변수들 사이의 관계도 동시에 파악할 수 있다는 점이다.
	전 세계적인 불황 속에서도 북미시장에서 국내 가전업체들이 TV 시장의 지배력을 강화하고 있는 이유는 무엇인가?	전반적인 전 세계 시장의 불황속에서도 세계최대 북미시장에서 국내 가전업체들이 TV 시장의 지배력을 강화하고 있는 이유는 강력한 제품 경쟁력과 브랜드 파워를 내세워 프리미엄 시장과, 중저가 시장을 모두 차지하면서 수익성과 볼륨이라는 두 마리 토끼를 모두 잡았기 때문으로 분석된다. 이를 좀 더 상세하게 살펴보면 프리미엄급인 50～59인치 분야의 판매 상위 15위개 제품 가운데 무려 9개가 S전자 제품이었다.
	단계적 방법을 이용해 입력변수 수를 조절한 것은 어떤 문제를 해결하기 위함인가?	일반적으로 실험에 사용할 입력변수가 너무 많으면 변수들간의 다중공선성 문제가 발생할 수 있다. 이러한 문제의 해결을 위해서 선행연구에서는 단계적 방법을 이용하여 입력변수 수를 조절하였는데, 이 경우 예측률이 보다 우수한 것으로 나타났다[4].

참고문헌 (7)

C. -W. Chu, G. P. Zhang, A Comparative Study of Linear and Nonlinear Models for Aggregate Retail Sales Forecasting, International Journal of Production Economics, Vol. 86, No. 3, pp. 217-231, 2003.

상세보기
J. H. Park, K. -K. Seo, Approximate Life Cycle Assessment of Product Concepts using Multiple Regression Analysis and Artificial Neural Networks, KSME International Journal, Vol. 17, No. 12, pp 1969-1976, 2003.

원문보기 상세보기
R. Choi, A Multiple Regression Analysis on Developing the Profitability Model of Local Cultural Festival, Korea Society of Computer Information, Vol. 16, No. 10, pp. 229-239, 2011.
S. -Y. Min, S. -P. Lee, J. -S. Kim, J. -U. Park, M. -S. Kim, Development and Validation of Multiple Regression Models for the Prediction of Effluent Concentration in a Sewage Treatment Process, Journal of Korean Society of Environmental Engineers, Vol. 34, No. 5., pp.312-315, 2012.

원문보기 상세보기
D. C. Montgomery, E. A. Peck, G. G. Vining, Introduction to Linear Regression Analysis Hardcover, Willy, 2012.
J. -H. Lee, J. -S. Kim, H. -W. Jang, J. -C. Lee, Drought Forecasting Using the Multi Layer Perceptron (MLP) Artificial Neural Network Model, Journal of Korea Water Resources Association, Vol. 46, No. 12, pp. 1249-1263, 2013.

원문보기 상세보기
K. -K. Seo, An Application of One-class Support Vector Machines in Content-based Image Retrieval, Expert Systems with Applications, Vol. 33, No. 2, pp. 491-498, 2007.

상세보기

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