최근 기업들은 효율적인 경영을 위해 소셜 미디어상의 빅 데이터를 분석하는 시스템을 이용하여 고객피드백에 관한 정보를 수집하고 분석하고 있다. 소셜 미디어상에는 실시간으로 자발적인 고객의 의견들이 대량 포함되어 있어 고객 피드백을 파악할 수 있는 방법으로 소셜 빅 데이터를 이용하는 것이 매우 효율적 이다. 본 논문에서는 관광서비스 산업의 대표기업인 여행사에 관해 소셜 미디어 상의 빅 데이터를 이용하여 보다 정확하고 효율적인 고객피드백 정보수집과 분석이 가능한 평가방안을 제안한다. 그것을 위해 우선 서비스 모델을 설계하고 구축하고 테스트 베드로서 국내 최대 규모의 여행사를 중심으로 빅5 여행사에 대해 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석한다. 또한 긍정지수와 부정지수로 호감도를 평가하여 비교분석한 결과를 제시한다. 평가항목에 따라 개선해야 되는 분야를 알 수 있어 제안한 평가방법은 해당 여행사가 보다 효율적으로 고객을 관리하는데 효과적임을 알 수 있다.
최근 기업들은 효율적인 경영을 위해 소셜 미디어상의 빅 데이터를 분석하는 시스템을 이용하여 고객피드백에 관한 정보를 수집하고 분석하고 있다. 소셜 미디어상에는 실시간으로 자발적인 고객의 의견들이 대량 포함되어 있어 고객 피드백을 파악할 수 있는 방법으로 소셜 빅 데이터를 이용하는 것이 매우 효율적 이다. 본 논문에서는 관광서비스 산업의 대표기업인 여행사에 관해 소셜 미디어 상의 빅 데이터를 이용하여 보다 정확하고 효율적인 고객피드백 정보수집과 분석이 가능한 평가방안을 제안한다. 그것을 위해 우선 서비스 모델을 설계하고 구축하고 테스트 베드로서 국내 최대 규모의 여행사를 중심으로 빅5 여행사에 대해 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석한다. 또한 긍정지수와 부정지수로 호감도를 평가하여 비교분석한 결과를 제시한다. 평가항목에 따라 개선해야 되는 분야를 알 수 있어 제안한 평가방법은 해당 여행사가 보다 효율적으로 고객을 관리하는데 효과적임을 알 수 있다.
Recently for efficient management, companies have collected and investigated information about customers' feedback by using a system that analyzes big data from social media. This paper proposes more accurate and efficient evaluation method of collecting and investigating customers' feedback using s...
Recently for efficient management, companies have collected and investigated information about customers' feedback by using a system that analyzes big data from social media. This paper proposes more accurate and efficient evaluation method of collecting and investigating customers' feedback using social big data for travel agency, which is representative company of hospitality industry. First, it designs service model and, as a test-bed, analyzes media channel, customer satisfaction, and brand-image etc. of big 5 travel agencies in Korea. In addition, we suggest an analysis result of evaluating preference with positive rate and negative rate by proposed evaluation method. It allows a travel agency to know which area should be improved corresponding to evaluation item; thus, suggested evaluation method is effective to manage customers even more efficiently.
Recently for efficient management, companies have collected and investigated information about customers' feedback by using a system that analyzes big data from social media. This paper proposes more accurate and efficient evaluation method of collecting and investigating customers' feedback using social big data for travel agency, which is representative company of hospitality industry. First, it designs service model and, as a test-bed, analyzes media channel, customer satisfaction, and brand-image etc. of big 5 travel agencies in Korea. In addition, we suggest an analysis result of evaluating preference with positive rate and negative rate by proposed evaluation method. It allows a travel agency to know which area should be improved corresponding to evaluation item; thus, suggested evaluation method is effective to manage customers even more efficiently.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 관광서비스의 대표기업인 여행사 관해 소셜 미디어 상의 빅 데이터를 이용하여 보다 정확하고 효율적인 정보 수집과 분석이 가능하도록 하기 위한 모델을 구축하고 여행사에 관한 평판을 분석하는 평가 방법을 제안한다. 이를 위해 채널별로 분산도와 반응성 등을 고려하여 실시간으로 생성되는 여행과 관련된 도메인을 선정하고 국내 최대 여행사를 분석 대상으로 구체화하여 서비스 모델을 구축한다.
또한 특정 주제에 대해 어떤 여론이 형성되고 있으며, 여론이 어떻게 전파되고 있는지 경로를 파악 할 수 있다. 본 논문에서는 관광서비스의 대표기업인 여행사에 대해 보다 정확하고 효율적인 고객피드백 정보 수집과 분석이 가능하도록 분석 지식체계의 기반을 이루는 서비스 모델구축 방법과 평가방안을 제안하였다. 그것을 위해 분석 지식 체계의 근간을 이루는 사전 조사 수행 및 서비스 요소별 모델을 구축하였다.
제안 방법
2014년 1년 동안 매스미디어, 트위터, 블로그, 커뮤니티 등 소셜 미디어 상의 여행사 및 브랜드에 대한 소셜 빅 데이터를 ㈜ 타파크로스에서 개발한 TrendUp 버즈 모니터링 시스템을 이용하여 분석하였다[8].
관광서비스 모델구축을 위해 먼저 도메인 네트워크를 활용한 표준화, 일반화를 확보하도록 한다. 이를 위해 시소러스 설계를 통한 도메인 구성 용어와 구성 요소 간의 의미 관계를 구조화하고 관광객(소비자) 작성 게시글 분석을 위한 산업군 정보 추출한다.
구체적으로 관광서비스의 대표기업인 여행사에서 고객관리를 담당하고 있는 부서와의 인터뷰를 진행하여 표 1과 같이 관광서비스 모델을 도출하였다.
본 논문에서는 관광서비스의 대표기업인 여행사에 대해 보다 정확하고 효율적인 고객피드백 정보 수집과 분석이 가능하도록 분석 지식체계의 기반을 이루는 서비스 모델구축 방법과 평가방안을 제안하였다. 그것을 위해 분석 지식 체계의 근간을 이루는 사전 조사 수행 및 서비스 요소별 모델을 구축하였다. 평가방안으로는 국내 주요 관광지의 항목별 순위를 개별적으로 계산하여 품질 요인별 노출도, 선호도, 추천량 등 비교 지표를 종합적으로 정리한 대 항목의 분야를 분류하여 분야별 순위를 선정하도록 하였다.
기준을 소셜 미디어상 빅 데이터를 분석하여 표 2와 3 평가요소를 기반으로 호감도를 조사하였다. 호감도는 다음과 같이 계산하였고 결과는 표 4와 같다.
이를 위해 시소러스 설계를 통한 도메인 구성 용어와 구성 요소 간의 의미 관계를 구조화하고 관광객(소비자) 작성 게시글 분석을 위한 산업군 정보 추출한다. 또한 관광지, 숙박지, 교통 등 다양한 업종에 대한 분석 수행한다
온라인에서 얻을 수 있는 다양한 데이터를 기반으로 사용자의 행위, 상황, 감성 정보를 정확하고 빠르게 인지하며, 의미기반의 분석을 수행한다. 또한 보다 정확한 분석을 위해 기업 내부 데이터인 상담내역, 게시판, 상품 후기 등과의 연계를 통한 내/외부 데이터 통합 분석 수행한다.
본 연구의 진행을 위한 사전 인터뷰 및 매체별 기관 노출 및 고객 의견 예시를 기반으로 관광서비스 모델 구축한다. 구체적으로 관광서비스의 대표기업인 여행사에서 고객관리를 담당하고 있는 부서와의 인터뷰를 진행하여 표 1과 같이 관광서비스 모델을 도출하였다.
분석사례로서 국내 빅5 여행사에 대해 실제 소셜미디어상 빅 데이터를 이용하여 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석하고 긍정지수와 부정지수로 표현된 호감도를 분석하였다. 분석 결과 각 평가항목 결과에 따라 개선해야 되는 분야를 알 수 있어 해당 여행사는 효과적으로 고객을 관리할 수 있다.
평가방안으로는 국내 주요 관광지의 항목별 순위를 개별적으로 계산하여 품질 요인별 노출도, 선호도, 추천량 등 비교 지표를 종합적으로 정리한 대 항목의 분야를 분류하여 분야별 순위를 선정하도록 하였다. 분석사례로서 국내 최대규모의 H여행사를 중심으로 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석하였다. 또한 소셜미디어상 빅데이터에 대한 긍정지수와 부정지수로 표현된 호감도를 계산하여 순위를 측정할 수 있음을 제시하였다.
분석한다. 온라인에서 얻을 수 있는 다양한 데이터를 기반으로 사용자의 행위, 상황, 감성 정보를 정확하고 빠르게 인지하며, 의미기반의 분석을 수행한다. 또한 보다 정확한 분석을 위해 기업 내부 데이터인 상담내역, 게시판, 상품 후기 등과의 연계를 통한 내/외부 데이터 통합 분석 수행한다.
활용한 표준화, 일반화를 확보하도록 한다. 이를 위해 시소러스 설계를 통한 도메인 구성 용어와 구성 요소 간의 의미 관계를 구조화하고 관광객(소비자) 작성 게시글 분석을 위한 산업군 정보 추출한다. 또한 관광지, 숙박지, 교통 등 다양한 업종에 대한 분석 수행한다
제안한다. 이를 위해 채널별로 분산도와 반응성 등을 고려하여 실시간으로 생성되는 여행과 관련된 도메인을 선정하고 국내 최대 여행사를 분석 대상으로 구체화하여 서비스 모델을 구축한다.
주요 키워드 분석을 하여 키워드의 변화 추이를 분석한다. 주요 영향력자 분석을 통해 이슈 확산 현황 분석한다.
그것을 위해 분석 지식 체계의 근간을 이루는 사전 조사 수행 및 서비스 요소별 모델을 구축하였다. 평가방안으로는 국내 주요 관광지의 항목별 순위를 개별적으로 계산하여 품질 요인별 노출도, 선호도, 추천량 등 비교 지표를 종합적으로 정리한 대 항목의 분야를 분류하여 분야별 순위를 선정하도록 하였다. 분석사례로서 국내 최대규모의 H여행사를 중심으로 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석하였다.
성능/효과
1) 미디어 채널 분석: H여행사에 대한 소셜미디어 상언급은 2014년 5월 여행박람회 개최 관련 트위터 이벤트와 관련 블로그 포스팅, 7월 콘서트 티켓팅 관련 논란을 중심으로 나타났다. 50% 이상으로로 블로그 채널이 가장 많은 분포를 차지하였으며, 여행/관광상품의 소개 및 예약 홍보글이 두드러지는 것으로 나타났다.
중심으로 나타났다. 50% 이상으로로 블로그 채널이 가장 많은 분포를 차지하였으며, 여행/관광상품의 소개 및 예약 홍보글이 두드러지는 것으로 나타났다. 트위터 채널의 RT 이벤트와 매스미디어의 관련 상품 런칭 소식 및 홍보 보도도 다수 나타났으나, 여행/관광 관련 문의 및 정보 공유가 게재된 커뮤니티 채널의 언급량은 그림 3과 같이 비교적 낮은 것으로 나타났다.
할 수 있었다. H, M, I 여행사 3개사의 온라인 상의 점유율이 약 94%를 차지하며, 영향력을 미치고 있다는 분석 결과가 나왔다.
이미지인 것으로 나타났다. M여행사 및 C 여행사는 고객 만족과 관련한 이미지가 두드러졌으며, N 여행사는 품질 및 명성, I여행사는 저렴한 가격에 대한 이미지가 두드러지는 것으로 나타났다.
판단된다. 각 평가 항목별 분석 결과 소비자들은 여행사를 선택할 때 경제성에 대해 가장 민감하게 반응하며 그 비중이 약 80%에 이른다. M여행사, N 여행사의 가격에 대한 만족도가 가장 낮게 형성 되어 해당 부분에 대한 개선이 필요할 것으로 사료된다.
분석사례로서 국내 최대규모의 H여행사를 중심으로 미디어 채널, 소비자 만족도 , 브랜드 이미지 등을 분석하였다. 또한 소셜미디어상 빅데이터에 대한 긍정지수와 부정지수로 표현된 호감도를 계산하여 순위를 측정할 수 있음을 제시하였다. 여행사에 따라 각 평가항목 결과가 다르기 때문에 전체적인 순위로 여행사를 평가할 수 없고 호감도를 항목별로 분석할 필요가 있다.
표현된 호감도를 분석하였다. 분석 결과 각 평가항목 결과에 따라 개선해야 되는 분야를 알 수 있어 해당 여행사는 효과적으로 고객을 관리할 수 있다.
여행사의 이미지를 추출하기 위해 대응일치분석을 수행한 결과, H여행사의 이미지는 품질적으로 편안하고 안전한 여행상품을 제공하며, 즐겁고 특별한 감성을 가진 이미지인 것으로 나타났다. M여행사 및 C 여행사는 고객 만족과 관련한 이미지가 두드러졌으며, N 여행사는 품질 및 명성, I여행사는 저렴한 가격에 대한 이미지가 두드러지는 것으로 나타났다.
호감도 = 긍정빈도수 /(긍정빈도수 + 부정빈도수) 각 여행사에 대한 소비자 인식을 분석한 결과 역시 국내 최대 규모의 H여행사가 압도적으로 높은 온라인상의 점유율을 보이며, 가장 많이 언급되는 브랜드임을 확인 할 수 있었다. H, M, I 여행사 3개사의 온라인 상의 점유율이 약 94%를 차지하며, 영향력을 미치고 있다는 분석 결과가 나왔다.
후속연구
그러나 언급 노출량에 따라서 호감도에 관한 신뢰도가 다르므로 향후 노출량과 호감도에 대한 신뢰도 상관분석 대한 연구가 필요하겠다. 또한 소셜 미디어상에 언급된 내용에 대한 긍정과 부정의 정확한 분류를 위해 데이터 마이닝, 형태소 분석 등에 대해서도 지속적인 연구가 필요하다고 사료된다[9, 10].
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 (2011).
Chulwon Kim, A Model Specification for Measuring Competitiveness of the Tourism Industry, Korea Tourism Research Institute, (2002).
James Manyika, Big Data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute Report, (2011).
S. Y. Park, J. N. Chang, T. S. Khi, Document Classification Model Using Web Documents for Balancing Training Corpus Size per Category, Journal of information and communication convergence engineering, Vol. 11, (2013).
Kyuhwan Choi, A Model of Aggregate Destination Service Satisfaction (ADS): Evidence from Chinese and Japanese Tourists to South Korea, Journal of Tourism Management Research, Vol. 58,pp.319-338 (2014).
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, (2013).
Eunjung cho, A study on tourism information classification system on internet on Internet: Focus on the Major Tour Information Websites in Korea, Ph.D. Dissertation, Sejong University, (2011).
Eunjee Song, Kong Hyo Soon, "Analyzing Customer Feedback on Social Media",International Conference on Future Information and Communication Engineering, Vol.7 No.1 pp.419-422 (2015).
J. M. Park, Gene Algorithm of Crowd System of DataJ. M. Park, Gene Algorithm of Crowd System of Data Mining, Journal of Inf. And Commun. Converg. Eng. (JICCE) Vol. 1, (2012)
Eunjee Song, “The Sensitivity Analysis for Customer Feedback on Social Media“, Journal of the Korea Institute of Information and Communication Engineering (JKIICE), Vol.19.4 pp.780-786 (2015).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.