• Asia Marketing Journal
• /
• 제10권2호
• /
• pp.125-151
• /
• 2008

기업과 소비자 간의 온라인 커뮤니케이션 활성화로 인하여 기업과 소비자 모두 제품에 대한 경험과 지식을 공유하는 온라인 고객 리뷰에 많은 관심을 기울이고 있다. 본 연구에서는 내용 분석법을 통해 온라인 소비자 리뷰들을 맥락단위로 분류하고 분류항목을 도출함으로써 채널(자사홈페이지/쇼핑몰), 제품속성(탐색재/경험재), 가격(고가/저가)에 따른 차이 분석을 시행하였다. 분류 항목의 도출은 ACSI 모델의 구성 항목들을 근간으로 실제 리뷰의 반복적 분류를 통해 이루어졌으며 총 3단계로 나누어졌다. 1단계에서는 일단 제품과 서비스로 분류하고, 2단계에서는 제품에 대해서 기능, 디자인, 가격, 구매동기, 제안/사용팁, 그리고 추천/재구매를, 그리고 서비스에 대해서 AS/업그레이드, 배송/기타제조사와 유통사 등 총 8개 분류 항목을 도출하였으며, 3단계에서는 실제 제품 리뷰 내용을 바탕으로 2단계 분류 항목의 세부항목으로 작성되었다. 분류 항목별 차이 분석 결과, 총 8개의 분류 항목에서 모두 유의한 차이점을 보였는데, 특히 채널별 차이를 보기 위해 분석한 홈페이지와 쇼핑몰에서의 리뷰 내용이 가장 두드러진 차이를 보이고 있었다. 한편, 쇼핑몰의 특성을 나타내는 가격과 배송/기타 서비스 항목을 제외하고는 맥락단위의 개수가 홈페이지에서 더 많이 나타남으로써 기업 홈페이지 상의 소비자 리뷰가 쇼핑몰 상의 소비자 리뷰보다 더욱 상세하다는 것을 알 수 있었다. 제품에 대한 만족도 역시 홈페이지의 리뷰에서 더 큰 것으로 나타났으며, 탐색재와 경험재로 나누어 보았을 때 디자인, 구매동기, 추천/재구매, AS/업그레이드 서비스, 그리고 배송/기타 서비스 항목에서 서로간의 차이가 있었으나, 전반적인 만족도의 차이는 없었다. 또한, 가격별로 보았을 때는 디자인, 가격, AS/업그레이드 서비스에서 고가와 저가의 차이를 볼 수 있었으나 전반적인 만족도의 차이는 없었다.

• 경영정보학연구
• /
• 제17권1호
• /
• pp.49-64
• /
• 2015

SNS의 확산으로 온라인 상점에서는 상품에 대한 주관적인 의견이 내포되어 있는 고객리뷰 정보가 빠르게 생성되고 확산되어 다른 고객들에게 큰 영향을 미치고 있다. 이와 더불어, 고객들의 긍정적 또는 부정적 의견을 분석하여 개선방안을 모색하려는 오피니언마이닝(opinion mining)이 주목 받고 있다. 고객리뷰에 내포된 감성정보를 가진 용어들은 감성분류를 하는데 가장 중요한 역할을 하기 때문에 영향력이 높은 용어를 선별하는 것이 가장 중요하다. 본 연구에서는 품사태깅을 이용하여 최적의 용어들을 선별하고 용어정보에 기반한 문서수준에서의 감성분류모형을 제안하고자 한다. 고객리뷰의 감성분류모형에 대표적인 기계학습기법인 SVM을 적용하고, SVM의 입력변수 선정과정에 품사태깅 방식과 용어추출기법을 다르게 조합하고 사용하여 긍정적/부정적 문서를 분류하였다. 본 연구에서 제안한 감성분류모형의 성과를 검증하기 위해 아마존(Amazon.com)의 영화와 도서에 대한 고객리뷰 80,000개를 수집하여 불필요한 용어들을 제거한 후 품사태깅을 통해 용어를 추출하였다. 추출된 용어는 문서빈도, TF-IDF, 정보획득량, 카이제곱 통계량의 값을 산출하여 값을 통해 용어들을 순위화하고, 각 상위 20개에 해당하는 최적의 용어를 선정한 후 SVM을 이용하였다. 제안된 감성분류모형을 통해 기존 연구에서 언급한 형용사만을 사용한 예측변수와 4품사를 사용한 예측변수에서의 실험결과를 통해 비교 분석하였다. 카이제곱 통계량 기반의 감성분류모형이 다른 모형보다 예측성과가 가장 우수하게 나타나는 것을 확인할 수 있었다. 본 연구에서 제안된 문서수준에서의 용어기반 감성분류모형을 이용함으로써 온라인 상점에서의 서비스 개선과 경쟁력 확보에 많은 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.129-142
• /
• 2016

전자상거래에서 소비자들의 구매 의사결정에 판매 제품을 이미 구매하여 사용한 고객의 리뷰가 중요한 영향을 미치고 있다. 전자상거래 업체들은 고객들이 제품 리뷰를 남기도록 유도하고 있으며, 구매고객들도 적극적으로 자신의 경험을 공유하고 있다. 한 제품에 대한 고객 리뷰가 너무 많아져서 구매하려는 제품의 모든 리뷰를 읽고 제품의 장단점을 파악하는 것은 무척 힘든 일이 되었다. 전자상거래 업체들과 연구자들은 텍스트 마이닝을 활용하여 리뷰들 중에서 유용한 리뷰들의 속성을 파악하거나 유용한 리뷰와 유용하지 않은 리뷰를 미리 분류하는 노력을 수행하고 있다. 고객들에게 유용한 리뷰를 필터링하여 전달하는 방안이다. 본 연구에서는 문서-단어 매트릭스에서 단어의 제거 기준으로 온라인 고객 리뷰가 유용한 지, 그렇지 않은지를 구분하는 문제에서 단어들이 유용 리뷰 집합과 유용하지 않은 리뷰집합에 중복하여 등장하는 정도를 측정한 중립도를 제시한다. 제시한 중립도를 희소성과 함께 분석에 활용하여 제거할 단어를 선정한 후에 각 분류 알고리즘의 성과를 비교하였다. 최적의 성과를 보이는 중립도를 찾았으며, 희소성과 중립도에 따라 단어를 선택적으로 제거하였다. 실험은 Amazon.com의 'Cellphones & Accessories', 'Movies & TV program', 'Automotive', 'CDs & Vinyl', 'Clothing, Shoes & Jewelry' 제품 분야 고객 리뷰와 사용자들의 리뷰에 대한 평가를 활용하였다. 전체 득표의 수가 4개 이상인 리뷰 중에서 제품 카테고리 별로 유용하다고 판단되는 1,500개의 리뷰와 유용하지 않다고 판단되는 1,500개의 리뷰를 무작위로 추출하여 연구에 사용하였다. 데이터 집합에 따라 정확도 개선 정도가 상이하며, F-measure 기준으로는 두 알고리즘에서 모두 희소성과 중립도에 기반하여 단어를 제거하는 방안이 더 성과가 높았다. 하지만 Information Gain 알고리즘에서는 Recall 기준으로는 5개 제품 카테고리 데이터에서 언제나 희소성만을 기준으로 단어를 제거하는 방안의 성과가 높았으며, SVM에서는 전체 단어를 활용하는 방안이 Precision 기준으로 성과가 더 높았다. 따라서, 활용하는 알고리즘과 분석 목적에 따라서 단어 제거 방안을 고려하는 것이 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제25권3호
• /
• pp.207-218
• /
• 2020

최근 온라인 리뷰의 증가와 분석 기술의 발달로 인해 온라인 리뷰 분석에 대한 관심과 수요가 지속적으로 증가하고 있다. 하지만 리뷰 분석을 다룬 기존의 연구는 동일한 어휘라도 각 어휘에 담긴 감정은 리뷰어에 따라 서로 다를 수 있다는 점을 반영하지 못했다는 한계를 갖는다. 따라서 본 연구에서는 고객의 등급에 따라 고객군을 분류하고, 각 고객군별로 리뷰 분석을 수행하여 그 차이를 분석한 결과를 제시하였다. 의류 전문 쇼핑몰인 'M'사의 리뷰에 대한 분석을 수행한 결과, 쇼핑몰 사용도가 높은 고객의 경우 가격적인 요소가, 쇼핑몰 사용도가 낮은 고객의 경우 쇼핑몰에 소개된 내용과 실제 제품의 일치 정도가 제품의 긍/부정 평가에 크게 영향을 미치는 것으로 파악되었다. 제안 방법론은 고객군별로 제품 평가에 중요하게 영향을 미치는 요소를 식별함으로써, 차별화된 마케팅 전략을 수립하는 데에 효과적으로 활용될 수 있을 것으로 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.729-732
• /
• 2018

모바일 게임 산업의 발달로 많은 사용자들이 게임을 이용하면서, 그들의 만족감을 사용리뷰를 통해 드러낸다. 실제로 각 리뷰의 범주가 모두 다르지만 현재 구글 플레이 앱스토어(Google Play App Store)의 게임 리뷰 범주는 3가지로 매우 제한적이다. 따라서 본 연구에서는 빠르고 정확한 고객의 요구를 필요로 하는 게임 소프트웨어의 특성을 고려하여 게임 리뷰를 입력했을 때, 게임의 운영 및 시스템에 맞도록 리뷰의 카테고리를 세분화하고 만족도를 분석하는 시스템을 개발한다. 제안 시스템은 인공신경망 모델인 CNN을 평점을 기반으로 훈련시켜 리뷰에 대한 만족도를 도출한다. 또한 Word2Vec을 이용해 단어들 간의 유사도를 구하고, 이를 활용한 단어 배열을 이용하여 가장 스코어가 높은 카테고리로 배정한다. 본 논문은 제안한 리뷰 만족도 및 카테고리 분류 시스템이 실제 효과적으로 리뷰를 보다 의미 있는 정보로써 제공할 수 있음을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.89-93
• /
• 2014

제품 리뷰들은 잠재적인 고객의 구매 선택에 매우 중요하다. 제품 리뷰들은 또한 제조사들로 하여금 자신들의 제품의 문제점을 찾고 경쟁자들의 비즈니스 정보를 수집하는 데 사용된다. 그러나 어떤 사람들은 가짜 리뷰를 쓰고, 잠재적인 고객들과 제조사들로 하여금 잘못된 선택을 하게 만든다. 따라서 가짜 리뷰 판별은 전자 상거래 사이트에서 주된 문제들 중 하나이다. 서포트 벡터 머신즈(SVM)는 좋은 성능을 보이는 중요한 텍스트 분류 알고리즘이다. 본 논문에서는 온라인 리뷰 스팸을 판별하기 위해 가중치, Karush-Kuhn-Tucker(KKT) 조건의 확장, 그리고 컨벡스 헐(Convex Hull)에 근거한 점증적 알고리즘을 제시한다. 최종적으로 우리는 제시된 알고리즘의 성능을 이론적으로 분석한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1204-1205
• /
• 2023

본 논문은 소비자의 리뷰 데이터를 기반으로 한 새로운 감성 분석 방법을 제안한다. 긍정, 부정, 중립으로 분류하는 전통적 감성 분석방법은 텍스트에 나타난 감정의 섬세한 차이를 파악하기 어렵다. 이에 본 연구에서는 GPT 모델을 사용하여 텍스트에서 사용자의 감정을 8 가지의 카테고리로 세분화한다. 부정적 정서를 가진 리뷰에서 분노, 혐오, 실망과 같은 구체적인 감정들을 직관적으로 파악할 수 있었고, 감정의 강도까지 파악할 수 있었다. 제안된 방법을 통해 기업은 고객의 요구 사항을 정확하게 인지할 수 있으며, 고객 맞춤형 서비스 개선에 기여할 수 있다는 점이 기대된다.

• 문화기술의 융합
• /
• 제9권4호
• /
• pp.517-528
• /
• 2023

이 연구의 목적은 국내외 자동차 브랜드의 커넥티드 카 서비스의 사용자 감성 경험 요인들을 비교 분석하여 차이점을 도출하고 스마트 카 UX의 기획 방향성을 도출하는 것이다. 텍스트 마이닝 방법론을 활용하여, 국내외 브랜드 간 사용자 고객 리뷰의 경험 요인별 긍정-부정 감성 지수를 비교하였다. 현대차 그룹 브랜드 리뷰 12만 건과 해외 브랜드(테슬라, BMW, 벤츠) 리뷰 19만 건을 수집하여 전처리 과정을 수행한 후, 추출된 키워드를 연결 시스템, 정보, 서비스 차원에서 모두 11개의 경험 요인으로 분류하여 국내-해외 브랜드를 비교 분석하였다. 국내 커넥티드 카의 고객 리뷰 분석 결과, 가장 높은 감성 지수가 도출된 경험 요인은 '안전성'이었다. 해외 브랜드의 감성 지수 분석 결과, '오락성'이 가장 긍정적인 경험 요인으로 나타났다.

• 지식경영연구
• /
• 제23권1호
• /
• pp.187-201
• /
• 2022

관광객이 작성한 온라인 리뷰는 관광산업의 관리 및 운영에 중요한 정보를 제공한다. 평점은 제품이나 서비스에 대한 정량적인 평가로 간편하지만 관광객의 진실한 태도를 반영하기 어려우며 평점과 리뷰내용에 대한 불일치 문제도 발생하고 있다. 불일치 문제는 잠재고객에게 혼동을 줄 수 있으며 구매의사결정에도 영향을 미칠 수 있다. 본 연구에서는 온라인 리뷰기반의 평점 예측모형을 통해 평점과 리뷰내용의 불일치 문제를 해결하고자 한다. 한국을 방문한 외국인 관광객이 작성한 관광지와 호텔에 대한 리뷰의 감성분석을 통해 평점과 감성의 차이를 비교하고 TF-IDF vectorization과 감성분석 결과로 변수를 선정하였다. 로짓, 인공신경망, SVM(Support Vector Machine)을 적용하여 평점을 분류하고, 인공신경망, SVR(Support Vector Regression)을 통해 평점을 예측하였다. 평점 분류모형과 예측모형 모두 불일치한 리뷰를 제거하고 감성분석을 반영한 모형에서 우수한 성과를 보여주었다. 본 연구에서 제안한 온라인 리뷰 기반의 평점 예측모형은 평점과 리뷰내용에 대한 불일치 문제를 해결하여 신뢰할 수 있는 정보를 제공하였으며 평점이 없는 온라인 리뷰에도 활용할 수 있을 것이다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.309-323
• /
• 2023

온라인 리뷰의 역할이 중요해짐에 따라 유용한 리뷰를 선별하기 위해 많은 연구들이 이루어져 왔다. 유용한 리뷰는 고객들이 유용하다고 인지하는 리뷰이며, 평점, 리뷰길이, 리뷰내용 등에 영향을 받는 것으로 많은 연구에서 검증되었다. 유용한 리뷰는 소비자들의 투표에 의한 '좋아요' 수에 의해 결정되며 유용성 투표가 많을수록 소비자의 구매의사결정에 중요한 영향을 미치는 것으로 간주된다. 그러나 최근에 작성되어 많은 고객들에게 노출되지 않은 리뷰는 상대적으로 '좋아요' 수가 적을 수 있으며, 투표에 응하지 않아 '좋아요' 수가 없을 수도 있다. 따라서 유용한 리뷰를 판단하기 위해 '좋아요' 수에 의존하기 보다는 리뷰 내용을 기반으로 유용한 리뷰를 분류하고자 한다. 리뷰의 텍스트는 리뷰 유용성에 가장 큰 영향을 미치는 요인으로, 토픽 모델링, 감정분석 등 텍스트 마이닝 기법을 적용하여 리뷰 텍스트에 포함된 콘텐츠와 감정의 영향을 다양하게 분석하고 있다. 본 연구에서는 글로벌 영화정보 사이트인 IMDb의 영화리뷰를 활용하여 리뷰 콘텐츠 기반의 리뷰 유용성 예측모형을 제안한다. 설명가능한 그래프 신경망인 GNN(Graph Neural Network)을 적용하여 리뷰 유용성 예측모형을 구축하고, 설명가능한 인공지능을 통해 예측모형의 한계인 모형의 해석에 대한 문제를 해결한다. 설명가능한 그래프 신경망은 리뷰들 간의 연결관계도 확인할 수 있어 유용한 리뷰 또는 유용하지 않은 리뷰에 대해 보다 신뢰할 수 있는 정보를 제공할 수 있을 것이라 기대한다.