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
- 따라서, 본 연구는 고객 리뷰를 활용하여 스마트 스피커 제품들의 포지셔닝을 파악하는 방안을 제안한다. 스마트 스피커가 가진 다양한 속성 중에서 인공지능 속성에 집중하여 분석하였으며, 국내에 출시된 스마트 스피커에 대한 고객 경험 텍스트를 수집하여 분석하였다.
- 게시물을 통해 파악한 시장 구조를 고객 설문을 통해 관심제품 집합 데이터와 차량 교체 데이터를 통해 파악 한 시장 구조와 비교하였다. 또한, 제품 모델과 가장 많이 언급되는 단어들을 시각화하여 제품에 대한 사용자들의 의견을 파악하는 방안도 제시하였다. Lee and Bradlow (2011)은 디지털 카메라에 대한 고객 리뷰를 수집한 후에, 텍스트에 K-평균 클러스터링을 적용하여 공통 속성에 대한 기술들을 하나 혹은 여러 개의 클러스터로 구성하였다.
- 본 논문에서는 제품에 대한 고객 경험 리뷰를 활용하여 제품의 속성에 대한 사용자들의 태도에 근거한 제품 포지셔닝 맵 도출방안을 제안하였다. 본 연구는 감성 분석에 대한 연구와 제품 포지셔닝 연구를 연계하여 속성에 대한 감성 점수를 고려한 포지셔닝 맵을 제시하였다.
- 본 논문에서는 제품에 대한 고객 경험 리뷰를 활용하여 제품의 속성에 대한 사용자들의 태도에 근거한 제품 포지셔닝 맵 도출방안을 제안하였다. 본 연구는 감성 분석에 대한 연구와 제품 포지셔닝 연구를 연계하여 속성에 대한 감성 점수를 고려한 포지셔닝 맵을 제시하였다. 스마트 스피커가 가진 일반 속성과 스마트 속성을 구분하였고, 속성 카테고리에 속하는 단어의 확장을 위해 Word2Vec을 활용하였다.
- 본 연구는 고객 리뷰 분석에 대한 두 가지 연구흐름을 혼합하여 제품 속성에 대한 고객 태도를 분석하여 제품 포지셔닝 맵을 구성하는 방안을 제안한다. 스마트 스피커 제품이 기존의 포터블 블루투스 스피커에 인공 지능 속성을 결합한 제품으로 볼 수 있기에 인공지능 속성에 대한 고객 태도를 중점으로 제품간 비교를 수행하는 방안을 제안하였다
- 이는 텍스트 데이터를 가지고 <표6>과 같은 분석을 수행한 후에 적절한 방안을 선택하는 것이 바람직하다. 본 연구에서는 되도록 문장을 속성 카테고리에 할당하기 위하여 많은 단어를 확보할 수 있는 Top-30 방안을 적용하였다. 5개 제품을 합쳐 총 18,230개의 단어가 선정되었으며, 제품별로는 평균 3,648개 단어가 사용되었다.
- 또한, 하나의 단어가 제품별로 다양한 의미를 표현할 수 있기에 제품별 리뷰만을 활용한 텍스트를 활용하여 유사 단어를 찾을 수 있다. 일반적인 상황에서의 유사성 기준을 적용하지 않고 제품 리뷰에서의 유사성을 사용하여 단어를 확장할 수 있는 방안이다.
제안 방법
- ‘카카오’, ‘네이버’, ‘SK’, ‘KT’, ‘LG’ 관련 단어들을 조건문에 넣어서 조건을 만족하는 경우에 블로그 포스트를 해당 브랜드로 분류하였다.
- 1차로 추출된 블로그 포스트에 규칙 2를 적용하여 블로그 포스트에 기술된 내용이 어떤 브랜드에 대한 것 인지를 분류하였다. ‘카카오’, ‘네이버’, ‘SK’, ‘KT’, ‘LG’ 관련 단어들을 조건문에 넣어서 조건을 만족하는 경우에 블로그 포스트를 해당 브랜드로 분류하였다.
- R의 KWIC 함수(Scott & Bondi, 2010)를 이용하여 문장에 포함된 단어들이 가장 많이 포함되어 있는 속성을 파악하여, 문장을 해당 속성에 할당하였다.
- 숫자, 특수기호 등을 제거하는 등의 전처리를 수행하였다. 가져온 블로그 포스트에서 스마트 스피커 관련 글인지 확인한 후에 블로그 포스트를 각각의 브랜드별로 분류하기 위해서 규칙기반 분류 방안을 활용하였다. <표2>의 규칙 1에 기술된 것처럼 ‘인공지능’, ‘비서’, ‘인공’, ‘지능’, ‘인공지능’, ‘자연어’, ‘음성인식’, ‘음성’, ‘인식’, ’ai’, ‘스마트’가 속해 있는 포스트만을 1차로 추출하였으며 총 18,241개 포스트가 수집되었다.
- 동시발생 네트워크에 다차원 척도(Multidimensional Scaling, MDS) 를 적용하여 제품 모델의 시장 구조를 파악하였다. 게시물을 통해 파악한 시장 구조를 고객 설문을 통해 관심제품 집합 데이터와 차량 교체 데이터를 통해 파악 한 시장 구조와 비교하였다. 또한, 제품 모델과 가장 많이 언급되는 단어들을 시각화하여 제품에 대한 사용자들의 의견을 파악하는 방안도 제시하였다.
- 고객 리뷰에서 토픽을 추출한 후 평가에 미치는 영향을 분석하거나 텍스트 데이터에서 정보를 추출하고, 추출된 정보들을 텍스트 데이터의 다른 속성과 연관관계를 측정하였다 (Büschken and Allenby, 2016).
- 일반속성은 음악 재생, 고객 서비스 경험 등에 대한 일반적인 내용이며, 스마트 속성이 정보 제공 및 연동된 기기 제어나 서비스 연결에 대한 속성이다. 기존 문헌에서 제시된 내용과 블로그 포스트에 많이 언급되는 단어들을 기반으로 일반 속성과 스마트 속성을 파악하였다. 일반 속성은 가격, 휴대성, 디자인, 사운드로 정의하고 스마트 속성으로는 음성인식, 음악 정보제공, 앱-기기연동, 기타편의기능으로 정의했다.
- 세번째 단계는 문장이 속성에 대해 긍정적인지 부정적인지를 파악하기 위한 감성분석을 수행하였다. 네 번째 단계는 세번째 단계에서 파악한 문장 별 감성점수 와 두번째 단계에서 평가한 문장 별 속성을 활용하여 제품별로 속성에 대한 평균 감성점수를 구하였으며, 이를 이용하여 제품들의 포지셔닝 맵을 작성하였다.
- 텍스트에 출현한 단어를 인공지능 속성 카테고리에 맵핑하고, 문장을 감성분석하여 속성에 대한 태도를 파악하였다. 단어를 확장하여 인공지능 속성에 할당하는 방안을 고안하였으며, 제품별 속성에 대한 태도를 측정 하고 이를 기반으로 제품별 포지셔닝 맵을 도출하였다.
- 첫번째 단계로 블로그 포스트 내용이 제품의 어떤 속성에 대한 것인지 파악하기 위해서, 포스트에 등장하는 단어가 속하는 제품 속성을 파악하였다. 두번째 단계는 블로그 포스트를 문장 단위로 나눈 후에 문장이 어떤 속성에 대한 내용인지를 첫번째 단계에서 마련한 단어-속성 매칭 결과를 활용하여 파악하였다. 세번째 단계는 문장이 속성에 대해 긍정적인지 부정적인지를 파악하기 위한 감성분석을 수행하였다.
- 둘째로, 기존 문헌에 근거하여 스마트 스피커 속성 카테고리를 파악하였으며 빈번히 등장하는 단어를 카테고리와 매칭하여 문장이 언급하는 내용을 속성에 할당하기 위한 초기 단어 집합을 구성하였다. 스마트 스피커에 대한 텍스트 분석 문헌이 많지 않기에 카테고리 분류에 참조하고, 사람이 유의미하게 구분할 수 있는 수준의 단어들을 카테고리에 매칭하였다.
- 마지막으로 단어와 속성 카테고리에 관한 매칭을 연구자들이 일부 단어에만 수행하고, 워드 임베딩을 통해 다른 단어로 확장하는 방안을 제안하였다. 많은 단어들이 고객 리뷰에서 다양한 의미로 사용되므로 핵심적인 단어만 수동으로 분류된다면 이를 활용하여 유사한 다른 단어로 확장하는 것이 가능하다.
- 스마트 스피커에 대한 텍스트 분석 문헌이 많지 않기에 카테고리 분류에 참조하고, 사람이 유의미하게 구분할 수 있는 수준의 단어들을 카테고리에 매칭하였다. 모호하거나 중복되는 단어들을 제외하고 명확한 단어들을 할당 할 수 있는 방안을 제안하였다.
- 문장의 감성분석은 오픈한글 API(안정국과 김희웅 2015)를 이용하여 수행하였으며, 감성 분석 결과는 긍정, 부정, 중립으로 분류하였다. 중립으로 분류된 문장 을 제외하고 긍정 문장에는 1점, 부정 문장에는 -1점을 부여하였으며, 브랜드별로 속성에 대한 평균 감성점수 값을 파악하였다.
- 블로그 포스팅 내용 수집은 API로 가져온 URL을 통해 beutifulsoup를 활용해서 html구조를 가져온 후에 블로그 내용을 크롤링(Crawling)하여 수집하였다. 국내 첫 스마트 스피커 출시일인 2016년 9월 1일부터 2018년 9월 7일까지 포스팅된 블로그 내용을 수집하였다.
- 스마트 스피커가 대중적으로 활용되면서 사용되는 분야와 만족, 불만족 요인에 대한 연구들이 이루어졌다 (이진명 외 2019; 이홍주, 2018a; 이홍주, 2019; 컨슈머 인사이트, 2018). 설문을 통한 만족 요인과 불만족 요인 파악 뿐만 아니라 고객 리뷰 분석을 통한 인공지능 속성 요인에 대한 고객 태도 또한 분석되었다. 설문을 통한 스마트 스피커의 수용 요인에 대한 연구는 특정 제품보다는 스마트 스피커 전체에 대한 수용 요인을 분석하였으며, 고객 리뷰를 분석한 연구들도 스마트 스피커 제품들을 비교하는 연구보다는 특정 스마트 스피커 제품에 대한 고객 태도를 분석(이홍주, 2019)하거나 스마트 스피커와 비 스마트 스피커를 비교하였다(이홍주, 2018a).
- 두번째 단계는 블로그 포스트를 문장 단위로 나눈 후에 문장이 어떤 속성에 대한 내용인지를 첫번째 단계에서 마련한 단어-속성 매칭 결과를 활용하여 파악하였다. 세번째 단계는 문장이 속성에 대해 긍정적인지 부정적인지를 파악하기 위한 감성분석을 수행하였다. 네 번째 단계는 세번째 단계에서 파악한 문장 별 감성점수 와 두번째 단계에서 평가한 문장 별 속성을 활용하여 제품별로 속성에 대한 평균 감성점수를 구하였으며, 이를 이용하여 제품들의 포지셔닝 맵을 작성하였다.
- 첫째로, 리뷰 토픽이나 문장이 특정 속성에 해당하는지를 파악하여 속성에 대한 감성을 파악하는 연구와 제품간의 비교를 위한 연구를 연계하였다. 속성에 대한 태도를 분석하여 제품간의 비교를 수행하는 방안을 제안하였다. 각 제품에 대한 고객 태도 파악도 가능하며 제품간 비교도 수행할 수 있는 방안이다.
- 숫자, 특수기호 등을 제거하는 등의 전처리를 수행하였다. 가져온 블로그 포스트에서 스마트 스피커 관련 글인지 확인한 후에 블로그 포스트를 각각의 브랜드별로 분류하기 위해서 규칙기반 분류 방안을 활용하였다.
- 본 연구는 고객 리뷰 분석에 대한 두 가지 연구흐름을 혼합하여 제품 속성에 대한 고객 태도를 분석하여 제품 포지셔닝 맵을 구성하는 방안을 제안한다. 스마트 스피커 제품이 기존의 포터블 블루투스 스피커에 인공 지능 속성을 결합한 제품으로 볼 수 있기에 인공지능 속성에 대한 고객 태도를 중점으로 제품간 비교를 수행하는 방안을 제안하였다
- 따라서, 본 연구는 고객 리뷰를 활용하여 스마트 스피커 제품들의 포지셔닝을 파악하는 방안을 제안한다. 스마트 스피커가 가진 다양한 속성 중에서 인공지능 속성에 집중하여 분석하였으며, 국내에 출시된 스마트 스피커에 대한 고객 경험 텍스트를 수집하여 분석하였다. 텍스트에 출현한 단어를 인공지능 속성 카테고리에 맵핑하고, 문장을 감성분석하여 속성에 대한 태도를 파악하였다.
- 스마트 스피커에 대한 기존문헌은 제품에 대한 속성을 스피커에 대한 일반속성과 스마트 속성으로 구분하였다. 일반속성은 음악 재생, 고객 서비스 경험 등에 대한 일반적인 내용이며, 스마트 속성이 정보 제공 및 연동된 기기 제어나 서비스 연결에 대한 속성이다.
- 스마트 스피커가 가진 일반 속성과 스마트 속성을 구분하였고, 속성 카테고리에 속하는 단어의 확장을 위해 Word2Vec을 활용하였다. 이를 통해 제품별 혹은 속성별 감성 수치를 도출하는 것이 가능하며, 언급되는 텍스트 자체에 기반한 제품 포지셔닝이 아니고 속성에 대한 감성 수치를 활용한 포지셔닝 방안을 제안하였다. 스마트 속성에 대해 매우 긍정적인 제품과 일반 속성에 대해 매우 긍정적인 제품을 찾을 수 있었으며, 대부분의 속성에서 긍정적이지 못한 제품 또한 파악되었다.
- Lee and Bradlow (2011)은 디지털 카메라에 대한 고객 리뷰를 수집한 후에, 텍스트에 K-평균 클러스터링을 적용하여 공통 속성에 대한 기술들을 하나 혹은 여러 개의 클러스터로 구성하였다. 제품 속성 계층을 구성하여 속성 에 대한 연관 단어들을 파악하였으며, 이를 활용하여 제품간의 관계를 표현하는 시각화 방안을 제안하였다. 고객 리뷰를 활용하여 제품의 랭킹을 측정하는 방안들도 연구되었다 (Chen et al.
- 제품별 속성에 대한 평균 감성스코어를 활용하여 PCA 차원분석을 통해 제품별 포지셔닝을 파악하였으며, 이 PCA 차원분석의 결과이다.
- 블로그 포스트의 내용으로부터 스마트 스피커 제품에 대한 인식을 파악하기 위하여 다음과 같은 과정을 진행하였다. 첫번째 단계로 블로그 포스트 내용이 제품의 어떤 속성에 대한 것인지 파악하기 위해서, 포스트에 등장하는 단어가 속하는 제품 속성을 파악하였다. 두번째 단계는 블로그 포스트를 문장 단위로 나눈 후에 문장이 어떤 속성에 대한 내용인지를 첫번째 단계에서 마련한 단어-속성 매칭 결과를 활용하여 파악하였다.
- 첫째로, 리뷰 토픽이나 문장이 특정 속성에 해당하는지를 파악하여 속성에 대한 감성을 파악하는 연구와 제품간의 비교를 위한 연구를 연계하였다. 속성에 대한 태도를 분석하여 제품간의 비교를 수행하는 방안을 제안하였다.
- (2020)은 텍스트를 활용한 연구를 텍스트 생산자와 수용자인 고객, 기업, 투자자, 사회로 구분하고, 텍스트 생산자와 수용자별로 수행된 연구들을 구분하였다. 텍스트 분석을 수행하기 위한 데이터 전처리, 분석 도구, 측정 방안, 타당성 검증 방안을 정리하였다. 고객 리뷰 분석을 통해 제품이나 속성에 대한 고객의 태도 분석 연구는 크게 감성 점수를 파악하거나 제품 간의 연관관계를 분석하는 연구로 나누어 볼 수 있다.
- 스마트 스피커가 가진 다양한 속성 중에서 인공지능 속성에 집중하여 분석하였으며, 국내에 출시된 스마트 스피커에 대한 고객 경험 텍스트를 수집하여 분석하였다. 텍스트에 출현한 단어를 인공지능 속성 카테고리에 맵핑하고, 문장을 감성분석하여 속성에 대한 태도를 파악하였다. 단어를 확장하여 인공지능 속성에 할당하는 방안을 고안하였으며, 제품별 속성에 대한 태도를 측정 하고 이를 기반으로 제품별 포지셔닝 맵을 도출하였다.
- (2015)는 스마트폰과 피처 폰 고객 리뷰에 토픽 모델링을 적용하여 중요 토픽과 토픽의 분포를 파악하고, TOPSIS 방안을 활용하여 제품의 랭킹을 매겼다. 토픽 분포와 제품 랭킹을 고려하여 MDS를 이용한 시장 구조 맵을 제시하였다. Ghose et al.
- 한 단어들을 찾아서, 유사 단어를 해당 속성의 키워드로 추가하는 방법을 활용하였다. 유사한 단어의 선 정은 3,042건의 블로그 포스트에 포함된 단어들을 Word2vec을 사용하여 임베딩 하였다.
대상 데이터
- 본 연구에서는 되도록 문장을 속성 카테고리에 할당하기 위하여 많은 단어를 확보할 수 있는 Top-30 방안을 적용하였다. 5개 제품을 합쳐 총 18,230개의 단어가 선정되었으며, 제품별로는 평균 3,648개 단어가 사용되었다. 중복되는 단어를 제거하였기에 199개의 단어가 평균적으로 20개의 유사한 단어로 확장된 경우이다.
- 블로그 포스팅 내용 수집은 API로 가져온 URL을 통해 beutifulsoup를 활용해서 html구조를 가져온 후에 블로그 내용을 크롤링(Crawling)하여 수집하였다. 국내 첫 스마트 스피커 출시일인 2016년 9월 1일부터 2018년 9월 7일까지 포스팅된 블로그 내용을 수집하였다. 네이버 API 검색 키워드로는 ‘브랜드명(카카오, 네이버 등)‘, ‘제품명(미니, 클로바 등)‘, ‘인공지능 스피커‘, ‘AI 스피커‘ 등을 조합하여 <표1>과 같이 총 112개를 사용했다.
- 국내에 출시된 스마트 스피커 중에서 KAKAO 의 KAKAO MINI, NAVER의 클로바, SK텔레콤의 NUGU, KT의 Giga Genie, LG thinkQ hub의 리뷰 데이터를 수집하였다. 스마트 스피커를 판매하는 채널의 고객 리뷰 데이터는 대부분 짧게 작성되어 있으며, 스마트 스피커 사용경험보다는 구매경험에 대한 내용이 많기 때문에 제외하였다.
- ‘카카오’, ‘네이버’, ‘SK’, ‘KT’, ‘LG’ 관련 단어들을 조건문에 넣어서 조건을 만족하는 경우에 블로그 포스트를 해당 브랜드로 분류하였다. 규칙 2를 적용하여 브랜드가 분류된 블로그 포스트는 총 3,491개였다. 수집된 데이터를 탐색하여 기사 스크랩 되어진 포스트이거나, 광고, 유사 주제의 포스트 등 449개의 포스트를 제거하였으며, 최종적으로 3,042개 의 포스트를 수집하였다.
- 네이버 API 검색 키워드로는 ‘브랜드명(카카오, 네이버 등)‘, ‘제품명(미니, 클로바 등)‘, ‘인공지능 스피커‘, ‘AI 스피커‘ 등을 조합하여 과 같이 총 112개를 사용했다.
- 규칙 2를 적용하여 브랜드가 분류된 블로그 포스트는 총 3,491개였다. 수집된 데이터를 탐색하여 기사 스크랩 되어진 포스트이거나, 광고, 유사 주제의 포스트 등 449개의 포스트를 제거하였으며, 최종적으로 3,042개 의 포스트를 수집하였다.
- 이를 통해 총 199개의 키워드를 추출하였으며, 추출된 키워드를 <표4>에서 도출된 속성에 할당하였다. 스마트 스피커를 사용중인 학생 5 명이 199개의 키워드를 검토하였으며, 키워드가 속할 속성 카테고리를 논의하여 할당하였다. <표5>가 속성과 속성에 할당된 키워드 리스트의 예이다.
- 우선 단어빈도수(TF)와 TF-IDF 방안 (Baeza-Yates & Ribeiro-Neto, 2011)을 통해서 TF값과 TF-IDF 값이 큰 단어 1000개를 각각 선정하였다.
- 의 규칙 1에 기술된 것처럼 ‘인공지능’, ‘비서’, ‘인공’, ‘지능’, ‘인공지능’, ‘자연어’, ‘음성인식’, ‘음성’, ‘인식’, ’ai’, ‘스마트’가 속해 있는 포스트만을 1차로 추출하였으며 총 18,241개 포스트가 수집되었다.
- 이를 통해 총 199개의 키워드를 추출하였으며, 추출된 키워드를 에서 도출된 속성에 할당하였다.
- 포스트의 문장이 어떤 속성에 대해 언급하고 있는 것인지를 파악하기 위하여, 블로그 포스트를 문장단위로 나누었으며 총 429,045개의 문장을 추출하였다. R의 KWIC 함수(Scott & Bondi, 2010)를 이용하여 문장에 포함된 단어들이 가장 많이 포함되어 있는 속성을 파악하여, 문장을 해당 속성에 할당하였다.
이론/모형
- (2012)는 자동차 포럼의 게시물을 수집하여 자동차 브랜드, 제품모델, 수식어를 추출하여, 자동차 모델 간의 동시발생 네트워크를 그렸다. 동시발생 네트워크에 다차원 척도(Multidimensional Scaling, MDS) 를 적용하여 제품 모델의 시장 구조를 파악하였다. 게시물을 통해 파악한 시장 구조를 고객 설문을 통해 관심제품 집합 데이터와 차량 교체 데이터를 통해 파악 한 시장 구조와 비교하였다.
- 본 연구는 감성 분석에 대한 연구와 제품 포지셔닝 연구를 연계하여 속성에 대한 감성 점수를 고려한 포지셔닝 맵을 제시하였다. 스마트 스피커가 가진 일반 속성과 스마트 속성을 구분하였고, 속성 카테고리에 속하는 단어의 확장을 위해 Word2Vec을 활용하였다. 이를 통해 제품별 혹은 속성별 감성 수치를 도출하는 것이 가능하며, 언급되는 텍스트 자체에 기반한 제품 포지셔닝이 아니고 속성에 대한 감성 수치를 활용한 포지셔닝 방안을 제안하였다.
- 스마트 스피커의 속성을 정리하기위해 스마트 스피커의 속성에 대해 연구한 논문을 참조하였으며 (강민영 2017; 신훈철 2016; 이홍주 2018a), 제시된 속성은 와 같다.
성능/효과
- KT와 SK는 소리와 가격, 휴대성과 같은 일반적인 속성에 큰 강점을 보였고, KAKAO는 대체적으로 모든 측면에서 이점을 보였다. LG는 음성인식과 음악과 같은 스마트 속성에서 큰 강점을 보였으며 NAVER는 전반적으로 속성에 대한 감성 스코어가 비슷하게 낮은 값을 보였다.
- 높은 순위에 자주 들어간 스마트 속성은 정보제공, 음악, 기타 편의 제공이며, 일반 속성은 가격이었다. SK 는 가격, 정보제공, 기타편의제공이 가장 긍정적이었으며, NAVER는 가격, 음악, 기타편의제공이 가장 긍정적이었다. LG는 음악, 정보제공, 디자인이며, KT는 가격, 정보제공, 기타편의제공, KAKAO는 앱-기기연동, 정보 제공, 음악이었다.
- 가장 많은 단어가 할당된 속성은 앱-기기 연동이며, 디자인, 기타 편의기능, 정보제공 속성에도 많은 단어들이 할당되었다. 휴대성과 사운드, 가격, 음악은 상대 적으로 많은 단어가 할당되지는 않았다.
- 특정 제품은 훨씬 많은 고객 리뷰가 작성되었고 다른 제품은 그렇지 못하였다. 본 방안에서는 이러한 차이가 고려되지 않았으며, 속성별로는 고려되었지만 고객 리뷰 전체의 감성 수치는 고려되지 않았다. 감성 분석 연구에서는 전체 리뷰의 감성과 등장하는 횟수를 고려하는 방안들이 제시되고 있기에 이러한 측면을 반영하는 것이 필요하다.
- LG는 음성인식과 음악과 같은 스마트 속성에서 큰 강점을 보였으며 NAVER는 전반적으로 속성에 대한 감성 스코어가 비슷하게 낮은 값을 보였다. 분석에 사용한 블로그 포스트 중에서 LG에 대한 내용이 매우 적었으며, 가격, 사운드, 휴대성에 대해서는 감성 값이 측정되지 않았다. 따라서, 도출된 포 지셔닝 맵에서 LG 제품이 인공지능 속성 측면에서 좋은 평가를 얻은 것으로 나온 것은 이러한 부분을 감안하여 해석하여야 한다.
- 이를 통해 제품별 혹은 속성별 감성 수치를 도출하는 것이 가능하며, 언급되는 텍스트 자체에 기반한 제품 포지셔닝이 아니고 속성에 대한 감성 수치를 활용한 포지셔닝 방안을 제안하였다. 스마트 속성에 대해 매우 긍정적인 제품과 일반 속성에 대해 매우 긍정적인 제품을 찾을 수 있었으며, 대부분의 속성에서 긍정적이지 못한 제품 또한 파악되었다. 본 연구의 학문적 의의는 다음과 같다
- Top-30에 비해 Top20, Top-10은 속성 고유의 단어만을 활용할 수 있다. 유사도 랭킹이 아니고 유사도 값을 활용하여 유사 단어를 선정하는 경우에는 더 고유한 단어를 활용할 수 있는 것으로 분석되었다. 유사도 0.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.