초기 온라인 쇼핑몰이 등장할 때부터 지금까지 BEST 100은 모든 쇼핑몰 웹사이트의 핵심 기능으로 제공되고 있다. BEST 100은 소비자들이 한눈에 인기 상품들을 확인할 수 있기 때문에 쇼핑몰의 매출 등에 미치는 영향이 높지만 온라인 쇼핑 선행 연구에서 BEST 100과 관련된 연구는 거의 이루어지지 않고 있다. 따라서 본 연구에서는 현 온라인 쇼핑몰 11곳을 대상으로 선정하여 쇼핑몰별 판매 특징을 분석하였다. 연구 방법으로 각 쇼핑몰 웹 사이트의 BEST 100의 구성요소인 판매문구, 가격, 무료배송의 유/무 확인을 크롤링 하여 탐색적 자료 분석 기법(EDA)을 활용하였다. 분석 결과 쇼핑몰 11곳의 종합 평균 가격은 72,891.41원으로 나타났으며 상품 가격이 저렴할수록 무료배송 비율이 낮음을 확인하였다. 가격 이외에 판매문구에서는 텍스트 마이닝을 통해 8개의 카테고리로 구분하였다. 가장 많은 카테고리는 fashion 부분이었으나 카테고리의 설정이 제품 속성이 아닌 마케팅 문구를 분석한 점에 의의가 있다. 본 연구는 EDA를 활용하여 현 온라인 시장 흐름을 파악하고 향후 방향을 제시하는데 시사점이 있다.
초기 온라인 쇼핑몰이 등장할 때부터 지금까지 BEST 100은 모든 쇼핑몰 웹사이트의 핵심 기능으로 제공되고 있다. BEST 100은 소비자들이 한눈에 인기 상품들을 확인할 수 있기 때문에 쇼핑몰의 매출 등에 미치는 영향이 높지만 온라인 쇼핑 선행 연구에서 BEST 100과 관련된 연구는 거의 이루어지지 않고 있다. 따라서 본 연구에서는 현 온라인 쇼핑몰 11곳을 대상으로 선정하여 쇼핑몰별 판매 특징을 분석하였다. 연구 방법으로 각 쇼핑몰 웹 사이트의 BEST 100의 구성요소인 판매문구, 가격, 무료배송의 유/무 확인을 크롤링 하여 탐색적 자료 분석 기법(EDA)을 활용하였다. 분석 결과 쇼핑몰 11곳의 종합 평균 가격은 72,891.41원으로 나타났으며 상품 가격이 저렴할수록 무료배송 비율이 낮음을 확인하였다. 가격 이외에 판매문구에서는 텍스트 마이닝을 통해 8개의 카테고리로 구분하였다. 가장 많은 카테고리는 fashion 부분이었으나 카테고리의 설정이 제품 속성이 아닌 마케팅 문구를 분석한 점에 의의가 있다. 본 연구는 EDA를 활용하여 현 온라인 시장 흐름을 파악하고 향후 방향을 제시하는데 시사점이 있다.
Since the beginning of the first online shopping mall, BEST 100 is being provided as the core of all shopping mall websites. BEST 100 is greatly important because consumers can identify popular products at a glance. However, there are only studies using sales outcome indicators, and prior studies us...
Since the beginning of the first online shopping mall, BEST 100 is being provided as the core of all shopping mall websites. BEST 100 is greatly important because consumers can identify popular products at a glance. However, there are only studies using sales outcome indicators, and prior studies using BEST 100 are insignificant. Therefore, this study selected 11 online shopping malls and compared their main characteristics. As a research method, exploratory data analysis technique (EDA) was used by crawling the BEST 100 components of each shopping mall website, such as product name, price, and free shipping check. As a result, the total average price of 11 shopping malls was 72,891.41 won. Sales texts were classified into 8 categories by text mining. The most common category was the fashion part, but it is significant that the setting of the category analyzed the marketing text, not the product attribute. This study has implications for understanding the current online market flow and suggesting future directions by using EDA.
Since the beginning of the first online shopping mall, BEST 100 is being provided as the core of all shopping mall websites. BEST 100 is greatly important because consumers can identify popular products at a glance. However, there are only studies using sales outcome indicators, and prior studies using BEST 100 are insignificant. Therefore, this study selected 11 online shopping malls and compared their main characteristics. As a research method, exploratory data analysis technique (EDA) was used by crawling the BEST 100 components of each shopping mall website, such as product name, price, and free shipping check. As a result, the total average price of 11 shopping malls was 72,891.41 won. Sales texts were classified into 8 categories by text mining. The most common category was the fashion part, but it is significant that the setting of the category analyzed the marketing text, not the product attribute. This study has implications for understanding the current online market flow and suggesting future directions by using EDA.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
전통적으로 BEST 순위는 소비자들이 현 추세와 인기 상품을 확인하는 지표이기 때문에, 초기 쇼핑몰이 등장할 때부터 현재까지 온라인 쇼핑몰들은 BEST 순위 제공 서비스를 핵심으로 두며 정보를 제공하고 있다. 따라서 국내 11개의 온라인 쇼핑몰을 대상으로 웹 크롤링한 데이터를 통해 각 쇼핑 채널별 주력특징을 파악하고 종합적으로 현 온라인 시장 흐름에 전략을 제시하고자 한다.
본 연구는 국내 온라인 쇼핑몰에서 공통적으로 제공하는 BEST 100을 비교하기 위해 탐색적 자료 분석을 수행했다. 본 연구 절차는 <그림 1 과>과 같다.
본 연구는 기존의 판매 지표를 통한 분석과 달리 탐색적 자료 분석을 목적으로 웹 크롤링과 텍스트 마이닝을 통해 자료를 수집했다. 수집한 자료는 데이터 프레임 형식으로 정리하였다.
더 나아가서 누리꾼들은 SNS를 통해 뉴스보다 빠르게 정보를 공유할 수 있게 되었다. 본 연구에서는 국내 종합 온라인 쇼핑몰에서 인기 검색어의 역할을 하는 BEST 100 항목을 분석하고 각 온라인 쇼핑몰 별 특징을 확인하고자 한다. 전통적으로 BEST 순위는 소비자들이 현 추세와 인기 상품을 확인하는 지표이기 때문에, 초기 쇼핑몰이 등장할 때부터 현재까지 온라인 쇼핑몰들은 BEST 순위 제공 서비스를 핵심으로 두며 정보를 제공하고 있다.
본 연구에서는 설문조사, 동향, 판매지표를 주로 이용한 선행 연구들과 다르게 쇼핑몰별 BEST 100(인기 순위)을 비교ㆍ분석하여 연구하는데 시사점을 두고 있다. 소비자들은 온라인 쇼핑몰에서 상품을 구매할 때 기본적으로 상품사진, 가격 그리고 제품명을 통해 정보를 얻는다.
하지만 living 카테고리에서 현 백화점 · 마트의 판매율 상승에 따른 인터넷 시장 확대의 잠재력이 있으나 타 쇼핑몰보다 최저의 보유량을 보인다. 워드 클라우드에서 자주 보이는 노브랜드 PB 상품을 지표 삼아 생활용품 품목의 마케팅 증진방안을 모색하는 것을 제안한다.
제안 방법
11곳의 BEST 100 웹 사이트를 대상으로 자료를 수집하기 위해서 오픈소스인 R 언어를 통해 웹 크롤링(Web Crawling) 코드를 작성했다. 기본적으로 rvest 패키지를 활용하여 각 페이지의 가격, 판매문구, 배송비 유/무 표시가 있는 HTML nodes의 텍스트를 크롤링 하였다.
김소라[4]는 쇼핑몰에서 제공하는 정보의 허위성과 잘못된 정보로부터 파생된 소비자 피해 가능성에 대해 연구를 했다. 당시 소비자보호 이슈와 함께 쇼핑몰의 문제점을 지적하고 개선방안을 제안했다.
기본적으로 rvest 패키지를 활용하여 각 페이지의 가격, 판매문구, 배송비 유/무 표시가 있는 HTML nodes의 텍스트를 크롤링 하였다. 데이터를 수집하는 과정에서 웹 페이지 특성상 wemakeprice,CJmall, GSSHOP, AUCTION, TMON, 11st의 경우 기존 크롤링 방법이 적용되지 않았는데, 이런 경우 Selenium 패키지를 통해 웹 크롤링을 진행하였다. BEST 100은 등재된 리스트가 수시로 변하기 때문에 웹 크롤링 날짜를 2018년 5월 27일과 2018년 6월 3일로 고정하였으며, 결과적으로 2200개의 행과 3개의 열로 이루어진 데이터 프레임을 생성했다.
그러므로 전처리 없이 깊이 있는 비교분석에 어려움이 있다. 따라서 수집한 미가공 텍스트를 불용어 처리, 띄어쓰기 제거, 형태소 분리 등 데이터 정제 과정 수행하였다. 본 연구는 데이터 처리 과정에서 오픈소스 R 언어에서 제공하는 KoNLP tm,stringr 패키지를 사용했다.
두 번째로, 선정된 온라인 쇼핑몰들의 BEST 100 웹 페이지에서 자료를 수집한다. 마지막으로 수집한 자료 중 판매문구 데이터 열을 전처리 작업 한 후 카테고리 분류를 한다.
특히 카테고리는 수집한 자료가 아닌 전처리를 통해 추가한 자료이다. 수많은 제품 분류를 비교 분석하기에 자료의 한계성이 있기에 판매문구의 속성에 따라 크게 8가지의 카테고리를 분류하여 추가하였다.
본 연구는 기존의 판매 지표를 통한 분석과 달리 탐색적 자료 분석을 목적으로 웹 크롤링과 텍스트 마이닝을 통해 자료를 수집했다. 수집한 자료는 데이터 프레임 형식으로 정리하였다. 본연구의 특징은 1.
본 연구 절차는 <그림 1 과>과 같다. 연구 절차는 먼저 상기한 온라인 쇼핑몰구분 및 정의를 기반으로 비교 분석할 대상을 선정한다. 두 번째로, 선정된 온라인 쇼핑몰들의 BEST 100 웹 페이지에서 자료를 수집한다.
앞선 연구에서도 장은영[14]은 온라인 쇼핑몰의 정보제공 방법으로 제품 관련 요소인 제품설명, 제품가격, 제품 사진, 제품 구색을 분류하였는데, 이와 공통되게 현 온라인 쇼핑몰의 BEST 100에서도 판매문구(제품설명), 제품가격, 제품 사진 등으로 구성되어있다. 이러한 기존 문헌연구 사례를 바탕으로 BEST 100의 구성요소들인 가격, 판매문구, 카테고리 구분, 배송비 유/무 형식을 비교 분석하였다. 특히 카테고리는 수집한 자료가 아닌 전처리를 통해 추가한 자료이다.
특히 “/”, “%”, “[”, 숫자 등 특수 문자를 제거하고, 특정 쇼핑몰에서 자주 사용된 마케팅 문구를 제거하였다. 정제된 텍스트들이 포함된 각 행은 gsub함수를 사용하여 8개의 카테고리로 분류하였다. 카테고리 분류기준은 2017년 통계청 온라인쇼핑 동향을 참조하며 재구성하였다.
카테고리 분류기준은 2017년 통계청 온라인쇼핑 동향을 참조하며 재구성하였다. 카테고리를 구분하면서 텍스트의 특징에 따라 농ㆍ축ㆍ수산물+음료+식료품 등을 food, 의복+신발+패션 용품 및 액세서리+가방+스포츠 등을 fashion, 가구+사무+문구+애완용품+생활용품 등을 living, 레저+음반+비디오+악기+여행 및 예약서비스 등을 activity, 가전+전자+통신기기 등을 digital, 화장품+미용용품 등을 beauty, 아동+유아용품+아동서적 등을 baby,나머지는 etc로 구분하였다. 새로운 카테고리 열을 분류하면서 총 수집한 자료는 2,200개의 행과 4개의 열을 가진 데이터 프레임으로 완성되었다.
특히 “/”, “%”, “[”, 숫자 등 특수 문자를 제거하고, 특정 쇼핑몰에서 자주 사용된 마케팅 문구를 제거하였다.
지혜경[16]은 오픈마켓에서 충동구매에 대한 원인을 가격, 제품의 새로움 순으로 영향력 정도를 분석했다. 현재 여행, 욜로족5), 소확행6)등의트렌드 추세로 activity의 판매 상승을 예상하며 가격에 민감한 온라인 쇼핑몰 소비자의 성향에 따라 11st에게 상대적으로 저렴한 문화, 체험 쿠폰 등의 판매 확대로 평균 가격을 낮추는 방안을 제안한다.
대상 데이터
데이터를 수집하는 과정에서 웹 페이지 특성상 wemakeprice,CJmall, GSSHOP, AUCTION, TMON, 11st의 경우 기존 크롤링 방법이 적용되지 않았는데, 이런 경우 Selenium 패키지를 통해 웹 크롤링을 진행하였다. BEST 100은 등재된 리스트가 수시로 변하기 때문에 웹 크롤링 날짜를 2018년 5월 27일과 2018년 6월 3일로 고정하였으며, 결과적으로 2200개의 행과 3개의 열로 이루어진 데이터 프레임을 생성했다.
고 가격대에서는 SSG닷컴이 분포가 높음을 알 수 있다. 가장 높은 가격의 제품은 한샘 부엌 리모델링 세트(EURO 9000 리치스페셜) 4,646,920원이다. 박스플롯은 높은 가격 범위의 도표 표현 한계점으로 인해 평균값과 표준편차를 합한 약 30만 원을 기준으로 두 개의 박스플롯으로 나누었다.
연구 절차는 먼저 상기한 온라인 쇼핑몰구분 및 정의를 기반으로 비교 분석할 대상을 선정한다. 두 번째로, 선정된 온라인 쇼핑몰들의 BEST 100 웹 페이지에서 자료를 수집한다. 마지막으로 수집한 자료 중 판매문구 데이터 열을 전처리 작업 한 후 카테고리 분류를 한다.
본 연구는 상기한 국내 온라인 쇼핑 시장 구분 및 정의 표를 바탕으로 연구대상을 선정하였다.
카테고리를 구분하면서 텍스트의 특징에 따라 농ㆍ축ㆍ수산물+음료+식료품 등을 food, 의복+신발+패션 용품 및 액세서리+가방+스포츠 등을 fashion, 가구+사무+문구+애완용품+생활용품 등을 living, 레저+음반+비디오+악기+여행 및 예약서비스 등을 activity, 가전+전자+통신기기 등을 digital, 화장품+미용용품 등을 beauty, 아동+유아용품+아동서적 등을 baby,나머지는 etc로 구분하였다. 새로운 카테고리 열을 분류하면서 총 수집한 자료는 2,200개의 행과 4개의 열을 가진 데이터 프레임으로 완성되었다.
본 연구는 상기한 <표 1> 국내 온라인 쇼핑 시장 구분 및 정의 표를 바탕으로 연구대상을 선정하였다. 연구 대상으로는 현재 활발히 운영되고 있는 11개의 국내 온라인 쇼핑몰을 무작위 대상으로 오픈마켓(AUCTION, 11st, Gmarket, SSG,2) INTERPARK), 카탈로그 및 홈쇼핑(Hmall, CJmall, GSSHOP), 소셜커머스(wemakeprice, TMON, G9)로 분류 선택하였다.
데이터처리
가장 다양한 종류의 제품을 보유하고 있는 유통채널을 확인하기 위해 각 유통채널별 카테고리 분포 표준편차를 구했다. 그 결과 INTERPARK가 13.
이론/모형
따라서 수집한 미가공 텍스트를 불용어 처리, 띄어쓰기 제거, 형태소 분리 등 데이터 정제 과정 수행하였다. 본 연구는 데이터 처리 과정에서 오픈소스 R 언어에서 제공하는 KoNLP tm,stringr 패키지를 사용했다. 특히 “/”, “%”, “[”, 숫자 등 특수 문자를 제거하고, 특정 쇼핑몰에서 자주 사용된 마케팅 문구를 제거하였다.
성능/효과
특히 wemakeprice는 living, fashion, digital 부분에서 가장 평균가가 낮게 나오면서 저렴한 상품들이 타 유통채널에 비해 많이 판매되고 있음을 예측했다. 30만 원 이상에서는 digital 부분이 압도적으로 많았는데 워드 클라우드를 통해 D사 청소기, 여름대비 에어컨, 냉장고 등의 제품들을 가장 많이 찾고 있음을 확인할 수 있었다. 또한 가전제품의 평균가가 높은 곳은 923,169.
가격 구분 없이 전체적으로 워드 클라우드를 그려보면 쿠폰이 가장 많이 사용됨을 과 를 통해 확인하였는데, 이는 마케팅 문구로 쿠폰이라는 키워드가 가장 소비자들에게 효과적이라고 해석된다.
그 결과 INTERPARK가 13.3844로 가장 작은 표준편차임을 에서 확인할 수 있는데, 이는 INTERPARK가 판매하고 있는 제품들의 종류가 상대적으로 고르게 분포되어있음을 의미한다.
30만 원 이상 워드 클라우드에서는 경험상 예상했던 것처럼 digital 카테고리 제품군 관련 키워드들이 대부분이었다. 대체로 고가격 대의 백색가전이 눈에 띄었으며 키워드로 다이슨, 휘센, 위니아 등이 있음을 확인하였다.
또한 카테고리의 표준편차가 적은 INTERPARK, G9를 통해 다른 쇼핑몰에 비해 여러 가지 상품을 골고루 판매하고 있음을 볼 수 있었다. 카테고리 분포의 표준편차가 큰 상위 5개 HMALL, Gmarket, GSSHOP, CJmall, SSG의 경우 SSG를 제외하고 fashion 카테고리가 강세를 보이는데 이 중에서 절반 이상이 의류, 뷰티 홈쇼핑 채널에 기반임을알 수 있었다.
5원의 SSG닷컴이 있는데 이는 식품을 주력으로 보이면서 digital 카테고리 품목 구성 부족이라 판단했다. 마지막으로 배송비 관련해서 상품의 판매 가격이 낮을수록 유료배송의 횟수가 높았음을 확인하였다.
박스플롯을 통해 activity의 경우 가격이 낮아도 무료배송과 유료배송의 가격분포의 차이가 적음을 확인할 수 있다. 반대로 food, fashion, digital인 경우 저가일수록 배송비가 청구됨을 확인하였다.
본 연구를 통해 얻은 온라인 쇼핑몰별 인상적인 특징을 파악하자면 SSG닷컴은 food의 평균가 8,506원으로 가장 저렴하면서 카테고리 분포도 다른 쇼핑몰에 비해 food의 보유량이 가장 많았다. 또한 전체 평균가인 72,891.
본 연구에서 30만 원 이하에서 wemakeprice가 평균가 10,524.55원 기준으로 가장 저렴한 제품들을 판매하고 있으며, 91,693.18원의 평균가를 보인 CJmall이 가장 높은 순위를 차지하였다. 특히 wemakeprice는 living, fashion, digital 부분에서 가장 평균가가 낮게 나오면서 저렴한 상품들이 타 유통채널에 비해 많이 판매되고 있음을 예측했다.
상기한 분석들을 통해 쇼핑몰 별 주력상품 · 유통체계가 다름을 확인하였고 이에 따라 유통채널별 경쟁력에 차이가 있음을 판단하였다.
자동으로 정보를 수집하기 때문에 주로 웹사이트의 텍스트, 그림, 멀티미디어 등의 정보를 얻는 데 유용하게 사용된다. 웹 크롤링 기법을 통해 수집한 11곳의 유통채널(이하 온라인 쇼핑몰) 웹사이트의 텍스트를 통해, 일일이 홈페이지를 확인하여 텍스트를 타이핑하는 것보다 경제적으로 자료 수집을 할 수 있었다.
또한 류권석 외[5]는 소비자의 구매 의사결정에 영향을 주는 온라인 쇼핑몰의 구성 요인을 분석하고, 제품 유형에 따라 각 요인의 기여도를 구분하여 컨조인트 분석을 통해 살폈다. 이 연구를 통해 소비자들은 제품 유형에 관계없이 가격에 민감한 결과를 얻었으며, 온라인 쇼핑몰에서 소비자들의 구매 요인에서 가격이 가장 중요한 결정 요인으로 꼽힌다는 것을 확인했다.
전체 종합결과 11개의 온라인 쇼핑몰(이하 유통채널) BEST 100의 가격 분석 결과를 정리하면 <표 2>와 같다. 종합적으로 2,200개의 상품 데이터들은 표에서와 같이 평균 가격은 72,891.41원이며,NULL 값인 0원(SSG닷컴)을 제외한 최소가격은 100원, 최대 가격은 4,646,920원, 표준편차 243,646원으로 확인된다.
또한 카테고리의 표준편차가 적은 INTERPARK, G9를 통해 다른 쇼핑몰에 비해 여러 가지 상품을 골고루 판매하고 있음을 볼 수 있었다. 카테고리 분포의 표준편차가 큰 상위 5개 HMALL, Gmarket, GSSHOP, CJmall, SSG의 경우 SSG를 제외하고 fashion 카테고리가 강세를 보이는데 이 중에서 절반 이상이 의류, 뷰티 홈쇼핑 채널에 기반임을알 수 있었다. 반대로 보완해야 할 쇼핑몰을 파악하자면 wemakeprice는 digital의 평균가가 타 쇼핑몰보다 가장 낮으면서 digital 카테고리 점유율도 가장 낮다.
워드 클라우드 분석을 통해 fashion, beauty, food 카테고리 관련 키워드들이 30만 원 이하 가격대에 많이 분포되었다. 키워드는 주로 아디다스, 나이키 같은 스포츠 패션브랜드와 나스, 니베아 같은 화장품 브랜드 그리고 농심, 슈퍼, 깔라만시 등의 food 카테고리가 전체 유통채널 BEST 100에 자주 사용 됨을 확인하였다. 30만 원 이상 워드 클라우드에서는 경험상 예상했던 것처럼 digital 카테고리 제품군 관련 키워드들이 대부분이었다.
후속연구
추가적인 연구로는 주기적인 자료 수집을 통해 시계열 나열 비교 및 계절별 경향 파악 연구 가능성을 제시하고자 한다. 덧붙여서 본 연구의 탐색 대상이었던 온라인 쇼핑몰의 판매문구, 가격, 카테고리 분석을 통해 실질적인 탐색 연구를 할 수 있는 밑거름이 되어 추후 각 유통기업, 공공기관, 연구원 등에서 실질적인 최신 동향 리포트 및 통계 연구를 제안한다.
마지막으로 본 연구가 웹 크롤링을 통해 온라인 쇼핑몰 BEST 100을 연구하는 첫 번째 발자취로서 향후 온라인 쇼핑몰 경향 추세 연구에 도움이 되기를 희망한다. 추가적인 연구로는 주기적인 자료 수집을 통해 시계열 나열 비교 및 계절별 경향 파악 연구 가능성을 제시하고자 한다.
실증분석에서는 완성한 데이터 프레임을 이용하여 상황에 따라 표, 그림과 같은 데이터 시각화작업을 할 것이다. 완성된 시각화 자료를 탐색하여 판매문구 워드 클라우드 분석, 카테고리 분석, 가격 박스분포 분석 등을 수행할 것이다.
마지막으로 본 연구가 웹 크롤링을 통해 온라인 쇼핑몰 BEST 100을 연구하는 첫 번째 발자취로서 향후 온라인 쇼핑몰 경향 추세 연구에 도움이 되기를 희망한다. 추가적인 연구로는 주기적인 자료 수집을 통해 시계열 나열 비교 및 계절별 경향 파악 연구 가능성을 제시하고자 한다. 덧붙여서 본 연구의 탐색 대상이었던 온라인 쇼핑몰의 판매문구, 가격, 카테고리 분석을 통해 실질적인 탐색 연구를 할 수 있는 밑거름이 되어 추후 각 유통기업, 공공기관, 연구원 등에서 실질적인 최신 동향 리포트 및 통계 연구를 제안한다.
질의응답
핵심어
질문
논문에서 추출한 답변
온라인 쇼핑의 등장으로 소비자들은 어떤 점들을 누리게 되었는가?
온라인 쇼핑의 등장으로 소비자들은 언제 어디서나 제품 및 서비스를 구매할 수 있게 되었다. 또한 소비자들은 온라인에서 풍부한 제품 및 서비스 정보를 받을 수 있게 되면서 오프라인보다 상대적으로 합리적 의사결정을 할 수 있게 되었다. 이와 함께, 편의성을 앞세운 모바일 시장의 발달로 소비자들의 소비패턴이 급격히 변화되었으며 쇼핑 플랫폼의 영역이 점차 세분되는 추세가 되었다.
수많은 유통채널의 등장으로 소비자들은 어떤 현상을 겪고 있는가?
그러나 수많은 유통채널의 등장으로 극심한 경쟁은 불가피하게 되었고, 소비자들은 정보 과부하 현상을 겪고 있다. 한 예로, 같은 상품을 두고 채널별로 차별화된 마케팅 정책을 펼치지만 정작 소비자들은 어떤 채널에서 가장 합리적 구매를 할 수 있는지 고민하는 정보 스트레스를 받고 있다.
BEST 100의 구성요소 중 판매문구는 미사여구로 구성되었으므로 어떠한 어려움을 겪는가?
BEST 100의 구성요소 중 판매문구는 마케팅의 일환으로 다양한 미사여구로 구성된다. 그러므로 전처리 없이 깊이 있는 비교분석에 어려움이 있다. 따라서 수집한 미가공 텍스트를 불용어 처리, 띄어쓰기 제거, 형태소 분리 등 데이터 정제 과정 수행하였다.
참고문헌 (23)
김경재, 김병국, "데이터 마이닝을 이용한 온라인 쇼핑몰 상품추천시스템", 지능정보연구, 제11권, 제1호, pp.191-20, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.