본 연구는 최근에 이슈가 되고 있는 텍스트마이닝을 활용하여 소비자 인식을 분석한 연구이다. 이를 위해 삼성갤럭시 Youtube 광고에 대한 소비자 리뷰 분석을 통해 소비자들이 가지고 있는 삼성 갤럭시에 대한 인식을 분석하였다. 분석을 위해 Youtube 광고의 소비자 리뷰 1,819개를 추출하였다. 이를 데이터 전처리 과정을 거쳐 광고와 관련된 키워드를 명사, 형용사, 부사로 분류하여 추출하였다. 이후 빈도 분석 및 감성 분석을 실시하였으며 마지막으로 구조적 등위성 분석을 통한 군집화를 실시하였다. 본 연구 결과를 간략히 요약하면 다음과 같다. 첫 번째 가장 많이 언급된 단어는 갤럭시 노트(n=217), 좋음(n=135), 펜(n=40), 기능(n=29) 등으로 나타났다. 이는 소비자들이 광고를 통해 "갤럭시 노트", "좋음", "펜", "기능"은 삼성 핸드폰 제품에 대해 기능적인 면이 좋고, 노트 펜에 대해서 긍정적으로 높게 인식한다고 판단할 수 있다. 추가적으로 "삼성페이", "혁신", "디자인", "아이폰" 등에 대한 인식은 삼성 핸드폰에 대해 혁신적인 디자인과 삼성페이의 기능적인 면에서 상당히 좋은 평가를 하는 것을 알 수 있다. 두 번째, Youtube 광고에 대한 감성분석 결과이다. 감성 분석 결과 감성강도 비율이 긍정(75.95%)로 부정(24.05%)보다 높게 나타났다. 이는 소비자들이 삼성 갤럭시 모바일폰에 대해 긍정적으로 인식하고 있음을 의미한다. 감성 키워드 분석 결과 긍정키워드의 경우는 "좋다", "후하다", "혁신적", "최고다", "빠르다", "예쁘다" 등으로 나타났으며, 부정키워드의 경우는 "겁난다", "울고싶다", "불편", "아쉽다", "싫다" 등이 추출되었다. 본 연구이 시사점은 기존 광고에 대한 소비자 인식 연구를 살펴보면 대부분 정량적 분석 방법에 의한 연구가 대부분이었다. 본 연구에서는 광고에 대한 정량적 연구 방법에서 탈피하여 정성적 연구를 통해 소비자 인식분석을 시도하였다. 이는 향후 연구에도 많은 영향을 미칠 것으로 판단되며, 정성적 연구를 통해 소비자 인식 연구의 출발점이 될 것으로 확신한다.
본 연구는 최근에 이슈가 되고 있는 텍스트마이닝을 활용하여 소비자 인식을 분석한 연구이다. 이를 위해 삼성갤럭시 Youtube 광고에 대한 소비자 리뷰 분석을 통해 소비자들이 가지고 있는 삼성 갤럭시에 대한 인식을 분석하였다. 분석을 위해 Youtube 광고의 소비자 리뷰 1,819개를 추출하였다. 이를 데이터 전처리 과정을 거쳐 광고와 관련된 키워드를 명사, 형용사, 부사로 분류하여 추출하였다. 이후 빈도 분석 및 감성 분석을 실시하였으며 마지막으로 구조적 등위성 분석을 통한 군집화를 실시하였다. 본 연구 결과를 간략히 요약하면 다음과 같다. 첫 번째 가장 많이 언급된 단어는 갤럭시 노트(n=217), 좋음(n=135), 펜(n=40), 기능(n=29) 등으로 나타났다. 이는 소비자들이 광고를 통해 "갤럭시 노트", "좋음", "펜", "기능"은 삼성 핸드폰 제품에 대해 기능적인 면이 좋고, 노트 펜에 대해서 긍정적으로 높게 인식한다고 판단할 수 있다. 추가적으로 "삼성페이", "혁신", "디자인", "아이폰" 등에 대한 인식은 삼성 핸드폰에 대해 혁신적인 디자인과 삼성페이의 기능적인 면에서 상당히 좋은 평가를 하는 것을 알 수 있다. 두 번째, Youtube 광고에 대한 감성분석 결과이다. 감성 분석 결과 감성강도 비율이 긍정(75.95%)로 부정(24.05%)보다 높게 나타났다. 이는 소비자들이 삼성 갤럭시 모바일폰에 대해 긍정적으로 인식하고 있음을 의미한다. 감성 키워드 분석 결과 긍정키워드의 경우는 "좋다", "후하다", "혁신적", "최고다", "빠르다", "예쁘다" 등으로 나타났으며, 부정키워드의 경우는 "겁난다", "울고싶다", "불편", "아쉽다", "싫다" 등이 추출되었다. 본 연구이 시사점은 기존 광고에 대한 소비자 인식 연구를 살펴보면 대부분 정량적 분석 방법에 의한 연구가 대부분이었다. 본 연구에서는 광고에 대한 정량적 연구 방법에서 탈피하여 정성적 연구를 통해 소비자 인식분석을 시도하였다. 이는 향후 연구에도 많은 영향을 미칠 것으로 판단되며, 정성적 연구를 통해 소비자 인식 연구의 출발점이 될 것으로 확신한다.
This study is a study that analyzes consumer perception by utilizing text mining, which is a recent issue. we analyzed the consumer's perception of Samsung Galaxy by analyzing consumer reviews of Samsung Galaxy YouTube ads. for analysis, 1,819 consumer reviews of YouTube ads were extracted. through ...
This study is a study that analyzes consumer perception by utilizing text mining, which is a recent issue. we analyzed the consumer's perception of Samsung Galaxy by analyzing consumer reviews of Samsung Galaxy YouTube ads. for analysis, 1,819 consumer reviews of YouTube ads were extracted. through this data pre-processing, keywords for advertisements were classified and extracted into nouns, adjectives, and adverbs. after that, frequency analysis and emotional analysis were performed. Finally, clustering was performed through CONCOR. the summary of this study is as follows. the first most frequently mentioned words were Galaxy Note (n = 217), Good (n = 135), Pen (n = 40), and Function (n = 29). it can be judged through the advertisement that consumers "Galaxy Note", "Good", "Pen", and "Features" have good functional aspects for Samsung mobile phone products and positively recognize the Note Pen. in addition, the recognition of "Samsung Pay", "Innovation", "Design", and "iPhone" shows that Samsung's mobile phone is highly regarded for its innovative design and functional aspects of Samsung Pay. second, it is the result of sentiment analysis on YouTube advertising. As a result of emotional analysis, the ratio of emotional intensity was positive (75.95%) and higher than negative (24.05%). this means that consumers are positively aware of Samsung Galaxy mobile phones. As a result of the emotional keyword analysis, positive keywords were "good", "good", "innovative", "highest", "fast", "pretty", etc., negative keywords were "frightening", "I want to cry", "discomfort", "sorry", "no", etc. were extracted. the implication of this study is that most of the studies by quantitative analysis methods were considered when looking at the consumer perception study of existing advertisements. In this study, we deviated from quantitative research methods for advertising and attempted to analyze consumer perception through qualitative research. this is expected to have a great influence on future research, and I am sure that it will be a starting point for consumer awareness research through qualitative research.
This study is a study that analyzes consumer perception by utilizing text mining, which is a recent issue. we analyzed the consumer's perception of Samsung Galaxy by analyzing consumer reviews of Samsung Galaxy YouTube ads. for analysis, 1,819 consumer reviews of YouTube ads were extracted. through this data pre-processing, keywords for advertisements were classified and extracted into nouns, adjectives, and adverbs. after that, frequency analysis and emotional analysis were performed. Finally, clustering was performed through CONCOR. the summary of this study is as follows. the first most frequently mentioned words were Galaxy Note (n = 217), Good (n = 135), Pen (n = 40), and Function (n = 29). it can be judged through the advertisement that consumers "Galaxy Note", "Good", "Pen", and "Features" have good functional aspects for Samsung mobile phone products and positively recognize the Note Pen. in addition, the recognition of "Samsung Pay", "Innovation", "Design", and "iPhone" shows that Samsung's mobile phone is highly regarded for its innovative design and functional aspects of Samsung Pay. second, it is the result of sentiment analysis on YouTube advertising. As a result of emotional analysis, the ratio of emotional intensity was positive (75.95%) and higher than negative (24.05%). this means that consumers are positively aware of Samsung Galaxy mobile phones. As a result of the emotional keyword analysis, positive keywords were "good", "good", "innovative", "highest", "fast", "pretty", etc., negative keywords were "frightening", "I want to cry", "discomfort", "sorry", "no", etc. were extracted. the implication of this study is that most of the studies by quantitative analysis methods were considered when looking at the consumer perception study of existing advertisements. In this study, we deviated from quantitative research methods for advertising and attempted to analyze consumer perception through qualitative research. this is expected to have a great influence on future research, and I am sure that it will be a starting point for consumer awareness research through qualitative research.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 YouTube 광고에 대한 소비자 인식을 분석하기 위해 전통적인 정량적 연구에서 탈피하여 소비자들이 광고를 보고 직접 작성한 내용을 바탕으로 텍스트 마이닝에 의해 핵심 키워드를 추출하고, 문서 내 키워드를 바탕으로 의미네트워크 구축 및 분석을 실시하였다. 이를 위해 삼성 갤럭시 광고에 대한 소비자 리뷰를 바탕으로 의미네트워크 분석을 실시하여 소비자 인식을 분석하고자 한다.
본 연구에서는 다음과 같은 연구목적을 제시하고자 한다. 본 연구는 대표적인 인스트림 광고인 Youtube 동영상 광고에 대한 소비자 리뷰 분석을 통한 소비자 인식을 분석하는 것이 목적이다. 이를 위해 삼성 갤럭시 Youtube 광고를 활용하여 텍스트 마이닝 기법을 활용하여 광고에 대한 소비자 인식을 분석하였다.
본 연구는 최근에 각광 받고 있는 비정형 데이터를 활용하여 Youtube 광고에 대한 소비자 인식을 분석하였다. 분석을 위해 Youtube 광고에 대한 시청자 리뷰를 수집하였으며 이를 텍스트 마이닝 분석과 오피니언 마이닝 분석을 활용하였다.
본 연구에서는 Youtube 광고를 통한 소비자 인식을 분석하기 위해서 소비자가 광고에 대해 인식하게 되는 가치 그리고 ELM모델 등을 활용하여 Youtube 광고를 분석하고자 한다.
본 연구에서는 Youtube 광고에 대한 감성분석을 통해 소비자의 인식을 분석하였다.
일반적으로 이러한 효과를 측정하는 방법으로는 광고를 시청한 소비자를 대상으로 하는 설문조사 및 실험을 통한 연구가 대부분이다. 본 연구에서는 광고에 대한 소비자 반응 즉, 소비자가 광고에 대해 느끼는 인지적 요인과 감정적 요인을 광고를 시청한 소비자 리뷰를 통해 측정하고자 한다.
Mittal(1994)은 광고에 대한 인식을 정보적 측면으로 구분하였는데 이는 광고를 보는 관점에 따라 광고에 대한 태도가 달라진다는 것을 검증하였다. 본 연구에서는 이러한 광고에 대한 인식을 텍스트 마이닝을 통해 추출하여 제시하였다.
실증연구의 한계점은 소비자들의 기억을 바탕으로 한 설문을 중심으로 연구가 진행되기 때문에 실제 소비자들의 감정과 반응을 확인하는데는 한계점이 존재한다. 이러한 선행연구의 한계점을 극복하고자 하는 것이 본 연구의 목적이다.
가설 설정
즉, 중앙 경로 처리를 위해서는 많은 정보와 의도적인 노력이 필요한 반면, 주변 경로를 통한 정보처리는 많은 노력이 필요하지 않다. ELM은 동기와 능력이 높은 고관여 소비자가 중앙 경로를 통해 메시지를 처리하는 경향이 있다고 가정한다. 이런 식으로 형성된 태도는 시간이 지남에 따라 안정된 경향이 있다 (Petty et al.
제안 방법
구조적 등위성 분석은 상관관계 분석을 반복적으로 수행하여 적정한 수준의 유사성 집단을 찾아내는 방법으로 본 연구에서는 Youtube 광고에 대한 기능적요인, 상징적요인, 감성적 요인 그리고 기타요인으로 4개의 집단 되었으며, 시각화 과정을 에 제시하였다.
<그림 2>는 Youtube 광고에 대한 키워드를 추출하여 워드클라우드 분석을 통해 시각화를 시도하였다. 워크클라우드 분석은 Netminer 4.
5 이상의 값을 가지는 단어만을 추출하였다. 다음의 테이블과 그림은 단어들의 빈도와 TF-IDF 값, 그리고 Tf-IDF 값에 의한 워드클라우드 분석을 통해 제시하였다.
Gupta and Singh(2005)는 Youtube를 매우 유용한 광고 매체로 인식하였다. 또한 그는 YouTube 광고의 특성을 연구하기 위해 Youtube에서 가전제품 부문의 가장 인기 있는 광고 비디오에 대한 컨텐츠 분석이 수행하였다. Youtube 광고에서는 메시지 감각적 가치 (MSV) 및 다양한 호소와 같은 특성들에 대한 연구가 진행되고 있다.
이는 Youtube 광고를 통한 소비자 인식으로 구분되었다고 판단된다. <표 4>를 통해 Youtube 광고에서 추출된 그룹별 단위를 정리하였다.
감성분석은 다양한 기계학습을 통해서 이루어지고 있으며, 이 기계학습은 크게 2가지로 구분된다. 먼저 지도학습과 비지도학습으로 기법인데 본 연구에서는 지도학습을 기반으로 하는 감성 분류를 중심으로 파악하였다. 감성분석에서 지도학습방법을 활용한 연구 들이 가장 활발히 진행되고 있다(Apple et al, 2015).
본 연구는 2020년 4월 30일 기준으로 Youtube.com 에서 삼성 갤럭시 광고에 대한 리뷰를 추출하여 데이터 전처리를 한 후 키워드를 추출을 통해 키워크 네트워크 구축을 하였으며, 키워드의 중심성 분석과 군집분석을 실시하여 Youtube의 삼성 갤럭시 광고에 대한 소비자 인식을 파악하였다.
셋째는 분해된 토큰을 품사(part of speech)로 분류하는 단계이다. 본 연구는 태그된 단어 중 광고와 관련된 이미지를 명사, 형용사, 부사로 분류된 단어들을 추출하였다.
기계학습 접근법은 지도 기계학습방법과 비지도 기계학습방법으로 나뉜다. 본 연구는 학습데이터에 의한 기계학습 방법을 지원하는 감성분석 전 문 도구인 TEXTOM을 사용하여 주관성과 극성을 분류하였다.
또한, 단어의 사용빈도는 높지만 일반적으로 사용되는 단어다. 본 연구에서 의미 없는 단어를 추출하기 위해 TF-I DF(Term Frequency-Inverse Document Frequency) 값을 계산하여 0.5 이상의 값을 가지는 단어만을 추출하였다. 다음의 테이블과 그림은 단어들의 빈도와 TF-IDF 값, 그리고 Tf-IDF 값에 의한 워드클라우드 분석을 통해 제시하였다.
본 연구의 시사점은 기존 광고에 대한 소비자 인식연구를 살펴보면 대부분 정량적 분석 방법에 의한 연구가 대부분이었다. 본 연구에서는 광고에 대한 정량적 연구 방법에서 탈피하여 정성적 연구를 통해 소비자 인식분석을 시도하였다. 이는 향후 연구에도 많은 영향을 미칠 것으로 판단되며, 정성적 연구를 통해 소비자 인식 연구의 시발점이 될 것으로 확신한다.
본 연구는 최근에 각광 받고 있는 비정형 데이터를 활용하여 Youtube 광고에 대한 소비자 인식을 분석하였다. 분석을 위해 Youtube 광고에 대한 시청자 리뷰를 수집하였으며 이를 텍스트 마이닝 분석과 오피니언 마이닝 분석을 활용하였다. 분석 결과를 요약하면 다음과 같다.
<그림 2>는 Youtube 광고에 대한 키워드를 추출하여 워드클라우드 분석을 통해 시각화를 시도하였다. 워크클라우드 분석은 Netminer 4.0 을 통해 시각화작업을 진행하였다.
즉, 배터리 폭발과 관련하여 소비자들의 충격이 오래 기억된 것으로 판단된다. <그림 3>은 감성분석에 대한 키워드 강도 분석을 실시하여 제시하였다.
본 연구는 대표적인 인스트림 광고인 Youtube 동영상 광고에 대한 소비자 리뷰 분석을 통한 소비자 인식을 분석하는 것이 목적이다. 이를 위해 삼성 갤럭시 Youtube 광고를 활용하여 텍스트 마이닝 기법을 활용하여 광고에 대한 소비자 인식을 분석하였다.
본 연구는 YouTube 광고에 대한 소비자 인식을 분석하기 위해 전통적인 정량적 연구에서 탈피하여 소비자들이 광고를 보고 직접 작성한 내용을 바탕으로 텍스트 마이닝에 의해 핵심 키워드를 추출하고, 문서 내 키워드를 바탕으로 의미네트워크 구축 및 분석을 실시하였다. 이를 위해 삼성 갤럭시 광고에 대한 소비자 리뷰를 바탕으로 의미네트워크 분석을 실시하여 소비자 인식을 분석하고자 한다.
마지막으로 구조적 등위성 분석 결과를 통해 4 개의 인식집단으로 구분되었다. 즉, 일반적으로 소비 자가 광고에 대해 인식하는 기능적요인, 상징적요인, 감성적요인 그리고 기타요인으로 분류하였다. 기능적 요인으로는 “멀티테스킹”, “기술”, “터치” 등 삼성갤럭시 핸드폰의 기능적인 면으로 집단이 구분되었으며, 상징적요인으로는 “디자인”, “혁신”, “S펜” 등 삼성갤럭시 핸드폰이 상징적 의미로 구분되었다.
연구 절차는 <그림 1>과 같다. 첫 번째, Youtube의 삼성 갤럭시 광고 리뷰 데이터 추출하였으며, 두 번째는 추출한 데이터 리뷰에 대한 데이터 전처리 세 번째, 단어 빈도수 및 TF-IDF에 의한 키워드 추출 네 번째는 동시 출현한 키워드추출 마지막으로 감성분석과 구조적 등위성 분석을 실시하였다.
전처리가 완료되면 본 연구에 적합한 키워드들을 추출해야 한다. 키워드는 2글자 이상의 단어와 빈도 수가 10회 이상 되는 단어를 추출하였다. 또한, 단어의 사용빈도는 높지만 일반적으로 사용되는 단어다.
이후 단계는 텍스트 마이닝은 기계학습을 통해 자연어처리 기술을 사용하여 텍스트를 분해, 정제, 여과를 거쳐 단어 사전을 구축하는 것이다. 텍스트에서 의미를 추출하기 위한 컴퓨터와 알고리즘을 사용하여 문장 구조와 품사의 결정, 추출된 객체의 명명, 그리고 불용어를 제거한다. 대부분 이 단계는 자동적으로 수행되는 것이 일반적이지만, 상황에 따라 연구자의 개입이 필요하다.
대상 데이터
<표 1>은 Youtube 광고에 대한 빈도표를 보여주고 있다. 리뷰 1,189개를 바탕으로 분석을 실시하였으며, 결과는 다음과 같다. 빈도 분석에서 삼성 갤럭시 노트(rank=1, frequency=217)가 가장 높은 빈도를 보이고 있다 이는 소비자들이 삼성 스마트폰 중에서 갤럭시 노트에 대해 높게 인식하고 있다는 것을 보여주고 있다.
이론/모형
감성분석에서 지도학습방법을 활용한 연구 들이 가장 활발히 진행되고 있다(Apple et al, 2015). 지도학습기 분류기의 유형 다양하지만, 일반적으로 감성분석 연구에서 많이 활용되는 나이브 베이즈 분류기(Naive Bayes classifier)를 이용하였다. 감성분석은 소비자 리뷰에 대해서 감성 분류를 긍정, 부정, 중립으로 구분하는 것이다.
성능/효과
두 번째, Youtube 광고에 대한 감성분석 결과이다. 감성 분석 결과 감성강도 비율이 긍정(75.95%)로 부정(24.05%)보다 높게 나타났다. 이는 소비자들이 삼성 갤럭시 모바일폰에 대해 긍정적으로 인식하고 있음을 의미한다.
감성 키워드 분석 결과 긍정키워드의 경우는 “좋다”, “후하다”, “혁신적”, “최고다”, “빠르다”, “예쁘다” 등으로 나타났으며, 부정키워드의 경우는 “겁난다”, “울고싶다”, “불편”, “아쉽다”, “싫다” 등이 추출되었다.
구조적 등위성 분석은 상관관계 분석을 반복적으로 수행하여 적정한 수준의 유사성 집단을 찾아내는 방법으로 본 연구에서는 Youtube 광고에 대한 기능적요인, 상징적요인, 감성적 요인 그리고 기타요인으로 4개의 집단 되었으며, 시각화 과정을 <그림 4>에 제시하였다. 군집별 구성을 살펴보면, 멀티태스킹, 기술, 터치, 폰케이스, 예약 등의 단어들을 포함하고 있는 것으로 기능적 가치로 군집화되었다고 판단되며, 디자인, 혁신, 만족, 무선충전, S펜, 카메라 등은 광고를 통한 상징적 가치로 군집화되었다고 할 수 있으며, 추억, 기억, 엄마, 중학교, 보고싶음, 좋았음, 세월 등은 감성적 가치로 표현되며 마지막으로 연애인, 폭발, 배터리 폭탄, 광고영상 등은 기타 가치로 분류되었다. 이는 Youtube 광고를 통한 소비자 인식으로 구분되었다고 판단된다.
기능적 요인으로는 “멀티테스킹”, “기술”, “터치” 등 삼성갤럭시 핸드폰의 기능적인 면으로 집단이 구분되었으며, 상징적요인으로는 “디자인”, “혁신”, “S펜” 등 삼성갤럭시 핸드폰이 상징적 의미로 구분되었다.
첫째, 본 연구에서는 삼성 갤럭시 광고에 대한 분석을 통해 소비자 인식을 분석했다는 샘플 한계점을 제시할 수 있다. 둘째, 정량적 연구와 다르게 비정형데이터 특성으로 인하여 데이터 처리 방법 등에 의해서 또 다른 결과를 도출할 수 있다는 것이다. 이는 비정형테이터만의 특성이라고 볼 수 있다.
먼저 <표 2>에 대한 긍정단어 살펴보면 좋다(n=118), 후하다(n=25), 혁신적(n=16), 최고다(n=14), 빠르다 (n=13)순으로 단어가 추출되었다. 삼성 갤럭시 스마트폰 광고에 대해 긍정 감성강도 비율이 (75.95%)로 높게 나타났다. 이는 소비자들이 Youtube 광고를 통해 삼성 갤럭시에 대해 긍정적으로 인식하고 있다고 판단된다.
분석 결과를 요약하면 다음과 같다. 첫 번째 가장 많이 언급된 단어는 갤럭시 노트(n=217), 좋음(n=135), 펜(n=40), 기능(n=29) 등으로 나타났다. 이는 소비자들이 광고를 통해 “갤럭시 노트”, “좋음”, “펜”, “기능”은 삼성 핸드폰 제품에 대해 기능적인 면이 좋고, 노트 펜에 대해서 긍정적으로 높게 인식한다고 판단할 수 있다.
추가적으로 “삼성페이”, “혁신”, “디자인”, “아이폰” 등에 대한 인식은 삼성 핸드폰에 대해 혁신적인 디자인과 삼성페이의 기능적인 면에서 상당히 좋은 평가를 하는 것을 알 수 있다.
후속연구
또한 동영상 인스트림 광고 연구에서 다양한 방법으로 소비자 인식에 대한 연구가 진행될 것으로 여겨진다. 기존 광고와의 확연한 차이가 있는 동영상 인스트림 광고 분석을 통해 소비자 만족 및 소비자가 원하는 제품 및 서비스를 제공하는데 도움이 될 것이라 사료된다.
또한 동영상 인스트림 광고 연구에서 다양한 방법으로 소비자 인식에 대한 연구가 진행될 것으로 여겨진다. 기존 광고와의 확연한 차이가 있는 동영상 인스트림 광고 분석을 통해 소비자 만족 및 소비자가 원하는 제품 및 서비스를 제공하는데 도움이 될 것이라 사료된다.
향후 연구에서는 소비자가 인식하는 다른 차원의 광고의 기능을 추출함으로써 다른 시사점을 제공해 줄 것으로 기대된다. 또한, 향후 연구에서는 조금 더 구체적인 감성 분석을 통해 소비자 인식을 조금 더 깊게 분석하고 소비자 감정을 더욱 잘 표현할 수 있을 것으로 판단된다.
이러한 연구들의 공통점을 보면 대부분 실증연구와 실험 연구로 진행된 연구들이다. 실증연구의 한계점은 소비자들의 기억을 바탕으로 한 설문을 중심으로 연구가 진행되기 때문에 실제 소비자들의 감정과 반응을 확인하는데는 한계점이 존재한다. 이러한 선행연구의 한계점을 극복하고자 하는 것이 본 연구의 목적이다.
본 연구에서는 광고에 대한 정량적 연구 방법에서 탈피하여 정성적 연구를 통해 소비자 인식분석을 시도하였다. 이는 향후 연구에도 많은 영향을 미칠 것으로 판단되며, 정성적 연구를 통해 소비자 인식 연구의 시발점이 될 것으로 확신한다.
본 연구는 앞에서 언급된 시사점에도 불구하고 다음과 같은 한계점을 인정하고 향후 연구에 반영될 수 있도록 한다. 첫째, 본 연구에서는 삼성 갤럭시 광고에 대한 분석을 통해 소비자 인식을 분석했다는 샘플 한계점을 제시할 수 있다. 둘째, 정량적 연구와 다르게 비정형데이터 특성으로 인하여 데이터 처리 방법 등에 의해서 또 다른 결과를 도출할 수 있다는 것이다.
이는 비정형테이터만의 특성이라고 볼 수 있다. 향후 연구에서는 소비자가 인식하는 다른 차원의 광고의 기능을 추출함으로써 다른 시사점을 제공해 줄 것으로 기대된다. 또한, 향후 연구에서는 조금 더 구체적인 감성 분석을 통해 소비자 인식을 조금 더 깊게 분석하고 소비자 감정을 더욱 잘 표현할 수 있을 것으로 판단된다.
참고문헌 (33)
김유영？송민(2016), 영화 리뷰 감성분석을 위한 텍스트 마이닝 기반 감성 분류기 구축, 지능정보연구, 22(3), 71-89.
장육제(2019), SNS광고 속성에 따른 SNS광고 효과에 관한 연구: SNS 광고인식 및 침입성 인식을 중심으로, 동의대학교 대학원, 박사논문
정성호(2005), 광고소비자의 광고인식에 대한 유형 분석에 관한 연구. 광고학연구, 16(1), 251-273.
최민학？임병훈.(2017), 스마트폰 모바일광고 유형에 따른 광고의 정보성 인식과 구매의도에 미치는 효과에 관한 연구. 예술인문사회융합멀티미디어논문지, 7, 701-714.
최승우, 박보람(2015). 인터넷 동영상 인스트림광고 유형에 따른 광고 회피에 대한 연구: 유튜브 이용자를 중심으로. 한국디자인문화학회지, 21(3), 665-673.
Asur, S., & Huberman, B. A.(2010, August), Predicting the future with social media. In 2010 IEEE/WIC/ACM international conference on web intelligence and intelligent agent technology(Vol. 1, pp. 492-499). IEEE.
Bauer, R. A., & Greyser, S. A.(1968), Advertising in America, the consumer view.
Bijaksic, S., Markic, B., & Bevanda, A.(2014), BUSINESS INTELLIGENCE AND ANALYSIS OF SELLING IN RETAIL/POSLOVNA INTELIGENCIA I ANALIZA PRODAJE U MALOPRODAJI. Informatologia, 47(4), 222.
Bing, Y., Liu, H., Zhang, L., Ghosh, D., & Zhang, J.(2010). Nanostructured Pt-alloy electrocatal ysts for PEM fuel cell oxygen reduction reaction. Chemical Society Reviews, 39(6), 2184-2202.
Calder, B. J., Hollebeek, L. D., & Malthouse, E. C.(2018), Creating stronger brands through consumer experience and engagement. In Customer engagement marketing (pp. 221-242). Palgrave Macmillan, Cham.
Chen, C. L., Liu, C. L., Chang, Y. C., & Tsai, H. P.(2011, November), Mining opinion holders and opinion patterns in US financial statements. In 2011 International Conference on Technologies and Applications of Artificial Intelligence (pp.62-68). IEEE.
Gupta, H., Singh, S., & Sinha, P.(2017), Multimedia tool as a predictor for social media advertising-a YouTube way. Multimedia tools and applications, 76(18), 18557-18568.
Kim, S. H., & Han, J. M.(2014), An analysis of motion picture box office performance: Focusing on Korean movies released in 2012. Social Science Studies, 53(1), 191-214.
Kumar, N., Rajpure, D. B., Gukal, S.,(2010), U. S. Patent Application No. 12/234,313.
Matz, S. C., & Netzer, O.(2017), Using big data as a window into consumers' psychology. Current opinion in behavioral sciences, 18, 7-12.
Morinaga, S., Yamanishi, K., Tateishi, K., & Fukushima, T.(2002, July), Mining product reputations on the web. In Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 341-349).
Palmgreen, P., Donohew, L., Lorch, E. P., Rogus, M., Helm, D., & Grant, N.(1991), Sensationseeking, message sensation value, and drug us e as mediators of PSA effectiveness. Health Communication, 3(4), 217-227.
Petty, R. E., Cacioppo, J. T., & Goldman, R.(1981). Personal involvement as a determinant of argument-based persuasion. Journal of personality and social psychology, 41(5), 847.
Pollay, R. W., & Mittal, B.(1993), Here's the beef: factors, determinants, and segments in consumer criticism of advertising. Journal of marketing, 57(3), 99-114.
Sorkin, A. R., & Peters, J. W.(2006), Google to acquire YouTube for $1.65 billion. The New York Times, 9.
Tan, H. K., Ngo, C. W., Hong, R., & Chua, T. S.(2009, October), Scalable detection of partial near-duplicate videos by visual-temporal consistency. In Proceedings of the 17th ACM international conference on Multimedia(pp.145-154).
Tong, S., & Koller, D.(2001), Support vector machine active learning with applications to text classification. Journal of machine learning research, 2(Nov), 45-66.
Turney, P. D.(2002), Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. arXiv preprint cs/0212032.
Van Doorn, J., Lemon, K. N., Mittal, V., Nass, S., Pick, D., Pirner, P., & Verhoef, P. C.(2010), Customer engagement behavior: Theoretical foundations and research directions. Journal of service research, 13(3), 253-266.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.