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
- 따라서 본 연구는 국내대형카드사 매출 빅데이터를 바탕으로 대형마트 성장률 감소를 소비자의 인구통계학적 변수 및 소비 시점 등에 따라 분석하고 개별 소비자 기준의 로지스틱 회귀모형을 통하여 대형마트 소비 감소와 다른 업종 매출비중 변화와의 관계 등을 실증적으로 규명하는데 목적이 있다. 또한 실제카드소비 데이터 기반 대형마트 감소 소비자를 대상으로 설문조사를 수행하여 다른 유통채널 선택 원인이 무엇인지 밝히고자 한다.
- 따라서 본 연구는 국내대형카드사 매출 빅데이터를 바탕으로 대형마트 성장률 감소를 소비자의 인구통계학적 변수 및 소비 시점 등에 따라 분석하고 개별 소비자 기준의 로지스틱 회귀모형을 통하여 대형마트 소비 감소와 다른 업종 매출비중 변화와의 관계 등을 실증적으로 규명하는데 목적이 있다. 또한 실제카드소비 데이터 기반 대형마트 감소 소비자를 대상으로 설문조사를 수행하여 다른 유통채널 선택 원인이 무엇인지 밝히고자 한다. 이제까지 연구는 주로 소비자 설문 조사를 통한 채널별 특성 차이 분석 혹은 유통채널 월별 매출금액의 회귀 분석등을 활용하여 변수간의 관계를 분석하는 것이었다.
- 이제까지 연구는 주로 소비자 설문 조사를 통한 채널별 특성 차이 분석 혹은 유통채널 월별 매출금액의 회귀 분석등을 활용하여 변수간의 관계를 분석하는 것이었다. 본 연구는 개별 소비자 기준으로 유통업종간 매출 영향에 대한 정량적인 분석과 설문조사를 통한 원인을 동시에 파악하려는 첫 시도로써 의미가 있다.
- 기존연구들은 주로 소비자 설문 조사를 통한 채널 간 특성분석 혹은 채널별 매출금액의 회귀 분석 등을 활용한 변수 간관계를 분석하는 것으로 대형마트라는 오프라인 채널과 다른온 ‧오프라인 유통채널들과의 매출 관계를 분석하는 연구는 부족하였다. 본 연구는 개별 유통업종간 매출 영향에 대한 정량적인 분석과 설문조사를 통한 원인을 동시에 파악하려는 시도로써 보다 직접적인 관계규명을 위하여 소비가 개인 기준으로 매출 영향을 분석한다는 점이 중요하다고 할 수 있다.
제안 방법
- AIC값에 이어 독립변수 변별력 분석을 위하여 연속형 독립변수들을 0이하, 1~9, 10~19, 20~29, 30~39, 40~49, 50이상 7개의 범주로 재분류하여 표 6과 같이 IV값을 산출하였다. 대형마트 소비 비중 감소에 가장 큰 영향을 준 유통채널은 오픈마켓(0.
- 이처럼 온라인패널 조사는 비용과 효율성 측면에서는 기존보다 우수한 조사 방법이지만 사전 등록된 한정된 pool을 활용한다는 점에서 제한이 있다. 기존 설문조사의 장단점들을 토대로 본 연구에서 활용한 서베이 방법은 카드사 빅데이터 기반의 모바일 설문 조사방식이다. 카드사 빅데이터 기반 서베이는 방대한 조사풀을 가지고 있으며, 정확한 서베이 대상 타겟팅, 카드데이터 분석결과 결합 등이 가능하기 때문에 기존 서베이 방법 대비 정확도와 효율성 측면에서 경쟁력을 가지고 있다.
- 로지스틱 회귀모형을 선택한 이유는 소비자 개별 단위의 매출영향 분석이 직접적인 관계를 살필 수 있기 때문이다. 대형마트 매출비중 감소 소비자를 1, 그 외 소비자가 0인 종속변수와 소비자의 인구통계학적 변수 및 대형마트 외 업종별 매출 비중변화를 독립변수로 설정하여 분석을 수행하였다. 분석절차는분석대상 정의, 종속변수/독립변수 정의, 데이터 셋 7:3 분리,독립변수탐색, 로지스틱 모형 적합(변수선택), IV값 산출, 혼동행렬, K-fold Cross Validation, AUROC 검증 등의 순으로 이루어졌다.
- 본 연구의 분석 데이터는 2015년 1월부터 2016년 12월까지2년간 A카드사 주 이용고객의 유통업종 매출 데이터이다. 매출성장률 분석을 위하여 2015년 대비 2016년의 유통업종별 매출액을 비교 분석하였다. 유통업체 정의는 대형마트, 백화점, 편의점, SSM, 오픈마켓, 소셜커머스, 종합쇼핑몰 등 7개 업종 내매출 비중이 높은 대표적인 26개 업체로 표 1의 산업통상자원부 유통업체 동향 기준[6]과 동일하게 적용하여 분석하였다.
- 모형의 과적합 여부 등의 성능 테스트를 위하여 70%의 훈련 데이터로 모형 산출 후 30%의 검증 데이터의 적용하는 방법과 K-fold 검증 방법을 모두 적용해보았다. 먼저 70% 데이터의 모형 적합 결과를 테스트(30%) 데이터에 적용시켜 0.
- 이제까지 대형마트 매출 영향에 관한 분석은 주로 대형마트와 SSM의 영업규제 따른 효과분석 측면에서 많은 연구들이 이루어졌다. 설문조사를 통해 영업규제 전후 소비비중변화, 평균방문 횟수 변화, 1회 평균 이용금액 변화 등을 조합하여 대형마트 및 SSM 매출 감소액과 전통시장 및 일반슈퍼마켓 매출 증가액을 추정하는 방법[7]과 대형마트의 월별, 일별 매출 데이터를 이중 임의효과 패널 회귀분석기법에 적용하여 영업 제한에 따른 매출 감소분을 전통시장 및 일반슈퍼마켓 매출 증가로 전환액을 추산하는 방법[8] 등을 사용하였다. 영업규제 측면이 아닌 일반적인 매출액과의 영향 관계 측면에서의 연구는 확률계수모델(Random Coefficient Models)을 사용하여 상권내 SSM출점여부와 편의점 매출액의 관계를 분석한 것으로 편의점매출액과 SSM 출점여부는 영향력이 없는 것으로 결과가 나타났다[17].
- 소비 금액이 아닌 비중 감소로 정의한 것은 개인마다 소비 수준의 차이가 있고 전체 소비 증가나 감소에 따른 영향을 방지하기 위함이다. 성, 연령, 거주지역 등 인구통계학적 변수와 2015년 대비 2016년 유통채널별(백화점, 편의점, SSM, 오픈마켓, 소셜커머스,종합쇼핑몰) 소비자 기준의 소비 비중 증감을 독립변수로 정의하였다. 업종별 소비 비중 증감 변수는 –100 ~ 100까지 구간의 연속형 변수이다.
- 소비 시점에 대한 분석을 위하여 요일은 주말(공휴일)과 주중으로 구분하였고 시간대는 새벽/오전(0~10시), 오후(11~17시), 저녁(18~20시), 밤(21~23시)로 구분하였다. 분석결과는 표4와 같이 대형마트는 주말( –2.
- 앞서 유통채널 매출 성장률 분석과 로지스틱 회귀모형을 분석을 통하여 대형마트 소비 비중 감소와 다른 유통 채널의 영향관계에 대하여 분석하였다. 유통채널 중 2016년 매출 성장률은 편의점이 가장 높았고 오픈마켓은 대형마트소비 비중 감소에 가장 큰 영향을 끼치고 있는 것으로 나타났다.
- 매출성장률 분석을 위하여 2015년 대비 2016년의 유통업종별 매출액을 비교 분석하였다. 유통업체 정의는 대형마트, 백화점, 편의점, SSM, 오픈마켓, 소셜커머스, 종합쇼핑몰 등 7개 업종 내매출 비중이 높은 대표적인 26개 업체로 표 1의 산업통상자원부 유통업체 동향 기준[6]과 동일하게 적용하여 분석하였다.
- 하지만 소비자들이 편의점과 오픈마켓을 왜 선택하였는지에 대한 의문점이 생긴다. 이점을 조사하기 위하여 실제 A카드사 고객 중 국내 대형마트 B사의 소비가 감소하고 편의점 또는 오픈마켓 소비가 증가한 소비자를targeting하여 소비 증가 사유와 증가 품목에 대하여 서베이를 실시하였다. 2016년 12월 16일 ~ 20일까지 5일간 총 5만6천명을 대상으로 모바일 LMS을 발송하여 4.
- 모형 분석 대상은 소비 분석의 대표성 확보를 위하여 일정금액 이상 지속적으로 유지하고 있는 A카드사 주이용 고객 중2015년도 대형마트 소비 경험을 가지고 있는 대상으로 샘플링 하여 약 28만 명을 추출하였다. 종속변수는 대형마트 소비감소에 끼치는 영향을 분석하기 위하여 개인별 7개의 유통채널 소비 합계를 100으로 놓고 그 중 대형마트 소비 비중이 2015년 대비 2016년에 50%이상 감소한 소비자를 1, 그 외 나머지를 0으로 정의하였다. 종속변수 1에 해당하는 비중은 15.
대상 데이터
- 이점을 조사하기 위하여 실제 A카드사 고객 중 국내 대형마트 B사의 소비가 감소하고 편의점 또는 오픈마켓 소비가 증가한 소비자를targeting하여 소비 증가 사유와 증가 품목에 대하여 서베이를 실시하였다. 2016년 12월 16일 ~ 20일까지 5일간 총 5만6천명을 대상으로 모바일 LMS을 발송하여 4.1천명이 응답하였다(응답율 7.4%). 응답자의 남녀 비율은 각각 47.
- 모형 분석 대상은 소비 분석의 대표성 확보를 위하여 일정금액 이상 지속적으로 유지하고 있는 A카드사 주이용 고객 중2015년도 대형마트 소비 경험을 가지고 있는 대상으로 샘플링 하여 약 28만 명을 추출하였다. 종속변수는 대형마트 소비감소에 끼치는 영향을 분석하기 위하여 개인별 7개의 유통채널 소비 합계를 100으로 놓고 그 중 대형마트 소비 비중이 2015년 대비 2016년에 50%이상 감소한 소비자를 1, 그 외 나머지를 0으로 정의하였다.
- 본 연구의 분석 데이터는 2015년 1월부터 2016년 12월까지2년간 A카드사 주 이용고객의 유통업종 매출 데이터이다. 매출성장률 분석을 위하여 2015년 대비 2016년의 유통업종별 매출액을 비교 분석하였다.
데이터처리
- 5% 등의 양호한 모형 성능 검증 수치를 나타냈으며 그림 7은 K-fold CV(cross-validation)의 결과로서 70%의 데이터로 만든 모형의 30% 테스트 데이터 검증 결과와 같은 성능을 나타냈다. 또한 추가적인 모형 성능 검증을 위해 그림 8과 같이 ROC Curve를 산출하였으며 0.896의 AUROC 값을 확인하였다. 이상의 성능 검증 결과들을 통하여 과적합의 문제는 크게 우려되지 않으며 적정 수준의 이상의 모형 성능을 확인할 수 있었다.
- 대형마트 매출비중 감소 소비자를 1, 그 외 소비자가 0인 종속변수와 소비자의 인구통계학적 변수 및 대형마트 외 업종별 매출 비중변화를 독립변수로 설정하여 분석을 수행하였다. 분석절차는분석대상 정의, 종속변수/독립변수 정의, 데이터 셋 7:3 분리,독립변수탐색, 로지스틱 모형 적합(변수선택), IV값 산출, 혼동행렬, K-fold Cross Validation, AUROC 검증 등의 순으로 이루어졌다. IV값은 로지스틱 회귀 분석을 위한 독립 변수를 선택하는 스크리너 역할을 하는 통계량으로 g는 종속변수의Good(Y=1), b는 Bad(Y=0) 뜻하며 계산식은 식 (3)과 같다.
이론/모형
- 변수 선택 및 변수의 변별력 결과를 확인하기 위하여 전진선택과 후진제거를 모두 고려한 Stepwise를 적용하였다. 분석결과 그림 5와 같이 소비자의 성별(SEX_CCD)은 제거가 되었으며 나머지 변수들은 모두 채택이 되었고 AIC(Akaike Information Criterion) 기준으로 오픈마켓(OPEN)이 가장 영향력이 큰 변수로 나타났으며 그 다음으로 백화점(DEP), 소셜커머스(SOC), 편의점(CVS) 등의 순으로 나타났다.
성능/효과
- 20대가 거의 대부분의 유통채널에서 플러스 성장률을 보이는 것은 사회진출 및 결혼 등 라이프 스테이지 변화로 인하여 소비가 증가하기 때문으로 판단된다. 20~30대는 온오프라인 매출이 모두 증가하였으나 40~50대 중장년층은 대형마트와 SSM매출이 감소한 반면에 편의점 매출이 가장 크게 증가하였고 60대는 백화점과 종합쇼핑몰 매출이 크게 감소하였고 편의점과 소셜머커스 매출 성장률이 비교적 높게 나타났다. 종합쇼핑몰은 남성은 5.
- 대형마트소비자의 연령대별로는 20대는 남녀 모두 플러스 성장률을 보였으나 40~50대는 가장 큰 마이너스 성장률을 나타냈다. 그러나 실제 대형마트 소비 비중 감소 고객을 Target으로 로지스틱회귀 분석 결과에서는 연령대가 낮을수록 대형마트 소비 비중감소 확률이 높은 것으로 확인되어 전체 매출 성장률과 실제 소비자 기준의 비중 감소 분석 결과가 다르게 나타난 것을 확인할수 있었다. 또한 로지스틱 회귀모형에서 가장 영향을 끼치는 변수는 오픈마켓, 백화점, 소셜커머스, 편의점 순이었다.
- AIC값에 이어 독립변수 변별력 분석을 위하여 연속형 독립변수들을 0이하, 1~9, 10~19, 20~29, 30~39, 40~49, 50이상 7개의 범주로 재분류하여 표 6과 같이 IV값을 산출하였다. 대형마트 소비 비중 감소에 가장 큰 영향을 준 유통채널은 오픈마켓(0.551)으로 나타났으며 그 다음으로 백화점, 소셜커머스, 편의점, 종합쇼핑몰, SSM 순으로 나타나 앞선 AIC와 결과가 동일함을 확인하였다. 일반적인 IV값에 대한 평가 기준은 표 7과 같으며, 이를 대입한 결과 오픈마켓은 매우 강한 영향력을 가지고 있고 다른 유통채널 보다 3배 이상 월등히 높아 대형마트소비 비중 감소에 가장 결정적인 채널로 판단된다.
- 그러나 실제 대형마트 소비 비중 감소 고객을 Target으로 로지스틱회귀 분석 결과에서는 연령대가 낮을수록 대형마트 소비 비중감소 확률이 높은 것으로 확인되어 전체 매출 성장률과 실제 소비자 기준의 비중 감소 분석 결과가 다르게 나타난 것을 확인할수 있었다. 또한 로지스틱 회귀모형에서 가장 영향을 끼치는 변수는 오픈마켓, 백화점, 소셜커머스, 편의점 순이었다. 오픈마켓과 소셜커머스는 다양한 상품, 저렴한 가격과 편리한 배송서비스를 바탕으로 대형마트의 대체 채널이 되고 있으며 대형마트와 마찬가지로 매출 정체를 겪고 있지만 복합문화공간으로 전환을 시도하는 백화점이 두 번째로 영향력이 큰 채널로 나타났다.
- 일반적인 IV값에 대한 평가 기준은 표 7과 같으며, 이를 대입한 결과 오픈마켓은 매우 강한 영향력을 가지고 있고 다른 유통채널 보다 3배 이상 월등히 높아 대형마트소비 비중 감소에 가장 결정적인 채널로 판단된다. 또한 백화점, 소셜커머스, 편의점도 0.1보다 높아 중간 정도(Medium)의 변별력을 가진 반면에 SSM은 대형마트와 가장 유사한 유통채널로서 대형마트 소비 비중 감소에 가장 변별력이 없는 채널로 영향력이 작게 나타났다.
- 오픈마켓과 소셜커머스는 다양한 상품, 저렴한 가격과 편리한 배송서비스를 바탕으로 대형마트의 대체 채널이 되고 있으며 대형마트와 마찬가지로 매출 정체를 겪고 있지만 복합문화공간으로 전환을 시도하는 백화점이 두 번째로 영향력이 큰 채널로 나타났다. 또한 소비자의 거주 지역, 소비 시점 등에 따라 대형마트매출 성장률이 다르게 나타난 것을 확인했다. 이러한 측면에서 대형마트의 매출 증가 혹은 방어를 위하여 매출 성장률 감소폭이 큰 지역에 대한 마케팅 자원을 투입하든가 매출 금액이나 방문 횟수가 감소하는 소비자에 대한 소비 이탈을 사전 감지하고 상품과 마케팅 전략을 수립하는 것을 고려해볼 수 있다.
- 매출 성장률을 소비자의 성, 연령대별로 세분화하여 분석한 결과 전반적으로 연령대가 낮을수록 성장률이 높았으며 여성의 경우 온라인 업종 매출 성장률이 높게 나타났다. 대형마트의 경우 남성보다 여성의 성장률이 낮으며 남녀 모두 40대, 50대가 가장 큰 마이너스 성장률을 보이는 반면에 20대는 남녀 각각 7.
- 모형의 과적합 여부 등의 성능 테스트를 위하여 70%의 훈련 데이터로 모형 산출 후 30%의 검증 데이터의 적용하는 방법과 K-fold 검증 방법을 모두 적용해보았다. 먼저 70% 데이터의 모형 적합 결과를 테스트(30%) 데이터에 적용시켜 0.5 이상의 확률 값을 1로 예측하여 실제 테스트 데이터의 GB와 혼동행렬을 실행한 결과, 표 8과 같이 Accuracy 87.9%, Sensitivity 96.5%, Recall 96.5% 등의 양호한 모형 성능 검증 수치를 나타냈으며 그림 7은 K-fold CV(cross-validation)의 결과로서 70%의 데이터로 만든 모형의 30% 테스트 데이터 검증 결과와 같은 성능을 나타냈다. 또한 추가적인 모형 성능 검증을 위해 그림 8과 같이 ROC Curve를 산출하였으며 0.
- 본 연구에서 앞선 분석 및 조사 결과를 다시 요약하면 먼저 대형마트의 매출은 매년 감소하고 있으며 편의점(+27.5%)과오픈마켓(+15.2%), 소셜커머스(+11.1%) 등의 온라인 유통채널은 큰 성장률을 보이고 있다. 유통채널 별로 다소 차이는 있으나 전반적으로 연령대가 낮을수록 높은 성장률을 보이고 있으며 여성의 경우 온라인 성장률이 높게 나타났고 있다.
- 변수 선택 및 변수의 변별력 결과를 확인하기 위하여 전진선택과 후진제거를 모두 고려한 Stepwise를 적용하였다. 분석결과 그림 5와 같이 소비자의 성별(SEX_CCD)은 제거가 되었으며 나머지 변수들은 모두 채택이 되었고 AIC(Akaike Information Criterion) 기준으로 오픈마켓(OPEN)이 가장 영향력이 큰 변수로 나타났으며 그 다음으로 백화점(DEP), 소셜커머스(SOC), 편의점(CVS) 등의 순으로 나타났다. 직업군과 거주지역은 가장 변별력이 낮았다.
- 분석결과는 표4와 같이 대형마트는 주말( –2.0%)보다 주중 매출 성장률 감소(-5.8%)가 두드러졌으며 시간대별로는 21시 이후의 야간 시간대 성장률이 –10.3%로 가장 저조한 성장률을 보였다.
- 7%로서 가장 크게 감소하였다. 세종시의 다른 유통채널 매출 성장률을 살펴 본 결과 그림 2와 같이 전체 합계 성장률 대비 세종시 SSM 매출 성장률이 높은 것을 알 수 있다. 이는 소비자 거주 지역의 유통 환경 및 지역 구성원에 따라 매출 성장률이 다르게 나타날 수 있다는 것을 확인한 것이다.
- 그림 3은 독립변수들의 범주와 종속변수의 모자이크플롯을 통하여 시각화한 것으로 인구통계학적 변수 중에는 연령대(AGE_CCD)가 낮을수록 대형마트 소비 감소 비중이 높은 것으로 나타났다. 앞서 분석하였던 매출 성장률에서는 연령대가 낮을수록 대형마트 매출 성장률이 높았으나 대형마트 비중 감소 고객을 Target으로 분석한 결과는 정반대인 것을 확인했다.인구통계학적 변수 중 성별(SEX_CCD)은 남녀에 따른 차이가 거의 없는 것으로 나타났다.
- 또한 로지스틱 회귀모형에서 가장 영향을 끼치는 변수는 오픈마켓, 백화점, 소셜커머스, 편의점 순이었다. 오픈마켓과 소셜커머스는 다양한 상품, 저렴한 가격과 편리한 배송서비스를 바탕으로 대형마트의 대체 채널이 되고 있으며 대형마트와 마찬가지로 매출 정체를 겪고 있지만 복합문화공간으로 전환을 시도하는 백화점이 두 번째로 영향력이 큰 채널로 나타났다. 또한 소비자의 거주 지역, 소비 시점 등에 따라 대형마트매출 성장률이 다르게 나타난 것을 확인했다.
- 앞서 유통채널 매출 성장률 분석과 로지스틱 회귀모형을 분석을 통하여 대형마트 소비 비중 감소와 다른 유통 채널의 영향관계에 대하여 분석하였다. 유통채널 중 2016년 매출 성장률은 편의점이 가장 높았고 오픈마켓은 대형마트소비 비중 감소에 가장 큰 영향을 끼치고 있는 것으로 나타났다. 하지만 소비자들이 편의점과 오픈마켓을 왜 선택하였는지에 대한 의문점이 생긴다.
- 오픈마켓 소비 증가 사유 객관식 응답 집계 및 주관식응답 워드클라우드 분석 결과 그림 9와 같이 가장 큰 이유는 오프라인 대비 저렴한 상품가격과 다양한 할인 혜택 등가격적인 요소인 것을 확인할 수 있다. 응답자의 25.7%가 저렴한 상품가격을, 쿠폰 등 할인혜택 제공이 14.9%, 다양한 상품 구비 13.8% 등의 순으로 나타났으며 온라인 채널 이용편의 및 빠른 배송도 5, 6순위로 나타났다. 구매품목으로는 미용, 위생, 화장품 등의 일상용품이 19.
- 896의 AUROC 값을 확인하였다. 이상의 성능 검증 결과들을 통하여 과적합의 문제는 크게 우려되지 않으며 적정 수준의 이상의 모형 성능을 확인할 수 있었다.
- 앞서 분석하였던 매출 성장률에서는 연령대가 낮을수록 대형마트 매출 성장률이 높았으나 대형마트 비중 감소 고객을 Target으로 분석한 결과는 정반대인 것을 확인했다.인구통계학적 변수 중 성별(SEX_CCD)은 남녀에 따른 차이가 거의 없는 것으로 나타났다. 그림 4는 유통채널별 비중 GAP연속형 변수들의 기초통계량이다.
- 7%를 차지하고 있다. 전체 소매 시장의 성장률은 둔화될 것으로 전망되는 가운데, 온라인 쇼핑 시장은 2020년까지 두 자릿수의 성장률을 기록하며, 2020년에는 온라인 쇼핑 시장이 전체 소매 시장의 14.6%를 차지, 4조 580억 달러 규모에 달할 것으로 전망되어 온라인 쇼핑 규모는 지속적으로 증가할 것으로 예상된다[3].
- 20~30대는 온오프라인 매출이 모두 증가하였으나 40~50대 중장년층은 대형마트와 SSM매출이 감소한 반면에 편의점 매출이 가장 크게 증가하였고 60대는 백화점과 종합쇼핑몰 매출이 크게 감소하였고 편의점과 소셜머커스 매출 성장률이 비교적 높게 나타났다. 종합쇼핑몰은 남성은 5.3%의 마이너스 성장률을 보인 반면 여성은 5.1%의 성장률을 보였다.
- 하지만 본 연구를 통하여 소비자 기준의 유통채널 소비 변화에 대한 정량적 분석 결과와 소비 이동 이유 조사 결과를 융합하여 소비에 대한 입체적인 조망이 가능하다는 것을 확인했다.이를 유통 내 다른 채널에도 적용해 볼 수 있으며 유통업종 외에도 관광, 상권, 의료, 교육 등 민간뿐만 아니라 공공기관 정책지원 등 소비와 관련된 분석이 필요한 다양한 분야에 확대가 가능할 것으로 기대된다.
후속연구
- 하지만 본 연구를 통하여 소비자 기준의 유통채널 소비 변화에 대한 정량적 분석 결과와 소비 이동 이유 조사 결과를 융합하여 소비에 대한 입체적인 조망이 가능하다는 것을 확인했다.이를 유통 내 다른 채널에도 적용해 볼 수 있으며 유통업종 외에도 관광, 상권, 의료, 교육 등 민간뿐만 아니라 공공기관 정책지원 등 소비와 관련된 분석이 필요한 다양한 분야에 확대가 가능할 것으로 기대된다.
- 또한 지금의 대형마트 온라인몰은 오픈마켓이나 소셜커머스에 비하여 상품구성이나 가격경쟁력이 낮은 편으로 장보기 기능에만 한정되어 있는 반면에 최근 미국의 월마트의 경우 온라인 채널 강화를 위하여 33억 달러에 제트닷컴을 인수하며 아마존과의 경쟁을 예고하고 있다[24]. 한편으로는 스타필드, 롯데몰과 같은 복합쇼핑몰에 입점 되어 있는 마트처럼 외식, 문화, 쇼핑 등을 동시에 즐길 수 있는 타 업종과의연계점포를 구축하거나 대형마트 전국망을 기반으로 한 온‧오프라인 연계 서비스를 제공하는 것도 적극 고려해 볼 수있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.