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
- 이에 본 연구에서는 빅데이터를 이용하여 특정 패션 브랜드에 대한 웹 기반 소비자 평가 트렌드의 추이를 실증적으로 분석하고자 했다. 구체적인 연구목적은 패션 브랜드의 다양한 마케팅 전략의 실행이 실제 빅데이터에서 소비자들이 해당 브랜드에 대해 언급하는 키워드의 변화에 유의한 영향을 미치는가를 확인하고자 하였다. 따라서 특정 기간 동안 주요 브랜드마다의 주요 마케팅 전략들을 확인하고, 이와 연관된 키워드들이 해당 브랜드명과의 연관 언급 빈도수의 변화를 분석하여 마케팅 전략의 영향력을 빅데이터 분석을 통해 실증적으로 확인해 보고자 하였다.
- 구체적인 연구목적은 패션 브랜드의 다양한 마케팅 전략의 실행이 실제 빅데이터에서 소비자들이 해당 브랜드에 대해 언급하는 키워드의 변화에 유의한 영향을 미치는가를 확인하고자 하였다. 따라서 특정 기간 동안 주요 브랜드마다의 주요 마케팅 전략들을 확인하고, 이와 연관된 키워드들이 해당 브랜드명과의 연관 언급 빈도수의 변화를 분석하여 마케팅 전략의 영향력을 빅데이터 분석을 통해 실증적으로 확인해 보고자 하였다.
- 본 연구는 그동안 부족했던 빅데이터를 이용한 패션 브랜드에 대한 소비자 평가 분석의 가능성을 탐구하여 그동안 빅데이터 분석을 통해 확인되지 않았던 브랜드별 마케팅 활동의 결과가 소비자의 검색어 빈도와 선택에 어떤 영향을 미치는지에 대해 기본적인 결과를 확인했다는 점에서 학술적 실무적 의의를 갖는다. 본 연구는 실험적으로 빅데이터를 패션업계에 활용하는 실질적인 방안을 탐구하며, 패션 브랜드에 대한 감성 분석과 더불어 소비자의 브랜드 평가 및 변화의 실증적 분석에 빅데이터 분석 방식을 적용함으로써 학술적 실무적 의의를 지향했다.
- 본 연구에서는 업계의 빅데이터 기반 마케팅 전략 수립 및 평가라는 최근 이슈에 부응한 탐색적 접근을 시도하여, 빅데이터를 활용하여 각 브랜드에 대한 시사성과 이슈에 대한 소비자의 관심 변화와 인식에 대해 살펴보면서, 각 브랜드의 주요 마케팅 전략이 실제로 소비자들이 웹 기반 환경에서 관심을 갖는 이슈들에 어떠한 연계성이 나타나는지를 실증적으로 분석해보고자 했다. 최근 수 년 동안 중점적으로 화제가 되고 있는 3개의 글로벌 패션 브랜드(발렌시아가, 베트멍, 오프화이트)들에 관한 웹 기반 환경에서의 소비자 검색 키워드들의 추출과 분석 결과, 전반적으로 상승세를 타며 다양한 성공적 마케팅 전략으로 확장세를 보이는 브랜드들의 검색어 수량 자체의 증가와 검색 키워드의 다변화와 추이 전환이 나타났다.
- 이와 함께 패션 업계에서도 고객관리 및 제품 기획이나 판매 등에서 웹 기반 빅데이터 분석을 활용하려는 기업들의 시도가 최근 늘어나고 있지만, 이와 관련된 학술적 연구는 매우 제한적이었다. 이에 본 연구에서는 빅데이터를 이용하여 특정 패션 브랜드에 대한 웹 기반 소비자 평가 트렌드의 추이를 실증적으로 분석하고자 했다. 구체적인 연구목적은 패션 브랜드의 다양한 마케팅 전략의 실행이 실제 빅데이터에서 소비자들이 해당 브랜드에 대해 언급하는 키워드의 변화에 유의한 영향을 미치는가를 확인하고자 하였다.
제안 방법
- 넷째, 군집분석을 통해 유사한 특성을 가진 키워드를 확인하고, 브랜드와 연관되는 이슈 키워드들을 확인한다.
- 다섯째, 데이터그룹A와 B에 중복되는 키워드를 대상으로 이전 기간보다 상승한 키워드와 하락한 키워드를 파악하고, 해석하는 과정을 통해 시사점을 제시한다.
- 데이터 크롤링은 빅데이터 분석을 위한 데이터 수집 단계이다. 데이터를 모으기에 앞서 웹 기반 소비자의 브랜드 평가 추이 분석을 위해, 관련 데이터를 모을 대상 브랜드들을 시사성을 바탕으로 선정했다. 글로벌 패션 쇼핑 플랫폼인 Lyst는 분기별로 가장 인기있는 패션 브랜드와 제품을 순위로 보여준다.
- 둘째, 선정된 브랜드에 분석 기간을 두 그룹(데이터그룹A 2014~2015, 데이터그룹B: 2016~2017)으로 나누어 패션 브랜드명으로 텍스트 마이닝을 진행하고, 각 기간 별로 데이터를 구분하여 주요 키워드 추이를 비교분석한다.
- 본 연구는 그동안 부족했던 빅데이터를 이용한 패션 브랜드에 대한 소비자 평가 분석의 가능성을 탐구하여 그동안 빅데이터 분석을 통해 확인되지 않았던 브랜드별 마케팅 활동의 결과가 소비자의 검색어 빈도와 선택에 어떤 영향을 미치는지에 대해 기본적인 결과를 확인했다는 점에서 학술적 실무적 의의를 갖는다. 본 연구는 실험적으로 빅데이터를 패션업계에 활용하는 실질적인 방안을 탐구하며, 패션 브랜드에 대한 감성 분석과 더불어 소비자의 브랜드 평가 및 변화의 실증적 분석에 빅데이터 분석 방식을 적용함으로써 학술적 실무적 의의를 지향했다. 최근 급격히 증가하는 웹 기반 소비자 검색 정보를 기반으로 한 빅데이터를 활용하여 마케팅의 실효성을 판단하고 평가할 수 있는 방안에 대한 업계의 탐색적 노력이 증가하고 있으나 아직 학계의 노력은 미비한 상황에서(Eom & Oh, 2017), 기존 패션산업과 관련 영역에서 시사성이 높고 업계의 관심은 높았으나 실질적이고 구체적인 데이터 추출과 분석 및 활용에 대한 실증적 연구는 거의 없었다는 점에서, 본 연구의 결과와 제시된 방법론은 향후 연관된 실무적 학술적 시도에 참조될 수 있는 부분이 있다.
- 분석을 위한 브랜드 평가 빅데이터는 추이 분석을 위해 2014~2015년(데이터그룹A)과 2016~2017년(데이터그룹B)으로 기간을 나누어 빅데이터 크롤링 프로그램을 이용하여 각 브랜드 명을 키워드로 하여 해당 기간 동안 네이버, 다음, 구글의 웹, 블로그, 카페, 뉴스기사, 그리고 페이스북, 트위터의 게시글을 분석 대상으로 각 브랜드 명을 주요 키워드로 하여 텍스트 마이닝 기법을 통해서 연관 키워드들을 수집 및 분석하였고, 수집하는 과정에서 중복되는 문서는 중복제거 기능을 사용하여 제거하였다. 브랜드와 관련된 모든 언급된 내용에서의 키워드 빈도수를 중심으로 분석하려는 목적이었기에, 뉴스 또한 그 기간에 특정 이슈(디렉터 교체, 협업이나 콜라보 등)를 다룬 내용이 포함되기에 마케팅 및 추이 변화 분석에 영향을 미친다고 볼 수 있어 수집 범위에 뉴스도 포함하여 분석하였다.
- 분석을 위한 브랜드 평가 빅데이터는 추이 분석을 위해 2014~2015년(데이터그룹A)과 2016~2017년(데이터그룹B)으로 기간을 나누어 빅데이터 크롤링 프로그램을 이용하여 각 브랜드 명을 키워드로 하여 해당 기간 동안 네이버, 다음, 구글의 웹, 블로그, 카페, 뉴스기사, 그리고 페이스북, 트위터의 게시글을 분석 대상으로 각 브랜드 명을 주요 키워드로 하여 텍스트 마이닝 기법을 통해서 연관 키워드들을 수집 및 분석하였고, 수집하는 과정에서 중복되는 문서는 중복제거 기능을 사용하여 제거하였다. 브랜드와 관련된 모든 언급된 내용에서의 키워드 빈도수를 중심으로 분석하려는 목적이었기에, 뉴스 또한 그 기간에 특정 이슈(디렉터 교체, 협업이나 콜라보 등)를 다룬 내용이 포함되기에 마케팅 및 추이 변화 분석에 영향을 미친다고 볼 수 있어 수집 범위에 뉴스도 포함하여 분석하였다.
- 셋째, 텍스트 마이닝으로 도출된 데이터를 데이터 정제를 거친 뒤 상위 100개의 키워드를 대상으로 빈도수 분석을 하여 브랜드를 대표하는 상품 키워드와 이슈 키워드를 확인한다.
대상 데이터
- 그 중 불용어(‘있’, ‘다’, ‘것’, ‘없’, ‘등’, ‘많’ 등), 부사(‘이제’, ‘많이’ 등), 동의어(‘오프white’, ‘OFF화이트’ 등)를 제외하고 총 100개의 단어를 추출하였다.
- 그 중에서 불용어(‘있’, ‘다’, ‘것’, ‘없’, ‘등’, ‘많’ 등), 부사(‘이제’, ‘많이’ 등), 동의어(‘발렌시아가’, ‘발랜시아가’ 등)를 제외하고 총 100개의 단어를 추출하였다.
- 이러한 순위를 내기 위해서 Lyst는 1만 2천 명의 디자이너와 온라인 마켓에서 한 달에 5백만 명 이상의 쇼핑객들의 쇼핑 행동을 분석하는 과정을 거치고, 한 분기마다 3개월간 전 세계 구글과 리스트 검색 데이터, 참여 통계, 전환률, 매출액을 고려하여 통계를 내어 순위를 매긴다. 대상 브랜드를 선정하기 위해 2017년 2분기부터 2018년 2분기까지 가장 인기 있는 패션 브랜드 리스트 중에서 확인한 결과, 발렌시아가, 베트멍, 오프화이트 등 세 개의 브랜드를 선정했고, 이상의 총 세 개의 패션브랜드에 관련된 키워드를 추출하고 분석하기 위해 소셜 매트릭스 프로그램의 데이터 크롤링 서비스를 활용하였다.
- 텍스톰은 텍스트 마이닝 기술을 이용한 빅데이터 분석 솔루션으로 데이터를 수집 및 정제와 매트릭스데이터 생성까지 일관되게 처리할 수 있는 솔루션이다. 수집 범위로는 포털 검색 사이트 네이버와 다음, 구글 안에서 세부적으로 지식인, 뉴스, 블로그, 카페 등과 트위터, 유튜브, 페이스북 등의 자료를 통하여 데이터 및 연관 키워드 순위를 제공하고 검색 키워드의 공출현 빈도에 따른 매트릭스 정보를 제공하고 있어 네트워크 분석을 할 때 유용한 소프트웨어이다. 텍스톰은 설문 조사를 통한 데이터 수집의 어려움을 극복하고자 개발되었으며 포털 사이트 및 소셜 미디어와 같은 다양한 채널에서 대량의 데이터를 빠르게 수집하고 정제 프로세스를 통해 네트워크를 분석하므로 데이터 마이닝에 효율적이다.
데이터처리
- ‘남성 스트라이프 셔츠’ 관련 토픽을 추출하여 시기 별 주제와 내용을 분석하였다. 또한, 디자인 속성과 감성 어휘 간의 연관관계를 토대로 감성평가 내용을 파악하는 의미연결망 분석으로 이루어졌다. 의미연결망 분석에서는 일원모드 네트워크 분석에서 색상 표현 특성, 일상복으로서의 특성, 형태적 특성, 기능적 특성의 네 개의 항목으로 분류되었고, 이원모드 네트워크 분석에서는 무늬, 색상, 소재, 스타일 등의 디자인 속성과 감성어휘들로 도출되었다.
- 또한 텍스톰은 한국어를 기반으로 최적화된 솔루션으로서 한국정보통신기술협회(TTA)에서 Good Software(GS) 인증을 획득하였으며, 다양한 학회에서 텍스톰을 활용한 연구들이 활발하게 이루어지고 있다(Lee, Lee, Kim, & Kim, 2017). 또한, 추출한 텍스트를 대상으로 네트워크 분석은 사회관계망 분석 프로그램인 Ucinet을 활용하였다. Ucinet은 보편적으로 사용되고 있는 종합적인 프로그램으로 네트워크 분석 이외에도 전통적인 통계분석 및 데이터 처리 기능을 제공하고 있다(Lee et al.
- , 2017; Song & Song, 2016). 마지막으로 텍스트 마이닝 분석이 진행된 다음에는 오픈소스 R 프로그램을 이용하여 키워드의 빈도수 변화를 분석하였다. R 프로그램은 특정 기능을 달성하는 명령문의 집합인 패키지와 함수 개발에 용이하여 통계소프트웨어 개발과 자료 분석에 널리 사용되고 있으며, 분석 속도가 빠르고 시각화 기능에 특화된 오픈소스 프로그램이다(Song & Song, 2016).
이론/모형
- 본 연구에서는 데이터 수집 및 분석을 위해 소셜매트릭스 프로그램인 ‘텍스톰(Textom)’을 활용하였다.
성능/효과
- 2014~2015년과 2016~2017년에 추출된 상위 100개의 키워드 중에서 중복되는 키워드들만 도출하여 R 프로그램을 이용하여 빈도 분석을 실시한 결과, 모터백, 선글라스, 지갑과 같은 제품의 키워드 빈도수는 감소하였으나 신발(+501) 키워드를 기준으로 스니커즈, 스피드러너, 트리플S, 가격, 사이즈, 제품, 패션, 인기, 후기, 관심과 같은 키워드는 이전에 비해 더 많은 빈도수로 추출되었다(Fig. 1).
- 2014~2015년과 2016~2017년에 추출된 상위 100개의 키워드 중에서 중복된 키워드를 대상으로 R프로그램을 이용하여 빈도 분석을 실시한 결과 나이키 키워드가 압도적으로 상승하였고, 그 외에 사이즈, 제품, 스니커즈, 신발, 콜라보, 협업 등이 대폭 상승한 것을 확인할 수 있었다(Fig. 3). 텍스트 마이닝을 통해 추출된 100개의 키워드를 대상으로 CONCOR 분석을 한 결과, 총 8개의 클러스터가 형성되었고, 이론적 배경에서 다루었던 브랜드의 연도별 이슈 키워드들(출시, 나이키, 버질, 스니커즈, 컨버스, 스트릿, 스트라이프, 콜라보, 파이렉스, 플란넬, 협업, 신발, 리미티드, 프레스토, 에어, 프린팅, 베이퍼맥스, 소량)이 첫 번째 클러스터에 대거 그룹화된 것을 확인할 수 있었다.
- 2014~2015년과 2016~2017년에 추출된 상위 100개의 키워드 중에서 중복된 키워드를 대상으로 R프로그램을 이용하여 빈도 분석을 실시한 결과, 이전에 비해 전체적으로 키워드의 빈도수가 2배가량 상승하였다. 중복된 키워드 대다수가 상승하였고, 그 중에서도 특히 리복 브랜드와의 협업과 관련된 키워드들이 상위권에 도출되면서 베트멍 브랜드에 대해 소비자들의 긍정적인 반응을 확인하였다(Fig.
- 의미연결망 분석에서는 일원모드 네트워크 분석에서 색상 표현 특성, 일상복으로서의 특성, 형태적 특성, 기능적 특성의 네 개의 항목으로 분류되었고, 이원모드 네트워크 분석에서는 무늬, 색상, 소재, 스타일 등의 디자인 속성과 감성어휘들로 도출되었다. 감성 어휘를 통계적 수치만으로 분석하는 감성평가 방법과는 다르게 빅데이터를 활용한 감성분석을 통해 남성 스트라이프 셔츠에 대해 일반인들이 주요하게 언급하고 있는 현실언어 기반의 평가 어휘를 도출하는 것을 확인하였으며, 디자인 속성과 감성 어휘와의 관계를 파악하였다. 또한 Kim(2018)은 텍스톰을 활용하여 키워드를 추출 및 빈도 분석을 진행하고, 데이터 시각화와 유사한 키워드를 그룹화하는 CONCOR 분석을 통해 모바일 기반 소비 방식인 패션 스트리밍 서비스에 대한 소비자들의 인식을 파악하였다.
- 2016~2017년의 텍스트 마이닝 결과, 28,349개의 연관 키워드가 추출되었다. 데이터 정제를 거친 뒤 총 100개의 단어를 추출한 결과, Balenciaga[발렌시아가](2,268), Gucci[구찌](1,105), Price[가격](822), Denim Jacket[청자켓](769), Footwear[신발](728), Product[제품](726) 등으로 나타났다. 상품 관련 키워드는 Denim Jacket[청자켓](769), Footwear[신발](728), Clutch[클러치](591), Bag[가방](527), Speed Runner[스피드러너](401), Sneakers[스니커즈](261), Sports Shoes[운동화](173), Triple S[트리플S](173), Wallet[지갑](153), Skirt[스커트](142), Motor bag[모터백](138), Ball cap[볼캡](129), Clothes[옷](125), Sunglasses[선글라스](117), Hat[모자](107), City bag[시티백](107), Shirt[셔츠](106), Padding[패딩](104), Hood[후드](99), Toddle bag[토드백](95), T-shirt[티셔츠](94), Jacket[자켓](93), Pants[팬츠](80), Shopper bag[쇼퍼백](74) 순으로 나타났다(Table 5).
- 2016~2017년의 텍스트 마이닝 결과, 27,168개의 연관 키워드가 추출되었다. 데이터 정제를 거친 뒤총 100개의 단어를 추출한 결과, Nike[나이키](1,448), Size[사이즈](1,303), White[화이트](1,005), Brand[브랜드](981), Off-White[오프화이트](889), Product[제품](839) 등으로 추출되었다. 상품 관련 키워드로는 T-shirt[티셔츠](803), Footwear[신발](428), Shirt[셔츠](358), Clothes[옷](284), Hood[후드](252), Man to Man[맨투맨](248), Sneakers[스니커즈](239), Jacket[자켓](235), Presto[프레스토](183), Gown[드레스](159), Belt[벨트](138), Blouse[블라우스](135), Vapor Max[베이퍼맥스](115), Dress[원피스](110), Sports Shoes[운동화](104), Jean[바지](104) 순으로 나타났다(Table 9).
- 최근의 공격적 마케팅 전략 이전에는(데이터그룹A) 소비자 관점에서 핸드백이나 선글라스 등 단편적 액세서리 위주 상품 구성의 브랜드로 인식이 되었지만, 이후 2016~2017년도 사이에 축적된 데이터에서(데이터그룹B)에서는 의류 및 신발 등 다양한 어패럴 제품군을 포괄하는 확장된 패션 브랜드로서의 관심이 증가하여 토털 패션 하우스의 이미지를 형성하며, 소비자에게 인기를 얻고 있는 것으로 해석될 수 있다. 또한, CONCOR 분석에서 가장 빈도수와 관심도가 높은 키워드가 모여지는 첫 번째 클러스터에 최근 브랜드 관련 이슈들이 대거 그룹화된 것을 확인할 수 있었는데, 주로 크리에이티브 디렉터의 교체로 인한 이슈 혹은 디자인적으로 새로움을 주거나 새로운 서비스를 내세우면서 마케팅 전략을 해왔다면 이전과는 다르게 현재 트렌드는 주로 브랜드 간의 협업을 통해 마케팅 전략을 내세워 소비자에게 브랜드에 대한 관심의 폭과 방향에 실질적인 영향을 미친 것을 단편적으로 확인할 수 있었다.
- 또한, 텍스트 마이닝을 통해 추출된 100개의 키워드를 대상으로 CONCOR 분석을 한 결과 총 8개의 클러스터가 형성되었고, 이론적 배경에서 다루었던 브랜드의 연도별 이슈 키워드들(가격, 신발, 알렉산더, 팔찌, 스피드러너, 트리플S, 스니커즈, 추가로 운동화, 디렉터, 인상, 바잘리아, 쇼퍼백)이 첫 번째 클러스터에 대거 그룹화된 것을 확인할 수 있었다.
- 베트멍은 1년에 단 두 번의 컬렉션만 생산한다는 원칙을 수립한 이후, 프리 컬렉션(pre-collection)에 집착하지 않는다. 베트멍은 시장에 없는 것을 제공하고, 시장에 도전하고, 시장이 원하는 제품을 만들어야 한다며 창조적인 부분을 시장보다 훨씬 앞서 가야 한다고 언급하면서 기존에 진행되던 패션 위크 기간이 아닌 다른 시기에 컬렉션을 공개하는 등에 파격적인 모습을 선보였다. 할인은 줄이되 판매량은 늘리고자 했던 그들만의 전략이었고, 이러한 전략은 대중들에게 충분한 사랑을 받았으며, 각 분야의 뛰어난 브랜드들과의 꾸준한 콜라보레이션으로 소비자들에게 큰 사랑을 받고 있다.
- 즉, 빠른 속도로 대용량의 데이터를 분석하는 속성으로 분석된 데이터를 실시간으로 수집, 저장, 유통, 분석 처리가 가능한 성능을 의미한다. 세 번째로, 다양성(variety)은 다양한 종류의 데이터를 의미한다. 즉, 소셜 미디어에서 생성된 데이터나 스마트폰의 위치 데이터, 오픈소스 데이터 등과 같은 다양한 신규 데이터 소스의 복잡성을 포함하고 있으며, 정형화의 종류에 따라 정형(structured), 반정형(semi-structured), 비정형(unstructured) 데이터로 분류할 수 있다(Ovadia, 2013).
- 또한, 디자인 속성과 감성 어휘 간의 연관관계를 토대로 감성평가 내용을 파악하는 의미연결망 분석으로 이루어졌다. 의미연결망 분석에서는 일원모드 네트워크 분석에서 색상 표현 특성, 일상복으로서의 특성, 형태적 특성, 기능적 특성의 네 개의 항목으로 분류되었고, 이원모드 네트워크 분석에서는 무늬, 색상, 소재, 스타일 등의 디자인 속성과 감성어휘들로 도출되었다. 감성 어휘를 통계적 수치만으로 분석하는 감성평가 방법과는 다르게 빅데이터를 활용한 감성분석을 통해 남성 스트라이프 셔츠에 대해 일반인들이 주요하게 언급하고 있는 현실언어 기반의 평가 어휘를 도출하는 것을 확인하였으며, 디자인 속성과 감성 어휘와의 관계를 파악하였다.
- 이들 브랜드들에 대해서는 전반적으로 2014~2015년 동안의 데이터를 모아 분석한 ‘데이터그룹A’에서 주로 가방이나 지갑, 액세서리 관련된 상품에 관한 키워드들이 높은 빈도수로 대거 도출된 반면, ‘데이터그룹B’에서는 의류와 신발에 관련된 상품 키워드 빈도수가 증가하거나 새롭게 상위권에 나타난 것을 확인하였다.
- 2014~2015년과 2016~2017년에 추출된 상위 100개의 키워드 중에서 중복된 키워드를 대상으로 R프로그램을 이용하여 빈도 분석을 실시한 결과, 이전에 비해 전체적으로 키워드의 빈도수가 2배가량 상승하였다. 중복된 키워드 대다수가 상승하였고, 그 중에서도 특히 리복 브랜드와의 협업과 관련된 키워드들이 상위권에 도출되면서 베트멍 브랜드에 대해 소비자들의 긍정적인 반응을 확인하였다(Fig. 2). 텍스트 마이닝을 통해 추출된 100개의 키워드를 대상으로 CONCOR 분석을 한 결과, 총 8개의 클러스터가 형성되었고, 이론적 배경에서 다루었던 브랜드의 연도별 이슈 키워드들(오버사이즈, 오버핏, 트임, 밑단, 컬렉션, 컷팅, 베트멍st, 유니크, 루즈, 리복, 퓨리, 콜라보, 신발, 펌프, 스트릿, 바잘리아, 국내, 협업, 스트리트, 리바이스, 낙서, 패러디)이 첫 번째 클러스터에 대거 그룹화 된 것을 확인하였다.
- 빅데이터의 특징으로는 크기(volume), 속도(velocity), 다양성(variety)이 있다. 첫 번째로, 크기(volume)는 축적되는 데이터의 크기가 한계를 넘어서는 거대한 데이터의 크기를 의미하며, 데이터가 클수록 분석 가치는 커진다. 일반적으로 수십 페타바이트(PB), 엑사바이트(EB) 혹은 제타바이트(ZB) 이상 규모의 데이터 속성을 뜻한다.
- 본 연구에서는 업계의 빅데이터 기반 마케팅 전략 수립 및 평가라는 최근 이슈에 부응한 탐색적 접근을 시도하여, 빅데이터를 활용하여 각 브랜드에 대한 시사성과 이슈에 대한 소비자의 관심 변화와 인식에 대해 살펴보면서, 각 브랜드의 주요 마케팅 전략이 실제로 소비자들이 웹 기반 환경에서 관심을 갖는 이슈들에 어떠한 연계성이 나타나는지를 실증적으로 분석해보고자 했다. 최근 수 년 동안 중점적으로 화제가 되고 있는 3개의 글로벌 패션 브랜드(발렌시아가, 베트멍, 오프화이트)들에 관한 웹 기반 환경에서의 소비자 검색 키워드들의 추출과 분석 결과, 전반적으로 상승세를 타며 다양한 성공적 마케팅 전략으로 확장세를 보이는 브랜드들의 검색어 수량 자체의 증가와 검색 키워드의 다변화와 추이 전환이 나타났다. 이들 브랜드들에 대해서는 전반적으로 2014~2015년 동안의 데이터를 모아 분석한 ‘데이터그룹A’에서 주로 가방이나 지갑, 액세서리 관련된 상품에 관한 키워드들이 높은 빈도수로 대거 도출된 반면, ‘데이터그룹B’에서는 의류와 신발에 관련된 상품 키워드 빈도수가 증가하거나 새롭게 상위권에 나타난 것을 확인하였다.
- 2). 텍스트 마이닝을 통해 추출된 100개의 키워드를 대상으로 CONCOR 분석을 한 결과, 총 8개의 클러스터가 형성되었고, 이론적 배경에서 다루었던 브랜드의 연도별 이슈 키워드들(오버사이즈, 오버핏, 트임, 밑단, 컬렉션, 컷팅, 베트멍st, 유니크, 루즈, 리복, 퓨리, 콜라보, 신발, 펌프, 스트릿, 바잘리아, 국내, 협업, 스트리트, 리바이스, 낙서, 패러디)이 첫 번째 클러스터에 대거 그룹화 된 것을 확인하였다.
- 3). 텍스트 마이닝을 통해 추출된 100개의 키워드를 대상으로 CONCOR 분석을 한 결과, 총 8개의 클러스터가 형성되었고, 이론적 배경에서 다루었던 브랜드의 연도별 이슈 키워드들(출시, 나이키, 버질, 스니커즈, 컨버스, 스트릿, 스트라이프, 콜라보, 파이렉스, 플란넬, 협업, 신발, 리미티드, 프레스토, 에어, 프린팅, 베이퍼맥스, 소량)이 첫 번째 클러스터에 대거 그룹화된 것을 확인할 수 있었다.
후속연구
- 셋째, 분석하고자 하는 브랜드를 키워드로 텍스트 마이닝을 진행하여 도출된 키워드에 의미가 다른 전혀 개연성이 없는 유사한 단어가 함께 추출되어 분석에 대한 정확성이 우려될 수 있다. 넷째, 본 연구는 패션영역에서 관심은 높으나 실질적인 적용이 매우 부족했던 상황에서, 보다 보편적인 방법론을 제안한 의의를 갖지만, 마케팅 실무적 결과 도출을 위해서는 부가적인 소비자 분석 방법과의 병행이 필요할 것이다. 마지막으로 감성분석을 진행하기 위한 빅데이터 오피니언 마이닝 플랫폼에 분석하고자 하는 브랜드가 없거나 키워드 추출과정에서 형용사를 중심으로 분석하기에는 주관성이 개입됨에 따라 아직 정확한 분석을 하기에는 한계가 있다.
- 추후 연구에서는 분석 대상을 국내를 포함한 해외 빅데이터 프로그램을 함께 사용하여 소비자의 범위를 세계적으로 넓혀야 할 것이고, 데이터 정제 과정에 있어 개연성 없는 의미가 다른 유사한 단어에 대한 보완이 필요하다. 또한, 더욱더 다양한 빅데이터의 플랫폼을 활용하여 정확한 감성분석까지 진행한다면 분석하고자 하는 특정 브랜드에 대한 인식이나 평가, 패션 시장의 흐름 및 트렌드를 더 정확하게 분석하고 예측할 수 있을 것이다.
- 넷째, 본 연구는 패션영역에서 관심은 높으나 실질적인 적용이 매우 부족했던 상황에서, 보다 보편적인 방법론을 제안한 의의를 갖지만, 마케팅 실무적 결과 도출을 위해서는 부가적인 소비자 분석 방법과의 병행이 필요할 것이다. 마지막으로 감성분석을 진행하기 위한 빅데이터 오피니언 마이닝 플랫폼에 분석하고자 하는 브랜드가 없거나 키워드 추출과정에서 형용사를 중심으로 분석하기에는 주관성이 개입됨에 따라 아직 정확한 분석을 하기에는 한계가 있다. 추후 연구에서는 분석 대상을 국내를 포함한 해외 빅데이터 프로그램을 함께 사용하여 소비자의 범위를 세계적으로 넓혀야 할 것이고, 데이터 정제 과정에 있어 개연성 없는 의미가 다른 유사한 단어에 대한 보완이 필요하다.
- 본 연구에서 사용된 방법론을 활용함으로써, 패션 브랜드 관련 실무자들은 기존의 전형적인 소비자 정보 수집 및 분석에 적용이 어려웠던 비정형적 디지털 환경의 소비자 정보를 분석하고 활용할 수 있으며, 이를 통해 다양한 마케팅의 전략적 실효성에 대한 평가와 향후 기획에 대한 기초자료로 활용할 수 있다.
- 둘째, 키워드 분석과정에서 수집한 데이터들에 대한 인구통계학적 정보가 형성되지 않아 특정 타깃 별로 세분화 분석을 진행하기에 어려움이 있다. 셋째, 분석하고자 하는 브랜드를 키워드로 텍스트 마이닝을 진행하여 도출된 키워드에 의미가 다른 전혀 개연성이 없는 유사한 단어가 함께 추출되어 분석에 대한 정확성이 우려될 수 있다. 넷째, 본 연구는 패션영역에서 관심은 높으나 실질적인 적용이 매우 부족했던 상황에서, 보다 보편적인 방법론을 제안한 의의를 갖지만, 마케팅 실무적 결과 도출을 위해서는 부가적인 소비자 분석 방법과의 병행이 필요할 것이다.
- 최근 급격히 증가하는 웹 기반 소비자 검색 정보를 기반으로 한 빅데이터를 활용하여 마케팅의 실효성을 판단하고 평가할 수 있는 방안에 대한 업계의 탐색적 노력이 증가하고 있으나 아직 학계의 노력은 미비한 상황에서(Eom & Oh, 2017), 기존 패션산업과 관련 영역에서 시사성이 높고 업계의 관심은 높았으나 실질적이고 구체적인 데이터 추출과 분석 및 활용에 대한 실증적 연구는 거의 없었다는 점에서, 본 연구의 결과와 제시된 방법론은 향후 연관된 실무적 학술적 시도에 참조될 수 있는 부분이 있다.
- 마지막으로 감성분석을 진행하기 위한 빅데이터 오피니언 마이닝 플랫폼에 분석하고자 하는 브랜드가 없거나 키워드 추출과정에서 형용사를 중심으로 분석하기에는 주관성이 개입됨에 따라 아직 정확한 분석을 하기에는 한계가 있다. 추후 연구에서는 분석 대상을 국내를 포함한 해외 빅데이터 프로그램을 함께 사용하여 소비자의 범위를 세계적으로 넓혀야 할 것이고, 데이터 정제 과정에 있어 개연성 없는 의미가 다른 유사한 단어에 대한 보완이 필요하다. 또한, 더욱더 다양한 빅데이터의 플랫폼을 활용하여 정확한 감성분석까지 진행한다면 분석하고자 하는 특정 브랜드에 대한 인식이나 평가, 패션 시장의 흐름 및 트렌드를 더 정확하게 분석하고 예측할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.