• 한국식품과학회지
• /
• 제42권4호
• /
• pp.452-458
• /
• 2010

본 연구는 유과의 품질과 저장성 향상을 위한 포장기술개선을 목적으로 이차포장의 효과를 확인하기 위하여 실시되었다. 유과의 포장은 단일필름인 OPP(P1)를 사용하여 일차포장을 하였고, 다층접합필름인 OPP/LLDPE(P2), PET/NY/CPP(P3), PET/AL/NY/CPP(P4)를 각각 사용하여 각각 이차포장을 하였다. 포장된 유과는 $25^{\circ}C$에서 12주 동안 저장하면서 품질 변화와 저장수명을 조사하였다. 모든 포장군들 중 산가는 P1에서 1.26 mg KOH/g으로 가장 높은 값을 기록했지만, 저장말기까지 법적 기준치인 2.0 mg KOH/g보다는 낮게 나타났다. 산가는 저장기간 중 계속 증가하였는데 포장재의 투과도가 낮은 이차포장군일수록 증가추세가 완만하였다. 과산화물가는 P3에서 32.91 meq/kg으로 가장 높은 값을 기록하였다. 색의 변화에서는 전반적으로 Hunter 'L'값이 감소하고 Hunter 'a'와 'b'값은 증가하는 경향을 보였으며 저장기간 중 P1에서의 색차가 가장 두드러졌다. 유과의 물성은 각 항목에서 P1은 경도, 검성, 탄력성과 응집성, P2은 부서짐성 품질의 변화가 가장 컸던 것으로 나타났다. 또한 수분차단성이 가장 높은 P4에서 모든 물성의 변화가 가장 낮게 나타났다. 관능검사 시 P1 등을 제외한 이차포장군에서 10주까지도 외형의 변화가 두드러지지 않았음이 관찰되었다. 유과의 조직감을 결정하는 수분함량은 5%이하로 감소되면 관능검사 시 조직감이 나쁘게 나타난 것으로 관찰되었다. 결론적으로 OPP필름으로 일차포장하는 것보다 산소와 수증기차단성이 높은 필름으로 이차포장할 경우 조사된 모든 품질지표가 개선되고 저장성이 향상되었으며 차단성이 높은 처리구일수록 그 효과가 높았다. 유과의 이차포장에 따라 포장비용이 증가되겠지만 제품의 품질유지기간 연장 및 반품율 저하, 그리고 소비자 만족도 제고에 따른 상품성 및 브랜드가치 향상 등 긍정적 효과를 감안하여 목적하는 저장유통기간에 부합되는 최적의 이차포장방법을 적용하는 것이 바람직할 것으로 판단된다.

• 경영과정보연구
• /
• 제38권1호
• /
• pp.201-223
• /
• 2019

본 연구의 목적은 모바일 쇼핑몰의 서비스품질, 사용용이성, 고객만족도, 재구매의도 간의 인과관계를 실증적으로 검증하는데 있다. 그리고 서비스품질과 재구매의도 사이의 사용용이성, 고객만족도의 매개효과를 밝히고자 하였다. 이에 본 연구에서는 전남지역 대학생 323명을 대상으로 설문조사하고 선행연구를 바탕으로 구조방정식 모형을 도출하여 분석하였다. 분석 결과 모바일 쇼핑몰의 서비스품질은 사용용이성, 고객만족도, 재구매의도에 유의한 영향을 미치는 것으로 나타났다. 그러나 모바일 쇼핑몰의 서비스품질 중에서 서비스스케이프 즉, 모바일 인터페이스, 사이트의 디자인과 같은 서비스스페이스는 고객만족도에는 긍정적인 영향을 주었으나 재구매의도에는 영향을 미치지 않는 것으로 나타났다. 즉, 고객들의 재구매의도에 정(+)의 영향을 주는 서비스품질 요인은 사이트의 외적인 부분보다 소비자가 원하는 서비스를 충실히 제공하고 이용할 때 얼마나 즐겁게 이용하는가와 서로 쌍방이 영향을 주고 받는 태도나 행동이 잘 제공되었을 때 재구매의도에 긍정적인 영향을 준다는 것이다. 본 연구에서 제시한 시사점은 첫째, 모바일 쇼핑몰의 서비스품질은 재구매의도에 유의한 영향을 미치므로 모바일 쇼핑 중에서 발생되는 고객들의 문의사항이나 불편사항 등에 대해 적극적으로 처리하고, 불량제품의 반품 및 환불이 신속하고 간편하게 처리될 수 있도록 CS서비스 시스템을 개선하는 것이 필요하다. 그리고 분석과정에서 최종적으로 사용된 요인이외에, 소비자들의 구매횟수에 따른 등급을 이용한 다양한 이벤트, 쿠폰, 적립금 등의 혜택과 보다 다양한 쇼핑의 즐거움과 가치를 제공할 수 있는 적극적인 콘텐츠 마케팅전략이 필요하다. 둘째, 모바일 쇼핑몰의 고객만족도는 재구매의도에 긍정적인 영향을 미치는 것으로 나타나 소비자들의 쇼핑몰 만족도가 높아질수록 향후 사이트 방문과 제품의 재구매가 지속적으로 이루어진다. 그러므로 쇼핑몰 사이트는 고객들이 더 큰 만족을 느낄 수 있도록 콘텐츠의 차별화, 서비스 및 마케팅 등의 명확한 계획과 실천이 필요할 것이다. 본 연구는 모바일 쇼핑몰의 서비스품질이 사용용이성, 고객만족도, 재구매의도에 영향을 미치는 구성요소들에 대한 개념들을 체계적으로 분석하고 그 관계를 검증하여 이론적 구조로 체계화하고 재구매의도에 영향을 미치는 요인들에 대한 이해를 넓히는데 기여 하였다는데 의의가 있다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.19-42
• /
• 2012

고객이 상품을 구매하는 패턴이 빠르게 변화하고 있다. 오프라인에서 고객이 직접 상품을 보고, 체험한 후 구매하던 패턴이 TV홈쇼핑, 인터넷 쇼핑 등 고객이 편리한 장소에서 자유롭게 구매하는 방법으로 확산되었다. 이처럼 구매 가능한 상품의 범위는 점점 더 다양해지고 있지만 이로 인하여 고객이 상품을 구매할 때 생기는 번거로움은 더욱 커지고 있다. 오프라인에서는 물건을 직접보고 구매하기 때문에 반품율이 낮은 반면에 온라인 구매 물품은 배송과 환불 등에서 복잡한 일들이 많이 발생한다. 온라인을 통해서 물건을 구매할 때 상품에 대한 사전 정보는 매우 한정적이며 실제로 물건을 구매했을 경우 고객이 생각했던 것과 다를 수 있다. 이러한 결과는 결국 고객의 불만족 및 구매취소로 이어진다. 또한 TV홈쇼핑이나 인터넷 쇼핑 등을 통해서 물건을 구매할 때 고객들은 이미 상품을 구매한 고객의 리뷰에도 관심을 기울이고 있다. 좋은 평가를 받은 상품은 더 많은 매출로 이어질 수 있기 때문에 기업은 이에 관심을 기울일 필요가 있다. 고객의 욕구를 만족시킬 수 있는 적절한 상품을 추천해 주고 이를 구매로 연결시키는 것은 기업의 이윤 창출과 직결되기 때문에 그 중요성이 강조된다. 고객을 위한 추천방법은 베스트셀러기반 추천방법, 인구통계 정보기반 추천방법, 최소질의대상 상품결정방법, 내용필터링기법, 협력필터링기법 등이 존재하며, 이에 대한 많은 연구가 활발하게 진행되고 있다. 그러나 위의 방법들을 신규고객에게 적용하는 것에는 문제가 발생할 수 있다. 신규고객은 상품에 대한 과거 구매이력이 존재하지 않기 때문이다. 이를 해결하기 위한 방안으로 가입 시, 고객의 인구통계적 정보나 선호도에 대한 응답을 유도하는 방법을 활용할 수 있다. 그러나 고객이 이에 대한 번거로움을 느낄 수도 있으며, 불완전한 답변을 하게 되면 추천의 정확도는 감소한다. 최근 이미 상품을 구매한 고객의 리뷰 및 기업에서 추천하는 제품에 의존하는 고객들이 증가하면서 이를 악용하는 사례도 자주 등장한다. 결국 추천에 대한 고객들의 신뢰는 감소하게 될 것이다. 따라서 좀 더 명확한 방식의 추천시스템이 절실하며, 이것이 개선된다면 는 곧 고객들의 신뢰 증가로 이어질 것이다. 본 연구에서는 협력필터링기법과 사회연결망기법의 중심성을 결합한 분석을 시도하였다. 중심성은 신규고객의 선호도를 기존고객들의 데이터를 통하여 유추하기 위하여 활용되는 정보이다. 기존 연구들에서는 기존고객들의 구매 가운데 구매성향이 유사한 고객들의 정보에 초점을 맞추고 있으며 구매성향이 다른 고객들의 정보에 대한 분석은 이루어지고 있지 않다. 그러나 이처럼 구매성향이 서로 다른 고객들의 정보를 활용한다면 추천의 정확성이 더 향상되지 않을까 하는 점을 기반으로 데이터들을 다양한 방식으로 분석하였다. 연구에 사용된 데이터는 미네소타대학의 GroupLens Research Project팀이 협력필터링기법을 통하여 영화를 추천하기 위해 만든 MovieLens의 데이터이다. 이는 1,684편의 영화에 대한 선호도를 943명이 응답한 정보로 총 100,000개의 데이터가 있다. 이를 시간 순으로 구분하여 초기 50,000개의 데이터를 기존고객의 데이터로, 후기 50,000개의 데이터를 신규고객의 데이터로 사용하였다. 이 때, 신규고객과 기존고객은 연구자가 임의로 구분한 것이다. 따라서 신규고객이라고 표현되는 고객의 데이터는 실제로 추천시스템을 통해 정보를 제공받은 고객이라고는 볼 수 없다. 그러나 현실적으로 실제 신규고객의 데이터를 수집하는 것이 쉽지 않기 때문에 전체 고객의 정보를 시간 순으로 구분하고 신규고객으로 분류한 것임을 밝혀둔다. 제시된 추천시스템은 [+]집단 추천시스템, [-]집단 추천시스템, 통합 추천시스템으로 총 3가지이다. [+]집단 추천시스템은 기존의 연구들과 유사한 방식으로 유사도가 높은 고객들을 신규고객의 이웃고객으로 분석하였다. 유사도가 높다는 것은 다른 고객들과 상품 구매에 대한 성향이 유사한 것을 의미한다. 또한 [-]집단 추천시스템은 유사도가 낮고 다른 고객들과 상품의 구매패턴이 반대에 가까운 고객들의 데이터를 활용하였으며, 통합 추천시스템은 [+]집단 추천시스템과 [-]집단 추천시스템을 결합한 방식이다. [+]집단 추천시스템과 [-]집단 추천시스템에서 각각 추천된 영화 가운데 중복되는 영화만을 신규고객에게 추천하는 방식이다. 다양한 방법의 시도를 통하여 적절한 추천시스템을 찾고, 추천시스템의 정확도를 향상시키는데 그 목적이 있다. 활용된 데이터의 분석 결과는 통합 추천시스템이 정확도가 가장 높았으며 [-]집단 추천시스템, [+]집단 추천시스템의 순인 것으로 나타났다. 이는 통합 추천시스템이 가장 효율적일 것이라는 연구자의 추측과 일치하는 결과이다. 각각의 추천시스템은 정확도의 변화를 쉽게 비교할 수 있도록 등고선지도 및 그래프를 이용하여 나타냈다. 연구의 한계점으로는 연구자가 제시한 통합 추천시스템과 [-]집단 추천시스템에 대한 정확도는 향상되었지만 이는 임의로 구분한 기준을 바탕으로 분석하였다는 점이다. 실제 추천된 영화를 바탕으로 신규고객이 영화를 선택 한 것이 아니라 기존고객의 데이터를 임의로 분류하였기 때문이다. 따라서 이는 추천 영화가 실제 고객에 미친 영향이 아니라는 한계가 존재한다. 또한 영화가 아닌 다른 상품에 대해서 이 추천시스템을 적용하였을 경우 추천 정확도에는 차이가 있을 수 있다. 따라서 추천시스템을 적용할 때에는 각 상품 및 고객집단의 특성에 적합한 적용이 필요하다.