[논문]AI 스피커!, 감정을 담아 말해봐 - SNS 댓글 분석을 중심으로

김준환; 이남연

doi:10.14400/jdc.2020.18.7.101

AI 스피커!, 감정을 담아 말해봐 - SNS 댓글 분석을 중심으로
AI speakers!, Speak with feelings - Focusing on Analysis of SNS Comments 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.7, 2020년, pp.101 - 110

김준환 (성결대학교 파이데이아학부) , 이남연 (한신대학교 IT경영학과)

초록
AI-Helper

AI 스피커를 비롯한 관련 디바이스에 감정 맞춤형 서비스나 다양한 기능들이 부가된 기기들이 등장하고 있다. 이에 본 연구는 AI 스피커 사용자들이 작성한 구매 후기 텍스트들의 주제를 확인하고, 실제 설문조사를 통한 실증분석 결과와 비교하기 위해서 LDA(Latent Dirichlet Allocation) 기반의 토픽모델링 분석을 수행하였다. 더 나아가 AI 스피커 사용 경험이 있는 이용자 600명을 대상으로 사용자가 지각한 스피커의 감성지능과 관계품질을 조사하고 서로 유의한 관계가 있는지 구조방정식모형을 통해 검증하였다. 본 연구결과는 첫째, 토픽모델링 분석결과는 대부분의 글에서 주로 AI 스피커의 기능적인 측면에 대해 언급하고 있는 것으로 나타났다. 둘째, 소비자가 인식하는 AI 스피커의 감성지능은 관계품질에 영향을 미치며, 관계품질은 고객만족에 긍정적인 영향을 미쳤다. 따라서 본 연구는 AI 관련 기존 연구를 확장시켜 감성지능 및 관계품질의 개념을 새롭게 접목하여 분석함으로써 이론적 및 실무적으로 시사점을 제공하고 있다.

Abstract ▼ AI-Helper

Devices that add emotion-specific services or various functions are appearing in AI speakers and related devices. To this end, this study performed topic modeling analysis on the topics of post-purchase texts written by AI speaker users, and compared them with the data collected via survey questionnaires. Furthermore, data on the emotional intelligence of AI speakers and relationship quality were collected from 600 users and analyzed using structural equation modeling. The findings of the study are as follows: First, the analysis results of topic modeling showed that most of the articles mainly mention the functional aspects of AI speakers. Second, emotional intelligence of AI speaker perceived by consumer affected relationship quality, and relationship quality had a positive effect on customer satisfaction. Therefore, this study expands the area of AI research by integrating the concept of emotional intelligence and relationship quality to provide new theoretical and practical implications.

주제어

표/그림 (7)

표 Table 1. Respondents' demographic profiles
그림 Fig. 1. Sample excerpts from collected dataset
그림 Fig. 2. Results of topic modeling analysis
표 Table 2. Descriptive statistics and correlations
표 Table 3. Results of confirmatory factor analysis
표 Table 4. Results of hypotheses testing
표 Table 5. Results of testing mediating effects

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 현재 IPA나 AI 기술이 탑재된 디바이스들의 사회적 객체로의 인식수준을 상호 비교 분석하고자 하였다. 구체적으로, 급속도로 성장하고 있는 AI 스피커가 과연 유사한 음성인식 AI 서비스가 탑재된 디바이스와 어떠한 차이를 보이는지 비교 분석하여 향후 AI 스피커의 지속사용 가능성을 예측해보고자 하였다. 이를 위해서, 먼저 AI 스피커 디바이스들에 대한 사용자의 반응을 블로그, YouTube 등의 SNS 데이터를 분석하여 상대적인 소비자 인식의 차이를 텍스트 마이닝 분석을 통해 비교하였다.
따라서 토픽모델링 기법은 주로 리뷰데이터의 주제 탐색이나 이슈 분석 등의 연구에서 많이 사용되고 있다[32]. 따라서 본 연구에서는 사용자들이 작성한 구매후기 텍스트의 주제를 확인하고, 실제 설문조사를 통한 실증분석 결과와 비교하기 위해 LDA(Latent Dirichlet Allocation) 기반의 토픽모델링 분석을 수행하였다.
따라서 본 연구에서는 현재 IPA나 AI 기술이 탑재된 디바이스들의 사회적 객체로의 인식수준을 상호 비교 분석하고자 하였다. 구체적으로, 급속도로 성장하고 있는 AI 스피커가 과연 유사한 음성인식 AI 서비스가 탑재된 디바이스와 어떠한 차이를 보이는지 비교 분석하여 향후 AI 스피커의 지속사용 가능성을 예측해보고자 하였다.
이를 위해서, 먼저 AI 스피커 디바이스들에 대한 사용자의 반응을 블로그, YouTube 등의 SNS 데이터를 분석하여 상대적인 소비자 인식의 차이를 텍스트 마이닝 분석을 통해 비교하였다. 또한 AI 스피커는 사용자들과의 커뮤니케이션이 중요한 역할과 기능인만큼 다양한 상황에서 EI를 적용한 디바이스가 소비자가 지각하는 관계품질 및 고객만족에 긍정적인 영향을 미치는지를 실증적으로 살펴보았다.
본 연구는 사용자가 AI 스피커를 통해 경험하는 감정적 변수를 발견할 수 있는 계기를 마련하였으며, 사용자가 서비스 과정에서 경험하는 감정이 관계품질에 어떠한 영향을 미칠 수 있는지 분석함으로써 기존 연구의 한계를 극복할 수 있다. 즉 설문조사뿐만 아니라 텍스트 마이닝을 분석을 통해 이러한 결과를 체계화하여, AI 디바이스에 대한 현상학적 연구의 발판을 마련하였다.

가설 설정

<가설 2> 관계품질은 고객만족에 정(+)적인 영향을 미칠 것이다.
<가설 3> 사용자가 지각한 AI 스피커의 EI는 고객만족에 정(+)적인 영향을 미칠 것이다.
<가설 1> 사용자가 지각한 AI 스피커의 EI는 관계품질에 정(+)적인 영향을 미칠 것이다.

제안 방법

본 연구는 EI가 접목된 AI의 기능에 대한 소비자들의 인식에 따라 트위터, 블로그 및 YouTube가 차별화될 수 있음을 기대할 수 있다. AI 스피커에 대한 사용자의 반응을 블로그 등의 SNS 데이터를 기반으로 텍스트 마이닝 분석뿐만 아니라 EI 및 관계품질을 접목시켜 분석하여 상대적인 소비자의 인식 차이를 실증적 증거로 규명하였다. 따라서 기존 연구들과는 달리 본 연구는 소비자가 제품에 대해 갖는 관계품질을 증진시키기 위해 AI 스피커의 소비적 가치를 EI 기능의 기술적 향상을 통해 문제를 해결해야 한다.
EI를 측정하기 위해서 실제 다양한 연구에 적용되어 사용한 Wong and Law (2002)가 개발한 WLEIS(Wong and Law Emotional Intelligence Scale)를 본 연구에 맞게 수정하여 소비자가 지각하는 AI 스피커에 대한 EI를 측정하였다[33]. WLEIS는 타인감성인식(other’s emotion appraisal), 감성의 활용(use of emotion), 자기감성인식 (self-emotion appraisal), 감성의 조절(regulation of emotion) 네 개의 하위요인으로 구성되어 있으며 총 16 문항이다.
WLEIS는 타인감성인식(other’s emotion appraisal), 감성의 활용(use of emotion), 자기감성인식 (self-emotion appraisal), 감성의 조절(regulation of emotion) 네 개의 하위요인으로 구성되어 있으며 총 16 문항이다. 각각 4문항으로 측정수치를 합한 후 도출된 평균값을 이용하였다. 관계품질을 측정하기 위해서는 실증 연구를 통해 신뢰성과 타당성이 입증된 8개 문항을 본 연구에 맞게 수정하여 사용하였다[20,24,30].
각각 4문항으로 측정수치를 합한 후 도출된 평균값을 이용하였다. 관계품질을 측정하기 위해서는 실증 연구를 통해 신뢰성과 타당성이 입증된 8개 문항을 본 연구에 맞게 수정하여 사용하였다[20,24,30]. 문항의 예로는 AI 스피커에 대한 서비스의 편안함, 진지함, 신뢰감, 주요 서비스에 대한 전반적 만족, 신속한 응답 등 이다.
둘째, AI 스피커 사용자의 반응을 블로그, YouTube 등의 SNS 데이터를 텍스트 마이닝 분석결과를 바탕으로 소비자가 지각하는 AI 스피커의 EI와 관계품질에 미치는 영향에 관해 실증적으로 분석하였다. 통계분석을 위해서는 SPSS 24.
50 보다 큰 것으로 나타나 수렴타당도와 집중타당성이 있는 것이 발견되었다[37]. 또한 가설검증을 위해 연구모형에 대한 구조모형분석을 확인하였다. 연구모형의 적합지수를 검증한 결과, χ² = 424.
본 연구는 AI 스피커에 대한 사용자의 반응을 조사하기 위해 블로그 등의 SNS 데이터를 텍스트 마이닝 기법을 사용하여 분석하였고, 소비자가 지각한 AI 스피커의 EI와 관계품질, 고객만족 간의 관계를 실증적으로 분석하였다.
또한 댓글분석을 통한 EI의 중요성을 도출하여 해당 AI 기술 분야 연구의 촉진제의 역할을 할 수 있을 것이다. 본 연구에서는 AI 기술이 적용된 AI 스피커를 주제로 한 사용자의 글을 텍스트 마이닝 기법을 이용하여 분석하였다. 사용자들이 AI 스피커를 설명할 때 어떠한 요소를 중점으로 설명하는지를 텍스트 마이닝 기법 중 하나인 토픽모델링 기법을 이용하여 분석하였고, 대부분의 글에서 주로 AI 스피커의 기능적인 측면에 대해 언급하고 있는 것으로 나타났다.
본 연구에서는 사용자들이 어떠한 주제로 AI 스피커에 대한 리뷰를 작성하는지 살펴보기 위해서 ‘AI 스피커’ 로 국내 블로그를 검색하여 총 43,950개의 포스팅 된 블로그 글을 크롤러를 이용하여 수집하였다. 수집된 데이터들은 전처리 과정을 거친 후 총 7,707개의 단어로 단어사전을 구축한 후 토픽모델링 분석을 수행하였다. 수집 후 사용한 데이터의 일부는 Figure 1과 같다.
구체적으로, 급속도로 성장하고 있는 AI 스피커가 과연 유사한 음성인식 AI 서비스가 탑재된 디바이스와 어떠한 차이를 보이는지 비교 분석하여 향후 AI 스피커의 지속사용 가능성을 예측해보고자 하였다. 이를 위해서, 먼저 AI 스피커 디바이스들에 대한 사용자의 반응을 블로그, YouTube 등의 SNS 데이터를 분석하여 상대적인 소비자 인식의 차이를 텍스트 마이닝 분석을 통해 비교하였다. 또한 AI 스피커는 사용자들과의 커뮤니케이션이 중요한 역할과 기능인만큼 다양한 상황에서 EI를 적용한 디바이스가 소비자가 지각하는 관계품질 및 고객만족에 긍정적인 영향을 미치는지를 실증적으로 살펴보았다.
본 연구는 사용자가 AI 스피커를 통해 경험하는 감정적 변수를 발견할 수 있는 계기를 마련하였으며, 사용자가 서비스 과정에서 경험하는 감정이 관계품질에 어떠한 영향을 미칠 수 있는지 분석함으로써 기존 연구의 한계를 극복할 수 있다. 즉 설문조사뿐만 아니라 텍스트 마이닝을 분석을 통해 이러한 결과를 체계화하여, AI 디바이스에 대한 현상학적 연구의 발판을 마련하였다. 또한 EI 이론에 소비자가 지각하는 관계품질이라는 새로운 영역을 접목시켜 분석함으로써 이론적 및 실무적으로 많은 시사점을 제공하고 있다.
첫째, IPA가 탑재된 디바이스인 AI 스피커에 대한 사용자의 SNS 글을 텍스트 마이닝 기법을 활용하여 분석하고, 이들 디바이스들에 대한 사용자들이 인식하는 요소를 토픽모델링을 이용하여 분석하였다.

대상 데이터

본 연구에서는 사용자들이 어떠한 주제로 AI 스피커에 대한 리뷰를 작성하는지 살펴보기 위해서 ‘AI 스피커’ 로 국내 블로그를 검색하여 총 43,950개의 포스팅 된 블로그 글을 크롤러를 이용하여 수집하였다.
본 연구에서는 수집된 블로그의 글에 대해 총 30개의 토픽을 추출하였고, 토픽모델링 분석결과는 Figure 2와 같다.
본 연구의 자료는 AI 스피커를 소유 및 이용한 경험이 있는 마크로밀엠브레인 리서치회사 패널 600명(목적적 할당표본 추출법)을 대상으로 온라인 조사하였다. 인구통계학적 특성은 다음 Table 1과 같다.

데이터처리

0으로 기술통계 및 상관관계 분석을 실시했다. AMOS 24.0을 사용하여 구조방정식모형(SEM)으로 가설검증을 하였다.
Anderson & Gerbing(1988)이 제시한 2단계 접근법(two-step approach)에 따라 구조모형을 검증하기 전에 측정모형을 검증하여 타당성을 판단하기 위해 확인적 요인분석(confirmatory factor analysis; CFA)을 실시하여 Table 3에 분석결과를 제시하였다[35].
둘째, AI 스피커 사용자의 반응을 블로그, YouTube 등의 SNS 데이터를 텍스트 마이닝 분석결과를 바탕으로 소비자가 지각하는 AI 스피커의 EI와 관계품질에 미치는 영향에 관해 실증적으로 분석하였다. 통계분석을 위해서는 SPSS 24.0으로 기술통계 및 상관관계 분석을 실시했다. AMOS 24.

이론/모형

넷째, 관계품질의 매개효과를 검증하기 위해 bias-corrected 방법으로 부트스트래핑(bootstrapping)의 접근법을 사용했다. 표본 5,000개를 추출하여 검증한 결과, 95% 신뢰구간에 0이 α = .

성능/효과

30개의 토픽들을 살펴보면, AI 스피커의 사용목적 (topic_id = 2, 4, 9, 30)에 대한 토픽과 사용방법 및 하드웨어 품질(topic_id = 1, 5, 7, 8, 10) 등의 토픽들이 대부분이었다. 사용목적에 대한 주제들에서 등장한 단어들을 살펴보면, ‘취침’, ‘육아’, ‘통화’, ‘수유’ 등의 육아 시 AI 스피커를 활용하거나 ‘학습’, ‘공부’, ‘놀이’, ‘영어’, ‘선생’ 등 학생들이 공부하거나 놀이할 때 AI 스피커를 주로 사용하고 있는 것으로 파악할 수 있다.
따라서 기업은 AI 스피커의 혁신적인 디자인과 기술을 보유한 제품에만 관심을 가질 것이 아니라 AI 스피커 기술의 심리적, 정서적 측면에 관심을 가져야 한다. AI 스피커의 기술자 입장에서, 감정기술 개선에 EI 관련 프로그램을 접목시키는데 하나의 기준을 제공함과 동시에 AI 스피커의 프로그램 개발 시 고려해야 할 전략적인 시사점을 제시하였다. 이를 위해 AI 스피커의 지속적인 전문성 개발을 위한 기업차원의 관심과 지원이 필요하며 기술·시장 기회발견과 경쟁 환경 분석에 대한 기업의 접근성을 향상시킬 수 있을 것이다.
둘째, 관계품질도 고객만족에 정(+)의 영향을 미쳐 가설 2도 지지되었다(표준화경로계수 = .954, t = 14.271, p<.001).
하지만 IPA가 제공하는 다양한 기능에도 불구하고, 시장 조사기관인 Statista의 조사에 따르면 대표적인 IPA 탑재 디바이스인 스마트폰 사용자 중 61%가 IPA 서비스를 이용해 본 적이 없는 것으로 나타났다[3]. 또한 IPA를 이용한 경험이 있는 사용자의 대부분은 정보검색, 오락, 네비게이션 등 단순한 기능 위주의 서비스를 이용하고 있는 것으로 나타났다. 이는 사용자가 IPA에 대한 정보가 부족하고, 사용법을 잘 모르기 때문에 나타난 결과일 수도 있으나, IPA에 대해 사용자가 느끼는 효용이 사용자 과업 효율이나 엔터테이먼트 서비스 제공 등의 기능 위주로만 인식되기 때문일 수도 있다.
고객만족은 서비스 과정에 대한 참여를 강화시키고 나아가 시간 경과에 따라 제품에 대한 몰입에 이르게 한다[31]. 본 연구는 소비자의 AI 디바이스에 대한 만족을 관계품질의 구성개념으로 보기보다는 관계품질은 고객만족에 긍정적인 영향을 주는 것으로 보았다. 이는 전반적인 고객만족은 소비자가 만족 수준을 높게 평가할수록 관계품질에 대한 애착으로 몰입이 증가하게 될 것이다.
본 연구에서는 AI 기술이 적용된 AI 스피커를 주제로 한 사용자의 글을 텍스트 마이닝 기법을 이용하여 분석하였다. 사용자들이 AI 스피커를 설명할 때 어떠한 요소를 중점으로 설명하는지를 텍스트 마이닝 기법 중 하나인 토픽모델링 기법을 이용하여 분석하였고, 대부분의 글에서 주로 AI 스피커의 기능적인 측면에 대해 언급하고 있는 것으로 나타났다. 하지만 일부 토픽에서는 AI 스피커의 사회성에 대한 주제를 다루고 있는 것으로 나타났다.
셋째, 사용자가 지각한 AI 스피커의 EI는 고객만족에 정(+)의 영향을 미칠 것이라는 가설 3은 기각되었다(표준화경로계수 = -.055, t =-1.282, p = .200). EI와 고객 만족 사이 의 관계가 유의적이지 않은 것으로 나타난 것은 EI와 고객만족 간의 관계가 유의하지 않아서라기보다는 고객만족에 대한 관계품질의 영향을 통제했기 때문인 것으로 보인다.
Table 5에서 볼 수 있듯이, 관계품질은 사용자가 지각한 AI 스피커의 EI와 고객만족 간의 관계를 유의하게 매개하였다. 즉 EI가 직접적으로 고객만족에 영향을 미치는 것이 아니라, 관계품질을 통해서 간접적으로 고객만족에 유의한 영향을 미치는 것으로 나타났다. 이는 결국 관계품질이라는 이용자와의 관계형성 및 유지로 인해 EI가 고객만족에 긍정적인 영향을 미친다는 것을 의미한다.
첫째, 사용자가 지각한 AI 스피커의 EI는 관계품질에 정(+)의 영향을 미칠 것이라는 가설 1은 채택되었다(표준화경로 계수 = .616, t = 15.660, p<.001).
표본 5,000개를 추출하여 검증한 결과, 95% 신뢰구간에 0이 α = .05 수준에서 포함되어 있지 않은 경우 매개효과가 유의하다고 판정을 내릴 수 있다.

후속연구

2019년도에서는 고도화된 AI에 감성지능(Emotional Intelligence, 이하 EI)을 입힌 새로운 기술들이 주목받을 전망이다[5]. AI 스피커를 비롯한 관련 디바이스에 EI기술을 접목한 감정 맞춤형 서비스나 기타 다양한 기능들이 부가된 기기들이 등장할 것이며 이와 같은 기술은 인체생리학(human physiology) 영역에도 적용될 것으로 보인다. AI가 4차 산업혁명 시대의 핵심기술로 부상한 시점에 소비자들은 기술적인 측면보다 감성적인 측면에 더 많은 가치를 부여하게 되었다[6].
, 기쁨, 분노, 슬픔, 놀람 등)을 고려하였을 때 감정을 다차원적 개념을 이용하여 측정하지 못한 한계점이 남아있다. 따라서 AI 스피커를 이용한 서비스를 접했을 때 소비자들이 느끼는 감정의 원천을 규정하기 위해 보다 세분화된 감정개념을 이용한 향후 연구가 진행되어야 할 것이다.
그동안의 데이터 분석은 고객 데이터 및 거래 데이터 중심의 정형 데이터를 활용한 분석이 주류를 이루었다. 따라서 AI 스피커에 대한 텍스트 기반 분석을 활용하여 적용 분야별 특성으로 EI와 관련한 감정인식 기술(emotion aware technology)을 기존 기술에 접목하여, 다른 데이터와 연계해 다양한 분석이 수행될 것으로 기대된다. 이는 일시적 성향이 아닌 지속적 성향을 가진 EI는 소비자와 일관성 있는 긍정적 감정과 행동으로 나타날 가능성이 높다.
이는 AI 스피커의 IPA를 단독으로 사용하는 것보다는 많은 수의 사용률을 나타내는 것으로 보이나 이용행태를 보면 대부분은 정보검색, 음악 청취, 날씨 정보획득 등의 단순 기능 위주의 기능만을 사용하는 기존 IPA의 이용행태와 크게 다르지 않은 것을 확인할 수 있다[4]. 따라서 이러한 부분은 향후 AI 스피커의 지속적인 사용성의 향상뿐만 아니라 AI 스피커 제조기업의 수익성에 있어서도 중요하게 고려되어야 할 사항이다.
또한 댓글분석을 통한 EI의 중요성을 도출하여 해당 AI 기술 분야 연구의 촉진제의 역할을 할 수 있을 것이다. 본 연구에서는 AI 기술이 적용된 AI 스피커를 주제로 한 사용자의 글을 텍스트 마이닝 기법을 이용하여 분석하였다.
본 연구가 가지고 있는 한계점으로는 AI 스피커를 이용한 EI에 대한 소비자의 감정적 반응을 알아보기 위해 EI 개념을 이용하였으나 기존의 심리학 연구에서는 감정적 반응이 다차원적 개념으로 다양화 할 수 있다[41]. 이와 같이 소비자가 가지고 있는 감정의 다양성(e.
그동안 AI에 대한 다양한 연구가 진행되어 왔지만 [38], AI의 중요한 특징 중 하나인 감정에 초점을 맞춘 연구는 거의 없었던 바 이에 대한 새로운 시각을 제시하고 있다. 본 연구는 EI가 접목된 AI의 기능에 대한 소비자들의 인식에 따라 트위터, 블로그 및 YouTube가 차별화될 수 있음을 기대할 수 있다. AI 스피커에 대한 사용자의 반응을 블로그 등의 SNS 데이터를 기반으로 텍스트 마이닝 분석뿐만 아니라 EI 및 관계품질을 접목시켜 분석하여 상대적인 소비자의 인식 차이를 실증적 증거로 규명하였다.
본 연구의 결과물은 관련 기업이 환경변화 속에서 경쟁우위 및 기회의 발견과 활용에 있어 중요한 기반자료가 될 수 있으며, 경쟁 환경 예측에 대한 기업의 접근성을 높여줌으로써 R&D 기회와 약점에 신속히 대응할 수 있을 것이다.
연구 결과물의 공유를 통해 향후 AI 기술 분야와 연구 협업의 기회가 창출 될 수 있을 것으로 예상된다. 전통적으로 경영학 분야는 데이터의 수집 및 분석을 통해 의사결정에 필요한 정보를 생성하는 활동을 가장 적극적으로 수행되었다.
또한 EI 이론에 소비자가 지각하는 관계품질이라는 새로운 영역을 접목시켜 분석함으로써 이론적 및 실무적으로 많은 시사점을 제공하고 있다. 이는 AI 스피커의 디바이스 수행 능력을 향상시키고 관계품질을 개선할 수 있어서 긍정적인 제품 이미지 구축에 기여를 할 수 있을 것이다. 소비자의 니즈를 간파하고 적합한 서비스를 제공하기 위해서는 AI 스피커가 소비자와 공감할 수 있는 EI 기술을 높이는 것이 필요하다.
또한 토픽모델링 분석의 경우 블로그의 글을 수집하여 분석을 수행하였는데, 최근의 블로그에 AI 스피커에 대해 남기는 글의 대부분이 AI 스피커의 제조사로부터 지원을 받아 포스팅을 하고 있어 AI 스피커 광고성 글이 많이 포함되어 있다. 이는 개인차원의 AI 스피커에 대한 인식을 정확하게 추출할 수 없다는 측면에서 한계를 가지기 때문에, 추후에는 개인의 스피커 사용에 대한 인식의 내용이 보다 많이 담겨있는 데이터를 대상으로 더 정교한 분석이 이루어져야 할 것이다.
이를 위해 AI 스피커의 지속적인 전문성 개발을 위한 기업차원의 관심과 지원이 필요하며 기술·시장 기회발견과 경쟁 환경 분석에 대한 기업의 접근성을 향상시킬 수 있을 것이다.
소비자의 니즈를 간파하고 적합한 서비스를 제공하기 위해서는 AI 스피커가 소비자와 공감할 수 있는 EI 기술을 높이는 것이 필요하다. 이상의 연구결과를 통해 EI는 단일의 능력이 아니라 여러 가지 변인들의 상호작용 및 통합의 결과라는 점을 알 수 있으며, 보다 다양한 감정의 측정과 EI 기술개발의 중요성에 대한 시사점을 제공하고 있다.

참고문헌 (41)

Gartner (2017. 10. 3). Artificial Intelligence, Immersive Experiences, Digital Twins, Event-thinking and Continuous Adaptive Security Create a Foundation for the Next Generation of Digital Business Models and Ecosystems. Gartner Top 10 Strategic Technology Trends for 2018. https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/
Kabir, K. (2018. 2. 14). Smart Speakers-Everything You Need to Know, What Hi-Fi?. https://www.whathifi.com/advice/smart-speakers-everything-you-need-to-know.
Statista (2020 3. 3). Smart speaker with intelligent personal assistant quarterly shipment share from 2016 to 2019, by vendor. https://www.statista.com/statistics/792604/worldwide-smart-speaker-market-share/
B. Kinsella. (2018). Amazon Echo maintains large market share lead in US smart speaker user base. VoiceBot. ai.
T. S. Kwon. (2019. 1. 6). CES 2019, emotional intelligence (EI) is on the rise. Etoday News Agency. http://www.etoday.co.kr/news/view/1707620
D. K. Kim (2017. 12. 25). From artificial intelligence to emotional intelligence... Innocence Report. Yonhap News Agency. https://www.yna.co.kr/view/AKR20171225017000003?input1179m
N. Lee & O. Kwon. (2013). Para-Social Relationships and Continuous Use of Mobile Devices. International Journal of Mobile Communications, 11(5), 465-484. DOI : 10.1504/IJMC.2013.056956

상세보기
M. Heerink, B. Krose, V. Evers & B. Wielinga. (2010). Assessing Acceptance of Assistive Social Agent Technology by Older Adults: The Almere Model. International Journal of Social Robotics, 2(4), 361-375.

상세보기
H. J. Lee. (2018). A Ghost in the Shell? Influences of AI Features on Product Evaluations of Smart Speakers with Customer Reviews. Journal of Information Technology Services, 17(2), 191-205. DOI : 10.9716/KITS.2018.17.2.191
Korea Consumer Agency (2018). Problems and Improvements of Artificial Intelligence (AI) Appliances (Focus on Voice Recognition Speaker). KCA Report.
S. Andreev, O. Galinina, A. Pyattaev, M. Gerasimenko, T. Tirronen, J. Torsner & Y. Koucheryavy. (2015). Understanding the IoT Connectivity Landscape: A Contemporary M2M Radio Technology Roadmap. IEEE Communications Magazine, 53(9), 32-40. DOI : 10.1109/MCOM.2015.7263370

상세보기
P. Salovey & J. D. Mayer. (1990). Emotional Intelligence. Imagination. Cognition and Personality, 9(3), 185-211. DOI : 10.2190/DUGG-P24E-52WK-6CDG

상세보기
B. Kidwell, D. M. Hardesty, B. R. Murtha & S. B. Sheng. (2011). Emotional Intelligence in Marketing Exchanges. Journal of Marketing, 75(1), 78-95. DOI : 10.1509/jm.75.1.78

상세보기
J. D. Mayer, P. Salovey & D. R. Caruso. (2008). Emotional Intelligence: New Ability or Eclectic Traits?. American Psychologist, 63(6), 503-517. DOI : 10.1037/0003-066X.63.6.503

상세보기
J. E. Park, J. Kim, A. J. Dubinsky & H. Lee. (2010). How Does Sales Force Automation Influence Relationship Quality and Performance? The Mediating Roles of Learning and Selling Behaviors. Industrial Marketing Management, 39(7), 1128-1138. DOI : 10.1016/j.indmarman.2009.11.003

상세보기
E. C. Clemmer & S. Benjamin. (1996). Fair Service in Advances in Services Marketing and Management. Swartz, Teresa A., David Bowen, and Dawn Iacobucci, eds., Greenwich, CT: JAI Press, 109-126.
S. W. Kelley & M. A. Davis. (1994). Antecedents to Customer Expectations for Service Recovery. Journal of the Academy of Marketing Science, 22(1), 52-61. DOI : 10.1177/0092070394221005

상세보기
L. A. Crosby & N. Stephens. (1987). Effects of Relationship Marketing on Satisfaction, Retention and Prices in the Life Insurance Industry. Journal of Marketing Research, 24, 404-411. DOI : 10.1177/002224378702400408

상세보기
B. Smith. (1998). Buyer-Seller Relationships: Bonds, Relationship Management and Sex-type. Canadian Journal of Administrate Sciences, 15(1), 76-92. DOI : 10.1111/j.1936-4490.1998.tb00153.x
E. Garbarino & M. S. Johnson. (1999). The Different Roles of Satisfaction, Trust, and Commitment in Customer Relationships. Journal of Marketing, 63(2), 70-87. DOI : 10.1177/002224299906300205

상세보기
S. G. Weun. (1997). Service Failure and Service Recovery: Implications for Relationship Marketing (Doctoral dissertation). University of Alabama.
S. Ganesan. (1994). Determinants of Long-Term Orientation in Buyer-Seller Relationships. Journal of Marketing, 58(2), 1-19. DOI : 10.1177/002224299405800201

상세보기
E. Gummesson. (1996). Relationship Marketing and Imaginary Organizations: A Synthesis. European Journal of Marketing, 30(2), 31-44.

상세보기
L. A. Crosby, K. R. Evans & D. Cowles. (1990). Relationship Quality in Services Selling: An Interpersonal Influence Perspective. Journal of Marketing, 54(3), 68-81. DOI : 10.1177/002224299005400306

상세보기
R. L. Oliver. (1997). Satisfaction: A Behavioral Perspective on the Consumer. New York: The McGrawHill Companies.
J. C. Anderson & J. A. Narus. (1990). A Model of Distributor Firm and Manufacturer Firm Working Partnerships. Journal of Marketing, 54(1), 42-58. DOI : 10.1177/002224299005400103

상세보기
S. S. Tax, S. W. Brown & M. Chandrashekaran. (1998). Customer Evaluations of Service Complaint Experiences: Implications for Relationship Marketing. Journal of Marketing, 62(2), 60-76. DOI : 10.1177/002224299806200205

상세보기
R. Ladhari. (2007). The Effect of Consumption Emotions on Satisfaction and Word-of-Mouth Communications. Psychology & Marketing, 24(12), 1085-1108. DOI : 10.1002/mar.20195

상세보기
M. J. Bitner, B. H. Booms & L. A. Mohr. (1994). Critical Service Encounters: The Employee's Viewpoint. Journal of Marketing, 58(4), 95-106. DOI : 10.1177/002224299405800408

상세보기
R. M. Morgan, & S. D. Hunt. (1994). The Commitment-Trust, Theory of Relationship Marketing. Journal of Marketing, 58(3), 20-38. DOI : 10.1177/002224299405800302

상세보기
C. Fornell. (1992). A National Customer Satisfaction Barometer: The Swedish Experience. Journal of Marketing, 56(1), 6-21. DOI : 10.1177/002224299205600103

상세보기
D. M. Blei. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. DOI : 10.1145/2133806.2133826

상세보기
C. S. Wong & K. S. Law. (2002). The Effects of Leader and Follower Emotional Intelligence on Performance and Attitude: An Exploratory Study. The Leadership Quarterly, 13(3), 243-274. DOI : 10.1016/S1048-9843(02)00099-1

상세보기
J. C. Nunnally & I. H. Bernstein. (1994). Psychometric Theory (McGraw-Hill Series in Psychology) (Vol. 3). New York: McGraw-Hill.
J. C. Anderson & D. W. Gerbing. (1988). Structural Equation Modeling in Practice: A Review and Recommended Two-step Approach. Psychological Bulletin, 103(3), 411-423.

상세보기
L. Hu & P. M. Bentler. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure Analysis: Conventional Criteria versus New Alternatives. Structural Equation Modeling: A Multidiscipinary Journal, 6(1), 1-55. DOI : 10.1080/10705519909540118

상세보기
J. F. JR. Hair, W. C. Black, B. J. Babin & R. E. Anderson. (2014). Multivariate Data Analysis (7th ed.). Essex, UK: Pearson Education Limited.
H. J. Park & Q. Q. Chen. (2019). Factors Influencing the Use-diffusion of Smart Speakers. Journal of Digital Convergence, 17(8), 149-157. DOI : 10.14400/JDC.2019.17.8.149
X. T. Xiao & S. I. Kim. (2018). A Study on the User Experience of Smart Speaker in China - Focused on Tmall Genie and Mi AI Speaker. Journal of Digital Convergence, 16(10), 409-414. DOI : 10.14400/JDC.2018.16.10.409

원문보기 상세보기
G. E. Jo & S. I. Kim. (2018). A Study on User Experience of Artificial Intelligence Speaker. Journal of the Korea Convergence Society, 9(8), 127-133. DOI : 10.15207/JKCS.2018.9.8.127
B. J. Babin, W. R. Darden & L. A. Babin. (1998). Negative Emotions in Marketing Research: Affect or Artifact?. Journal of Business Research, 42(3), 271-85. DOI : 10.1016/S0148-2963(97)00124-0

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증