• 경영정보학연구
• /
• 제20권4호
• /
• pp.1-23
• /
• 2018

스마트폰 보급이 확대되면서 언제 어디서나 온라인 서비스를 이용할 수 있는 환경이 조성되고 있으며, 최근 유통환경에도 새로운 변화를 가져오고 있다. 이러한 변화의 중심에서 온-오프라인 구분 없이 상품을 구매하고 서비스를 이용할 수 있는 O2O(Online-to-Offline)가 새로운 상거래 형태로 주목받고 있다. O2O 서비스는 온라인의 실용성과 오프라인의 감성적인 만족을 동시에 제공할 수 있다는 장점이 있다. 그러나 비즈니스 모델의 불안정성이나 낮은 서비스 신뢰성으로 인해 1년 내 80% 이상의 서비스가 중단되고 있어 지속성 향상 방안에 대한 연구는 매우 중요하다. 이에 따라, 본 연구에서 O2O 서비스의 지속사용의도에 미치는 영향요인을 도출하고, 인과관계를 실증적으로 분석하였다. 특히, 기존 온라인 특성에 집중된 O2O 서비스 연구를 넘어서 오프라인 특성 및 사회적 영향 특성까지 반영하여 지속사용의도에 영향을 미치는 요인을 알아보았다. 본 연구에서 제시한 가설을 검증하기 위해 결제서비스를 포함한 O2O 서비스를 1회 이상 이용경험이 있는 813명을 대상으로 설문을 실시하여 611개의 유효한 설문을 회수하였다. 구조방정식을 활용한 통계분석결과 17개의 가설 중 12개의 가설이 채택되었다. 온라인 특성에서는 정보품질, 오프라인 특성에서는 서비스품질, 상품품질이 모두 유의한 것으로 나타났다. 또한, 쇼핑경험은 가치에는 영향을 미치지 못하지만 만족도에는 영향을 미치는 것으로 나타났으며, 사회적 영향 특성은 네트워크 효과와 관계품질이 각각 상반되는 결과를 보여 질적 성장과 양적성장 중 하나의 전략 채택 시 중요한 판단 근거를 제시하였다. 본 연구를 통해 정보기기 발전과 어플리케이션 개발 역량이 향상되면서 더 이상 시스템품질은 가치나 만족도에 영향을 미치는 요인이 아니며 기본적으로 갖춰져야 하는 것을 확인하였다. 또한 O2O 서비스는 기존 온라인 서비스와 달리 온-오프라인 특성을 모두 반영해야 하는 것을 확인하였다. 본 연구를 통해 유통의 새로운 패러다임으로 자리 잡기 위한 O2O 서비스의 질적 성장 방향을 제시하였다고 본다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.