[논문]제품, 서비스, 융합제품서비스의 소비자 니즈 비교 분석 :아마존 온라인 리뷰를 중심으로

김성범

doi:10.5392/jkca.2020.20.07.316

[국내논문] 제품, 서비스, 융합제품서비스의 소비자 니즈 비교 분석 :아마존 온라인 리뷰를 중심으로
Comparative Analysis of Consumer Needs for Products, Service, and Integrated Product Service : Focusing on Amazon Online Reviews 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.7, 2020년, pp.316 - 330

초록
AI-Helper

이 연구는 텍스트 마이닝을 사용하여 하드웨어 제품에 대한 리뷰, 서비스 상품에 대한 리뷰, ICT분야의 하드웨어와 클라우드 서비스가 융합된 형태의 상품을 대상으로 소비자 리뷰를 분석한다. 분석을 위해 각 리뷰의 키워드를 도출하고 토픽 도출에 사용된 단어의 차별성을 찾는다. 마지막으로 전체 리뷰를 대상으로 군집분석을 실시하고 각각의 상품군의 리뷰가 어떤 군집에 속하는지를 검토한다. 이 연구를 통해서 각 상품의 유형별로 특화되어 사용된 핵심어를 도출하였고, 토픽모델링을 사용하여 제품과 서비스의 특성을 표현하는 주제를 도출하였다. 서비스 상품 리뷰에서는 공급자의 우수성을 의미하는 professional, technician과 같은 핵심어를 도출하였고, 융합제품서비스상품으로서 아마존 에코 리뷰에서는 favorite, fine, fun, nice, smart, unlimited, useful 등의 긍정적 의미의 형용사를 도출하였다. 군집분석을 사용하여 전체 리뷰를 분석하였고, 3개의 상품 유형별 리뷰가 배타적으로 서로 다른 각각의 군집에 속하는 결과를 발견하였다. 이 연구는 소비자의 니즈(needs)를 상품의 유형별로 온라인 리뷰를 이용하여 차이점을 분석하였고 실무적으로 상품 유형에 기반한 상품기획과 마케팅 프로모션 차별화의 필요성을 제시하였다.

Abstract ▼ AI-Helper

The study analyzes reviews of hardware products, customer service products, and products that take the form of a convergence of hardware and cloud services in ICT using text mining. We derive keywords of each review and find the differentiation of words that are used to derive topics. A cluster analysis is performed to categorize reviews into their respective clusters. Through this study, we observed which keywords are most often used for each product type and found topics that express the characteristics of products and services using topic modeling. We derived keywords such as "professional" and "technician" which are topics that suggest the excellence of the service provider in the review of service products. Further, we identified adjectives with positive connotations such as "favorite", "fine", "fun", "nice", "smart", "unlimited", and "useful" from Amazon Eco review, an integrated product and service. Using the cluster analysis, the entire review was clustered into three groups, and three product type reviews exclusively resulted in belonging to each different cluster. The study analyzed the differences whereby consumer needs are expressed differently in reviews depending on the type of product and suggested that it is necessary to differentiate product planning and marketing promotion according to the product type in practice.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이 연구를 진행하는 기본적인 접근 방법론은 텍스트로부터 (i) 각 리뷰의 키워드를 순위별로 도출하여 차별적인 단어의 존재를 탐구하고, (ii) 특정 제품군 리뷰에만 차별적으로 쓰여진 키워드를 도출하고, (iIi) 토픽을 도출하여 토픽 또는 토픽모델링에 사용된 단어의 차별성을 탐색한다. (iv) 또한 전체 리뷰를 대상으로 군집화했을 때 각각의 상품군 리뷰가 어떤 방식으로 군집화되는지를 검토한다. 이를 통해 상품의 유형별 리뷰의 차별성을 검증한다.
(iv) 해석까지 종합적이고 포괄적이라는 특징을 가지며 실무적으로는 텍스트 기반의 빅데이터를 분석할 때 제품의 유형별 리뷰 분 의 실무 지침을 제공하는 것을 목적으로 한다.
기존의 연구와 비교하여 이 연구의 차별화된 목적은 첫째, 분석의 대상을 제품(product), 서비스(service), ICT분야의 하드웨어 제품과 서비스가 융합된 상품으로 나누어 소비자의 리뷰 내용의 차이점을 비교 분석하는 점이다. 특별히 ICT분야의 하드웨어 제품과 서비스가 융합된 상품인 경우 이 상품에 대한 소비자 리뷰의 특성 분석은 미래에 출현하는 많은 ICT 제품서비스융합 상품의 기획과 개발, 마케팅을 위해 필수적인 작업이다.
융합제품서비스상품을 선정하기 위하여. 기업의 상품 기획 경력자 5명의 전문가 인터뷰를 통하여 의견을 수집하였다.
이 경우에는 필수적으로 텍스트의 정량화를 통한 소비자 니즈 탐구가 필요하다. 이 연구는 각 상품의 형태별로, 특별히 서비스가 융합된 상품을 포함하여 각 상품에 대한 소비자의 니즈가 어떤 텍스트로 표현되는지 분석함으로써 텍스트 기반의 제품 니즈 연구의 기초적인 자료를 제공할 수 있다.
데이터로서의 텍스트는 무엇을 대상으로 하고 있는지, 작성된 시점이 언제 인지에 따라서 다양한 해석이 가능하다. 이 연구에서는 하드웨어 제품, 서비스, ICT분야의 하드웨어와 서비스의 결합 상품의 형태에 따라서 소비자 리뷰의 모습을 정량적으로 분석하였다. 이를 통해서 빅데이터 분석 시에 어떤 기준을 가지고 평가하고 해석할 것인지에 대한 평가와 해석의 원형(prototype)을 제시하였다.

가설 설정

각 문서에 어떤 토픽이 존재하는지 확률적으로 추론한다. 사전확률로서 문서의 주제분포와 주제의 단어분포가 존재하며 이 두 분포 모두 디리클레 분포를 따르는 것으로 가정한다. 즉 LDA는 디리클레 분포를 사용하는 토픽모델링 방법의 하나이다[49].

제안 방법

총 24,898의 리뷰를 동일한 수의 문서(documents)로 인식하여 비지도학습의 하나인 이분화(bisecting) K-means의 방법으로 군집화를 실시하였다. 동시 출현의 최소값은 2로 하였고 클러스터의 최대 상한은 10개를 넘지 않도록 모델링 하였다. 군집을 이루게 한 잠재요인 (latent factor)은 2개로 도출되었으며 2개의 잠재요인에 의해 3개의 군집이 형성되었다.
3단계는 데이터 전처리의 단계이다. 엑셀이나 csv파일로 추출된 텍스트는 작성일자, 작성자(author), 본문(body text)으로 구분하고 해석이 불가능한 기호나 무의미한 이모티콘을 제거하고 불용어(stopwords)를 사용하여 텍스트를 정제하는 작업을 수행하였다. 4단계는 키워드를 도출하는 단계이다.
이 연구는 텍스트 마이닝(Text mining)을 사용한 내용분석(Content Analysis)를 통해서 세 가지 상품 유형의 소비자 리뷰를 분석한다. 첫째는 하드웨어 형태의 제품에 대한 리뷰이고, 둘째는 물건의 형태가 아닌 사람의 용역을 대상으로 하는 서비스 상품에 대한 리뷰이며, 셋째는 ICT분야의 하드웨어 형태와 클라우드 서비스가 융합된 형태의 상품의 리뷰이다.
이 방법론은 복잡한 확률식을 추정해야 하는데, 이 연구에서는 깁스샘플링기법(Gibbs Sampling Method)을 사용하여 은닉된 잠재변인을 추론한다[50]. 이 연구에서는 깁스샘플링방법을 사용하고, 반복 1000회, 주요 파라미터인 알파는 0.01을 기준으로 LDA를 실행하여 분석한다. 토픽모델링은 대량 문서에서 주제를 도출하는 방법론으로서 이 연구에서 리뷰 유형별 차이를 분석하는데 사용한다.
특히 세 번째 유형인 ICT 제품 서비스 융합 형태의 경우 이 연구에서는 아마존 에코를 대상으로 하였지만 이런 형태를 ICT분야의 제품서비스융합상품이라고 말하기에는 아직 연구자의 일치된 의견이 존재하지 않는다. 이 연구에서는 실무자들이 지적하는, 시사점이 가장 필요한 유형을 선정의 첫 번째 기준으로 채택하였고, ICT분야로 한정하여 하드웨어 서비스융합 상품을 선택하였을 뿐이다. 두 번째의 한계는 이 연구의 데이터 전처리의 문제에서 비롯된다.
이 연구의 연구 질문에서 제기된 각각 제품유형별 리뷰의 차이점을 도출하기 위해 추가적으로 각각의 유형 리뷰에 사용된 차별화된 형용사와 동사를 토픽모델링을 구성하는 단어를 대상으로 추가적인 분석을 시행하였다. 세 유형의 상품별로 완전히 배타적으로 1개의 상품유형에서만 출현하는 단어와 두 분야에서 동시에 출현하는 단어, 세 분야에서 동시에 출현하는 단어를 정리하면 [표 5]와 같이 차별적 사용예를 보여준다.
(iv) 또한 전체 리뷰를 대상으로 군집화했을 때 각각의 상품군 리뷰가 어떤 방식으로 군집화되는지를 검토한다. 이를 통해 상품의 유형별 리뷰의 차별성을 검증한다.
이 연구에서는 하드웨어 제품, 서비스, ICT분야의 하드웨어와 서비스의 결합 상품의 형태에 따라서 소비자 리뷰의 모습을 정량적으로 분석하였다. 이를 통해서 빅데이터 분석 시에 어떤 기준을 가지고 평가하고 해석할 것인지에 대한 평가와 해석의 원형(prototype)을 제시하였다. 빅데이터의 대상이 되는 소비자 리뷰는 각종 리뷰 사이트, 블로그를 포함한 다양한 SNS(facebook, twitter, instagram 등)로부터 수집될 것이며 후학들은 다양한 대상별 (SNS의 종류)로 차이 나는 언어의 표현을 분석하여 정리한다면 매체별로 특화된 다양한 시사점을 도출할 수 있을 것이다.
총 24,898의 리뷰를 동일한 수의 문서(documents)로 인식하여 비지도학습의 하나인 이분화(bisecting) K-means의 방법으로 군집화를 실시하였다. 동시 출현의 최소값은 2로 하였고 클러스터의 최대 상한은 10개를 넘지 않도록 모델링 하였다.
전자의 경우 인터뷰의 산출물은 텍스트 스크립트(script)가 되며 이것을 정성적으로 분석하여 소비자의 니즈를 제품에 반영한다. 텍스트마이닝을 통한 소비자 니즈의 발굴은 정성 분석을 통해 소비자의 니즈를 발굴하던 기존의 연구에 정량화를 통한 정교한 발굴의 방법론을 제시한다. 또한, 웹이나 앱에서 소비자의 텍스트로 표현된 니즈는 그 양의 반대함으로 인하여 정성적 분석으로 접근하는 것이 불가능하다.
LDA와 깁스샘플링을 사용하여 분석되었다. 토픽의 수인 K의 수를 변화하면서 분석을 진행하였고 비교적 토픽이 중복되는 경우가 많아서 적은 수의 토픽으로 결정하였다(k=10). 토픽모델링 결과는 세 유형 모두 상품의 종류 또는 서비스의 특징별로 토픽이 도출되는 특징을 보였다.
아이폰을 대상으로 아이폰의 기능(feature), 제품 자체, 아이폰에 관한 서비스를 연구자가 정립한 원칙(rule base)에 근거하여 구분한 후 제품등급(product rating)과 서비스등급(service rating)으로 분류한 연구[12]와, 아마존에서 판매하는 디지털 카메라와 캠코더를 대상으로 총 50개 이상의 제품과 15개월간의 자료를 기반으로 패널 데이터 세트를 구성하여 텍스트 마이닝과 소비자선택이론을 융합한 연구가 주목할 만하다. 특히 이 연구는 리뷰에서 등장하는 기능 관련 단어에 점수를 매기는 방법을 사용하여 다양한 제품의 기능에 대한 선호를 보여 주는 계량 모델을 구성하였다. 계량 모델을 구성한 후 판매순위와의 관계를 탐구하였다는 점에서 실무적으로 많은 시사점을 준다[8].
파이썬을 사용하여 크롤러를 개발하여 사용하였다. 파이썬에서 제공하는 urllib, requests, beautiful soup 모듈을 사용하여 크롤러를 제작하였다. 3단계는 데이터 전처리의 단계이다.
2단계는 텍스트를 추출하는 단계이다. 파이썬을 사용하여 크롤러를 개발하여 사용하였다. 파이썬에서 제공하는 urllib, requests, beautiful soup 모듈을 사용하여 크롤러를 제작하였다.

대상 데이터

모델링은 T-lab plus에 내장된 기능을 사용하였다. LDA와 깁스샘플링을 사용하여 분석되었다. 토픽의 수인 K의 수를 변화하면서 분석을 진행하였고 비교적 토픽이 중복되는 경우가 많아서 적은 수의 토픽으로 결정하였다(k=10).
차이점에 기인하는 연구상의 오류 발생을 통제할 필요가 있으므로 이 연구에서는 연구문제에서 제기한 세 가지 유형의 상품군을 모두 포함하고 있는 아마존(Amazon)을 분석대상으로 하였다. 각 각의 상품 유형별로 리뷰수를 비슷하게 구성하여 각각 15,000개씩 총 4만 5천개의 리뷰를 수집한 후 리뷰의 단어 수가 일정 이하인 리뷰를 제외하고 총 24,899개를 분석대상으로 선정하였다.
융합제품서비스상품을 선정하기 위하여. 기업의 상품 기획 경력자 5명의 전문가 인터뷰를 통하여 의견을 수집하였다. 전문가들은 첫째, PSS의 개념인 제품과 서비스의 연결 고리로서 ICT기술 분야에서 제품 서비스융합상품을 선택해야 한다는 의견을 개진하였고[29], 주된 이유로 ICT 분야는 단말기, 네트워크, 콘텐츠로 구성된 제품과 융합된 서비스를 찾을 수 있는 최적의 산업이라는 주장이 설득력 있게 제시되었다.
온라인 상거래(commerce) 사이트 중에서 소비자의 리뷰를 제공하는 웹사이트를 선정한다. 대상이 되는 웹사이트는 제품(Hardware Product), 서비스(service), 융합제품서비스상품의 리뷰를 포함하는 사이트를 의미한다. 제품과 서비스, 제품서비스융합상품의 대상을 설정할 때 전문가 인터뷰와 기존의 선행연구를 참조하여 최적의 대상을 설정한다.
분석대상이 된 사이트는 영어로 구성되었으며 이 연구는 기본적으로 제품과 서비스에 대한 영어로 쓰인 소비자의 리뷰를 대상으로 한다.
분석의 대상으로서 제품서비스융합상품은 단일제품이지만 하드웨어 제품과 서비스는 복수의 제품으로 구성되었으며 리뷰수가 많은 순서로 선정되었다.
이때의 대상은 온라인 상거래(commerce)사이트와 분석의 대상이 되는 상품을 의미한다. 온라인 상거래(commerce) 사이트 중에서 소비자의 리뷰를 제공하는 웹사이트를 선정한다. 대상이 되는 웹사이트는 제품(Hardware Product), 서비스(service), 융합제품서비스상품의 리뷰를 포함하는 사이트를 의미한다.
이 연구는 연구문제의 해결을 기준으로 자료 수집부터 분석까지 총 6단계의 프로세스를 구상하였다. 1단계에서는 분석의 대상을 설정한다.
이 연구는 최종적으로 하드웨어 제품과 서비스, 하드웨어와 서비스가 결합된 상품에 대한 리뷰 분석을 대상으로 한다. 분석의 대상으로서 제품서비스융합상품은 단일제품이지만 하드웨어 제품과 서비스는 복수의 제품으로 구성되었으며 리뷰수가 많은 순서로 선정되었다.
제품과 서비스, 제품서비스융합상품의 대상을 설정할 때 전문가 인터뷰와 기존의 선행연구를 참조하여 최적의 대상을 설정한다. 이 연구에서는 전문가 인터뷰를 통해서 ICT 분야의 융합상품으로 아마존 에코를 대상으로 하였다. 2단계는 텍스트를 추출하는 단계이다.
이 연구에서는 클라우드(cloud) 서비스를 소비자가 단말기를 사용하여 이용하는 대표적인 상품으로 아마존 에코를 선정하였다. 융합제품서비스 상품을 하드웨어 제품 유형, 서비스 유형과 같이 복수의 상품을 구성할 것인지, 단일제품으로 접근할 것인지의 논쟁의 여지가 있을 수 있다.
각 사이트는 구조와 목표 등이 다르고 사이트의 특성으로 인한 차이점이 있다. 차이점에 기인하는 연구상의 오류 발생을 통제할 필요가 있으므로 이 연구에서는 연구문제에서 제기한 세 가지 유형의 상품군을 모두 포함하고 있는 아마존(Amazon)을 분석대상으로 하였다. 각 각의 상품 유형별로 리뷰수를 비슷하게 구성하여 각각 15,000개씩 총 4만 5천개의 리뷰를 수집한 후 리뷰의 단어 수가 일정 이하인 리뷰를 제외하고 총 24,899개를 분석대상으로 선정하였다.
소비자 리뷰에 관한 기존의 연구는 몇 가지 기준을 사용하여 분류할 수 있다. 첫째, 판매 제품 또는 서비스 상품의 종류를 기준으로 분류할 수 있으며, 여행, 호텔, 레스토랑, 영화, 아마존에서 판매하는 상품 리뷰를 주된 연구의 대상으로 한다. 둘째, 리뷰가 발생하는 온라인 사이트의 성격을 기준으로 분류할 수 있으며 amazon [4][10-12][30][31], Airbnb[32] 등의 직접 판매와 예약이 이루어지는 곳의 리뷰, trip advisor[14][33][34], yelp[35] 와 같이 리뷰를 전문적으로 수집하는 사이트, Twitter[36][37], blog[38] 등의 SNS 매체에서의 소비자 리뷰 등으로 구분할 수 있다.
카테고리별로 유형1은 8,311개, 유형2는 8,128개, 유형3은 8,459개로 비슷한 리뷰 개수를 설정하였다. 리뷰 개수는 유사한 크기로 설계하였지만 각 유형별 사용된 단어의 수는 차이를 보인다.

이론/모형

핵심어 도출은 일반적으로 빈도수를 기준으로 선정할 수 있으나 이 연구에서는 TF-IDF를 이용하여 키워드를 선정하였다(R and T-LAB plus사용). 5단계는 주제를 도출하는 단계로 R과 T-LAB plus를 사용하여 토픽모델링(Topic modeling) 기법 중의 하나인 LDA를 사용하였다. 6단계는 군집분석의 단계이다.
즉 LDA는 디리클레 분포를 사용하는 토픽모델링 방법의 하나이다[49]. 이 방법론은 복잡한 확률식을 추정해야 하는데, 이 연구에서는 깁스샘플링기법(Gibbs Sampling Method)을 사용하여 은닉된 잠재변인을 추론한다[50]. 이 연구에서는 깁스샘플링방법을 사용하고, 반복 1000회, 주요 파라미터인 알파는 0.
6단계는 군집분석의 단계이다. 텍스트 마이닝 프로그램의 하나인 T-LAB plus를 사용하였고, 군집분석 방법론은 이분화(Bisect) K-means 방법론을 사용하였다.
4단계는 키워드를 도출하는 단계이다. 핵심어 도출은 일반적으로 빈도수를 기준으로 선정할 수 있으나 이 연구에서는 TF-IDF를 이용하여 키워드를 선정하였다(R and T-LAB plus사용). 5단계는 주제를 도출하는 단계로 R과 T-LAB plus를 사용하여 토픽모델링(Topic modeling) 기법 중의 하나인 LDA를 사용하였다.

성능/효과

이와 같은 차이점은 텍스트로 작성된 리뷰를 상품을 기획하거나 개선할 때 또는 마케팅 방향성을 설정할 때 실무자들이 고려해야 할 필수적인 사항이라는 점이다. TF-IDF를 통해서 도출한 핵심어를 살펴보면 서비스 분야에서 하드웨어 제품 리뷰와 비교하여 차별적으로 사용된 단어들이 나타났다. professional, technician, recommend 와 같은 단어들은 서비스 상품의 리뷰에서만 등장했다.
전문가들은 첫째, PSS의 개념인 제품과 서비스의 연결 고리로서 ICT기술 분야에서 제품 서비스융합상품을 선택해야 한다는 의견을 개진하였고[29], 주된 이유로 ICT 분야는 단말기, 네트워크, 콘텐츠로 구성된 제품과 융합된 서비스를 찾을 수 있는 최적의 산업이라는 주장이 설득력 있게 제시되었다. 둘째, ICT서비스의 대표적인 예로서 클라우드 서비스 사용이 분석의 대상이 되어야 한다는 의견이 개진되었으며 서비스를 구현하기 위해서 필수적으로 단말기가 필수적인 제품으로 구성되어야 한다는 점을 피력하였다.
제품서비스융합의 개념이 단일하게 정의되기 전 단계임을 고려할 때 복수의 상품을 분석할 경우 이질성을 통제하기 어려울 수 있다. 따라서 1차적인 탐색 연구의 의미가 강한 이번 연구에서는 ICT 분야 의 단일제품으로 접근하는 것이 개념화에 적절할 것으로 판단하였다. 아마존 에코(Amazon echo)는 단말기(device)를 구입한 후 인터넷에 연결하여 클라우드 서비스를 이용하는 하드웨어 단말기와 서비스가 복합된 상품이다.
마지막으로 군집분석을 통해서 전체 리뷰가 3개의 집단으로 군집화되었으며 3개의 상품유형별 리뷰가 비교적 서로 다른 각각의 군집에 속하는 결과를 보였다. 특히 서비스 상품에 대한 리뷰는 그 댓글이 군집2에 대부분 속함으로써 다른 리뷰에 비교하여 구별되는 차별성을 가진다고 평가할 수 있다.
토픽모델링을 통해서 도출한 토픽들은 제품과 서비스의 특성을 의미하는 주제들로 구성되었다. 서비스 상품의 리뷰에서 도출된 공급자, 숙련공, 고객, 시간, 서비스를 공급하는 사람의 우수성을 의미하는 토픽으로서 professional, technician와 같은 핵심어가 도출되었다. 이와 같은 토픽은 특별히 하드웨어 상품의 리뷰와 차별성을 보인다.
아마존 에코로 분석한 세 번째 유형은 아마존 에코의 상품이 보유하는 특성으로 app, 질문과 응답, 아침, 와이파이, 방, 오디오, 선물, 음악, 스피커 등의 토픽이 도출되었다.
서비스 상품의 경우 동사 중에서는 expect, exceed, explain, perform, repair, estimate가 사람에 의한 서비스의 성격을 묘사하고 있으며, 형용사 중에는 사람에 의한 서비스의 능력치와 전문성, 태도를 보여주는 단어로써 competent, efficient, friendly, courteous, knowledgeable, neat, outstanding, polite, professional, super, timely, young이 특징적인 단어로 도출되었다. 아마존 에코에 해당하는 3유형에서는 사용하는 장면묘사를 중심으로 command, listen, respond와 같은 동사가 도출되었고, ICT융합분야의 새로운 서비스로서 difficult의 부정적 의미의 단어도 보이지만, favorite, fine, fun, nice, smart, unlimited, useful등의 긍정적 의미의 형용사가 많이 도출되었다.
토픽의 수인 K의 수를 변화하면서 분석을 진행하였고 비교적 토픽이 중복되는 경우가 많아서 적은 수의 토픽으로 결정하였다(k=10). 토픽모델링 결과는 세 유형 모두 상품의 종류 또는 서비스의 특징별로 토픽이 도출되는 특징을 보였다. 하드웨어 제품의 경우 요리, 부엌의 팬, 헤드폰, 방의 온도, 조명, 세탁기 관련된 제품별로 토픽이 도출되었으며 제품의 종류와 관계없이 추천, 가족, 고객서비스에 관련된 토픽이 도출되었다.
토픽모델링 결과는 세 유형 모두 상품의 종류 또는 서비스의 특징별로 토픽이 도출되는 특징을 보였다. 하드웨어 제품의 경우 요리, 부엌의 팬, 헤드폰, 방의 온도, 조명, 세탁기 관련된 제품별로 토픽이 도출되었으며 제품의 종류와 관계없이 추천, 가족, 고객서비스에 관련된 토픽이 도출되었다.

후속연구

이 연구의 결과는 경영학의 서비스 마케팅 분야에서 하드웨어 제품과 구별되는 서비스 사용자의 니즈 탐구에 차별적인 접근방법을 제공할 것이다. 또한, 비즈니스 모델을 연구하는 분야에서 융합제품서비스의 비즈니스 모델 설계와 분석을 위해 사용될 수 있을 것이다.
그러나 연구자가 이러한 자료를 획득해서 연구 성과로 창출하기까지는 많은 어려움이 존재한다. 만약 리뷰를 작성한 시점과 어떠한 컨텍스트(context) 상황 인지가 표현된 데이터 확보가 가능하다면 연구의 정확성과 실효성을 확보하는 중요한 계기가 될 것이다.
이를 통해서 빅데이터 분석 시에 어떤 기준을 가지고 평가하고 해석할 것인지에 대한 평가와 해석의 원형(prototype)을 제시하였다. 빅데이터의 대상이 되는 소비자 리뷰는 각종 리뷰 사이트, 블로그를 포함한 다양한 SNS(facebook, twitter, instagram 등)로부터 수집될 것이며 후학들은 다양한 대상별 (SNS의 종류)로 차이 나는 언어의 표현을 분석하여 정리한다면 매체별로 특화된 다양한 시사점을 도출할 수 있을 것이다. 제품의 형태와 기간별 표현의 차이, 특별히 리뷰를 작성하는 소비자의 컨텍스트(context)가 반영된다면 좀 더 정확하고 정교한 소비자 니즈의 예측이 가능할 것이다.
최근에는 이러한 기호에 해당하는 단어들의 의미를 밝히는 노력이 시도되고 있으나 우리의 연구에서는 이러한 부분은 적용되지 못하였다. 세 번째의 한계는 이 연구의 연구 질문을 다양한 텍스트 마이닝 방법론과 정성적 해석으로 탐구하려고 하였으나 가설검정 수준으로 통계적 유의성으로 증명하는 수준은 아니라는 점이다.
이 연구의 결과는 경영학의 서비스 마케팅 분야에서 하드웨어 제품과 구별되는 서비스 사용자의 니즈 탐구에 차별적인 접근방법을 제공할 것이다. 또한, 비즈니스 모델을 연구하는 분야에서 융합제품서비스의 비즈니스 모델 설계와 분석을 위해 사용될 수 있을 것이다.
빅데이터의 대상이 되는 소비자 리뷰는 각종 리뷰 사이트, 블로그를 포함한 다양한 SNS(facebook, twitter, instagram 등)로부터 수집될 것이며 후학들은 다양한 대상별 (SNS의 종류)로 차이 나는 언어의 표현을 분석하여 정리한다면 매체별로 특화된 다양한 시사점을 도출할 수 있을 것이다. 제품의 형태와 기간별 표현의 차이, 특별히 리뷰를 작성하는 소비자의 컨텍스트(context)가 반영된다면 좀 더 정확하고 정교한 소비자 니즈의 예측이 가능할 것이다. 최근의 소비자행동에 관현 연구는 소비전, 소비중, 소비후로 이어지는 시간적 흐름을 중시하고 있다.

참고문헌 (51)

Y. Chen and J. Xie, "Online consumer review: Word-of-mouth as a new element of marketing communication mix," Management science, Vol.54, No.3, pp.477-491, 2008.

상세보기
Y. Chen, S. Fay, and Q. Wang, "The role of marketing in social media: How online consumer reviews evolve," Journal of interactive marketing, Vol.25, No.2, pp.85-94, 2011.

상세보기
R. Filieri and F. McLeay, "E-WOM and Accommodation: An Analysis of the Factors That Influence Travelers' Adoption of Information from Online Reviews," Journal of Travel Research, Vol.53, No.1, pp.44-57, 2014.

상세보기
E. I. Elmurngi and A. Gherbi, "Unfair reviews detection on Amazon reviews using sentiment analysis with supervised learning techniques," Journal of Computer Science, Vol.14, No.5, pp.714-726, 2018.

상세보기
N. Jindal and B. Liu, Identifying comparative sentences in text documents. in Proceedings of the Twenty-Ninth Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. August, pp.244-251, 2006.
R. Y. Lau, S. Y. Liao, R. C. Kwok, W. Xu, K. Y. Xia, and Y. Li, "Text mining and probabilistic language modeling for online review spam detection," ACM Transactions on Management Information Systems, Vol.2, No.4, pp.1-30, 2011.

상세보기
C. L. Lai, K. Q. Xu, R. Y. Lau, Y. Li, and D. Song, High-order concept associations mining and inferential language modeling for online review spam detection. in Proceedings - IEEE International Conference on Data Mining, ICDM. 2010.
A. Nikolay, G. Anindya, and G. I. Panagiotis, "Deriving the pricing power of product features by mining consumer reviews," Management Science, Vol.57, No.8, pp.1485-1509, 2011.

상세보기
N. Archak, A. Ghose, and P. G. Ipeirotis, Show me the money!: Deriving the pricing power of product features by mining consumer reviews, in Proceedings of the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.59-65, 2007.
류송희, 김용희, 김응모, "Amazon영화 리뷰를 활용한 감성분석 및 영화추천기법에 관한 연구," 한국정보과학회 학술발표논문집, 2016년 6월, pp.1834-1836, 2016.
E. Sygkounas, G. Rizzo, and R. Troncy, "Sentiment polarity detection from Amazon reviews: An experimental study, In Semantic Web Evaluation Challenge," Springer, Cham. pp.108-120, 2016.
A. Bhatt, A. Patel, H. Chheda, and K. Gawande, "Amazon review classification and sentiment analysis," International Journal of Computer Science and Information Technologies, Vol.6, No.6, pp.5107-5110, 2015.
M. Lee, M. Jeong, and J. Lee, "Roles of negative emotions in customers' perceived helpfulness of hotel reviews on a user-generated review website: A text mining approach," International Journal of Contemporary Hospitality Management, Vol.29, No.2, pp.762-783, 2017.

상세보기
A. Ganzaroli, I. De Noni, and P. van Baalen, "Vicious advice: Analyzing the impact of TripAdvisor on the quality of restaurants as part of the cultural heritage of Venice," Tourism Management, Vol.61, pp.501-510, 2017.

상세보기
R. G. Wyckham, P. T. Fitzroy, and G. D. Mandry, "Marketing of services an evaluation of the theory," European Journal of Marketing, Vol.9, No.1, pp.59-67, 1975.

상세보기
S. L. Vargo and R. F. Lusch, "The four service marketing myths: remnants of a goods-based, manufacturing model," Journal of service research, Vol.6, No.4, pp.324-335, 2004.

상세보기
P. J. Danaher, "Customer heterogeneity in service management," Journal of Service Research, Vol.1, No.2, pp.129-139, 1998.

상세보기
M. Abernethy Avery, "Promoting customer contact people: a key difference in service and product advertising," Journal of Services Marketing, Vol.7, No.1, pp.4-12, 1993.

상세보기
A. Hidalgo and L. D'Alvano, "Service innovation: Inward and outward related activities and cooperation mode," Journal of Business Research, Vol.67, No.5, pp.698-703, 2014.

상세보기
E. J. Nijssen, B. Hillebrand, P. A. Vermeulen, and R. G. Kemp, "Exploring product and service innovation similarities and differences," International Journal of Research in Marketing, Vol.23, No.3, pp.241-251, 2006.

상세보기
S. Goto, "Technology epiphany and an integrated product and service," Journal of Technology Management and Innovation, Vol.12, No.2, pp.34-44, 2017.

상세보기
J. Z. Raja, D. Bourne, K. Goffin, M. Cakkol, and V. Martinez, "Achieving customer satisfaction through integrated products and services: An exploratory study," Journal of Product Innovation Management, Vol.30, No.6, pp.1128-1144, 2013.

상세보기
F. H. Beuren, M. G. Gomes Ferreira, and P. A. Cauchick Miguel, "Product-service systems: A literature review on integrated products and services," Journal of Cleaner Production, Vol.47, pp.222-231, 2013.

상세보기
M. J. Goedkoop, C. J. Van Halen, H. R. Te Riele, and P. J. Rommens, "Product service systems, ecological and economic basics," Report for Dutch Ministries of environment (VROM) and economic affairs (EZ), Vol.36, No.1, pp.1-122, 1999.
A. Annarelli, C. Battistella, and F. Nonino, "Product service system: A conceptual framework from a systematic review," Journal of Cleaner Production, Vol.139, pp.1011-1032, 2016.

상세보기
M. J. Goedkoop, C. J. Van Halen, H. R. Te Riele, and P. J. Rommens, "State-of-the-art in product-service systems. Proceedings of the Institution of Mechanical Engineers," Part B: Journal of Engineering Manufacture, Vol.221, No.10, pp.1543-1552, 2007.

상세보기
G. Vasantha, R. Roy, and J. Corney, "Challenges and opportunities in transforming laser system industry to deliver integrated product and service offers," In Working conference on Virtual Enterprises, 2014 October, pp.127-134, 2014.
Y. Suh and J. Jeon, "Do integrated products and services increase customer satisfaction? The case of the mobile industry in Korea," Total Quality Management and Business Excellence, Vol.27, No.11, pp.1261-1276, 2016.

상세보기
A. Lelah and D. Brissaud, "Clarifying frontiers of PSS and information and communication technologies, in The Philosopher's Stone for Sustainability," Springer, pp.441-446, 2013.
S. O. Orimaye, S. M. Alhashmi, and E. G. Siew, "Buy it - Don't buy it: Sentiment classification on amazon reviews using sentence polarity shift," In Pacific Rim International Conference on Artificial Intelligence, 2012 September, pp.386-399, 2012.
A. Shafaee, H. Issa, S. Agne, S. Baumann, and A. Dengel, "Aspect-based sentiment analysis of amazon reviews for fitness tracking devices," In Pacific-Asia Conference on Knowledge Discovery and Data Mining, 2014 May, pp.50-61, 2014.
J. Zhang, "What's yours is mine: exploring customer voice on Airbnb using text-mining approaches," Journal of Consumer Marketing, Vol.36, No.5, pp.655-665, 2019.

상세보기
S. Okazaki, L. Andreu, and S. Campo, "Knowledge Sharing Among Tourists via Social Media: A Comparison Between Facebook and TripAdvisor," International Journal of Tourism Research, Vol.19, No.1, pp.107-119, 2017.

상세보기
L. Garay Tamajon and G. Canoves Valiente, "Barcelona seen through the eyes of TripAdvisor: actors, typologies and components of destination image in social media platforms," Current Issues in Tourism, Vol.20, No.1, pp.33-37, 2017.

상세보기
L. Yao, "Mining helpfulness products reviews for C2C E-commerce," International Journal of Advancements in Computing Technology, Vol.4, No.14, pp.123-132, 2012.
Kim and K. Yun, "Sentiment Analysis on Monthly House Rent on Twitter," Journal of the Korean Cadastre Information Association, Vol.19, No.1, pp.37-55, 2017.
M. D. Sotiriadis and C. van Zyl, "Electronic word-of-mouth and online reviews in tourism services: The use of twitter by tourists," Electronic Commerce Research, Vol.13, No.1, pp.103-124, 2013.

상세보기
V. P. Magnini, J. C. Crotts, and A. Zehrer, "Understanding Customer Delight," Journal of Travel Research, Vol.50, No.5, pp.535-545, 2011.

상세보기
Q. Gan, B. H. Ferms, Y. Yu, and L. Jin, "A Text Mining and Multidimensional Sentiment Analysis of Online Restaurant Reviews," Journal of Quality Assurance in Hospitality and Tourism, Vol.18, No.4, pp.465-492, 2017.

상세보기
Q. Gan and Y. Yu, "Restaurant rating: Industrial standard and word-of-mouth - A text mining and multi-dimensional sentiment analysis," In 2015 48th Hawaii International Conference on System Sciences, pp.1332-1340, 2015.
C. P. Wei, Y. M. Chen, C. S. Yang, and C. C. Yang, "Understanding what concerns consumers: A semantic approach to product feature extraction from consumer reviews," Information Systems and e-Business Management, Vol.8, No.2, pp.149-167, 2010.

상세보기
A. Ghose and P. G. Ipeirotis, "Designing novel review ranking systems: Predicting the usefulness and impact of reviews," In Proceedings of the ninth international conference on Electronic commerce, pp.303-310, 2007.
W. Duan, Q. Cao, and Q. Gan, "Investigating determinants of voting for the 'helpfulness' of online consumer reviews: A text mining approach," in 16th Americas Conference on Information Systems, AMCIS, p.497, 2010.
J. Li, G. S. Wu, J. Y. Qi, and Y. Su, A product review score prediction model based on neural network. in Information, Computer and Application Engineering - Proceedings of the International Conference on Information Technology and Computer Application Engineering, ITCAE 2014. 2015.
G. Salton and C. Buckley, "Term-weighting approaches in automatic text retrieval," Information Processing & Management, Vol.24, No.5, pp.513-523, 1988.

상세보기
X. Yu, M. Li, K. A. Kim, L. Chung, and K. H. Ryu, "Emerging Pattern-Based Clustering of Web Users Utilizing a Simple Page-Linked Graph," Sustainability, Vol.8, No.3, p.239, 2016.

상세보기
H. M. Wallach, Topic modeling: beyond bag-of-words. in Proceedings of the 23rd international conference on Machine learning, 2006. ACM.
D. M. Blei, A. Y. Ng, and M. I. Jordan, "Latent dirichlet allocation," Journal of machine Learning research, Vol.3, No.Jan, pp.993-1022, 2003.
M. Hoffman, F. R. Bach, and D. M. Blei, "Online learning for latent dirichlet allocation," in advances in neural information processing systems, 2010.
I. Porteous, et al. "Fast collapsed gibbs sampling for latent dirichlet allocation," in Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining, pp.567-577, 2008. ACM.
S. M. Savaresi and D. L. Boley, "On the performance of bisecting K-means and PDDP," in Proceedings of the 2001 SIAM International Conference on Data Mining, pp.1-14, 2001.

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