패키징 분야도 4차 산업혁명에 발 맞춰 IoT (Internet of Things), 빅데이터, 클라우드 및 소비자 기반 기술 등이 적용되어 스마트 패키징이 등장하고 있다. 정책, 예측, 마케팅, 디자인 등 다양한 분야에서 빅데이터 분석이 활용되고 있지만 패키징 분야에서의 연구는 아직 초보적 수준이다. 따라서 본 연구는 빅데이터를 패키징 분야에 적용하기 위해 선행연구과 관련서적을 통해 빅데이터의 정의와 연구에서 활용되는 데이터 수집, 저장, 분석방법을 정리하였고 패키징 분야에 적용할 수 있는 분석방법을 제시하였다. 오늘날 패키징 분야는 마케팅적 요소를 요구받고 있기 때문에 패키징에 대한 소비자의 인식을 파악할 필요가 있으며 빅데이터의 근원이 되는 5가지 데이터 중 사유데이터(private data)와 커뮤니티 데이터(communitydata)를 활용하여 소비자와 제품 간의 상호작용 분석하는데 활용하고자 한다. 패키징은 소비자의 관심을 끌기 위한 전략전인 도구로 사용되며 소비자의 구매위험을 줄이는 수단이 되기 때문에 패키징에 대한 소비자의 인식을 분석할 필요가 있다. 본 연구에서는 제품 개선을 위한 문제점 도출 과정에서 의미연결망 분석(Semantic Network Analysis)과 텍스트마이닝(Text mining)을 활용하여 제품을 구성하는 다양한 요소들을 파악하고 패키징 요소의 빈도분석을 거쳐 패키징의 영향력을 확인하는 방안과 저관여 제품을 대상으로 텍스트 마이닝(Text mining)과 오피니언 마이닝(Opinion Mining), 소셜 네트워크 분석(Social Network Analysis)을 통해 패키징에 대한 감정분석을 하여 동일한 제품군에서 소비자가 선호하는 패키징을 도출하는 방안을 제시하였다. 패키징은 제품을 구성하는 많은 요소들 중 하나이기 때문에 패키징이라는 단일 요소의 영향력을 파악하기란 쉽지 않지만 본 연구는 빅데이터를 활용하여 패키징에 대한 소비자의 인식과 감정을 분석하고 제품에서 패키징이 소비자에게 미치는 영향력을 분석할 수 있는 방안을 제시한 데 의의가 있다.
패키징 분야도 4차 산업혁명에 발 맞춰 IoT (Internet of Things), 빅데이터, 클라우드 및 소비자 기반 기술 등이 적용되어 스마트 패키징이 등장하고 있다. 정책, 예측, 마케팅, 디자인 등 다양한 분야에서 빅데이터 분석이 활용되고 있지만 패키징 분야에서의 연구는 아직 초보적 수준이다. 따라서 본 연구는 빅데이터를 패키징 분야에 적용하기 위해 선행연구과 관련서적을 통해 빅데이터의 정의와 연구에서 활용되는 데이터 수집, 저장, 분석방법을 정리하였고 패키징 분야에 적용할 수 있는 분석방법을 제시하였다. 오늘날 패키징 분야는 마케팅적 요소를 요구받고 있기 때문에 패키징에 대한 소비자의 인식을 파악할 필요가 있으며 빅데이터의 근원이 되는 5가지 데이터 중 사유데이터(private data)와 커뮤니티 데이터(community data)를 활용하여 소비자와 제품 간의 상호작용 분석하는데 활용하고자 한다. 패키징은 소비자의 관심을 끌기 위한 전략전인 도구로 사용되며 소비자의 구매위험을 줄이는 수단이 되기 때문에 패키징에 대한 소비자의 인식을 분석할 필요가 있다. 본 연구에서는 제품 개선을 위한 문제점 도출 과정에서 의미연결망 분석(Semantic Network Analysis)과 텍스트마이닝(Text mining)을 활용하여 제품을 구성하는 다양한 요소들을 파악하고 패키징 요소의 빈도분석을 거쳐 패키징의 영향력을 확인하는 방안과 저관여 제품을 대상으로 텍스트 마이닝(Text mining)과 오피니언 마이닝(Opinion Mining), 소셜 네트워크 분석(Social Network Analysis)을 통해 패키징에 대한 감정분석을 하여 동일한 제품군에서 소비자가 선호하는 패키징을 도출하는 방안을 제시하였다. 패키징은 제품을 구성하는 많은 요소들 중 하나이기 때문에 패키징이라는 단일 요소의 영향력을 파악하기란 쉽지 않지만 본 연구는 빅데이터를 활용하여 패키징에 대한 소비자의 인식과 감정을 분석하고 제품에서 패키징이 소비자에게 미치는 영향력을 분석할 수 있는 방안을 제시한 데 의의가 있다.
The Big Data, the element of the Fourth Industrial Revolution, is drawing attention as the 4th Industrial Revolution is mentioned in the 2016 World Economic Forum. Big Data is being used in various fields because it predicts the near future and can create new business. However, utilization and resea...
The Big Data, the element of the Fourth Industrial Revolution, is drawing attention as the 4th Industrial Revolution is mentioned in the 2016 World Economic Forum. Big Data is being used in various fields because it predicts the near future and can create new business. However, utilization and research in the field of packaging are lacking. Today packaging has been demanded marketing elements that effect on consumer choice. Big data is actively used in marketing. In the marketing field, big data can be used to analyze sales information and consumer reactions to produce meaningful results. Therefore, this study proposed a method of applying big data in the field of packaging focusing on marketing. In this study suggest that try to utilize the private data and community data to analyze interaction between consumers and products. Using social big data will enable to understand the preferred packaging and consumer perceptions and emotions in the same product line. It can also be used to analyze the effects of packaging among various components of the product. Packaging is one of the many components of the product. Therefore, it is not easy to understand the impact of a single packaging element. However, this study presents the possibility of using Big Data to analyze the perceptions and feelings of consumers about packaging.
The Big Data, the element of the Fourth Industrial Revolution, is drawing attention as the 4th Industrial Revolution is mentioned in the 2016 World Economic Forum. Big Data is being used in various fields because it predicts the near future and can create new business. However, utilization and research in the field of packaging are lacking. Today packaging has been demanded marketing elements that effect on consumer choice. Big data is actively used in marketing. In the marketing field, big data can be used to analyze sales information and consumer reactions to produce meaningful results. Therefore, this study proposed a method of applying big data in the field of packaging focusing on marketing. In this study suggest that try to utilize the private data and community data to analyze interaction between consumers and products. Using social big data will enable to understand the preferred packaging and consumer perceptions and emotions in the same product line. It can also be used to analyze the effects of packaging among various components of the product. Packaging is one of the many components of the product. Therefore, it is not easy to understand the impact of a single packaging element. However, this study presents the possibility of using Big Data to analyze the perceptions and feelings of consumers about packaging.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
마케팅 분야는 빅데이터를 활용한 연구가 활발히 진행 중에 있으며 해당 분야는 판매정보와 소비자의 반응을 분석하여 유의미한 결과를 도출 할 수 있는 분야이다4,6). 따라서 본 연구에서는 패키징의 기능 중 마케팅요소를 중심으로 빅데이터를 활용할 수 있는 방안을 제안하고자 한다. 본 연구를 위해 빅데이터를 활용한 선행연구와 관련서적을 이용하여 빅데이터의 개념과 연구방법을 정리하고 패키징 분야에서의 적용방안을 고찰하였다.
따라서 본 연구에서는 패키징의 기능 중 마케팅요소를 중심으로 빅데이터를 활용할 수 있는 방안을 제안하고자 한다. 본 연구를 위해 빅데이터를 활용한 선행연구와 관련서적을 이용하여 빅데이터의 개념과 연구방법을 정리하고 패키징 분야에서의 적용방안을 고찰하였다.
제안 방법
빅데이터는 비용 효율이 높고, 새로운 형태의 정보처리가 필요한 것으로 혁신, 대용량, 고속 및 다양성의 특성을 지닌다고 하였다. 가트너는 빅데이터의 특징을 3V모델을 통해 설명하였으며 초기의 3V모델에 2V를 추가하여 5V모델을 제시하였다. 3V모델이란 빅데이터의 특징으로 용량(Volume), 다양성(Variety), 속도(Velocity)를 의미한다.
소비자의 제품별 인식과 감정을 비교하여 같은 제품군에서의 소비자에게 긍정적인 반응을 이끄는 패키징을 도출하는데 활용할 수 있다. 제시된 연구방법은 소셜 빅데이터를 활용하여 패키징에 대한 소비자의 인식을 파악하는 방법이지만 소셜 빅데이터뿐만 아니라 다양한 형태의 빅데이터 분석방법을 활용할 수 있다. 하지만 빅데이터의 성격에 따라 분석목적이 변하기 때문에 적절한 빅데이터를 선정하고 패키징과의 연관성을 파악해야하는 어려움이 있다.
코카콜라는 페이스북, 트위터를 통해 제품과 관련된 이슈를 탐색하여 국가나 지역에 따라 제품에 대한 인식을 조사하였다. 코카콜라는 소셜 빅데이터 분석 후 제품 인식에 따라 마케팅비용을 조정하고 제품과 관련된 이슈를 향후 브랜드 마케팅에 적용하였다(Fig.4)32). 미국의 슈퍼마켓 체인점인 카타리나(Catalina)는 기업 내부의 축적된 사유 데이터를 활용하여 마케팅에 활용한 사례이다.
코카콜라의 경우 소셜 빅데이터 분석을 통해 소비자의 반응을 탐색한 대표적인 사례이다. 코카콜라는 페이스북, 트위터를 통해 제품과 관련된 이슈를 탐색하여 국가나 지역에 따라 제품에 대한 인식을 조사하였다. 코카콜라는 소셜 빅데이터 분석 후 제품 인식에 따라 마케팅비용을 조정하고 제품과 관련된 이슈를 향후 브랜드 마케팅에 적용하였다(Fig.
이론/모형
제품 개선을 위한 문제점을 파악하는데 이용할 수 있다. 분석대상인 제품에 관한 키워드로 데이터를 수집하고 장미화(2016)24),이태준(2015)28)의 연구에서 활용된 빅데이터 분석 기법인 의미연결망 분석(Semantic Network Analysis)과 텍스트 마이닝(Text mining)을 활용하여 단어들 간의 연결정도 중심성을 분석한다. 단어들 간의 관계를 파악하면 제품 이슈의 빈도와 항목을 파악할 수 있다.
저관여 제품군의 경우 소셜 네트워크를 이용하여 해당 제품군의 제품명과, 관련 키워드로 데이터를 수집하고 수집된 데이터를 김현중(2016)23), 공효순(2015)26), 정회윤(2015)27)의 연구에서 활용된 빅데이터 분석기법인 텍스트 마이닝(Text mining)과 오피니언 마이닝(Opinion Mining), 소셜 네트워크 분석(Social Network Analysis)을 통해 각 제품의 인식과 패키징의 언급에 따른 감정분석을 실시한다. 소비자의 제품별 인식과 감정을 비교하여 같은 제품군에서의 소비자에게 긍정적인 반응을 이끄는 패키징을 도출하는데 활용할 수 있다.
성능/효과
첫째 특정 제품군의 패키징에 대한 소비자 반응을 분석하여 패키징 형태에 따른 소비자들의 인식을 파악할 수 있다. 둘째 소비자의 감정과 선호도를 분석하여 판매 중인 제품의 개선점을 도출하거나 제품 개발단계에서 소요되는 시간과 노력을 절약할 수 있다. 셋째 특정 제품군의 판매량, 판매장소, 판매시간, 구매 연령, 판매패턴 등의 데이터를 이용하여 패키징의 영향력을 파악하고 지역, 시간, 연령의 특성에 맞게 패키징을 개선, 수정하는 새로운 판매전략을 계획할 수 있다.
둘째 소비자의 감정과 선호도를 분석하여 판매 중인 제품의 개선점을 도출하거나 제품 개발단계에서 소요되는 시간과 노력을 절약할 수 있다. 셋째 특정 제품군의 판매량, 판매장소, 판매시간, 구매 연령, 판매패턴 등의 데이터를 이용하여 패키징의 영향력을 파악하고 지역, 시간, 연령의 특성에 맞게 패키징을 개선, 수정하는 새로운 판매전략을 계획할 수 있다.
인터넷을 비롯한 모바일, PC, 센서, 정보통신기술의 발달로 데이터의 생성 속도와 크기는 기하급수적으로 증가하였다. 정보화시대에 들어서면서 하루에 생산되는 데이터의 양이 과거 축적된 데이터의 양보다 많아지고 있다.
Ahmad(2015)는 영국의 맨체스터 시티에서 판매되고 있는 도리토스(Doritos)를 대상으로 패키징의 영향력을 연구하였다. 포장 디자인과 제품 품질 간에 동등한 관계가 있다고 말할 수는 없지만 패키징이 제품을 매력적인 느낌 들도록 한다고 하였으며 고객과의 의사소통 도구로 사용되는 등의 많은 기능을 한다는 결론을 내렸다. 또한, 혁신적인 패키징(easy open package, easy store package, easy carry package)은 제품의 가치를 향상시키는 기능하기 때문에 소비자의 관심을 끌기 위한 전략전인 도구로 사용되어야 하며 고객들이 가끔 제품의 다른 속성보다 패키징 때문에 제품을 선택하는 경향이 있다며 패키징의 마케팅적 영향력을 강조했다19).
후속연구
Silayoi(2007)는 저관여 제품의 경우 소비자들이 브랜드, 맛, 가격 등의 요소에 영향을 받기보다는 시각적 인상에 의존하여 제품을 선택한다고 하였다20). 따라서 제품 패키징의 영향력을 확인하기 위해서는 저관여 제품을 대상으로 연구할 것을 제안한다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터란 무엇인가?
빅데이터는 기존의 기술로는 저장, 분석, 시각화하는데 어려울 정도의 거대한 양의 데이터를 의미한다. 빅데이터는 다양한 형태 및 구조를 가지고 있기 때문에 단순한 데이터의 양을 의미하는 것을 넘어 데이터의 형태와 구조의 차이, 나아가 데이터 분석과 활용을 포괄하는 의미를 내포한다.
5V모델은 3V모델에서 무엇인 추가된 것인가?
3V모델이란 빅데이터의 특징으로 용량(Volume), 다양성(Variety), 속도(Velocity)를 의미한다. 추가된 V로는 가치(Value)와, 진실성(Veracity)이 있다8).
패키징의 기능 및 역할은?
패키징은 제품의 생산, 유통, 판매에 이르기까지 상품의 가치를 유지하는 기능뿐만 아니라 매장에서 고객의 선택을 돕는 보이지 않는 세일즈맨의 역할을 한다5). 빅데이터가 다양한 분야에서 활용되고 있지만 패키징 분야에서 생성되는 데이터의 양이 적고 가치창출이 가능한 데이터를 얻기 어려워 패키징 분야에서의 활용과 연구는 많지 않다.
참고문헌 (32)
Singh, S. and Singh, N. 2011. Big Data Analytics. 2012 International Conference on Communication, Information & Computing Technology (ICCICT). Mumbai India. IEEE.
Chae, S. B. 2011. 정보홍수 속에서 金脈 찾기 : '빅데이터(Big Data)' 분석과 활용. Samsung Economic Research Institute.
Lee, B. R. 2016. An identification on big data application fields by utilizing journal bibliographic coupling analysis. Journal of Korea Society for Information Management 19-22.
Ham, Y. and Chae, S. 2012. Big Data Changing Business. Samsung Economic Research Institute.
Kim, K. S. and Kang, H. S. 2011. An effect on customer attitude and purchase intention of soap product package design-Focused on soap producer-. Journal Korea Society of Visual Design Forum 30: 33-42.
Erevelles, S. and Fukawa, N. and Swayne, L. 2016. Big data consumer analytics and the transformation of marketing. Journal of Business Research 69: 897-904.
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., and Byers, A. H. 2011. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute.
Gartner, "Top 10 Strategic Technology Trends for 2013," Special Report, 2012, http://www.gartner.com/technology/research/top-10-technology-trends/.
Sagiroglu, S. and Sinanc, D. 2013. Big data: A review. In Collaboration Technologies and Systems (CTS), IEEE, pp. 42-47.
Bello-Orgaz, G., Jung, J. J., and Camacho, D. 2016. Social big data: Recent achievements and new challenges. Information Fusion 28: 45-59.
Kim, J. S. 2013. Big Data Utilization and Analysis Techniques. Master Thesis Dissertation, Korea University, Seoul, Korea.
Yang, M. H., Jung, I. S., Kim, Y. T., and Cho, W. S. 2014. An awareness identification and preference analysis for domestic university using SNS data. Journal of The Korea Big Data Service Society 1: 1-13.
공용준 2015 클라우드 API를 활용한 빅데이터 분석, 에이콘. 서울 양천구. pp. 29-57.
(사) 한국소프트웨어기술인협회 빅데이터전략 연구소. 2016. 빅데이터 개론. 광문각. 경기도 파주시. pp. 304-318.
Im, K. H. 2017. SNS bigdata analysis technology trend and development direction. The Korea Contents Society 15: 38-43.
Kotler, P. 2003. Marketing insights from A to Z: 80 concepts every manager needs to know. John Wiley & Sons. pp. 186-190.
Ahmad, A. M. K. and Ahmad, Q. M. K. 2015. Factors influence on packaging design in an impulse consumer purchasing behavior: A case study of doritos pack. International Journal of Marketing Studies 7: 92.
Silayoi, P. and Speece, M. 2007. The importance of packaging attributes: A conjoint analysis approach. European Journal of Marketing 41: 1495-1517.
Hahm, Y. K. and Lee S. J. 2016. The distinctiveness of big data business model in its components: A comparative analysis of Korea-US cosmetic big data business cases. Journal of Information Technology and Architecture 13: 63-75.
Kim, H. J. and Kim, J. H. 2017. A study on consumer value perception through social big data analysis: Focus on smartphone brands. The Journal of Society for e-Business Syudies 22: 123-146.
Jang, M. H. and Yoon, Y. I. 2016. Research into changes in government policies and public perceptions on camping via analyses of big data from social media. Korea Academic Society of Tourism Management 31: 91-112.
Song, T. M. 2016. Using social big data predictive future signal: With special reference to the major policy issues of health and welfare. Health and Welfare Policy Forum 17-30.
Kong, H. S., Song, E. J., and Kang, M.S. 2015. A study on the evaluation of travel agency using social big data. Journal of the Korea Institute of Information and Communication Engineering 19: 2241-2246.
Jeong, H. Y., Ji, S. H., Yang, H. J., Kim, K. Y., and Kim, K. B. 2015. Influence measurement based on sentiment analysis of SNS users. Journal of The Korea Big Data Service Society 2: 11-23.
Lee, T. J. and Kim, B. J. 2015. An empirical analysis of the applicability of social big data analytics to public policy communication planning. Journal of Public Relations 19: 355-384.
Song, T. M., Song, J. Y., and Jin, D.L. 2014. Risk prediction of internet addiction disorder by using social big data. Health and Social Welfare Review 34: 106-134.
Jung, S. C., Kang, M. K., and Choi, D. W. 2008. REST based call/messaging open API for telecommunication services. Journal of Information and Telecommunication Facility Engineering 521-524.
Jeong, D. H., Koo, S. W., Kim, H. S., Seo, J. W., and Lim, S. O. 2014. Implementaion of rest open API web services for an IoT-based agrlcultural environment information collection system. Proceedings of Symposium of the Korean Institute of Communications and Information Sciences 1: 333-334.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.