선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 즉, 응답자들이 CA의 순위결정의 번거로움을 피하는 대신, AHP를 사용하여 프로파일들의 순위를 추정할 수 있으며, 속성의 중요도를 유도할 수 있다는 점이다. 결론적으로 CA에 AHP를 활용할 수 있는 가능성을 타진한 점에서 본 연구의 의의를 두고자 한다. 추후, 군집분석을 사용한 AHP와 CA의 시장 세분화 방안, 대응분석 수량화 점수와 각 방법들의 효용점수와의 군집화, AHP 속성 순위를 CA의 종속변수로 투입하는 방법들에 대한 활발한 연구를 기대한다.
- 본 연구는 대안이 많지 않은 경우에서 AHP와 CA 방법의 순위예측을 다룬 것이다. 대안이 많지 않아서 CA의 다양한 버전 중 직접 순위를 결정하는 고전적 방법과 더불어 쌍대비교와 다소 유사한 토너먼트 방법으로 순위를 결정하는 두 가지 방법을 사용하였다.
- 하지만, 본 연구에서는 두 방법 고유의 설문 형태를 사용하여 두 방법을 비교하는 문제를 다루고자 한다. 자료수집을 위해, S대학 통계학과 여대생으로 구성된 소규모 집단을 선정하였는데, 어느 방법으로 선호도를 측정하는 것이 실제 선호도와 더 일치하가에 관심을 두고자 한다.
- 그런데, 쌍대비교 설문지를 사용한다면 비교행렬의 장점을 충분히 활용하는 AHP가 CA 보다 다소 유리하리라 판단된다. 하지만, 본 연구에서는 두 방법 고유의 설문 형태를 사용하여 두 방법을 비교하는 문제를 다루고자 한다. 자료수집을 위해, S대학 통계학과 여대생으로 구성된 소규모 집단을 선정하였는데, 어느 방법으로 선호도를 측정하는 것이 실제 선호도와 더 일치하가에 관심을 두고자 한다.
제안 방법
- AHP 설문은 Table 3.2와 같이, 우선 4가지의 속성에 대한 6회의 쌍대비교를 실시하고, 다음으로 각 속성 4개에 대해 각각 1회의 쌍대비교를 실시하도록 설계되었다. Table 3.
- 그리고 나머지 응답자 22명은 16개 프로파일 카드를 받은 후, 본인의 선호에 따라 프로파일들을 상위 8개와 하위 8개로 1차 분류토록 하였다. 그 후 상위로 분류된 8개의 프로파일을 무순서로 배열한 후 각각 2개씩 쌍대비교를 실시하여 선호 프로파일을 위로 올리도록 하였다. 위로 올라간 4개의 카드와 아래로 내려간 4개의 카드들을 전과 마찬가지로 2개씩 쌍대비교 한 후 위아래로 2개의 카드가 놓이게 하였다.
- 3 설문지에 선호 순위를 직접 기입하였다. 그리고 나머지 응답자 22명은 16개 프로파일 카드를 받은 후, 본인의 선호에 따라 프로파일들을 상위 8개와 하위 8개로 1차 분류토록 하였다. 그 후 상위로 분류된 8개의 프로파일을 무순서로 배열한 후 각각 2개씩 쌍대비교를 실시하여 선호 프로파일을 위로 올리도록 하였다.
- 본 연구는 대안이 많지 않은 경우에서 AHP와 CA 방법의 순위예측을 다룬 것이다. 대안이 많지 않아서 CA의 다양한 버전 중 직접 순위를 결정하는 고전적 방법과 더불어 쌍대비교와 다소 유사한 토너먼트 방법으로 순위를 결정하는 두 가지 방법을 사용하였다. 사례분석 결과 내적 타당도 측면에서는 CA가, 예측타당도 측면에서는 AHP가 우위를 보여 Scholl 등 (2004)의 결과와 유사한 결과를 유도하였다.
- 첫째 의사결정 문제를 설정하고 문제에 대안들과 관련된 속성들을 계층적으로 구조화 시킨다. 둘째 문제와 관련된 속성들의 쌍대비교를 통해서 자료를 수집한다. 셋째 수집된 자료를 통해 속성들의 상대적 가중치를 추정한다.
- 그래서 행렬 A′의 일치성을 λmax가 n과 얼마나 떨어져 있는가를 통해서 검정할 수 있다. 또한, 일관성의 정도를 알기 위해 일관성 지수(consistency index; CI)와 일관성지수를 평균 난수지수(random index; RI)로 나눈 일관성 비율(consistency ratio; CR)을 측정한다. 여기서 난수지수란 모의실험으로 1에서 9까지 정수들을 무작위 추출하여 만들어지는 역수 행렬들에 근거한 평균 일치지수를 의미한다.
- 셋째, 자료수집 방법을 선정한다. 모든 속성들을 결합한 프로파일을 만든 후 응답자에게 각 프로파일의 순위를 매기도록 하는 다요인평가(full profile method)와 두 속성을 동시에 고려하여 평가하는 방법인 이 요인 평가(two-factor at a time approach, tradeoff method) 등으로 자료를 수집한다. 넷째, 평가 대상을 구성하고 프로파일을 제시하는 방법을 선정한다.
- 그런데, AHP와 CA 결과가 서로 반대로 나타나거나, 응답의 신뢰성이 심하게 낮은 12명을 제외한 42명을 최종 분석 대상으로 하였다. 모든 학생은 동일하게 AHP와 CA 설문을 부여 받았으며, 설문 순서의 영향을 배제하고자 한 그룹은 AHP-CA, 다른 그룹은 CA-AHP 순서로 설문조사가 진행되었다.
- 모형 적합성 측면으로 AHP의 일관성 계수, CA의 R2를 사용하여 내적타당도를 판단하기로 한다. Table 3.
- 본 연구에서는 화장품의 성격을 정하는 4가지 속성으로 제조국가(brand country), 가격(price), 구매추천인(recommender), 화장품 유형(type)을 선정하였다. 이 4가지 속성에서 각각 2가지 수준(level)을 도출하였다.
- 부분가치 함수의 경우 속성의 수준에 따라 상이한 함수 형태를 가지는 등 융통성을 발휘하기에 많이 사용된다. 셋째, 자료수집 방법을 선정한다. 모든 속성들을 결합한 프로파일을 만든 후 응답자에게 각 프로파일의 순위를 매기도록 하는 다요인평가(full profile method)와 두 속성을 동시에 고려하여 평가하는 방법인 이 요인 평가(two-factor at a time approach, tradeoff method) 등으로 자료를 수집한다.
- 이와 같은 방법을 하위 프로파일에도 적용하여 1–16위 전체 순서를 결정한 후 설문지에 해당 순위를 기입하였다. 여기서, 첫 번째 순위 결정 방법을 일반 순위 결정법, 두 번째 순위 결정 방법을 토너먼트 순위 결정법이라 할 수 있는데, 모든 응답자들은 이와 같은 두 가지 방법 중 하나로 순위를 결정하였다. 한편, 첫 번째 응답자는 프로파일 8을 가장 선호하고, 다음으로 프로파일 6을 선호한다고 응답하였다 (Table 3.
- 예측타당도를 비교하기 위해, RM과 AHP, RM과 CA의 순위 상관계수를 계산하였다. Table 3.
- 3은 16개 프로파일이 모두 존재하는 CA 설문으로 첫 번째 응답자의 16개 프로파일에 대한 선호 순위가 표의 오른편에 기입되어 있다. 응답자는 충분한 설명을 들은 후 16개 프로파일에 대한 선호 순위를 기입하는데, 본 연구에서는 16개 프로파일의 순위 결정 방식으로 두 가지 방법을 사용하였다. 우선, 24명의 응답자들은 16개 프로파일 카드를 충분히 검토한 후 Table 3.
- 예측타당도는 각 방법에서 추정한 순위와 실제 응답자의 순위와의 일치성으로 판단한다. 이를 위해 여러 대안들 중 일부를 추출하여 실제 제품을 보여주고 직접 순위를 매기도록 한 후 모형에 의한 추정 순위와 실제 제품의 순위가 일치하는 가를 평가한다. 이를 위해 대안들과 가장 유사한 실제 제품을 정확하게 제시하여야 하는데, 이를 참조방법(reference method)이라 한다.
- 이제, 6가지 참조제품에 대한 순위와 설문에 의한 순위, AHP 추정순위, 그리고 CA 추정 순위를 서로 비교하여보자. 참조제품 순위와 설문 순위와의 순위상관은 0.
- 본 연구는 의사결정의 결과인 선호 순위를 다룬 것이다. 특히, 속성 간의 쌍대비교를 통해 속성의 중요도(선호도)를 추정하는 계층적 의사결정론(analytic hierarchy process; AHP)과 제품의 순위나 제품 점수를 통한 속성 효용의 결합으로 속성의 선호도를 추정하는 컨조인트 분석(conjoint analysis; CA)의 비교를 다루었다. 두 방법은 의사결정론에서 널리 사용되지만, 속성의 중요도를 측정하는 과정이 전혀 달라 AHP에서 가중치(weight), CA에서 효용(utility)이라는 두 추정치를 객관적으로 비교하는 것은 다소 어려운 문제라고 인식되어왔다.
- 1). 한편, 첫 번째 응답자는 여섯가지 프로파일 P1, P4, P6, P11, P13, P16에 대해 (5, 3, 1, 4, 6, 2)로 선호 순위를 기입하였다 (Table 3.4의 RM rank 참고). 최종적으로 42명의 응답자는 AHP 쌍대비교, CA 순위, RM 순위 모두에 응답하였으며, 이에 기초하여 각 응답자별 AHP 순위가 추정되며, CA 효용 추정치에 의한 부분가치 결합으로 CA 순위가 추정된다.
- 화장품 선택시 어떤 속성을 중요시 하는지와 구체적으로 속성의 효용이 어떠한지를 AHP와 CA를 사용하여 비교하고자 한다. CA의 일차적 목표는 응답자 개개인이 개별 속성에 어느 정도의 효용을 부여하는 가를 추정하는데 있다.
대상 데이터
- 4는 첫 번째 응답자의 AHP 가중치와 가중치에 기초한 추정순위, CA 효용과 효용에 기초한 추정순위, RM 순위 등을 보여준다. CA 설문에 의해 첫 번째 응답자는 8번 프로파일을 1순위, 6번 프로파일을 2순위, 16번 프로파일을 3순위로 선택하였다. 즉, 설문조사에 의한 1, 2, 3순위는 (8, 6, 16)번 프로파일이다.
- 본 설문조사는 S대학교 통계학과 여학생 54명을 대상으로 진행하였다. 그런데, AHP와 CA 결과가 서로 반대로 나타나거나, 응답의 신뢰성이 심하게 낮은 12명을 제외한 42명을 최종 분석 대상으로 하였다. 모든 학생은 동일하게 AHP와 CA 설문을 부여 받았으며, 설문 순서의 영향을 배제하고자 한 그룹은 AHP-CA, 다른 그룹은 CA-AHP 순서로 설문조사가 진행되었다.
- 본 설문조사는 S대학교 통계학과 여학생 54명을 대상으로 진행하였다. 그런데, AHP와 CA 결과가 서로 반대로 나타나거나, 응답의 신뢰성이 심하게 낮은 12명을 제외한 42명을 최종 분석 대상으로 하였다.
- 이 4가지 속성에서 각각 2가지 수준(level)을 도출하였다. 제조국은 국산(domestic)과 외국산(foreign), 가격은 고가(high)와 중저가(middle-low), 구매 추천인은 일반인(ordinary person)과 전문가 및 유명인(entertainer), 화장품 유형은 기초(base)와 메이크업(make-up)으로 각 수준을 선정하였다. 속성수준이 24이므로 16개의 프로파일이 존재한다.
- 4의 RM rank 참고). 최종적으로 42명의 응답자는 AHP 쌍대비교, CA 순위, RM 순위 모두에 응답하였으며, 이에 기초하여 각 응답자별 AHP 순위가 추정되며, CA 효용 추정치에 의한 부분가치 결합으로 CA 순위가 추정된다.
데이터처리
- 그리고, 4가지 속성을 더미변수로 입력하는데, 더미코딩 0을 −1로 변환한 effects 코딩을 사용하여 회귀분석을 실시한다.
이론/모형
- 가중치를 추정하는 방법은 크게 세 가지로 분류할 수 있는데, 고유치 분해법, 거리최소화법, 평균계산법이 그것이다 (Jeong, 2010; Jeong 등, 2012). 다양한 추정 방법 중 Saaty (1980)의 고유치 분해법이 일반적으로 사용되므로 본 연구에서도 고유치 분해법을 사용하기로 한다.
- 8 이상이 적절하다고 제안하였다. 본 연구에서도 Helm 등 (2003)의 기준을 따르기로 한다. 한편, 모든 응답자들의 R2의 산술평균으로 종합 R2를 산출하여 컨조인트 모형의 전체적 일치성을 판단할 수 있다.
- 척도는 쌍대비교, 서열척도 등의 여러 대상을 비교하여 선택하는 논메트릭 척도와 연속형 평가척도, 리커트 척도 등을 포함하는 메트릭 척도가 있다. 여섯째, CA 모형을 추정할 방법을 선정하는데, 추정 방법으로 평가가 순위척도로 이루어지고 부분가치 모델인 경우 가산적 컨조인트 분석(MonAnova)을, 이상점 모델인 경우에는 이상점모형 분석(LINMAP)을 이용한다. 그 외에도 PREFMAP, Jonson’s nonmetric trade-off procedure 등 다양한 추정법이 존재한다 (Green과 Srinivasan, 1978, 1990).
성능/효과
- 6은 42명의 CA 분석의 평균 효용과 중요도이다. CA에서 화장품 선호에 영향을 미치는 주요 속성의 효용은 가격, 화장품 제조국가, 화장품 종류, 추천인 순으로 나타났으며, AHP의 속성 중요도 순위와는 다소 반대의 결과가 유도되었음을 볼 수 있다. 하지만, 이는 전체 응답자의 속성 가중치나 효용을 평균한 것이기에 단순 비교하기에는 약간 무리스러운 면이 있다.
- 한편, CA 내에서 쌍대비교를 통한 토너먼트 순위 결정 방식보다 순위 결정에 제약을 두지 않은 일반순위 결정 방식의 적중률이 대부분의 경우에서 더 높음을 볼 수 있다. 결론적으로 본 42명의 여학생에 대한 화장품 선호도 조사에서는 AHP의 예측타당성이 CA 보다 다소 높게 나타나서, AHP 순위 예측 방법을 마케팅 의사결정에도 적용할 수 있는 가능성을 발견할 수 있었다.
- 또한, CA 내에서는, 토너먼트 순위 결정 방식이 16개 프로파일 전체로부터 순위를 결정하는 일반 순위 결정 방식보다 내적타당도가 낮음을 볼 수 있다. 결론적으로 응답자의 설문에 대한 일관성 측면에서는 CA가 AHP 보다 다소 우위에 있다고 할 수 있다. 이는 응답자들이 상대적으로 많지 않은 대안들의 선호를 결정할 때, 대안들끼리 상대적 비교하는 것보다 직접 순위를 부여하는 행위에 큰 어려움을 지니지 않는다고 해석할 수 있다.
- 7%로, AHP 추정 순위가 CA 추정 순위보다 참조표본에 대한 적중률이 높음을 볼 수 있다. 당연한 결과로 1, 2, 3순위 모두를 적중해야 하는 Hit123은 Hit1이나 Hit12 보다는 상당히 낮을 수 밖에 없는데, 본 사례에서 그 해당자가 AHP에서는 5명, CA에서는 6명으로 유의미한 차이라고 판단하기엔 다소 어려운 면이 있었다.
- 대안이 많지 않아서 CA의 다양한 버전 중 직접 순위를 결정하는 고전적 방법과 더불어 쌍대비교와 다소 유사한 토너먼트 방법으로 순위를 결정하는 두 가지 방법을 사용하였다. 사례분석 결과 내적 타당도 측면에서는 CA가, 예측타당도 측면에서는 AHP가 우위를 보여 Scholl 등 (2004)의 결과와 유사한 결과를 유도하였다. 한편, 16가지의 평가대상을 쌍대비교하여 순위를 결정하는 토너먼트 순위 결정 방법이 응답자의 순위 결정 과정의 피로도를 덜어주어 더 우수한 방법이라 예상되었지만, 내적타당도나 예측타당도 측면에서 특별한 제약 없이 응답자가 자율적으로 순위를 정하는 일반 순위 결정 방법이 더 우수한 것으로 나타났다.
- 그런데, 앞의 비전문가를 대상으로 하는 실험에서 AHP의 예측타당성이 CA보다 높을 수 있음을 살펴보았다. 즉, 응답자들이 CA의 순위결정의 번거로움을 피하는 대신, AHP를 사용하여 프로파일들의 순위를 추정할 수 있으며, 속성의 중요도를 유도할 수 있다는 점이다. 결론적으로 CA에 AHP를 활용할 수 있는 가능성을 타진한 점에서 본 연구의 의의를 두고자 한다.
- 323)으로 추정된다. 즉, 첫 번째 응답자의 효용은 메이크업, 중저가, 유명인 추천 그리고 외국산 화장품 순으로 효용크기가 드러나는데, AHP의 중요도 가중치와 비교하면, 앞의 세가지 인자 수준에 대한 선호는 서로 일치하나, 국가 브랜드에서 AHP는 국산제품을 CA에서는 외국산 제품을 선호하는 것으로 나타나, 두 분석 결과에 약간의 차이가 있음을 볼 수 있다.
- 이제, 6가지 참조제품에 대한 순위와 설문에 의한 순위, AHP 추정순위, 그리고 CA 추정 순위를 서로 비교하여보자. 참조제품 순위와 설문 순위와의 순위상관은 0.886이며, 참조제품 순위와 AHP 및 CA 추정순위와의 순위상관은 각각 0.771로 계산되어, 설문 순위와의 상관이 모형에 의한 순위보다 더 높게 나타났다. 이는 첫 번째 응답자에게 기억효과가 있어서인지, 설문 순위와 참조제품과의 순위상관이 AHP나 CA의 추정순위와의 상관보다 높게 나타난 것으로 유추된다.
- 사례분석 결과 내적 타당도 측면에서는 CA가, 예측타당도 측면에서는 AHP가 우위를 보여 Scholl 등 (2004)의 결과와 유사한 결과를 유도하였다. 한편, 16가지의 평가대상을 쌍대비교하여 순위를 결정하는 토너먼트 순위 결정 방법이 응답자의 순위 결정 과정의 피로도를 덜어주어 더 우수한 방법이라 예상되었지만, 내적타당도나 예측타당도 측면에서 특별한 제약 없이 응답자가 자율적으로 순위를 정하는 일반 순위 결정 방법이 더 우수한 것으로 나타났다. 이는 토너먼트 방법으로 순위를 정하면 순위를 다시 제고할 기회가 사라지지만, 특별한 제약 없이 순위를 정하게 되면, 응답자들이 전체 순위를 제고할 기회가 많아져서 보다 더 정확한 제품 순위가 결정되는 것으로 이해되었다.
- 회귀분석에 의해 첫 번째 응답자의 (국산, 외국산, 고가, 중저가, 일반인, 유명인, 기초, 메이크업) 효용은 (−0.418, 0.418, −2.498, 2.498, −0.797, 0.797, −3.323, 3.323)으로 추정된다.
후속연구
- 이는 토너먼트 방법으로 순위를 정하면 순위를 다시 제고할 기회가 사라지지만, 특별한 제약 없이 순위를 정하게 되면, 응답자들이 전체 순위를 제고할 기회가 많아져서 보다 더 정확한 제품 순위가 결정되는 것으로 이해되었다. 끝으로, 본 사례연구에서 동일 응답자에게 두 조사를 동시에 실시한 것은 바람직하다고 생각하지만, 응답자가 화장품에 대한 전문가가 아닌 일반인인 관계로 참조제품을 질문지 상의 프로파일과 정확히 매칭 하지 못하여 참조제품과의 순위상관이 높지 못한 점에 연구의 한계가 있음을 밝힌다. 즉, 이상의 결과를 일반화하기에는 다소 실험의 한계가 있어서 본 조사에 대한 결과로만 자료해석을 제한하고자 한다.
- 이는 첫 번째 응답자에게 기억효과가 있어서인지, 설문 순위와 참조제품과의 순위상관이 AHP나 CA의 추정순위와의 상관보다 높게 나타난 것으로 유추된다. 이러한 기억효과에 기초로 하여, 참조제품 프로파일 순위와 두 방법으로 추정한 순위와의 순위상관을 각 모형의 예측타당성을 평가하는 척도로 사용할 수 있으리라 기대한다.
- 끝으로, 본 사례연구에서 동일 응답자에게 두 조사를 동시에 실시한 것은 바람직하다고 생각하지만, 응답자가 화장품에 대한 전문가가 아닌 일반인인 관계로 참조제품을 질문지 상의 프로파일과 정확히 매칭 하지 못하여 참조제품과의 순위상관이 높지 못한 점에 연구의 한계가 있음을 밝힌다. 즉, 이상의 결과를 일반화하기에는 다소 실험의 한계가 있어서 본 조사에 대한 결과로만 자료해석을 제한하고자 한다.
- 결론적으로 CA에 AHP를 활용할 수 있는 가능성을 타진한 점에서 본 연구의 의의를 두고자 한다. 추후, 군집분석을 사용한 AHP와 CA의 시장 세분화 방안, 대응분석 수량화 점수와 각 방법들의 효용점수와의 군집화, AHP 속성 순위를 CA의 종속변수로 투입하는 방법들에 대한 활발한 연구를 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.