• 서비스연구
• /
• 제13권4호
• /
• pp.97-112
• /
• 2023

연구 배경: 현대 사회에서 공공디자인의 중요성은 도시 기능과 시민의 삶의 질 향상에 기여하는 데 크게 자리 잡고 있다. 공공시설물은 사용자의 접근성을 높이고, 편리함과 안전성을 제공함으로써 사용자 경험을 풍부하게 하며, 도시의 가치를 높이는 중추적 역할을 해왔다. 이 연구는 공공시설물의 중요성을 인식하고, 도시가 직면한 문제들을 해결하고 지속 가능하며 포용적인 도시로 나아가는 데 있어서 스마트 공공시설물의 발전 가능성을 탐구한 것이다. 연구 방법: 문헌 연구는 스마트 공공시설물에 대한 기존 이론과 연구 결과를 종합적으로 검토한다. 사례 연구는 국내외 도시에서 구현된 스마트 공공시설물의 실제 사례를 분석해 효과, 사용자 만족도, 개선점 등을 도출한다. 분석 및 논의를 통해 사례 연구의 결과를 분석하고, 스마트 공공시설물 발전 가능성에 대해 논의한다. 연구 결과: 스마트 공공시설물이 도시 관리, 에너지 효율성, 안전, 정보 접근성 등 여러 면에서 긍정적인 변화를 불러오고 있음을 확인했다. 또한, 도시 관리 측면에서는 최적화되고, 사회적 포용성, 환경 보호, 시민 참여 촉진, 그리고 기술적 혁신을 촉진하는 중요한 역할을 하고 있다. 이러한 변화는 도시의 물리적 공간과 디지털 기술이 결합한 새로운 도시 형태를 창출하며, 도시의 삶의 질을 향상한다. 결론: 이 연구는 스마트 공공시설물의 서비스 및 디자인 측면의 시사점, 현황과 기능, 그리고 도시환경 및 시민의 삶에 미치는 영향을 탐구했다. 결론적으로, 스마트 공공시설물은 도시 관리의 최적화, 에너지 효율성 향상, 정보 접근성 증진, 사용자 중심의 디자인, 상호작용 증대 및 사회적 포용의 긍정적인 변화를 불러왔다. 기술혁신과 공공시설물의 통합으로 도시를 효율적이고 능동적으로 만들며, 데이터 기반 의사결정과 최적화된 서비스 제공을 가능케 했다. 이러한 발전은 도시의 물리적 공간과 디지털 기술의 결합을 통해 새로운 형태의 도시환경 창출을 가능케 한다. 스마트 공공시설물의 발전은 도시 개발의 방향을 제시하며, 미래의 도시는 더 지능화되고 능동적이며, 사용자 친화적인 공간으로 변화를 꾀할 수 있다. 따라서 공공디자인에서 중추적 역할을 담당할 것이다. 또한, 도시환경과 시민의 삶의 질을 개선하는 데 크게 기여할 수 있다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.