정보통신기술의 발달로 온라인 정보검색과 사회연결망을 통한 정보 교류가 빈번해지면서 오프라인 공간에서 교통망으로 주어지는 물리적 접근성을 근간으로 구축된 기존의 입지이론으로는 설명할 수 없는 상업 입지의 양상이 전개되고 있다. 본 연구는 도시민의 일상생활과 밀접하게 연관된 생활밀접형 업종 중 음식점을 대상으로 스마트폰 출시 이후 지난 10여 년 동안 서울시 소재 음식점 입지의 분포 변화와 입지 영향 요인을 실증 분석한다. 특히 SNS상에서 맛집 검색 등 온라인 검색 활동과 음식점 입지와의 관계도 파악한다. 이를 위하여 개업, 폐업, 영업 중인 음식점 입지의 커널밀도 및 모란지수를 측정하여 음식점 분포의 군집성과 군집 양상의 변화 추이를 살펴보고, 최적의 공간회귀모형을 추정하여 음식점 입지에 영향을 미치는 온·오프라인 속성을 파악한다. 본 연구의 분석 결과는 소비자의 장소 선택 의사 결정 과정에 있어 장소에 대한 정보검색 과정이 더해지는 초연결사회에서 음식점 입지를 계획하고 관련 정책을 수립하는 데 있어 중요한 기초자료가 될 것이다.
정보통신기술의 발달로 온라인 정보검색과 사회연결망을 통한 정보 교류가 빈번해지면서 오프라인 공간에서 교통망으로 주어지는 물리적 접근성을 근간으로 구축된 기존의 입지이론으로는 설명할 수 없는 상업 입지의 양상이 전개되고 있다. 본 연구는 도시민의 일상생활과 밀접하게 연관된 생활밀접형 업종 중 음식점을 대상으로 스마트폰 출시 이후 지난 10여 년 동안 서울시 소재 음식점 입지의 분포 변화와 입지 영향 요인을 실증 분석한다. 특히 SNS상에서 맛집 검색 등 온라인 검색 활동과 음식점 입지와의 관계도 파악한다. 이를 위하여 개업, 폐업, 영업 중인 음식점 입지의 커널밀도 및 모란지수를 측정하여 음식점 분포의 군집성과 군집 양상의 변화 추이를 살펴보고, 최적의 공간회귀모형을 추정하여 음식점 입지에 영향을 미치는 온·오프라인 속성을 파악한다. 본 연구의 분석 결과는 소비자의 장소 선택 의사 결정 과정에 있어 장소에 대한 정보검색 과정이 더해지는 초연결사회에서 음식점 입지를 계획하고 관련 정책을 수립하는 데 있어 중요한 기초자료가 될 것이다.
This study identifies the impact of social network service (SNS) on the spatial characteristics of retail stores locations in the hyper-connected society, which have been closely related to the everyday lives of urban residents. In particular, we focus on the changes in the spatial distribution of r...
This study identifies the impact of social network service (SNS) on the spatial characteristics of retail stores locations in the hyper-connected society, which have been closely related to the everyday lives of urban residents. In particular, we focus on the changes in the spatial distribution of restaurants since the information retrieval process was added to the decision-making process of a consumer's restaurant selection. Empirically, we analyze restaurants in Seoul, Korea since the smart-phone was introduced. By applying the kernel density estimation and Moran's I index, we examine the changes in the spatial distribution pattern of restaurants during the last ten years for running, newly-open and closed restaurants as well as SNS popular ones. Finally, we develop a spatial regression model to identify geographic features affecting their locations. As the results, we identified geographical variables and online factors that influence the location of restaurants. The results of this study could provide important groundwork for food and beverage location planning and policy formulation.
This study identifies the impact of social network service (SNS) on the spatial characteristics of retail stores locations in the hyper-connected society, which have been closely related to the everyday lives of urban residents. In particular, we focus on the changes in the spatial distribution of restaurants since the information retrieval process was added to the decision-making process of a consumer's restaurant selection. Empirically, we analyze restaurants in Seoul, Korea since the smart-phone was introduced. By applying the kernel density estimation and Moran's I index, we examine the changes in the spatial distribution pattern of restaurants during the last ten years for running, newly-open and closed restaurants as well as SNS popular ones. Finally, we develop a spatial regression model to identify geographic features affecting their locations. As the results, we identified geographical variables and online factors that influence the location of restaurants. The results of this study could provide important groundwork for food and beverage location planning and policy formulation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그 외 본 연구는 물리적인 입지적 특성뿐만 아니라 온라인의 영향을 파악하고자 이를 계량화하여 분석 모형에 투입하였고, 결과적으로 PC와 모바일 등에서의 정보검색이 특히 음식점 개업에 영향력을 끼침을 확인하였다는 점에서도 의미가 있다. 그러나 방대한 온라인 데이터를 지역 데이터로 전환하기 위한 정제 및 시계열 구성의 어려움이 있어 부득이하게 그 범위가 다소 짧은 것은 한계로 지적되며, 음식점 정보 획득에 있어 개인, 가구, 그리고 시기별, 휴대 가능성 등에 따라 PC와 모바일을 통한 인터넷 접속및 이용행태도 다르게 나타날 것이므로, 이러한 특성을 반영하고 PC와 모바일을 구분하여 살펴보는 등 추후 작업으로 더욱 면밀한 연구결과를 도출해야 할 것이다.
그리고 행정동별 영업 중, 개·폐업한 음식점의 입지분포에 영향을 미치는 지리적 영향을 추정한다.
본 연구는 스마트폰이 출시되어 대중화되기 시작한 2010년을 전후로 현시점까지 음식점의 입지분포에서 나타나는 변화 양상을 파악하고, 음식점 입지분포에 영향을 미치는 다양한 요인을 탐색하였다. 이를 위해 개·폐업한 음식점및 생존하여 영업 중인 음식점과 SNS 맛집이라 불리는 음식점과의 관계를 살펴보고, 음식점 관련 정보검색량 등 온라인의 영향력도 반영하는 실증 분석을 진행하였다.
이에 본 연구는 생활밀접형 업종 중 하나인 음식점을 대상으로 음식점 입지에 나타나는 변화를 살펴보고, 이에 영향을 미친 요인을 실증 분석한다. 특히 우리나라에서 스마 트폰이 출시되고 대중화되기 시작한 2010년을 전후로 현재까지 신규 개업하거나 폐업한 음식점 및 생존하여 영업 중인 음식점을 대상으로 입지적 특성을 파악한다.
제안 방법
음식점 운영 특성으로 대표자의 연령대 및 프랜차이즈가맹점도 변수로 투입하였다.7) 다음으로 SNS의 영향을 반영하는 온라인 지표로 N사의 플레이스에서 제공하는 음식점 방문 리뷰 수에 따라 추출한 맛집 수 및 데이터랩에서 제공하는 서울시 동별 음식점 검색관심도에 대한 추정 치를 투입하였다.8) 그리고 N사의 키워드 조회에서 제공하는 PC와 모바일을 통해 검색한 행정동별 “oo동맛집”검색 량과 “oo동”검색량을 투입하였다.
8) 그리고 N사의 키워드 조회에서 제공하는 PC와 모바일을 통해 검색한 행정동별 “oo동맛집”검색 량과 “oo동”검색량을 투입하였다.
다음으로 커널밀도 추정법(KDE)을 활용하여 음식점의 시기별 분포에서 나타나는 군집 특성의 변화를 파악하였 다. 가중함수는 사차커널함수(quartic kernel function)를 활용하여 각 음식점 위치에서 거리에 기반을 둔 가중치를 추정하였고, 이를 위한 밴드 폭(bandwidth)은 실버만의 원리(Silverman’s rule of thumb)6)를 적용하여 산출하였다.
다음은 음식점의 위치(point) 데이터를 동별(polygon) 자료로 변환하여 2009년에서부터 5년 단위로 2009년, 2014년, 2019년 세 시점의 서울시 음식점의 입지분포에 나타나는 변화를 살펴보았다(그림 3). 이 기간에 서울시 행정동별 영업 중인 음식점의 수는 역삼1동에 가장 많이 분포하는 것으로 집계된다.
결정계수(R2) 값은 각각 약 93%(모형 1), 91%(모형2), 74%(모형3)로 높은 설명력을 나타냈으 며, 전반적으로 일반선형회귀모형에서 공간오차모형과 공간시차모형으로 갈수록 로그우도(log likelihood)값은 높아지고 AIC, SC 값은 감소하는 것으로 모형의 적합성은 향상되었다. 따라서 영업 중인 음식점의 입지와 음식점의 개업과 폐업 분포에 미치는 온․오프라인의 영향을 추정한 결과는 공간시차모형 결과를 중심으로 해석하였다(표 7).
특히 우리나라에서 스마 트폰이 출시되고 대중화되기 시작한 2010년을 전후로 현재까지 신규 개업하거나 폐업한 음식점 및 생존하여 영업 중인 음식점을 대상으로 입지적 특성을 파악한다. 또한, 영업 중인 음식점 가운데 SNS에서 음식점 검색량이 많아 소위 맛집이라 지칭되는 음식점은 별도로 추출하여 이들 음식점의 분포에서 나타나는 특징도 함께 분석한다.
인구 및 경제적 지표등 지리적 속성과 온라인 속성으로 SNS의 영향을 반영하는 지표를 설명변수로 구성하였다. 앞서 커널밀도 추정값과 모란지수 값을 통해 서울시에 분포하는 음식점에 대한 공간자기상관성과 군집성을 파악하였다. 이에 본 절에서는 일반선형회귀모형(ordinary least square) 뿐만 아니라 공간자기상관성을 고려하는 공간시차모형(spatial lag model) 또는 공간오차모형(spatial error model)의 통계를 확인하여 최적의 모형을 추정한다.
영업 중인 음식점과 음식점의 개업과 폐업에 미치는 온· 오프라인의 영향을 실증 분석한다.
입지 특성을 측정하는 변수에는 음식 소비와 함께 상품 구매가 연쇄적으로 이뤄질 가능성을 고려하여 유사업종인 도매 및 소매업 종사자를 투입하였고, 음식점이 소재하는 곳에 인접한 전통 시장의 영향을 파악하고자 전통시장의 규모와 음식점 접근성 지표로 공공 및 사설 주차장의 규모 등을 변수로 투입하였다. 음식점 운영 특성으로 대표자의 연령대 및 프랜차이즈가맹점도 변수로 투입하였다.7) 다음으로 SNS의 영향을 반영하는 온라인 지표로 N사의 플레이스에서 제공하는 음식점 방문 리뷰 수에 따라 추출한 맛집 수 및 데이터랩에서 제공하는 서울시 동별 음식점 검색관심도에 대한 추정 치를 투입하였다.
이를 위해 개·폐업한 음식점및 생존하여 영업 중인 음식점과 SNS 맛집이라 불리는 음식점과의 관계를 살펴보고, 음식점 관련 정보검색량 등 온라인의 영향력도 반영하는 실증 분석을 진행하였다.
먼저 영업 중인 음식점과 맛집의 경위도 좌표 위치 데이터를 기반으로 점(spatial point)을 생성하고, 이들의 분포에서 나타나는 군집성을 파악하기 위해 공간밀도를 추정하는 확률밀도함수 추정 기법의 하나인 커널 밀도 추정(Kernel Density Estimation, KDE) 방법을 활용한다.4)이어서 경위도 좌표 위치 데이터를 동별(polygon) 로 집계 전환하여 인접 지역 간의 상관관계를 파악한다. 이를 위해 전역적 모란지수(global Moran’s I)를 측정한다(Moran, 1948).
앞서 커널밀도 추정값과 모란지수 값을 통해 서울시에 분포하는 음식점에 대한 공간자기상관성과 군집성을 파악하였다. 이에 본 절에서는 일반선형회귀모형(ordinary least square) 뿐만 아니라 공간자기상관성을 고려하는 공간시차모형(spatial lag model) 또는 공간오차모형(spatial error model)의 통계를 확인하여 최적의 모형을 추정한다.
영업 중인 음식점과 음식점의 개업과 폐업에 미치는 온· 오프라인의 영향을 실증 분석한다. 인구 및 경제적 지표등 지리적 속성과 온라인 속성으로 SNS의 영향을 반영하는 지표를 설명변수로 구성하였다. 앞서 커널밀도 추정값과 모란지수 값을 통해 서울시에 분포하는 음식점에 대한 공간자기상관성과 군집성을 파악하였다.
최종적으로 선정된 변수로 먼저 음식점의 구매력을 측정할 수 있는 인구 특성으로 거주하고 있는 인구와 생활인 구의 속성 지표인 주간인구, 그리고 인구구성의 변화를 고 려하여 1인 가구의 분포 등을 변수로 투입하였고, 경제활동 지표로 사업체의 규모를 가늠할 수 있는 총종사자와 업체 대비 종사자의 평균 수를 투입하였다. 입지 특성을 측정하는 변수에는 음식 소비와 함께 상품 구매가 연쇄적으로 이뤄질 가능성을 고려하여 유사업종인 도매 및 소매업 종사자를 투입하였고, 음식점이 소재하는 곳에 인접한 전통 시장의 영향을 파악하고자 전통시장의 규모와 음식점 접근성 지표로 공공 및 사설 주차장의 규모 등을 변수로 투입하였다. 음식점 운영 특성으로 대표자의 연령대 및 프랜차이즈가맹점도 변수로 투입하였다.
최종적으로 선정된 변수로 먼저 음식점의 구매력을 측정할 수 있는 인구 특성으로 거주하고 있는 인구와 생활인 구의 속성 지표인 주간인구, 그리고 인구구성의 변화를 고 려하여 1인 가구의 분포 등을 변수로 투입하였고, 경제활동 지표로 사업체의 규모를 가늠할 수 있는 총종사자와 업체 대비 종사자의 평균 수를 투입하였다. 입지 특성을 측정하는 변수에는 음식 소비와 함께 상품 구매가 연쇄적으로 이뤄질 가능성을 고려하여 유사업종인 도매 및 소매업 종사자를 투입하였고, 음식점이 소재하는 곳에 인접한 전통 시장의 영향을 파악하고자 전통시장의 규모와 음식점 접근성 지표로 공공 및 사설 주차장의 규모 등을 변수로 투입하였다.
이에 본 연구는 생활밀접형 업종 중 하나인 음식점을 대상으로 음식점 입지에 나타나는 변화를 살펴보고, 이에 영향을 미친 요인을 실증 분석한다. 특히 우리나라에서 스마 트폰이 출시되고 대중화되기 시작한 2010년을 전후로 현재까지 신규 개업하거나 폐업한 음식점 및 생존하여 영업 중인 음식점을 대상으로 입지적 특성을 파악한다. 또한, 영업 중인 음식점 가운데 SNS에서 음식점 검색량이 많아 소위 맛집이라 지칭되는 음식점은 별도로 추출하여 이들 음식점의 분포에서 나타나는 특징도 함께 분석한다.
대상 데이터
1) 이들 음식점 중 SNS 맛집은 포털 및 인터넷 정보 매개서비스업체인 N사의 플레이스2)를 통해 2019년 9월 30일 기준 방문 리뷰 수가 가장 높았던 강남구의 음식점 순위와 리뷰 수(300위-516개)를 기준으로 놓고 나머지 24개 행정구별 맛집 리뷰 수와 순위를 추출한 음식점으로 본 연구에서는 이들 음식점을 SNS 맛집으로 정의한다.3) 그 외에 서울시 지역 데이터와 경제총조사 등 이차 자료와 마이크로데이터를 사용한다.
분석의 공간 범위는 서울시에 소재하는 음식점이고 분석을 위한 데이터는 행정안전부에서 제공하는 식품위생업소로 등록된 음식점 및 음료 판매점의 인허가 자료(2019.12.31.)를 활용한다.1) 이들 음식점 중 SNS 맛집은 포털 및 인터넷 정보 매개서비스업체인 N사의 플레이스2)를 통해 2019년 9월 30일 기준 방문 리뷰 수가 가장 높았던 강남구의 음식점 순위와 리뷰 수(300위-516개)를 기준으로 놓고 나머지 24개 행정구별 맛집 리뷰 수와 순위를 추출한 음식점으로 본 연구에서는 이들 음식점을 SNS 맛집으로 정의한다.
데이터처리
분석 절차는 음식점 위치 좌표 데이터로 점(point) 패턴 분석을 진행하고, 이를 동별(polygon)로 집계 전환하여 공간 군집성과 군집 패턴을 파악한다. 그리고 행정동별 영업 중, 개·폐업한 음식점의 입지분포에 영향을 미치는 지리적 영향을 추정한다.
분석에 투입될 변수는 먼저 상관관계 분석을 시행하여 상관성이 매우 높은 변수들은 제외 처리하였고, 일반선형 회귀분석을 통해 통계적으로 유의수준을 만족하는 변수만을 추출하여 구성하였으며[표 4], 추가로 다시 분산팽창지 수(VIF) 및 Multicollinearity Condition number(30 미만) 진단(Anselin, 2005)을 통해 최종으로 투입한 설명변수 간의 다중공선성이 비교적 낮음을 재확인하였다(표 5).
이론/모형
가중함수는 사차커널함수(quartic kernel function)를 활용하여 각 음식점 위치에서 거리에 기반을 둔 가중치를 추정하였고, 이를 위한 밴드 폭(bandwidth)은 실버만의 원리(Silverman’s rule of thumb)6)를 적용하여 산출하였다.
그리고 행정동별 영업 중, 개·폐업한 음식점의 입지분포에 영향을 미치는 지리적 영향을 추정한다. 먼저 영업 중인 음식점과 맛집의 경위도 좌표 위치 데이터를 기반으로 점(spatial point)을 생성하고, 이들의 분포에서 나타나는 군집성을 파악하기 위해 공간밀도를 추정하는 확률밀도함수 추정 기법의 하나인 커널 밀도 추정(Kernel Density Estimation, KDE) 방법을 활용한다.4) 이어서 경위도 좌표 위치 데이터를 동별(polygon) 로 집계 전환하여 인접 지역 간의 상관관계를 파악한다.
성능/효과
10여 년간 개업한 음식점의 입지에는 거주인구(-), 총종사자(-), 도매 및 소매업 종사자(+), 프랜차이즈 가맹점 (+), 대표자의 연령대가 20대 이하인 음식점(+), 그리고 SNS 맛집(+)의 분포가 영향을 끼친 것으로 나타났고, 소비자가 PC와 모바일을 통해 음식점이 소재하는 지역(“oo 동”)에 대해 검색한 양에는 부(-)의 영향을 “oo동맛집”을 검색한 양에는 정(+)의 영향을 받는 것으로 산출되었다.
3개의 모형 추정을 통해 음식점 개·폐업에서 생존 영업 중인 음식점이 되는 데 있어 음식점 주변에 유사업종인 도소매 관련 활동인구뿐만 아니라 전 산업에 걸쳐 경제활동에 종사하는 인구가 많아야 함을 엿볼 수 있으며, 개업과 폐업, 생존 영업 중인 음식점은 모두 20대 연령대의 음식점 대표자와 강한 연관성을 갖는 것으로 나타났다.
그러나 개업한 음식점 입지의 특성 중 일부는 폐업한 음식점 입지에도 영향을 미치는 양면의 요인으로 작용할 수 있는 것으로 나타났다. 결과적으로 음식점 개․폐업에서 생존 영업 중인 음식점이 되기 위해서는 음식점 주변에 도소매 관련 활동인구뿐만 아니라 전 산업에 걸쳐 경제활동에 종사 하는 인구 요인이 더 밀접한 영향을 주며, 음식점 소비에 대한 구매력은 거주하는 인구의 속성보다는 전체 종사자와 도소매업 종사자 등 경제 및 산업 활동에 종사하는 인구 요인이 더 밀접한 관계를 갖는 것으로 나타났다.
그 밖에 오차항의 비정규성과 이분산성을 나타내는 Jarque-Bera 검정 Breusch-Pagan 검정, Koenker -Bassett 검정, White 검정 모두 통계적으로 유의한 것으로 나타났다(표 6). 결정계수(R2) 값은 각각 약 93%(모형 1), 91%(모형2), 74%(모형3)로 높은 설명력을 나타냈으 며, 전반적으로 일반선형회귀모형에서 공간오차모형과 공간시차모형으로 갈수록 로그우도(log likelihood)값은 높아지고 AIC, SC 값은 감소하는 것으로 모형의 적합성은 향상되었다. 따라서 영업 중인 음식점의 입지와 음식점의 개업과 폐업 분포에 미치는 온․오프라인의 영향을 추정한 결과는 공간시차모형 결과를 중심으로 해석하였다(표 7).
또한, 개업과 폐업, 생존 영업 중인 음식점 대표자의 연령대는 모두 20대 이하와 연관성이 강한 것으로 나타났다. 그러나 개업한 음식점 입지의 특성 중 일부는 폐업한 음식점 입지에도 영향을 미치는 양면의 요인으로 작용할 수 있는 것으로 나타났다. 결과적으로 음식점 개․폐업에서 생존 영업 중인 음식점이 되기 위해서는 음식점 주변에 도소매 관련 활동인구뿐만 아니라 전 산업에 걸쳐 경제활동에 종사 하는 인구 요인이 더 밀접한 영향을 주며, 음식점 소비에 대한 구매력은 거주하는 인구의 속성보다는 전체 종사자와 도소매업 종사자 등 경제 및 산업 활동에 종사하는 인구 요인이 더 밀접한 관계를 갖는 것으로 나타났다.
생존하여 영업 중인 음식점과 개업 및 폐업한 음식점의 입지분포에 영향을 미치는 요인을 파악한 결과, 공통으로 음식점 주변에 유사업종인 도매 및 소매업 종사자와 SNS 인기 맛집의 분포가 영향을 미치는 것으로 산출되었다. 또한, 개업과 폐업, 생존 영업 중인 음식점 대표자의 연령대는 모두 20대 이하와 연관성이 강한 것으로 나타났다. 그러나 개업한 음식점 입지의 특성 중 일부는 폐업한 음식점 입지에도 영향을 미치는 양면의 요인으로 작용할 수 있는 것으로 나타났다.
즉, 영업 중인 음식점의 입지에는 업체 대비 종사자가 평균 이상으로 많고, 음식점 인근에 도매 및 소매업 관련 종사자가 많으며, 전통시장이 있어 접근 수요가 발생하고, SNS에서 인기 있는 맛집이 밀접한 영향을 끼치는 것으로 나타났다. 또한, 음식점 대표자의 연령대가 20대 이하인 음식점이 많으며, 음식점 가운데 프랜차이즈가맹점도 많은 영향을 미치는 것으로 나타났다.
SNS 인기 맛집도 오피스 및 상업시설이 밀집된 일부 지역을 중심으로 밀집하는 것으로 나타났다. 또한, 음식점과 SNS 맛집 모두 인접한 지역 간에 정(+)의 상관관계를 맺으며 군집하여 분포하는 것으로 나타났다. 특히 폐업한 음식점과 이웃한 지역에 소재하는 음식점 간의 상관관계는 점차 더 강화되는 방향으로 산출되었다.
본 연구에서 폐업한 음식점의 경우 그 공간 효과로 이웃 지역의 음식점 폐업에 미치는 영향력이 점차 커지는 것으로 분석되었다. 폐업이 높은 지역 또는 개업 대비 폐업이 높은 지역 등 폐업 위험도가 상대적으로 높은 곳은 연쇄적인 폐업을 막기 위해 지역 차원에서 별도의 대책이 마련되어야 할 것으로 보인다.
생존하여 영업 중인 음식점과 개업 및 폐업한 음식점의 입지분포에 영향을 미치는 요인을 파악한 결과, 공통으로 음식점 주변에 유사업종인 도매 및 소매업 종사자와 SNS 인기 맛집의 분포가 영향을 미치는 것으로 산출되었다. 또한, 개업과 폐업, 생존 영업 중인 음식점 대표자의 연령대는 모두 20대 이하와 연관성이 강한 것으로 나타났다.
서울시에 소재하는 음식점은 2009∼2019년 동안 개업과 폐업 모두 빈번하게 나타났으나 상대적으로 신규 개업 하는 음식점이 좀 더 증가 추세를 보이며 영업 중인 음식점의 수는 지속적인 증가세를 나타냈고, 서울 외곽으로도 점차 입지 분포하는 양상이 관측되었다.
모형1. 영업 중인 음식점 분포에 영향을 미치는 변수의 공간 자기상관성을 진단한 결과, Lagrange Multiplier lag, Lagrange Multiplier error 통계량 모두 유의한 것으로 산출되었다. 추가로 Robust LM 통계량을 진단한 결과, 공간시차모형이 유의한 것으로 나타나 공간시차모형을 최적 모형으로 선택하였다.
영업 중인 음식점의 분포는 총 종사자(+), 평균 종사자 (-), 도매 및 소매업 종사자(+), 프랜차이즈가맹점(+), 전통시장(+), 음식점 대표자의 연령대가 20대 이하(+), SNS 맛집(+)의 분포가 영향을 미치는 것으로 산출되었다.
음식점과 SNS 맛집의 위치 데이터를 기반으로 이들의 점(point) 분포 패턴에서 나타나는 군집성의 변화를 분석한 결과, 지난 10여 년간 서울 전역에 걸쳐 음식점의 밀집도는 높은 가운데 점차 더 높아진 것으로 산출되었다. 특히 중심업무지역 및 상업시설이 밀집된 지역일수록 음식점의 밀집도가 높고, 대단위 아파트단지 등 주거밀집 지역으로 갈수록 상대적으로 음식점의 밀집도는 낮은 것으로 나타 났다.
중심업무지구(Central Business District, CBD) 등 업무 및 상업시설이 밀집된 지역에 음식 점의 분포도가 높고, 아파트단지 등 주거 밀집 지역으로 갈수록 음식점의 분포도가 낮음을 알 수 있다. 음식점의 폐업 수는 2009년과 2014년만 하더라도 개업과 영업 중인 음식 점의 상위지역인 서교동, 역삼1동, 영등포동, 여의도동, 신촌동 등에서 폐업 수도 높은 것으로 나타났다. 2019년에도 위와 비슷하나 개업과 영업 중인 음식점의 수가 여타 행정 동보다 상대적으로 적었던 반포4동(129개), 서강동(115개), 이문1동(68개) 등의 지역에서 폐업 신고가 높은 것으로 나타났다.
영업 중인 음식점의 분포는 총 종사자(+), 평균 종사자 (-), 도매 및 소매업 종사자(+), 프랜차이즈가맹점(+), 전통시장(+), 음식점 대표자의 연령대가 20대 이하(+), SNS 맛집(+)의 분포가 영향을 미치는 것으로 산출되었다. 즉, 영업 중인 음식점의 입지에는 업체 대비 종사자가 평균 이상으로 많고, 음식점 인근에 도매 및 소매업 관련 종사자가 많으며, 전통시장이 있어 접근 수요가 발생하고, SNS에서 인기 있는 맛집이 밀접한 영향을 끼치는 것으로 나타났다. 또한, 음식점 대표자의 연령대가 20대 이하인 음식점이 많으며, 음식점 가운데 프랜차이즈가맹점도 많은 영향을 미치는 것으로 나타났다.
영업 중인 음식점 분포에 영향을 미치는 변수의 공간 자기상관성을 진단한 결과, Lagrange Multiplier lag, Lagrange Multiplier error 통계량 모두 유의한 것으로 산출되었다. 추가로 Robust LM 통계량을 진단한 결과, 공간시차모형이 유의한 것으로 나타나 공간시차모형을 최적 모형으로 선택하였다. 반면에 모형2.
음식점과 SNS 맛집의 위치 데이터를 기반으로 이들의 점(point) 분포 패턴에서 나타나는 군집성의 변화를 분석한 결과, 지난 10여 년간 서울 전역에 걸쳐 음식점의 밀집도는 높은 가운데 점차 더 높아진 것으로 산출되었다. 특히 중심업무지역 및 상업시설이 밀집된 지역일수록 음식점의 밀집도가 높고, 대단위 아파트단지 등 주거밀집 지역으로 갈수록 상대적으로 음식점의 밀집도는 낮은 것으로 나타 났다. SNS 인기 맛집도 오피스 및 상업시설이 밀집된 일부 지역을 중심으로 밀집하는 것으로 나타났다.
후속연구
그 외 본 연구는 물리적인 입지적 특성뿐만 아니라 온라인의 영향을 파악하고자 이를 계량화하여 분석 모형에 투입하였고, 결과적으로 PC와 모바일 등에서의 정보검색이 특히 음식점 개업에 영향력을 끼침을 확인하였다는 점에서도 의미가 있다. 그러나 방대한 온라인 데이터를 지역 데이터로 전환하기 위한 정제 및 시계열 구성의 어려움이 있어 부득이하게 그 범위가 다소 짧은 것은 한계로 지적되며, 음식점 정보 획득에 있어 개인, 가구, 그리고 시기별, 휴대 가능성 등에 따라 PC와 모바일을 통한 인터넷 접속및 이용행태도 다르게 나타날 것이므로, 이러한 특성을 반영하고 PC와 모바일을 구분하여 살펴보는 등 추후 작업으로 더욱 면밀한 연구결과를 도출해야 할 것이다.
본 연구의 분석 결과를 통해 정보통신매체와 결합하여 다양해지는 소비자들의 소비/장소선택/통행 등에 나타나는 변화를 정확히 파악하여 경제지리의 상업 입지 이론체계를 재정비할 수 있을 것으로 생각한다.
질의응답
핵심어
질문
논문에서 추출한 답변
정보통신기술의 발달로 인한 전개 양상은 무엇인가?
정보통신기술의 발달로 온라인 정보검색과 사회연결망을 통한 정보 교류가 빈번해지면서 오프라인 공간에서 교통망으로 주어지는 물리적 접근성을 근간으로 구축된 기존의 입지이론으로는 설명할 수 없는 상업 입지의 양상이 전개되고 있다. 본 연구는 도시민의 일상생활과 밀접하게 연관된 생활밀접형 업종 중 음식점을 대상으로 스마트폰 출시 이후 지난 10여 년 동안 서울시 소재 음식점 입지의 분포 변화와 입지 영향 요인을 실증 분석한다.
계량화하여 분석 모형에 투입한 본 연구의 한계는 무엇인가?
그 외 본 연구는 물리적인 입지적 특성뿐만 아니라 온라 인의 영향을 파악하고자 이를 계량화하여 분석 모형에 투입하였고, 결과적으로 PC와 모바일 등에서의 정보검색이 특히 음식점 개업에 영향력을 끼침을 확인하였다는 점에서도 의미가 있다. 그러나 방대한 온라인 데이터를 지역 데이터로 전환하기 위한 정제 및 시계열 구성의 어려움이 있어 부득이하게 그 범위가 다소 짧은 것은 한계로 지적되며, 음식점 정보 획득에 있어 개인, 가구, 그리고 시기별, 휴대 가능성 등에 따라 PC와 모바일을 통한 인터넷 접속및 이용행태도 다르게 나타날 것이므로, 이러한 특성을 반영하고 PC와 모바일을 구분하여 살펴보는 등 추후 작업으로 더욱 면밀한 연구결과를 도출해야 할 것이다.
생활밀접형 업종의 특징은 무엇인가?
일상을 살아가면서 필요한 재화나 서비스를 제공하는 생활밀접형 업종은 수요와의 접근성이 사업 성패의 중요한 관건이 되고, 이들 업종의 입지는 수요자의 소비 행태 및수요 분포에 직접적인 영향을 받는다. 따라서 전통적으로 상업 입지는 물리적 공간에서 수요자의 분포와 접근성을 근간으로 체계화된 수요중심(시장중심)의 입지 이론으로 접근해 왔다(Hotelling, 1929; Lösch, 1954).
참고문헌 (38)
김동준.김기중.안영수, 2018, "장기생존 상업 입지의 공간적 특성연구: 서울시 강남구 일대 일반음식점을 대상으로," 국토계획 53(2), pp.161-181.
Anselin, L., 2005, Exploring Spatial Data with GeoDa a Workbook, Spatial Analysis Laboratory, Department of Geography, University of Illinois-Urbana-Champaign. Urbana, IL 61081, Available at http://www.geoda.uiuc.edu/pdf/geodawork-book.pdf.
Choudary, S. P., Parker, G. G. and Van Alstyne, M. W., 2016, Platform Revolution: How Networked Markets Are Transforming the Economy-And How to Make Them Work for You, New York: W. W. Norton & Company.
Crewe, L., 2000, "Geographies of retailing and consumption," Progress in Human Geography 24(2), pp.275-290.
Hubers, C., Schwanen, T. and Dijst, M., 2008, "ICT and temporal analytical framework and initial empirical findings," Tijdschrift voor Economische en Sociale Geografie 99(5), pp. 528-546.
Kimes, S. E., 2011, "The current state of online food ordering in the US restaurants industry," Cornell Hospitality Report 11(17), pp.6-18.
Kosova, R. and Lafontaine, F., 2010, "Survival and growth in retail and service industries: evidence from franchised chains," The Journal of Industrial Economics 58(3), pp.542-578.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.