$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

구글 트렌드 빅데이터를 통한 바이오의약품의 시장 점유율 분석과 추정
Analysis and Estimation for Market Share of Biologics based on Google Trends Big Data 원문보기

Journal of Korean Society of Industrial and Systems Engineering = 한국산업경영시스템학회지, v.43 no.2, 2020년, pp.14 - 24  

봉기태 (성균관대학교 기술경영전문대학원) ,  이희상 (성균관대학교 기술경영전문대학원)

Abstract AI-Helper 아이콘AI-Helper

Google Trends is a useful tool not only for setting search periods, but also for providing search volume to specific countries, regions, and cities. Extant research showed that the big data from Google Trends could be used for an on-line market analysis of opinion sensitive products instead of an on...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 최근 기업들은 제품에 대한 소비자의 관심도(Interest)를 높이기 위해 트위터(Twitter), 페이스북(Facebook), 유튜브(YouTube)와 같은 소셜 네트워크 시스템(Social Network System, SNS)을 활용하고 있다[19]. 기업들은 SNS상의 소비자들의 관심도가 자사의 제품 검색으로 나타나므로 이를 분석하여 제품개발이나 판매에 효과적으로 활용하고자 한다.
  • 본 연구는 구글 트렌드 빅데이터를 활용하여 글로벌 상위 3개 TNF-α 저해제의 소비자 관심도 점유율과 매출액 점유율을 분석하고 이를 바탕으로 우리나라가 강점을 보이고 있는 바이오시밀러 제품의 성장 가능성을 추정하고자 한다.
  • 본 연구에서는 구글 트렌드를 통하여 소비자 관심도 데이터를 월별 또는 분기별로 수집하여 경쟁제품들의 관심도 점유율을 분석할 수 있었다. 하지만 매출액 점유율 분석시에는 의약품의 특성상 년간으로 누적된 매출액 데이터를 사용한 분석은 가능하나 더 이상 세분화된 매출액 자료에 대한 접근은 제한적이므로 분기별 또는 월별 분석은 불가능하였다.
  • 이 모델은 의사와 환자 두 집단으로 구성된 소비자의 관심도 증가가 결국 바이오의약품에 대한 처방 증가로 이어져 시장의 매출을 향상시킬 것이라는 가정에 기초한다. 본 연구에서는 이러한 연구모형에 따라 실제 매출액 점유율과 소비자 관심도 점유율과의 상관 분석 및 유사도 분석을 시계열적으로 수행하여 이를 입증하고자 하였다.
  • 본 연구의 3.1절, 3.2절에서 TNF-α 저해제의 글로벌 상위 3개 제품의 매출액 점유율이 관심도 점유율과 높은 상관관계와 유사도를 갖는 것과 관심도 점유율은 매출액 점유율과는 다르게 후발 주자의 경우도 충분한 빅데이터 자료를 수집 분석할 수 있다는 사실을 사용하여 오리지널 제품과 후발주자인 바이오시밀러 제품의 매출액 점유율을 추정하고자 한다.

가설 설정

  • 본 연구에서는 [Figure 1]에서 보는 바와 같이 구글 검색으로 누적된 검색량의 빅데이터가 실제 시장의 매출액 점유율로 나타나는지를 검증하는 연구 모델을 설정하였다. 이 모델은 의사와 환자 두 집단으로 구성된 소비자의 관심도 증가가 결국 바이오의약품에 대한 처방 증가로 이어져 시장의 매출을 향상시킬 것이라는 가정에 기초한다. 본 연구에서는 이러한 연구모형에 따라 실제 매출액 점유율과 소비자 관심도 점유율과의 상관 분석 및 유사도 분석을 시계열적으로 수행하여 이를 입증하고자 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
기업들이 SNS 를 제품개발이나 판매에 활용하려는 이유는 무엇인가? 최근 기업들은 제품에 대한 소비자의 관심도(Interest)를 높이기 위해 트위터(Twitter), 페이스북(Facebook), 유튜브(YouTube)와 같은 소셜 네트워크 시스템(Social Network System, SNS)을 활용하고 있다[19]. 기업들은 SNS상의 소비자들의 관심도가 자사의 제품 검색으로 나타나므로 이를 분석하여 제품개발이나 판매에 효과적으로 활용하고자 한다.
구글 트렌드에 의한 관심도 점유율 분석이 실제 시장 점유율 분석과 강한 상관관계와 유사도를 보임이 앞으로 어떠한 점을 시사해주는가? 본 연구를 통해 알아본 글로벌 상위 3개의 TNF-α 저해제 제품(Enbrel, Remicade, Humira)과 바이오시밀러 제품(Inflectra, Renflexis)에 대하여 수집 분석한 구글 트렌드에 의한 관심도 점유율은 년도별, 국가별로 매출액 점유율과 매우 강한 상관관계와 유사도를 보여 실제 시장 점유율 분석과 추정이 가능함을 보여주었다. 이는 의사나 환자등 소비자의 관심도가 중요한 의약품 시장에서의 관심도 점유율 분석을 통한 빅데이터의 기업 경영 활용이 가능함을 보여준 결과이며, 독과점 형태의 시장지배 구조를 갖는 바이오의약품 치료제 시장에서 품목별 시장 점유율 분석이 시장 전략 수립에 효과적일 것이라는 함의를 준다.
구글 트렌드는 무엇인가? 최근에는 전 세계적으로 가장 널리 쓰이는 구글 검색 엔진의 검색량이 ‘구글 트렌드(Google Trends)’라는 빅데이터 분석도구를 통해 시․공간적으로 구분하여 수집되어 대중적 관심도 수치로 나타낼 수 있고 체계적으로 분석할 수 있게 되었다[7]. 구글 트렌드는 대상 지역의 대상 기간 중 검색 횟수가 가장 많았던 때를 100으로 정하고, 다른 기간의 검색량을 0~100 척도(scale)로 하여 표준화한 관심도 수치를 제공하는 빅데이터 도구이다. 구글 트렌드는 특정 기간 및 국가, 지역, 도시 단위까지 관심도 수치를 제공하는 측면에서 매우 유용한 빅데이터 분석도구라 할 수 있고, 마케팅 및 고객 서비스 등 기업 경영의 활동을 최적화하고 파악하는데에도 도움을 제공하고 있다[17].
질의응답 정보가 도움이 되었나요?

참고문헌 (22)

  1. Bae, E.Y., Determinants of drug market share, The Korean Journal of Health Economics and Policy, 2000, Vol. 6, No. 2, pp. 1-30. 

  2. BIOSPECTATOR, http://www.biospectator.com/view/news_view.php. 

  3. BIOSPECTATOR, http://www.biospectator.com/view/news_view.php?varAtcId7055. 

  4. Biotech Policy Research Center, Strategic insights into biopharmaceuticals industry, Frost & Sullivan Analysis, 2019. 3. 

  5. BP Technology Trade, Industrial analysis report of biologics, 2018, pp. 2-29. 

  6. Chamberlin, G., Googling the present, The Labour gazette, 2010, Vol. 4, No. 12, pp. 59-95. 

  7. Choi, H. and Varian, H., Predicting the present with Google Trends, Economic Record, 2012, Vol. 88, No. 1, pp. 2-9. 

  8. Dugas, A.F., Hsieh, Y.H., Levin, S.R., Pines, J.M., Mareiniss, D.P., Mohareb, A., and Rothman, R.E., Google flu trends : Correlation with emergency department influenza rates and crowding metrics, Clinical Infectious Diseases, 2012, Vol. 54, No. 4, pp. 464-469. 

  9. FDA, https://www.fda.gov/drugs/therapeutic-biologicsapplications-bla/purple-book-lists-licensed-biological-products-reference-product-exclusivity-and-biosimilarity-or. 

  10. Fortune Korea, http://www.fortunekorea.co.kr/news/articleView.html?idxno11536. 

  11. Korea biologics and biohealth information assistance system, http://www.kobics.or.kr/UBFCtr.do. 

  12. Lee, B. and Park, W.Y., Company update : Samsung biologics, Samsung Securities, 2017, p. 6. 

  13. Lee, J.B. and Paek, D.H., The effect of smartphone purchasing determinants on repurchase intention, Journal of Society of Korea Industrial and Systems Engineering, 2017, Vol. 40, No. 2, pp. 1-12. 

  14. Magazzini, L., Pammolli, F., and Riccaboni, M., Dynamic competition in pharmaceuticals Patent expiry, generic penetration, and industry structure, European Journal of Health Economics, 2004, Vol. 5, pp. 175-182. 

  15. Naver, https://blog.naver.com/sigmagil/221502514892. 

  16. Oh, K.Y., Kim, B.H., and Kim, T.G., Estimating market share function of generic drugs after patent expiration in Korea, The Korean Journal of Health Economics and Policy, 2007, Vol. 13, No. 1, pp. 117-138. 

  17. Qin, S. J., Process data analytics in the era of big data, AIChE Journal, 2014, Vol. 60, No. 9, pp. 3092-3100. 

  18. Shin, M.S., Park, M.G., and Bae, S.H., Nano technology trend analysis using google trend and data mining method for nano-informatics, Journal of Society of Korea Industrial and Systems Engineering, 2017, Vol. 40, No. 4, pp. 237-245. 

  19. Sohn, J.W. and Kim, J.K., Attributes of social networking services : A classification and comparison, Journal of Society of Korea Industrial and Systems Engineering, 2017, Vol. 41, No. 1, pp. 24-38. 

  20. Stress and Coping Strategies among Commuter and Noncommuter Students, [dissertation], [Kedah, Malaysia] : Universiti Utara Malaysia, 2013. 

  21. Youn, S. and Cho, H.C., Nowcast of TV market using google trend data, Journal of Electrical Engineering and Technology, 2016, Vol. 11, No. 1, pp. 227-233. 

  22. Yu, J.P. and Lee, B.U., Forecasting company sales and stock price using google trend : Focusing on the keywords of BMW and Mercedes-Benz, the convergent research society among humanities, Sociology, Science, and Technology, 2018, Vol. 8, No. 10, pp. 491-501. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로