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
- 그러나 이 방법은 전체적인 이미지를 파악에는 의미가 있으나 세부적인 이미지 분석에는 한계가 있다. 다음 부분에서는 결과를 응용 해석하는 다른 방법을 제시하여 이를 보완해 보고자 한다.
- 본연구의 공헌점은 첫 번째, 도시 이미지를 분석함에 있어서 빅데이터의 활용을 제시 할 것이다. 두 번째, 기존의 방법을 적용하여 다양하고 세부적인 도시 이미지를 분석 할 수 있는 방법을 제시하고자 한다. 일반적으로 인식되는 단편적인 도시 이미지를 탈피하면서 동시에 기존의 긍정적 이미지를 더욱 강화하고 더불어 차별화된 새로운 긍정적 이미지를 구축하기 위한 실무 마케팅 전략을 세우는데도 도움이 될 것이다.
- 사례 도시로는 아랍에미레이트에 위치한 두바이를 선정하여 분석을 하였다. 둘째, 빅데이터 측정에서 발생된 키워드를 가지고 기존에 알려진 분석 방법을 적용하여 다양한 이미지를 해석하는 방법을 제시하고자 한다. 최근 들어서 빅데이터 분석 방법이 소개되고 있으나, 그 결과를 해석하는데 키워드와 빈도수를 제시하는 것이 보편적인 방법이다.
- 실제 대중이 느끼는 도시 이미지를 빅데이터를 통해 정확히 파악한 후 소비자들이 매력 있게 느낄 수 있는 도시 브랜드 이미지 전략을 세심하게 구축할 수 있다. 또한 빅데이터의 활용으로 효과적인 도시마케팅 전략을 세워 도시브랜드 홍보효과에도 도움을 주고자 한다.
- 그러나 기존의 연구들은 단순히 설문을 통해서만 도시의 브랜드 이미지를 살펴보았기 때문에 개인의 숨어있는 감정까지 알 수 없었다는 한계점을 가지고 있다. 이런 취지에서 본 연구는 대중의 무의식과 의식을 포함한다고 볼 수 있는 SNS 등을 통해 관광지(도시) 이미지를 빅데이터로 살펴보고자 한다.
- 그러나 이와 같은 단순 빈도 중심의 해석은 도시 이미지의 다양한 측면을 분석하는데 한계가 있으며, 데이터 마이닝의 결과물을 제대로 해석하지 못하는 오류를 범하게 된다. 이런 취지에서 본 연구에는 기존에 사용되는 브랜드 및 이미지 분석 방법을 빅데이터의 결과에 적용하여 봄으로써, 도시 이미지를 다양하게 해석하는 방법을 제시하고자 한다. 따라서 본 연구는 도시 이미지를 다차원적인 측면에서 이해하는데 도움이 될 것으로 기대된다.
- 즉, 본 연구에서는 빅데이터를 활용한 응용 분석을 통하여 두바이의 다양한 이미지를 효과적으로 찾아내고자 하며, ‘두바이’라는 도시가 본 연구에서 제시하는 빅데이터 응용 방법을 적용하기에 적절할 것으로 판단되어 이 도시를 선정하게 되었다.
제안 방법
- Aaker(1997)는 다양한 브랜드가 존재할 수 있기에 이것을 진정성(Sincerity), 흥미(Excitement), 역량(Competence), 세련됨(Sophistication), 견고함(Ruggedness)으로 나누어 보게 되었고, 이후 그가 제시한 5개 차원이 브랜드를 구분하는 기준으로 보편적으로 사용되고 있다. 그리고 본 연구(3.4)에서도 그가 제시한 5개의 브랜드 차원을 도시 브랜드 이미지와 접목하여 분석을 하였다.
- 이를 위해 그 도시의 이미지를 파악하고 도시 브랜드를 구축하여 이를 활용하는 것이 중요하다고 할 수 있다. 기존의 설문으로는 획일적일 수 밖에 없으며, 무의식적인 이미지까지의 파악이 어렵다는 한계점이 있으므로 빅데이터를 이용한 도시 이미지 측정 및 도시 브랜드 이미지 분석을 시도하였다.
- 수집과정의 첫 번째로는 텍스트 전처리(TextPreprocessing) 단계를 거치는데 이 과정에서는 컴퓨터가 이해할 수 있도록 자연어(Natural language)로 표현된 텍스트 데이터에서 단어들을 식별하고, 도메인에 적합한 의미 정보로 변환하여 추후 텍스트 분석에 이용되는 대표적인 단어를 추출하는 작업을 한다. 대표성을 보이는 연관어를 선택함에 있어 기준은 빈도수로 하였으며, 다른 중복되는 연관어는 대표성을 보이는 연관어의 빈도수에 합하는 형식으로 데이터를 가공하였다. 예를 들어, 비싸다(Count : 358), 비싼(229), 비싼 가격(52), 가격 비싸다(28) 등 같은 의미를 가졌으나 그 형태가 다른 연관어 중 ‘비싸다’의 빈도수가 가장 높으므로 나머지 연관어들의 빈도수를 더하여 비싸다(667)로 합산하였다.
- Echtner and Ritchie(1991)는 사람들이 떠올리는 이미지 중 ‘공통적인 기능에 기반’하여 4가지 속성으로 구분하여 정의하였다. 도시를 기능적(Functional) 특성 대비 정서적 특성(Psychological), 그리고 전체적(Holistic) 특성 대비 속성적(Attributes)특성을 구분하여 도시의 이미지를 분석하는 모형을 제시하였다. 기능적(Functional) 특성은 그 도시가가지고 있는 고유한 기능적인 면으로써 용인의 에버랜드, 제주도의 한라산 등을 예로 들 수 있다.
- 이는 각 도시마다 특징을 개별적으로 살펴 볼 수 있고 빅데이터의 활용을 도시 이미지의 접목시킬 수 있다는 점을 제시를 할 수 있다. 둘째, 수집된 데이터에 대해 기능적, 정서적, 전체적, 특징적인 속성들로 구분하고 긍정적, 부정적으로 나눠서 표시하여 도시 브랜드를 분석하였다. 이로써 기존 설문 방식에 빅데이터의 접목이 가능함을 보여준다.
- 방법으로는 install.packages(“twitteR”) install.packages(“ROAuth”)의 패키지를 설치한 뒤library(twitteR)와 library(ROAuth)를 호출하여 인증코드를 가져온 뒤 데이터를 수집하였다.
- 본 연구에서는 ‘두바이’라는 도시를 선택하여 도시 브랜드 이미지를 분석하였다.
- Lee and Kim(2005)은 조사하고자 하는 연상 이미지와 관련하여 구체적인 암시를 주지 않고 조사대상자로 하여금 특정 단어를 생각할 때 마음속에 떠오르는 것을 답하게 하는 자유 연상법을 사용하여 연상 이미지를 분류하였다. 본 연구에서는 이우종과 김남정의 논문의 틀을 바탕으로 추출된 두바이 이미지단어를 분류 하였다. 이미지 분류 기분 방법을 텍스트 마이닝 결과에 적용할 경우에도 이미지에 대한 해석을 보다 용이하게 할 수 있다는 장점이 있다.
- 뿐만 아니라 단어들 간의 사전적 의미 관계에 대한 분석 정확도가 떨어진다(Manning, 1999). 부정확한 단어 추출은 텍스트 분석 결과에 부정적인 영향을 미치므로 데이터의 가공 작업을 하였다. 즉, 문자열에 대해 공백(Space)을 기준으로 토큰(Token)이라 불리는 조각들로 나누는 작업을 하고, 각종 기호, 이모티콘, 마침표 등 의미 없는 문자들도 함께 제거하였다.
- 이로써 기존 설문 방식에 빅데이터의 접목이 가능함을 보여준다. 셋째, 도시 연상 이미지 분류 기준에 따라 분류한 결과와 Aaker(1997)의 브랜드 개성 측정 분류 기준에 따라 도시 이미지를 분류해 보았다. 이를 통해 기존 설문에서는 나올 수 없었던 심상적인 또는 무의식적인 이미지에 관련한 단어들을 찾아내는 의의가 있다.
- 이에 세 번째로 적용해 본 Aaker(1997)의 브랜드 개성 척도 분류에서는 5가지 개성 차원인 진정성, 흥미, 역량, 세련됨, 강인함 아래 120가지의 단어로 대표되는 특성들을 분류하였고 이 단어들을 각 빈도수에 따라 크기 별로 정렬하였다. 이를 통해 두드러지는 개성 차원과 상위 빈도수로 알 수 있는 각 대표 단위 특성들을 파악해 볼 수 있었는데, 가장 큰 빈도를 차지하는 세련됨 개성 차원과 두 번째 빈도인 역량 개성 차원은 세계 최대 또는 최고 건축물과 호텔, 휴양지 들을 엄청난 투자를 통해 불모의 사막에서 일구어낸 두바이라는 도시에 부여하는 이미지임을 알 수 있었다.
- 부정확한 단어 추출은 텍스트 분석 결과에 부정적인 영향을 미치므로 데이터의 가공 작업을 하였다. 즉, 문자열에 대해 공백(Space)을 기준으로 토큰(Token)이라 불리는 조각들로 나누는 작업을 하고, 각종 기호, 이모티콘, 마침표 등 의미 없는 문자들도 함께 제거하였다.
- 지금까지 두바이 도시 이미지에 대한 크롤링 과정을 거쳐 수집된 데이터를 바탕으로 기존의 여러 가지 분류기준에 따라 분석해 보았다. 첫 번째 Echtner and Ritchie(1991)의 대상 이미지 측정표에서는 기능적, 정서적 특성과 전체적인 또는 속성적인 느낌에 따라 각 단어를 4분면에 배치하였다.
- 본 연구는 두 가지 목적을 갖고 있다. 첫 번째는 정확한 도시 이미지 측정을 위하여 온라인상에서 수집된 다량의 데이터를 분석하는 데이터 마이닝 기반의 빅데이터 방법을 활용하여 보고자 한다. 사례 도시로는 아랍에미레이트에 위치한 두바이를 선정하여 분석을 하였다.
- 이에 대한 본 연구를 요약하면 다음과 같다. 첫째, 도시 중 두바이를 선택하여 대중이 느끼는 이 도시에 대한 인터넷 상의 이미지 데이터를 크롤링 방식으로 수집하였다. 이는 각 도시마다 특징을 개별적으로 살펴 볼 수 있고 빅데이터의 활용을 도시 이미지의 접목시킬 수 있다는 점을 제시를 할 수 있다.
- 트위터에서 데이터를 수집하기 위해 먼저 트위터 웹 등록 사이트(https://apps.twitter.com/)에 접속하여 로그인 한 뒤 트위터 어플리케이션 프로그래밍인터페이스(Application Programming Interface:API) 등록을 하였다. 이후 API Key를 받아서 인증을 요청한 뒤 R 프로그램을 이용하여 데이터를 수집하였다.
대상 데이터
- ‘두바이’ 단어를 분석한 결과 총 84,318개의 단어를 수집하였다.
- 120개의 키워드를 다시 Aaker가 제시한 Big Five로 불리우는 5개의 브랜드 개성 차원에 배치를 하였다. 120개 키워드를 배치하는데 있어서도 32명 대학원생들과 3번의 토론 과정을 거쳐 전체적인 의견을 수렴하여 결정하였다. [Table 5]에서 보여주듯이 본 분류에 따르면 한국인이 생각하는 ‘두바이’의 도시 이미지는 세련됨(Sophistication)이 24,322회로 가장 큰 빈도를 나타내며, 역량(Competence)이 20,194회로 두 번째로 큰 것으로 나타났다.
- 데이터를 수집하기 위하여 시간에 따른 ‘두바이’검색의 추세를 ‘구글 트렌드’를 찾아본 결과, 2015년 이전에 만들어진 자료의 양으로는 분석을 하기에 충분하지 않다고 판단되었기에 2016년 3월부터 시작하여 한국인이 사용한 1년간(2016. 3. 15～2017.3. 15)의 네이버블로그, 대표적인 소셜네크워크 서비스인 트위터의 댓글들을 바탕으로 데이터를 수집(크롤링)하여 진행되었다.
- 첫 번째는 정확한 도시 이미지 측정을 위하여 온라인상에서 수집된 다량의 데이터를 분석하는 데이터 마이닝 기반의 빅데이터 방법을 활용하여 보고자 한다. 사례 도시로는 아랍에미레이트에 위치한 두바이를 선정하여 분석을 하였다. 둘째, 빅데이터 측정에서 발생된 키워드를 가지고 기존에 알려진 분석 방법을 적용하여 다양한 이미지를 해석하는 방법을 제시하고자 한다.
- 위의 형식에 ‘두바이’ 관련 SNS 크롤링 된 데이터를 대입하였다.
- com/)에 접속하여 로그인 한 뒤 트위터 어플리케이션 프로그래밍인터페이스(Application Programming Interface:API) 등록을 하였다. 이후 API Key를 받아서 인증을 요청한 뒤 R 프로그램을 이용하여 데이터를 수집하였다. 방법으로는 install.
- 1절의 크롤링 방법에 따라 총 120개의 단어가 선택되었으나, 그 중에서 4가지속성(기능적, 정서적, 전체적, 특징적 속성)에 포함된다고 판단되는 단어를 선정하여 Echtner and Ritchie의 분석틀에 대입한 것이다. 적용 분석 방법의 객관성을 높이기 위하여 추출된 단어의 선정과 배치는 32명 대학원생들과 3번의 토론 과정을 거쳐 전체적인 의견을 수렴하여 설정하였다. 이렇게 선정된 단어는 4분면에 배치된 결과를 [Figure 2]는 보여주고 있다.
- 위의 형식에 ‘두바이’ 관련 SNS 크롤링 된 데이터를 대입하였다. 전체 연관어는 [Table 3]에서 제시된 120개 총 84,318개의 키워드이다.
이론/모형
- 도시 연상 이미지 분류에서는 성격별(실체적/상징적/개인경험요소)로 분류해 봄으로써 보다 구체적으로 다른 도시와 차별되는 두바이 도시 이미지의 특성들을 파악해 볼 수 있다. 마지막으로 제 4.3절에서는Aaker(1997)의 브랜드 개성 척도 분류 기준을 적용하여 두바이 도시 이미지를 분석하려 한다.
- 본 연구에서는 Aaker(1997)의 브랜드 개성 평가척도(BPS : Brand Personality Scale)를 사용하였다. Aaker는 기존 심리학자들이 사용한 Big Five Model, 광고 대행사 및 조사 기관에서 사용한 개성 척도, 그리고 소비자 자유연상조사 결과를 이용하여 소비자 행동 관점에서 최초로 BPS를 개발하였다.
성능/효과
- 각 특성에 있어서는 가장 많이 사용되는 긍정적인 단어가 역량(Competence)항목에서는 ‘초대형’, 세련됨(Sophistication)항목에서는 ‘멋진’이 그리고 흥미(Excitement) 항목에서는 ‘해피’가 나타났다.
- 이를 통해 전반적으로 골고루 분포된 긍정적인 이미지 단어들과 일부 특성적인 부분들로 치우쳐서 나타나는 부정적인 이미지의 단어들을 알아볼 수 있었다. 두 번째 이우종과 김남정의 도시연상 이미지 분류에서는 자유 연상법 이미지 분류기준에 따라 무작위 추출 단어들에 대해 성격별, 요소별로 분류해 봄으로써 보다 구체적으로 다른 도시와 차별되는 두바이 도시 이미지의 특성들을 파악해 볼 수 있었다.
- 두바이 도시 이미지의 특성을 정확히 표현하면서 최대한 다양한 핵심어를 포함시킴으로써 Aaker의 BPS보다 많은 120가지의 특성을 얻었다. 또한 결과는 Aaker의 BPS 특성과 12개 항목([Table 3] 참조)에서 이태리체 굵은 글씨 항목에서만 중복된다.
- 또한 결과는 Aaker의 BPS 특성과 12개 항목([Table 3] 참조)에서 이태리체 굵은 글씨 항목에서만 중복된다. 따라서, 두바이의 도시 이미지는 Aaker의42 BPS 특성 기반만으로는 올바르게 표현되기 어렵고 본 연구에서 추출한 120가지 특성이 두바이의 도시 이미지를 이해하기에 더 포괄적이라는 것을 알 수 있다.
- 이를 통해 두드러지는 개성 차원과 상위 빈도수로 알 수 있는 각 대표 단위 특성들을 파악해 볼 수 있었는데, 가장 큰 빈도를 차지하는 세련됨 개성 차원과 두 번째 빈도인 역량 개성 차원은 세계 최대 또는 최고 건축물과 호텔, 휴양지 들을 엄청난 투자를 통해 불모의 사막에서 일구어낸 두바이라는 도시에 부여하는 이미지임을 알 수 있었다. 또한 상위빈도수 6위 안에 모두 긍정적인 이미지의 단어들이 들어 있고, 전체 단어에 긍정적인 이미지 단어가 많은 것으로 보아, 두바이라는 도시 이미지가 대부분 긍정적인 이미지라는 것을 알 수 있다. 다만, 이슬람 문화권이기에 잘 모르거나 홍보 부족 등의 영향으로 인하여 부정적인 이미지들도 상당히 보유하고 있음을 알 수 있다.
- 다시 말해, 이 도시에 대한 무의식까지 포함한 대중의 감정을 찾아내는 목적으로 인터넷 상의 이미지 데이터를 수집하였기 때문에, 기존의 획일적인 질문의 도시 이미지 추출보다 도시 각각의 특성을 살필 수 있어서 효과적인 도시 브랜드 홍보가 가능하다. 셋째, 획일화되지 않은 다양한 도시 이미지의 측정이 가능해지고 부정적인 이미지와 긍정적인 이미지의 섬세한 측정이 가능하므로 긍정 이미지는 더욱 강화하여 활용하고 부정 이미지는 탈피할 수 있는 전략들의 수립이 가능하다.
- 이에 세 번째로 적용해 본 Aaker(1997)의 브랜드 개성 척도 분류에서는 5가지 개성 차원인 진정성, 흥미, 역량, 세련됨, 강인함 아래 120가지의 단어로 대표되는 특성들을 분류하였고 이 단어들을 각 빈도수에 따라 크기 별로 정렬하였다. 이를 통해 두드러지는 개성 차원과 상위 빈도수로 알 수 있는 각 대표 단위 특성들을 파악해 볼 수 있었는데, 가장 큰 빈도를 차지하는 세련됨 개성 차원과 두 번째 빈도인 역량 개성 차원은 세계 최대 또는 최고 건축물과 호텔, 휴양지 들을 엄청난 투자를 통해 불모의 사막에서 일구어낸 두바이라는 도시에 부여하는 이미지임을 알 수 있었다. 또한 상위빈도수 6위 안에 모두 긍정적인 이미지의 단어들이 들어 있고, 전체 단어에 긍정적인 이미지 단어가 많은 것으로 보아, 두바이라는 도시 이미지가 대부분 긍정적인 이미지라는 것을 알 수 있다.
- 첫 번째 Echtner and Ritchie(1991)의 대상 이미지 측정표에서는 기능적, 정서적 특성과 전체적인 또는 속성적인 느낌에 따라 각 단어를 4분면에 배치하였다. 이를 통해 전반적으로 골고루 분포된 긍정적인 이미지 단어들과 일부 특성적인 부분들로 치우쳐서 나타나는 부정적인 이미지의 단어들을 알아볼 수 있었다. 두 번째 이우종과 김남정의 도시연상 이미지 분류에서는 자유 연상법 이미지 분류기준에 따라 무작위 추출 단어들에 대해 성격별, 요소별로 분류해 봄으로써 보다 구체적으로 다른 도시와 차별되는 두바이 도시 이미지의 특성들을 파악해 볼 수 있었다.
- 이 종합적이고 복합적인 의미는 연상의 대상인 도시의 실체와 관련된다(Crompton, 1979). 이상 연구를 종합하여 보면 도시 이미지는 복잡한 과정을 거쳐서 형성되기 때문에 대표 이미지만을 단편적으로 보는 것은 바람직하지 않다. 따라서 표준화된 설문 항목을 활용하여 측정하게 될 경우 대중들이 인식하고 있는 다양한 측면을 충분히 설명하지 못하게 되는 한계가 있다.
후속연구
- 2015년에는 전 세계 주요 도시 중에 런던, 파리, 방콕 다음으로 많은 관광객이 방문한 도시이며, 중동 지역에서 이미 가장 중요한 허브 공항의 역할을 하고 있는 곳이다. 그럼에도 불구하고 두바이는 단기간에 중동에서 가장 현대적인 도시 이미지가 만들어진 관계로, 세부적인 도시 이미지 분석 통하여 잘 알려지지 않은 이미지도 분석될 것으로 기대된다. 즉, 본 연구에서는 빅데이터를 활용한 응용 분석을 통하여 두바이의 다양한 이미지를 효과적으로 찾아내고자 하며, ‘두바이’라는 도시가 본 연구에서 제시하는 빅데이터 응용 방법을 적용하기에 적절할 것으로 판단되어 이 도시를 선정하게 되었다.
- 이러한 한계점을 보완하여 두바이에 대한 설문지를 활용한 분석 결과와 빅데이터의 결과를 비교하는 것을 향후 연구로 제안할 수 있다. 그리고 기존의 도시 이미지 정책들을 확인하여 도시의 발전 전략을 함께 비교해 보는 것도 향후 연구에 도움 될 것이다.
- 다만 본 연구의 한계는 두바이라는 한 도시로 특정하고 특정 시간대만 한정하였다는 점이다. 여러 도시 별로 분석을 시도해 본다면, 각각의 독특한 특징을 찾아낼 수 있을 것이다.
- 또한 시간의 차이에 따른 대중의 의견을 살펴본다면 섬세한 분석을 기대할 수 있을 것이다. 더하여 한국인을 대상으로 분석한 점도 한정된 분석이기 때문에 분석대상을 각 나라별로 확대한다면 좀 더 객관적인 분석의 결과를 도출할 것으로 예상된다. 이러한 한계점을 보완하여 두바이에 대한 설문지를 활용한 분석 결과와 빅데이터의 결과를 비교하는 것을 향후 연구로 제안할 수 있다.
- 실무적 시사점으로는 첫째, 도시 브랜드 이미지측정 및 구축에 있어 차별화된 이미지 설정에 도움되는 전략을 제시할 수 있다. 둘째, 대중의 특정 도시에 대한 이미지를 잠재적 인식으로부터 도출하여 효과적인 도시 브랜드 홍보가 가능할 것이다. 다시 말해, 이 도시에 대한 무의식까지 포함한 대중의 감정을 찾아내는 목적으로 인터넷 상의 이미지 데이터를 수집하였기 때문에, 기존의 획일적인 질문의 도시 이미지 추출보다 도시 각각의 특성을 살필 수 있어서 효과적인 도시 브랜드 홍보가 가능하다.
- 이런 취지에서 본 연구에는 기존에 사용되는 브랜드 및 이미지 분석 방법을 빅데이터의 결과에 적용하여 봄으로써, 도시 이미지를 다양하게 해석하는 방법을 제시하고자 한다. 따라서 본 연구는 도시 이미지를 다차원적인 측면에서 이해하는데 도움이 될 것으로 기대된다. 본연구의 공헌점은 첫 번째, 도시 이미지를 분석함에 있어서 빅데이터의 활용을 제시 할 것이다.
- 여러 도시 별로 분석을 시도해 본다면, 각각의 독특한 특징을 찾아낼 수 있을 것이다. 또한 시간의 차이에 따른 대중의 의견을 살펴본다면 섬세한 분석을 기대할 수 있을 것이다. 더하여 한국인을 대상으로 분석한 점도 한정된 분석이기 때문에 분석대상을 각 나라별로 확대한다면 좀 더 객관적인 분석의 결과를 도출할 것으로 예상된다.
- 한국인 블로그, SNS에서 추출한 빅데이터 수집을 통해 상기와 같은 분류 결과들이 도출될 수 있을 것이고, 최대 강점인 세련됨이라는 이미지를 더욱 다른 도시와 차별화하여 미래 지향적이고 스마트한 도시 이미지를 국가 정책적으로 강화하고 있는 사항들을 어필하는 전략을 수립할 수 있을 것이다. 또한 안전(259), 불안하다(2,487) 같은 부정적인 이미지들을 타파할 수 있도록, 정부차원에서 치안 유지에 힘쓰고 있는 부분과 세계에서 안전한 도시 1위에 오른 사실을 적극 홍보하는 전략들을 세울 수 있을 것이다. 이와 같이 빅데이터를 통하여 도시 이미지를 측정하고 도시 브랜드 척도를 분석하여, 이를 바탕으로 비교적 섬세하게 강점을 더욱 차별화하고 부정적인 이미지들을 보완하는 여러 가지 홍보 전략들을 수립하는데 상당한 도움이 될 수 있을 것이다.
- 따라서 본 연구는 도시 이미지를 다차원적인 측면에서 이해하는데 도움이 될 것으로 기대된다. 본연구의 공헌점은 첫 번째, 도시 이미지를 분석함에 있어서 빅데이터의 활용을 제시 할 것이다. 두 번째, 기존의 방법을 적용하여 다양하고 세부적인 도시 이미지를 분석 할 수 있는 방법을 제시하고자 한다.
- 첫째, 도시 이미지 측정에 있어 기존 설문 형식의 방식에서 빅데이터를 이용하는 방식으로의 제안에 의의가 있다. 이 방법은 획일화된 설문의 한계점인 기존의 설문보다 각 도시마다 자세한 특성을 알 수 있기 때문에 좀 더 자세한 분석이 가능하다. 둘째, 빅데이터의 자료를 가지고도 Aaker(1997)의 브랜드 개성 측정 분류를 도시 브랜드 측정 분류와 기존 틀에 적용해 볼 수 있었다.
- 더하여 한국인을 대상으로 분석한 점도 한정된 분석이기 때문에 분석대상을 각 나라별로 확대한다면 좀 더 객관적인 분석의 결과를 도출할 것으로 예상된다. 이러한 한계점을 보완하여 두바이에 대한 설문지를 활용한 분석 결과와 빅데이터의 결과를 비교하는 것을 향후 연구로 제안할 수 있다. 그리고 기존의 도시 이미지 정책들을 확인하여 도시의 발전 전략을 함께 비교해 보는 것도 향후 연구에 도움 될 것이다.
- 본 Figure에서 두바이에 대한 심층적인 이미지를 나타내는 단어들, 즉 ‘초대형’, ‘멋진’, ‘해피’, ‘좋다’, ‘아름답다’,‘7성급’ 등을 쉽게 파악할 수 있다. 이런 긍정적이고 도시의 특징을 대표하는 이미지에 대한 분석을 바탕으로 차별화된 도시 브랜드의 마케팅 전략을 세울 수 있을 것이다. 그러나 이 방법은 전체적인 이미지를 파악에는 의미가 있으나 세부적인 이미지 분석에는 한계가 있다.
- 또한 안전(259), 불안하다(2,487) 같은 부정적인 이미지들을 타파할 수 있도록, 정부차원에서 치안 유지에 힘쓰고 있는 부분과 세계에서 안전한 도시 1위에 오른 사실을 적극 홍보하는 전략들을 세울 수 있을 것이다. 이와 같이 빅데이터를 통하여 도시 이미지를 측정하고 도시 브랜드 척도를 분석하여, 이를 바탕으로 비교적 섬세하게 강점을 더욱 차별화하고 부정적인 이미지들을 보완하는 여러 가지 홍보 전략들을 수립하는데 상당한 도움이 될 수 있을 것이다.
- 또한 두바이는 2017년 세계에서 가장 안전한 도시 1위로 선정되었음에도 이에 대한 홍보가 부족한 점이나, 매체에서 접하는 것이 한정적이기 때문에 상대적으로 제한되고 왜곡된 정보를 많이 가지고 있음을 알 수 있다. 즉, 텍스트 마이닝 결과는 두바이의 긍정적인 도시 이미지 경향과 일치하지만, 본 분석에 따르면 두바이가 부정적인 이미지들도 상당히 보유하고 있으므로 이를 극복하기 위한 홍보 등의 노력이 필요함을 알 수 있다.
- 이런 지금까지의 연구 결과를 바탕으로 예를 들어 두바이 관광 진흥청에서 한국인을 대상으로 홍보전략을 구상한다면 다음과 같은 것들을 생각해볼 수 있을 것이다. 한국인 블로그, SNS에서 추출한 빅데이터 수집을 통해 상기와 같은 분류 결과들이 도출될 수 있을 것이고, 최대 강점인 세련됨이라는 이미지를 더욱 다른 도시와 차별화하여 미래 지향적이고 스마트한 도시 이미지를 국가 정책적으로 강화하고 있는 사항들을 어필하는 전략을 수립할 수 있을 것이다. 또한 안전(259), 불안하다(2,487) 같은 부정적인 이미지들을 타파할 수 있도록, 정부차원에서 치안 유지에 힘쓰고 있는 부분과 세계에서 안전한 도시 1위에 오른 사실을 적극 홍보하는 전략들을 세울 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.