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
- 본 연구는 온라인 상품평의 유용성에 영향을 미치는 언어적, 내용적 요인들을 분석하여, 소비자들에게 실제로 도움이 될 수 있는 상품평을 선별하여 제공할 수 있는 예측모형을 도출하였다. 또한, 경험재인 ‘의류제품군’에 대한 상품평 유용성의 영향요인과, 탐색재인 ‘전자제품군’의 영향요인이 상이함을 실증적으로 분석하고, 어떠한 요소들이 각 제품군의 유용성을 결정하는지 파악하였다.
- 본 연구는, 이러한 두 번째 형태의 상품평을 대상으로, 온라인 상품평의 유용성에 영향을 미치는 요인들을 분석하여, 소비자들에게 실제로 도움이 될 수 있는 상품평을 선별하여 제공할 수 있는 예측모형을 도출하는 것을 목적으로 한다. 특히, 상품평에 포함된 언어적, 내용적 특징을 분석하여, 소비자들에게 유용하게 인식되는 상품평의 특성을 파악하였다.
제안 방법
- 그 외에도, Mahony 와 Smyth는 TripAdvisory라는 호텔 예약 사이트의 상품평 및 관련정보를 분석하여, 유용한 상품평을 선별하여 추천하는 시스템을 제안하였다. 이들은, 리뷰어의 명성(reputation), 소셜(social), 감성(sentiment), 상품평의 내용(content) 등과 관련된 속성들을 JRip, J48, 그리고 Naive Bayes의 데이터마이닝 기법으로 분석하여 상품평 추천모형을 수립하였으며, 이중 가장 JRip을 추천 성능이 가장 우수하다는 결과를 도출하였다.
- 본 연구는 온라인 상품평의 유용성에 영향을 미치는 언어적, 내용적 요인들을 분석하여, 소비자들에게 실제로 도움이 될 수 있는 상품평을 선별하여 제공할 수 있는 예측모형을 도출하였다. 또한, 경험재인 ‘의류제품군’에 대한 상품평 유용성의 영향요인과, 탐색재인 ‘전자제품군’의 영향요인이 상이함을 실증적으로 분석하고, 어떠한 요소들이 각 제품군의 유용성을 결정하는지 파악하였다.
- 즉, 상품평에 사용된 비교급 표현, 논리성, 전문성, 진정성 등을 비롯하여, 인지적 과정이나 지각적 과정, 긍/부정의 감정이 나타난 수준 등이 상품평의 유용성에 미치는 영향을 분석하였다. 이때, 제품을 직접 구매하여 사용해 보기 전에는 특성을 파악하기 어려운, 소위 ‘경험재(experience goods)’에 대한 상품평 유용성의 결정요인과, 구매 전 제품 속성을 쉽게 파악할 수 있는 ‘탐색재(search goods)’의 결정요인이 상이할 수 있음을 고려하여, 경험재의 사례인 의류제품군과 탐색재의 사례인 전자제품군을 각각 비교하여 분석하였다.
- 특히, 상품평에 포함된 언어적, 내용적 특징을 분석하여, 소비자들에게 유용하게 인식되는 상품평의 특성을 파악하였다. 즉, 상품평에 사용된 비교급 표현, 논리성, 전문성, 진정성 등을 비롯하여, 인지적 과정이나 지각적 과정, 긍/부정의 감정이 나타난 수준 등이 상품평의 유용성에 미치는 영향을 분석하였다. 이때, 제품을 직접 구매하여 사용해 보기 전에는 특성을 파악하기 어려운, 소위 ‘경험재(experience goods)’에 대한 상품평 유용성의 결정요인과, 구매 전 제품 속성을 쉽게 파악할 수 있는 ‘탐색재(search goods)’의 결정요인이 상이할 수 있음을 고려하여, 경험재의 사례인 의류제품군과 탐색재의 사례인 전자제품군을 각각 비교하여 분석하였다.
- 본 연구는, 이러한 두 번째 형태의 상품평을 대상으로, 온라인 상품평의 유용성에 영향을 미치는 요인들을 분석하여, 소비자들에게 실제로 도움이 될 수 있는 상품평을 선별하여 제공할 수 있는 예측모형을 도출하는 것을 목적으로 한다. 특히, 상품평에 포함된 언어적, 내용적 특징을 분석하여, 소비자들에게 유용하게 인식되는 상품평의 특성을 파악하였다. 즉, 상품평에 사용된 비교급 표현, 논리성, 전문성, 진정성 등을 비롯하여, 인지적 과정이나 지각적 과정, 긍/부정의 감정이 나타난 수준 등이 상품평의 유용성에 미치는 영향을 분석하였다.
- 다음으로, 위의 원본 데이터를 변환하여, 새로운 연구변수를 구성하였다. 특히, 심리학 분야에서 널리 활용되는 언어분석 소프트웨어인LIWC(Linguistic Inquiry and Word Count)를 사용하여, 상품평(ReviewText)의 내용에 포함된 단어 수(WC: Word Count), 상품평 문장의 간결성(WPS: Words Per Sentence), 상품평에 사용된 비교급 표현의 정도(Compare), 상품평 내용의 논리적 사고수준(Analytic: Analytical Thinking), 영향력(Clout), 진정성(Authentic), 인지적 과정(CogProc: Cognitive Process), 지각적 과정(Perceptual Process), 긍정적 감정(Posemo:Positive Emotion)및 부정적 감정(Negemo:Negative Emotion)의 수준 등의 특성을 추출하여 연구변수로 활용하였다. 그 외, 제품에 대한 리뷰어의 평가 값(Rating)은 원본 데이터 값을 그대로 사용하였으며, 종속변수는 상품평이 구매에 도움이 됐다고 표기한 사용자 수(Helpful#)를 상품평을 평가한 전체 사용자 수(Total #)로 나눈 비율(Helpful Ratio)을 활용하였다.
대상 데이터
- com에서 판매되고 있는 의류 제품군의 상품평 7,498개와 전자제품군 상품평 10,692개 데이터가 사용되었다. 데이터는 http://jmcauley.ucsd.edu/data/amazon/ 사이트로부터 수집되었으며, 의류군 데이터에는 의류, 신발 및 보석에 대한 상품평이 포함되어 있고, 전자제품군에는 카메라, 오디오, 메모리 스틱 등을 비롯한 다양한 제품들이 포함되어 있다. 원본 데이터는, [Figure 2]의 사례와 같이, 제품 ID(Product ID), 리뷰 작성자 ID(Reviewer ID), 상품평(Review Text), 제품에 대한 리뷰어의 평가 (Rating), 상품평 작성일(Review Time), 해당 상품평이 구매에 도움이 됐다고 표기한 사용자 수(Helpful#), 상품평을 평가한 전체 사용자 수(Total #)등으로 구성된다[McAuley et al.
- 본 연구에는 세계 최대의 인터넷 쇼핑몰인 Amazon.com에서 판매되고 있는 의류 제품군의 상품평 7,498개와 전자제품군 상품평 10,692개 데이터가 사용되었다. 데이터는 http://jmcauley.
- 본 연구에는, 세계 최대의 인터넷 쇼핑몰인 Amazon.com에서 판매되고 있는 의류 제품군의 상품평 7,498개와 전자제품군 상품평 10,692개 데이터가 사용되었다. 이는, 앞서 [Figure 1]에서 제시한 바와 같이, Amazon의 데이터가 상품평의 유용성에 대한 소비자들의 평가 결과를 제공하고 있어, 본 연구에서 제안한 상품평 유용성 예측 모델의 성능을 평가하는데 효과적이기 때문이다.
데이터처리
- 마지막으로, 상품평의 유용성에 영향을 미치는 결정요인을 분석하는 데에는 회귀분석이 사용되었다. 회귀분석은 SPSS등과 같은 통계 분석 도구를 활용하여 수행할 수도 있지만, 이러한 경우 도출된 회귀모형의 예측력을 평가하지 못한다.
- 이렇게 도출된 제품군별 상품평의 특성 차이를 기술통계 값을 비교하여 분석하였으며, T검정법(t-test)으로, 이러한 차이가 통계적으로 유의한지 확인하였다.
- 이는, 앞서 [Figure 1]에서 제시한 바와 같이, Amazon의 데이터가 상품평의 유용성에 대한 소비자들의 평가 결과를 제공하고 있어, 본 연구에서 제안한 상품평 유용성 예측 모델의 성능을 평가하는데 효과적이기 때문이다. 이후, 언어분석 소프트웨어인 LIWC(Linguistic Inquiry and Word Count)를 사용하여, 상품평에 포함된 특징을 추출하여 설명변수로 활용하였고, 데이터마이닝 툴인 RapidMiner를사용하여 회귀모형을 수립한 후, 모형의 설명력 및 예측 정확성을 평가하였다.
- 따라서, 본 연구에서는 모형의 예측력을 평가할 수 있는 데이터마이닝 툴(tool)인 Rapidminer를 사용하여 회귀모형을 수립하였다. 회귀모형은 10-fold cross validation을 사용하여, 각 제품군별로 수립되었으며, 모형의 설명력은 결정계수(R2)를 사용하여 평가하였고, 예측력 평가에는 MAE(Mean Absolute Error)와 RMSE(Root Mean Squared Error)를 사용하였다. [Figure 6]는 회귀분석에 사용한 Rapidminer프로세스를 나타내고 있다.
이론/모형
- 3.1절에서 설명한 바와 같이, 연구변수를 추출하기 위해서 언어분석 툴인 LIWC가 활용되었다. LIWC는 자체적으로 보유한 사전을 기반으로 작동되는데, 우선 [Figure 3]와 같이, 상품평으로부터 사전에 포함된 주요 단어들이 추출된다.
- 회귀분석은 SPSS등과 같은 통계 분석 도구를 활용하여 수행할 수도 있지만, 이러한 경우 도출된 회귀모형의 예측력을 평가하지 못한다. 따라서, 본 연구에서는 모형의 예측력을 평가할 수 있는 데이터마이닝 툴(tool)인 Rapidminer를 사용하여 회귀모형을 수립하였다. 회귀모형은 10-fold cross validation을 사용하여, 각 제품군별로 수립되었으며, 모형의 설명력은 결정계수(R2)를 사용하여 평가하였고, 예측력 평가에는 MAE(Mean Absolute Error)와 RMSE(Root Mean Squared Error)를 사용하였다.
성능/효과
- 본 연구결과, 소비자들은 리뷰어가 제품에 대해서 높은 평점을 부여하고, 상품평에 포함된 단어 수가 많으며, 상품평의 내용에 지각적인 과정이 많이 포함되어 있는 반면, 부정적 감정은 적게 포함된 상품평을 유용하게 인식함을 알 수 있었다. 그 외, 제품군별 특징으로는, 의류군의 경우, 비교급 표현이 많고, 전문성 지수는 낮으며, 한 문장에 포함된 단어 수가 적은 간결한 상품평이 유용하다고 인식되고 있었으며, 전자제품의 경우, 전문성 지수가 높고, 분석적이며, 진솔한 표현이 많고, 인지적 과정과 긍정적 감정(PosEmo)이 많이 포함된 상품평을 유용하게 인식하고 있었다.
- 또한, 한 문장에 들어가는 평균 단어 수를 나타내는 WPS 값도 전자제품군이 22개로, 의류의 17개보다 더 높게 도출되어, 전자제품군 상품평 문장이 여러 단어들을 사용하여 길게 구성되어 있음을 알 수 있었다. 상품평의 내용상 특징을 살펴보면, 전자제품군의 상품평이 의류군보다 더 분석적(Analytic)이고, 전문적(Clout)이며, 인지적 과정(CogProc)과 관련된 단어들이 많이 포함되어 있고, 또한 부정적(NegEmo) 감정을 표현하는 단어도 많이 사용되고 있음을 알 수 있었다. 반면, 의류군 상품평은 전자제품군에 비해서, 더 개인적이고 진솔한(Authentic) 표현들을 포함하고 있고, 긍정적 감정(PosEmo) 및 지각적 과정(Percept)을 나타내는 단어들이 상대적으로 많이 포함됨을 알 수 있었다.
- 전자제품군의 경우, 전문성(Clout) 지수가 높은 상품평의 유용성이 높게 나타났고, 또한, 분석적(Analytic)이고, 진솔하며(Authentic), 인지적 과정(CogProc)에 대한 표현이 많고, 긍정적 감정(PosEmo)을 나타내는 단어들이 많이 포함된 상품평이 유용하다는 결과가 도출되었다. 이는, 일반적으로 전자제품들이 의류에 비해 이해하기 어렵고 복잡하기 때문에, 소비자들이 보다 전문적이고, 분석적인 상품평들을 선호하기 때문인것으로 생각된다.
후속연구
- 이는 기존 연구들이 사용한 데이터와 본 연구의 데이터가 다르기 때문에 나타난 결과로 생각되지만, 보다 보편적인 결과를 도출하기 위해서는, 이러한 상이한 결과에 대한 이유를 면밀히 검토해 볼 필요가 있겠다. 마지막으로, 본 연구에서는 경험재와 탐색재 사례로 각 하나의 제품군에 대해서 실험하였으나, 보다 다양한 제품군으로 실험을 확장한다면, 보다 일반적인 결과를 도출할 수 있을 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.