$\require{mediawiki-texvc}$

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.

RFE-SHAP을 활용한 온라인 리뷰를 통한 고객 만족도 예측
Prediction of Customer Satisfaction Using RFE-SHAP Feature Selection Method 원문보기

지능정보연구 = Journal of intelligence and information systems, v.29 no.4, 2023년, pp.325 - 345  

체르냐예바 올가 (부산대학교 경영학부) ,  홍태호 (부산대학교 경영학부)

초록
AI-Helper 아이콘AI-Helper

본 연구는 온라인 리뷰를 이용하여 고객 만족도를 예측하는 새로운 접근 방식을 제안한다. LDA 주제 모델링과 결합된 RFE-SHAP 기능 선택 방법을 활용하여 고객 만족도에 큰 영향을 미치는 주요 기능을 식별하여 예측 분석을 개선했다. 먼저 Random Forest 알고리즘의 경우, 초기 28개 입력변수에서 14개의 변수를 최적 하위 집합으로 추출했다. 제안된 방법에서 Random Forest 모델의 성과는 84%로 확인 되었으며 변수가 많은 모델에서 흔히 발생하는 과적합을 방지하였다. 또한 품질, 착용감, 내구성 등과 같은 리뷰의 특정 요소들이 패션 산업 내에서 소비자 만족도를 증진시키는 중요한 역할을 한다는 사실을 밝혀냈다. 본 연구는 예측 결과를 설명할 때 선택한 각 기능이 고객 만족도에 어떻게 영향을 미치는지에 대한 자세한 설명을 제공하고 고객이 가장 중요하게 생각하는 측면에 대한 세부적인 보기를 제공한다. 본 연구의 공헌도는 다음과 같다. 첫째, 전자상거래 분석 분야 내에서 예측 모델링을 강화하고 특성 중심적인 접근법을 소개함으로써 방법론을 개선하였다. 이는 고객 만족도 예측의 정확도를 높일 뿐만 아니라 예측 모델에서의 변수 선택에 대한 새로운 접근을 제시한다. 둘째, 특히 의류 부문에서 전자상거래 플랫폼에 구체적인 통찰력을 제공한다. 품질, 사이즈, 내구성 등 고객 리뷰의 어떤 부분이 만족도에 가장 큰 영향을 미치는지 강조함으로써, 기업들이 제품과 서비스를 맞춤화 할 수 있는 전략적 방향을 제시한다. 이러한 목표 지향적인 개선은 고객의 쇼핑 경험을 개선하고, 만족도를 향상시키면서 충성도를 이끌어낼 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In the rapidly evolving domain of e-commerce, our study presents a cohesive approach to enhance customer satisfaction prediction from online reviews, aligning methodological innovation with practical insights. We integrate the RFE-SHAP feature selection with LDA topic modeling to streamline predicti...

주제어

#고객 만족   #특성 선택   #온라인 리뷰   #토픽 모델링  

참고문헌 (42)

  1. Aakash, A., & Gupta Aggarwal, A. (2022). Assessment？of hotel performance and guest satisfaction？through eWOM: big data for better insights.？International Journal of Hospitality & Tourism？Administration, 23(2), 317-346. 

    상세보기

  2. Alzahrani, S., Wang, Q., & Rana, O. (2022). Latent？Dirichlet Allocation for Customer Satisfaction？Analysis in Online Reviews. Journal of E-Commerce？Research, 16(2), 145-158. 

  3. Ansari, G., Gupta, S., & Singhal, N. (2020). Natural？Language Processing in Online Reviews. Journal？of E-commerce and Digital Marketing, 8(1),？34-47. 

  4. Bauer, J., & Jannach, D. (2021). Improved Customer？Lifetime Value Prediction With Sequence-To-Sequence Learning and Feature-Based Models.？Journal of E-commerce Research, 21(3), 45-60. 

  5. Chen, J., Yuan, S., Lv, D., & Xiang, Y. (2021). A？novel self-learning feature selection approach？based on feature attributions. Expert Systems？with Applications, 183, 115219. 

    상세보기

  6. Chen, Y., & Xie, J. (2008). Online customer？review: Word-of-mouth as a new element of？marketing communication mix. Management？science, 54(3), 477-491. 

  7. Chernyaeva, O. ., & Hong, T. . (2022). The Detection？of Online Manipulated Reviews Using Machine？Learning and GPT-3. Journal of Intelligence？and Information Systems, 28(4), 347-364. 

    원문보기 상세보기

  8. Cui, G., Lui, H. K., & Guo, X. (2012). The effect of？online customer reviews on new product sales.？International Journal of Electronic Commerce,？17(1), 39-58. 

  9. Darko, A. P., & Liang, D. (2022). Modeling？customer satisfaction through online reviews:？A FlowSort group decision model under？probabilistic linguistic settings. Expert Systems？with Applications, 195, 116649. 

    상세보기

  10. Darst, B. F., Malecki, K. C., & Engelman, C. D.？(2018). Using recursive feature elimination in？random forest to account for correlated variables？in high dimensional data. BMC genetics, 19(1),？1-6. 

  11. Ding, X., Yang, F., & Ma, F. (2022). An efficient？model selection for linear discriminant function-based recursive feature elimination. Journal of？Biomedical Informatics, 129, 104070. 

  12. Du, C., & Huang, L. (2018). Text classification？research with attention-based recurrent neural？networks. International Journal of Computers？Communications & Control, 13(1), 50-61. 

  13. Engler, T. H., Winter, P., & Schulz, M. (2015).？Understanding online product ratings: A customer？satisfaction model. Journal of Retailing and？Customer Services, 27, 113-120. 

  14. Guo, J., Wang, Z., Jin, Y., Li, M., & Chen, Q.？(2023). Predicting and extracting thermal？behavior rules of hydronic thermal barrier？with interpretable ensemble learning in the？heating season. Energy and Buildings, 113699. 

  15. He, J., Hu, D., Zhang, W., & Liu, T. (2020).？Probabilistic Topic Modeling for Sentiment？Analysis of Online Reviews. Journal of Business？Analytics, 7(3), 210-227. 

  16. Herrera, G. P., Constantino, M., Su, J. J., &？Naranpanawa, A. (2023). The use of ICTs？and income distribution in Brazil: A machine？learning explanation using SHAP values.？Telecommunications Policy, 47(8), 102598. 

    상세보기

  17. Hong, A. C. Y., Khaw, K. W., Chew, X., & Yeong,？W. C. (2023). Prediction of US airline passenger？satisfaction using machine learning algorithms.？Data Analytics and Applied Mathematics？(DAAM), 8-24. 

  18. Jing, H., Yang, P., & Lin, H. (2023). A Multilayer？Stacking Method Base on RFE-SHAP Feature？Selection Strategy for Recognition of Driver's？Mental Load and Emotional State. Expert？Systems with Applications, 121729. 

  19. Johar, S., & Mubeen, S. (2020). Sentiment analysis？on large scale Amazon product reviews.？IJSRCSE, 8(1), 7-15. 

  20. Kang, D., & Park, Y. (2014). based measurement？of customer satisfaction in mobile service:？Sentiment analysis and VIKOR approach. Expert？Systems with Applications, 41(4), 1041-1050. 

  21. Kannari, P. R., Chowdary, N. S., & Biradar, R. L.？(2022). An anomaly-based intrusion detection system using recursive feature elimination？technique for improved attack detection.？Theoretical Computer Science, 931, 56-64. 

    상세보기

  22. Karim, A., & Das, R. (2018). Rule-based vs.？Machine Learning: A Comparative Study on？Sentiment Analysis and LDA. International？Journal of Data Science, 5(1), 56-68. 

  23. Kumar, S., Yadava, M., & Roy, P. (2019). Fusion？of EEG response and sentiment analysis of？products review to predict customer satisfaction.？Information Fusion, 47, 124-133. 

  24. Lin, C. L., Lee, S. H., & Horng, D. J. (2011). The？effects of online reviews on purchasing intention:？The moderating role of need for cognition.？Social Behavior and Personality: an international？journal, 39(1), 71-81. 

  25. Liu, B., Zhou, X., Jiang, P., & Zhang, L. (2020).？Customer Satisfaction in B2C E-commerce:？An LDA Approach. E-Commerce Research？and Applications, 14(4), 301-315. 

  26. Liu, M., Lu, X., & Song, J. (2016). A New Feature？Selection Method for Text Categorization of？Customer Reviews. E-commerce Research？Letters, 10(1), 5-15. 

  27. Maharani, A.P., & Triayudi, A. (2022). Sentiment？Analysis of Indonesian Digital Payment Customer？Satisfaction Towards GOPAY, DANA, and？ShopeePay Using Naive Bayes and K-Nearest？Neighbour Methods. Management and Informatics？Business Journal, 6(1), 1-10. 

  28. Matuszelanski, K., & Kopczewska, K. (2022). Customer？Churn in Retail E-Commerce Business: Spatial？and Machine Learning Approach. International？Journal of E-commerce Studies, 15(2), 120-138. 

  29. Mudambi, S. M., & Schuff, D. (2010). Research？note: What makes a helpful online review? A？study of customer reviews on Amazon. com.？MIS quarterly, 185-200. 

  30. Park, S., & Lee, S.-Y. T. (2023). A Study on the？Relationship between Social Media ESG？Sentiment and Firm Performance. Journal of？Intelligence and Information Systems, 29(3),？317-340. 

  31. Park, Y.-J., & Kim, K.-j. (2017). Impact of Semantic？Characteristics on Perceived Helpfulness of？Online Reviews. Journal of Intelligence and？Information Systems, 23(3), 29-44. 

  32. Pelegrina, G. D., Duarte, L. T., & Grabisch, M.？(2023). A k-additive Choquet integral-based？approach to approximate the SHAP values for？local interpretability in machine learning.？Artificial Intelligence, 325, 104014. 

    상세보기

  33. Ren, Y., Wang, R., & Ji, D. (2016). A？topic-enhanced word embedding for Twitter？sentiment classification. Information Sciences,？369, 188-198. 

    상세보기

  34. Ren, Y., Wang, R., & Ji, D. (2016). A？topic-enhanced word embedding for Twitter？sentiment classification. Information Sciences,？369, 188-198. 

    상세보기

  35. Samb, M. L., Camara, F., Ndiaye, S., Slimani, Y., &？Esseghir, M. A. (2012). A novel RFE-SVM-based？feature selection approach for classification.？International Journal of Advanced Science？and Technology, 43(1), 27-36. 

  36. Uthirapathy, S. E., & Sandanam, D. (2023). Topic？Modelling and Opinion Analysis On Climate？Change Twitter Data Using LDA And BERT？Model. Procedia Computer Science, 218,？908-917. 

  37. Van den Broeck, G., Lykov, A., Schleich, M., &？Suciu, D. (2022). On the tractability of SHAP？explanations. Journal of Artificial Intelligence？Research, 74, 851-886. 

  38. Wisnu, H., Afif, M., & Ruldevyani, Y. (2020).？Sentiment analysis on customer satisfaction？of digital payment in Indonesia: A comparative？study using KNN and Naive Bayes. Journal of？Physics: Conference Series, 1444(1), 012034. 

  39. Xu, H., Li, Z., Chu, C., Chen, Y., Yang, Y., Lu,？H., Wang, H., & Stavrou, A. (2018). Detecting？and Characterizing Web Bot Traffic in a？Large E-commerce Marketplace. International？Journal of E-commerce Research, 16(3), 201-218. 

  40. Yu, D., Fang, A., & Xu, Z. (2023). Topic research in？fuzzy domain: Based on LDA topic modelling.？Information Sciences, 648, 119600. 

    상세보기

  41. Zhang, J., Ma, X., Zhang, J., Sun, D., Zhou, X., Mi,？C., & Wen, H. (2023). Insights into geospatial？heterogeneity of landslide susceptibility based？on the SHAP-XGBoost model. Journal of？Environmental Management, 332, 117357. 

  42. Zhang, M., & Luo, L. (2023). Can customer-posted？photos serve as a leading indicator of restaurant？survival? Evidence from Yelp. Management？Science, 69(1), 25-50. 

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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