[논문]빅데이터 분석을 통한 한국과 미국의 스타벅스 비교 분석

조아라; 김학선

doi:10.20878/cshr.2017.23.8.019

빅데이터 분석을 통한 한국과 미국의 스타벅스 비교 분석
A Comparison of Starbucks between South Korea and U.S.A. through Big Data Analysis 원문보기

Culinary science & hospitality research = 한국조리학회지, v.23 no.8 = no.91, 2017년, pp.195 - 205

조아라 (경성대학교 호텔관광외식경영학부) , 김학선 (경성대학교 호텔관광외식경영학부)

Abstract ▼ AI-Helper

The purpose of this study was to compare the Starbucks in South Korea with Starbucks in U.S.A through the semantic network analysis of big data by collecting online data with SCTM(Smart Crawling & Text Mining) program which was developed by big data research institute at Kyungsung University, a data collecting and processing program. The data collection period was from January 1st 2014 to December 7th 2017, and packaged Netdraw along with UCINET 6.0 were utilized for data analysis and visualization. After performing CONCOR(convergence of iterated correlation) analysis and centrality analysis, this study illustrated the current characteristics of Starbucks for Korea and U.S.A reflected by the social network and the differences between Korea and U.S.A. Since the Starbucks was greatly developed, especially in Korea. this study also was supposed to provide significant and social-network oriented suggestions for Starbucks USA, Starbucks Korea and also the whole coffee industry. Also this study revealed that big data analytics can generate new insights into variables that have been extensively studied in existing hospitality literature. In addition, implications for theory and practice as well as directions for future research are discussed.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 빅데이터를 활용하여 Starbucks Korea와 스타벅스의 본 고장인 미국을 비교하여 주요 단어와 단어 간의 연관성을 알아보고자 한다. 이를 통해 스타벅스 이용 고객의 각 국가간의 인식을 파악할 수 있으며 커피시장의 트렌드 및 현황을 알 수 있을 것으로 보여진다.
본 연구는 Starbucks Korea와 Starbucks USA에 관련하여어떠한 단어가 주로 사용되며, 단어들 사이의 관계성이 어떠한지를 밝힘으로써 스타벅스뿐 아니라 커피산업에 전략적시사점을 도출하고자 수행되었다. 특히, 웹에 게시된 Star-bucks Korea와 Starbucks USA에 의미연결망의 관계를 살펴보아 두 지역에서 형성된 인식의 차이를 밝히고자 하였으며,주요 검색어와 이슈가 무엇인지 살펴보고자 진행하였다.
본 연구는 구글 웹과 구글 뉴스자료에 나타난 스타벅스관련 텍스트 자료로부터 구조화된 형태의 정보를 추출하여패턴과 의미를 시각적으로 나타내고, 의미체계를 파악하고자 함이 본 연구의 목적이다. 이를 위해 Starbucks USA와Starbucks Korea에 관련하여 어떠한 단어가 주로 사용되며,단어들 사이의 관계성이 어떠한지를 밝힘으로써 스타벅스뿐 아니라 커피산업에 전략적 시사점을 도출하고자 수행되었다.
본 연구는 구글 웹과 구글 뉴스자료에 나타난 스타벅스관련 텍스트 자료로부터 구조화된 형태의 정보를 추출하여패턴과 의미를 시각적으로 나타내고, 의미체계를 파악하고자 함이 본 연구의 목적이다. 이를 위해 Starbucks USA와Starbucks Korea에 관련하여 어떠한 단어가 주로 사용되며,단어들 사이의 관계성이 어떠한지를 밝힘으로써 스타벅스뿐 아니라 커피산업에 전략적 시사점을 도출하고자 수행되었다. 이를 위해 구글 웹과 구글 뉴스에 작성된 텍스트를 수집하여 정제, 분석, 시각화의 과정을 통해 정보를 도출하였다.
본 연구는 Starbucks Korea와 Starbucks USA에 관련하여어떠한 단어가 주로 사용되며, 단어들 사이의 관계성이 어떠한지를 밝힘으로써 스타벅스뿐 아니라 커피산업에 전략적시사점을 도출하고자 수행되었다. 특히, 웹에 게시된 Star-bucks Korea와 Starbucks USA에 의미연결망의 관계를 살펴보아 두 지역에서 형성된 인식의 차이를 밝히고자 하였으며,주요 검색어와 이슈가 무엇인지 살펴보고자 진행하였다. 이를 위해 구글 웹과 구글 뉴스에 작성된 텍스트를 수집하여정제, 분석, 시각화의 과정을 통해 정보를 도출하였으며, 온라인 데이터를 수집하고 정제하는 과정은 경성대학교 웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였다.

제안 방법

수집 데이터인 비정형데이터를 분석하기 위하여 불필요한 단어와 공동으로 출연하는 단어는 제외하였으며, 빈도순위를 이용하여 핵심단어 48개를 추출하는 텍스트 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요 단어들을선정하였다. 선정된 단어들은 매트릭스 테이터로 만들어 의미연결망 분석에 이용하였다. 분석을 위하여 사회연결망 분석 프로그램인 Ucinet 6.
이를 위해 구글 웹과 구글 뉴스에 작성된 텍스트를 수집하여정제, 분석, 시각화의 과정을 통해 정보를 도출하였으며, 온라인 데이터를 수집하고 정제하는 과정은 경성대학교 웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였다. 수집 데이터인 비정형데이터를 분석하기 위하여 불필요한 단어와 공동으로 출연하는 단어는 제외하였으며, 빈도순위를 이용하여 핵심단어 48개를 추출하는 텍스트 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요 단어들을선정하였다. 선정된 단어들은 매트릭스 테이터로 만들어 의미연결망 분석에 이용하였다.
이를 위해 Starbucks USA와Starbucks Korea에 관련하여 어떠한 단어가 주로 사용되며,단어들 사이의 관계성이 어떠한지를 밝힘으로써 스타벅스뿐 아니라 커피산업에 전략적 시사점을 도출하고자 수행되었다. 이를 위해 구글 웹과 구글 뉴스에 작성된 텍스트를 수집하여 정제, 분석, 시각화의 과정을 통해 정보를 도출하였다. 온라인 데이터를 수집하고 정제하는 과정은 경성대학교웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였으며, 수집 데이터인 비정형데이터를 분석하기 위하여 텍스트 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요단어들을 선정하였다(Kim, 2017).

대상 데이터

Starbucks Korea와 Starbucks USA 관련 단어를 추출한 결과 Starbucks Korea에 관련된 단어는 37,033개가 추출되었고, Starbucks USA와 관련된 단어는 33,660개가 추출되어실질적으로 한국에 대한 검색 키워드가 3,373개 더 많다는것을 알 수 있었다. Starbucks Korea와 Starbucks USA로 추출된 단어중 상위 100개의 단어를 추출하였고, 그 중 불필요한 단어를 제외하여 총 50개의 단어로 정리하여 Table 1과 같이 정리하였다.
온라인 데이터를 수집하고 정제하는 과정은 경성대학교웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였으며, 수집 데이터인 비정형데이터를 분석하기 위하여 텍스트 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요단어들을 선정하였다(Kim, 2017). 선정된 단어들은 매트릭스 데이터로 만들어 의미연결망 분석에 이용하였다. 분석을위하여 Ucinet 6.

데이터처리

도출된 단어의 구조적 등위성을 도출하고자 덴드로그램을통하여 3단계의 위계적 집단을 확인하였으며, CONCOR(Con-vergence of iterated CORrelation) 분석을 수행하여 나타낸 것이 Fig. 2이다. 구조적으로 등위성 관계라는 것은 한 네트워크의 지위가 구조적으로 한 등위의 위치에 있음을 의미한다.
선정된 단어들은 매트릭스 테이터로 만들어 의미연결망 분석에 이용하였다. 분석을 위하여 사회연결망 분석 프로그램인 Ucinet 6.0를 사용하여 텍스트의 네트워크 중심성과 구조적 등위성(CONCOR) 분석을 진행하였다.분석결과, Starbucks Korea와 관련된 연결정도 중심성을 확인한 결과, ‘Starbucks’, ‘Coffee’, ‘Korea’, ‘New’, ‘News’ 등의단어가 높음을 확인하였으며 Starbucks USA와 관련된 연결정도 중심성을 확인한 결과 ‘Starbucks’, ‘Coffee’, ‘New’, ‘Com-pany’, ‘Stores’ 순으로 결과가 도출되었다.
선정된 단어들은 매트릭스 데이터로 만들어 의미연결망 분석에 이용하였다. 분석을위하여 Ucinet 6.0를 사용하여 텍스트의 네트워크 중심성과구조적 등위성(CONCOR: CONvergence of iterated CORrela-tions) 분석을 진행하였다.

이론/모형

온라인 데이터를 수집하고 정제하는 과정은 경성대학교웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였으며, 수집 데이터인 비정형데이터를 분석하기 위하여 텍스트 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요단어들을 선정하였다(Kim, 2017).
이를 위해 구글 웹과 구글 뉴스에 작성된 텍스트를 수집하여정제, 분석, 시각화의 과정을 통해 정보를 도출하였으며, 온라인 데이터를 수집하고 정제하는 과정은 경성대학교 웰니스․관광 빅데이터 연구소에서 개발한 SCTM(Smart Craw-ling & Text Mining)을 활용하였다.

성능/효과

Starbucks Korea를 분석 결과 4개의 클러스트(Cluster)가생성되었고 ‘Brand Image’, ‘Menu’, ‘SNS & Technology’ 그리고 ‘Customer service’로 명명하였다.
Starbucks Korea와 Starbucks USA 관련 단어를 추출한 결과 Starbucks Korea에 관련된 단어는 37,033개가 추출되었고, Starbucks USA와 관련된 단어는 33,660개가 추출되어실질적으로 한국에 대한 검색 키워드가 3,373개 더 많다는것을 알 수 있었다. Starbucks Korea와 Starbucks USA로 추출된 단어중 상위 100개의 단어를 추출하였고, 그 중 불필요한 단어를 제외하여 총 50개의 단어로 정리하여 Table 1과 같이 정리하였다.
Starbucks Korea와 관련된 연결정도 중심성을 확인한 결과, Starbucks, Coffee, South Korea, New, News 등의 단어가높음을 확인하였으며 Starbucks USA와 관련된 연결정도 중심성을 확인한 결과 Starbucks, Coffee, New, Company, Stores순으로 결과가 도출되었다. Eigenvector centrality는 고유벡터중심성 또는 위세 중심성이라 하며, 네트워크 내에서 가장 영향력이 있는 중심노드를 찾는데 유용한 지표이다.
가장 영향력 있는 중심노드를 찾기 위해 주요 단어의 위세중심성을계산한 결과, Starbucks South Korea와 관련된 Starbucks, coffee, Korea, New, Company, Korean, News, Seoul, Customer, People 순으로 나타났으며 Starbucks USA의 경우 Starbucks, Coffee, New, Company, Stores, People, World, Roastery, Food, Business 순으로 도출되었다.
도출된 단어의 구조적 등위성을 도출하고자 덴드로그램을 통하여 3단계의 위계적 집단을 확인하였으며, CONCOR분석을 통하여 Starbucks Korea를 분석 결과 4개의 클러스트가 생성되었고 ‘Braind Image’, ‘Menu’, ‘SNS & Technology’그리고 ‘Customer Service’로 그룹화되었다.
두 국가 모두 Brand Image와 Menu라는 클러스트가 생성되었지만, Brand Image 내에 세부 단어들을 살펴보면 한국은 ‘International’, ‘World’, ‘Asia’, ‘Brand’,‘Company’와 같은 스타벅스의 국제화에 관련된 키워드가주로 포함된 반면 Starbucks USA의 ‘Brand Image’에는 스타벅스의 국제화에 관련된 키워드뿐 아니라 ‘Seattle’, ‘Market’,‘CEO’, ‘Coffee’와 같은 스타벅스의 오리지날리티에 관한 단어도 함께 포함되어 있다는 것을 알 수 있었다.
첫째, Starbucks Ko-rea는 꾸준한 메뉴개발을 통하여 새로운 음료를 개발하여 신선한 음료를 제공하는 것이 하나의 마케팅 방안으로 제시되며, Starbucks USA는 커피의 원산지나 로스팅 정도, 차의 덖음 정도와 같이 기본에 충실한 음료라인을 개발하는 것이좋을 것으로 예상된다. 둘째, Starbucks Korea에만 생성된 Cus-tomer Service 클러스트로 보아 미국보다 한국의 고객이 서비스와 관련된 키워드에 더 많은 관심과 기대를 가지고 있다고 보인다. 실제 스타벅스의 고객서비스는 많은 기업에좋은 사례가 되고 있다.
또한 가장 영향력있는 중심노드를 찾기 위해 주요 단어의 위세중심성을 계산한 결과 Starbucks Korea와 관련된 ‘Starbucks’, ‘Coffee’, ‘Ko-rea’, ‘New’, ‘Company’, ‘Korean’, ‘News’, ‘Seoul’, ‘Customer’, ‘People’ 순으로 나타났으며 Starbucks USA의 경우 ‘Star-bucks’, ‘Coffee’, ‘New’, ‘Company’, ‘Stores’, ‘People’, ‘World’, ‘Roastery’, ‘Food’, ‘Business’ 순으로 나타났다.
분석결과, Starbucks Korea와 관련된 연결정도 중심성을 확인한 결과, ‘Starbucks’, ‘Coffee’, ‘Korea’, ‘New’, ‘News’ 등의단어가 높음을 확인하였으며 Starbucks USA와 관련된 연결정도 중심성을 확인한 결과 ‘Starbucks’, ‘Coffee’, ‘New’, ‘Com-pany’, ‘Stores’ 순으로 결과가 도출되었다.
셋째, 미국의 스타벅스와 한국의 스타벅스의 텍스트 분석 결과, 공통적으로 도출된 SNS 관련 키위드인 ‘Facebook’,‘Twitter’ ‘Moblie’, ‘App’과 같은 단어의 출현과 높은 빈도수로 보아 두 국가에서 스타벅스를 이용 중인 고객들의 SNS사용율과 관련 마케팅의 관심도가 높다고 보여진다.
본 연구에서의 시사점은 다음과 같다. 첫째, Starbucks Ko-rea는 꾸준한 메뉴개발을 통하여 새로운 음료를 개발하여 신선한 음료를 제공하는 것이 하나의 마케팅 방안으로 제시되며, Starbucks USA는 커피의 원산지나 로스팅 정도, 차의 덖음 정도와 같이 기본에 충실한 음료라인을 개발하는 것이좋을 것으로 예상된다. 둘째, Starbucks Korea에만 생성된 Cus-tomer Service 클러스트로 보아 미국보다 한국의 고객이 서비스와 관련된 키워드에 더 많은 관심과 기대를 가지고 있다고 보인다.

후속연구

본 연구의 한계점으로는 구글 웹 검색과 뉴스 검색을 바탕으로 2014년 1월 1일부터 2017년 12월 7일까지 영문으로작성된 텍스트 영역에 대해서만 수집과 분석이 이루어져 대표성에 대한 한계점이 존재한다. 또한 이 결과가 미국에 있는 스타벅스와 한국에 있는 스타벅스 모두를 대변한다고 보기에는 어려움이 있다.
따라서 본 연구는 빅데이터를 활용하여 Starbucks Korea와 스타벅스의 본 고장인 미국을 비교하여 주요 단어와 단어 간의 연관성을 알아보고자 한다. 이를 통해 스타벅스 이용 고객의 각 국가간의 인식을 파악할 수 있으며 커피시장의 트렌드 및 현황을 알 수 있을 것으로 보여진다. 커피전문점을 이용하는 소비자의 특성을 이해하며, 또한 빅데이터를 활용하여 스타벅스뿐 아니라 타 기업들의 브랜드 확장전략 및 커피전문점 마케팅의 기초자료로 기여할 것이라 기대한다.
메뉴 역시두 국가의 데이터에서 모두 생성된 그룹인데, 한국은 스타벅스 메뉴 중 ‘New’, ‘Best’, ‘Menu’, ‘Coffee’, ‘Frappuccino’와같이 새롭게 출시되거나 꾸준히 인기 있는 Menu에 대한 단어들이 추출된 반면, 미국의 Menu 그룹에서는 ‘Roastery’, ‘Re-serve’, ‘Teavana’, ‘Tea’ 등 커피나 티 본연의 맛에 관련된 단어들이 주로 추출되었다. 이를 통해 한국의 스타벅스 이용 고객과 미국의 스타벅스 이용 고객이 선호하는 커피와 메뉴에차이에 대하여 유추해 볼 수 있을 것으로 예상된다.Starbucks Korea에만 생성된 클러스트로는 customer ser-vice가 있다.
이를 통해 스타벅스 이용 고객의 각 국가간의 인식을 파악할 수 있으며 커피시장의 트렌드 및 현황을 알 수 있을 것으로 보여진다. 커피전문점을 이용하는 소비자의 특성을 이해하며, 또한 빅데이터를 활용하여 스타벅스뿐 아니라 타 기업들의 브랜드 확장전략 및 커피전문점 마케팅의 기초자료로 기여할 것이라 기대한다.
또한 이 결과가 미국에 있는 스타벅스와 한국에 있는 스타벅스 모두를 대변한다고 보기에는 어려움이 있다. 향후 연구에서는 이런 문제점과 한계점을 극복한다면 더 나은 연구결과를 도출할 수 있을 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	커피전문점은 어떤 특징을 갖는가?	오늘날 외식산업은 단지 음식이나 음료를 제공한다는 차원을 벗어나 인간의 삶에 가치를 부여하고 삶의 질을 높여주는 산업으로 발전되며 인식되어 가고 있다(Kim, 2013). 특히 커피전문점은 우리 생활에 빠질 수 없는 외식산업의 한분야로 크게 자리 잡아가고 있는데, Jung(2006)에 의하면 커피를 마시는 장소뿐 아니라, 많은 정보를 교환하고 유대관계를 공유하게 되는 공간으로 인식되고 있다고 하였으며, Kim(2003)은 커피전문점은 스타벅스를 비롯한 여러 커피 전문점이 기존의 다방의 개념에서 하나의 생활공간으로 변화하고 있다고 하였다. 커피전문점의 매출 규모는 빠른 속도로 증가하고 있는 추세이다.
	우리나라 1인당 연간 커피 소비량은 어떤 변화 양상을 보이는 가?	커피전문점의 매출 규모는 빠른 속도로 증가하고 있는 추세이다. 우리나라 1인당 연간 커피 소비량은 2014년에 341잔에서 2015년 349잔을 소비했고 2016년도에는 428잔을 기록했다(Choi, 2017). 소비량 증가의 주된이유로는 바쁜 라이프스타일과 커피에 대한 습관적 소비와커피전문점의 공간 활용도 증가에 기인한다(Jo, Choi & Kim,2016).
	e-wom란 어떤 개념을 포괄하는 가?	스타벅스 코리아가 TV 광고와 같은 매체를 활용하지 않고서도, 빠른 확산효과를 가져오게 된 것은 e-wom(electronic-word of mouth)의 영향력을 잘 활용한 결과라고 할 수 있다.여기에서 말하는 ‘소셜 네트워크의 입소문’이란 스타벅스매장을 방문한 고객이 다음 번 방문 때 지인들과 함께하고,또 그 지인들이 다음 번 방문 때 그들의 지인들과 함께하는등의 연쇄반응에 의한 것과 화이트칼라들이 한 손에 쥐고 있는 스타벅스 커피 한잔을 보고 근처 매장에 방문하게 되는 간접적 광고효과 모두를 포괄한다(Kim & Zhang, 2008).스타벅스 코리아가 세계적으로 가장 빠른 속도록 확산될 수있었던 것은, 각 매장들이 시간의 흐름에 따라 형성한 네트워크 영향력에서 기인한 것이며, 이는 다시 다양한 계층의입소문 효과가 만들어낸 결과라고도 해석할 수 있다(Chun & Park, 2016).

참고문헌 (29)

Bruell, A. (2014. Jun. 05) Starbucks goes with spark for media after sending out. Agency RFI. AdAge Retrieved from http://adage.com/article/agency-news/starbucks-moving-media-account-spark-phd/293579/
Choi, J. A. (2017). Imitation as a viable strategy: The case of ediya in Korean coffee franchise industry. Journal of Distribution Science, 15, 47-56.

원문보기 상세보기
Choi, S. S., You, G. J., & Kown, Y. J. (2011). The effects of CSR activities of Starbucks corporate on reputation, social connectedness, and customers' purchasing intention. Journal of Tourism & Leisure Research, 23(2), 97-116.
Chun, T. Y. & Park, N. H. (2016). A study on image positioning strategy of coffee shop. Korea Logistics Resarch Association. 26(3), 91-100.

상세보기
Garthwaite, C., Garthwaite, C., Busse, M., Busse, M., Brown, J., Brown, J., & Merkley, G. (2017). Starbucks: A story of growth. Kellogg School of Management Cases, 1-20.
Jo, A. R., Choi, H. Y., & Kim, H. S. (2016). A study on selection attributes, customer satisfaction and relationship orientation in franchised coffee shop among female customers in their 20s': Focused on moderating effect of brand image. Korean Journal of Hospitality & Tourism, 25(7), 1-15.
Ju, H. S. (2017) Starbucks, Sells space: Secret of Starbucks Coffee Korea 1 trillion sales Howard Schulz admire. Republic of Korea: RHKorea.
Kang, M. M., Kim, S. R., & Park, S. M. (2012). Analysis and utilization of big data. Communications of the Korean Institute of Information Scientists & Engineers, 30(6), 25-32.
Kim, D. H., & Kim, Y. G. (2014). The effect of brand personality on consumer-brand relationships, consumer satisfaction, and brand loyalty: A focus on Starbucks, The Tourism Sciences Society of Korea, 38(8), 75-100.
Kim, H. J., & Kim, J. H. (2017). A study on consumer value perception through social big data analysis: Focus on smartphone brands. The Jounal of Society for e-Business Studies, 22(1), 123-146.
Kim, H. S. (2017). A semantic network analysis of big data regarding food exhibition at convention center. Culinary Science & Hospitality Research, 25(8), 265-280.
Kim, H. S. (2013). Tourists' expectation and motivation regarding nutritional labeling in full-service restaurant menu. Journal of Tourism Sciences, 23(4), 22-32.
Kim, K. R., Lee, D. Y. & Cho, H. G. (2017). Keyword network visualization for text summarization and comparative analysis. Journal of KIISE, 44(2), 139-147.

원문보기 상세보기
Kim, M. Y., & Zhang, Y. T. (2008). A social influence model based on Starbucks networks, The Korean Institute of Information Scientists and Engineers, 35(2A), 101-102.
Kim, S., Park, S., Sun, M., & Lee, J. (2016). A study of smart beacon-based meeting, incentive trip, convention, exhibition and event (MICE) services using big data. Procedia Computer Science, 91, 761-768.

상세보기
Kim, W. S., Oh, K. N., Lee, Y. H., & Cho K. O. (2002). Marketing strategy for service quality improvement of specialty starbucks coffeechop: A case study. Journal of Foodservice Management, 5(1), 3-17.
Kim, Y. O. (2003). A study on the choice attributes and cus tomer satisfaction of a take-out coffee shop. Korean Journal of Hospitality & Tourism, 9(3), 141-154.
Lim, H. R., Lee, S. M., & Kim, H. S (2015). Research articles: Positioning strategy of global franchise coffee shop's brands in Busan, Korea. Journal of Tourism Sciences, 39(3), 195-206

상세보기
Oh, I., Lee, T., & Chon, C. (2015). A study on awareness of Korea tourism through big data analysis. Journal of Tourism Sciences, 39(10), 107-126.
Park, J. S. (2016). The influence of coffee shop brand image on brand extension and brand loyalty (Master's thesis, Kungsung University). Retrieved from http://www.riss.kr/link?idT13988010
Shim, H., Kim, Y., Shon, H., & Lim, J. (2011). An exploratory usage pattern research of smartphone and social media users through semantic network analysis: Gender and age differences in perception and evaluation of usage pattern. Korean Journal of Broadcasting & Telecommunication Studies, 25 (4), 82-138.
Shim, I. S., & Sung, Y. H. (2016). Psychological reactance factor of consumer acceptance by omni channel shopping; product pick-up service of starbucks: Focused on SIREN ORDER. Journal of Cultural Product & Design, 47, 75-86.

상세보기
Shi, M., Zhu, W., Yang, H., & Li, C. (2016). Applying semantic web and big data techniques to construct a balance model referring to stakeholders of tourism intangible cultural heritage. International Journal of Computer Applications in Technology, 54(3), 192-200.
Small Enterprise and Market Service (2017) Analysis of commercial power search report. Retrieved from https://sg.sbiz.or.kr
Starbucks Coffee Korea (2017). Story of Starbucks. Retrieved from http://www.istarbucks.co.kr/footer/company/starbucks_story.do
Tyagi, P., & Demirkan, H. (2016). Data lakes: The biggest big data challenges. Analytics Magazine, 11(3), 56-63.
Van Atteveldt, W. (2008). Semantic network analysis. Techniques for extracting, representing, and querying media content. Charleston: BookSurge Publishers.
Young, W. J. (2006). A study on the positioning strategy of coffee house. Korean Journal of Hospitality & Tourism, 15(1), 269-289.
Zikopoulos, P., & Eaton, C. (2011). Understanding big data: Analytics for enterprise class hadoop and streaming data. New York: McGraw-Hill Osborne Media.

저자의 다른 논문 :

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