• 제목/요약/키워드: 영상 검색 시스템

검색결과 693건 처리시간 0.024초

K-Beauty 구전효과가 온라인 매출액에 미치는 영향: 중국 SINA Weibo와 Meipai 중심으로 (Word-of-Mouth Effect for Online Sales of K-Beauty Products: Centered on China SINA Weibo and Meipai)

  • 류미나;임규건
    • 지능정보연구
    • /
    • 제25권1호
    • /
    • pp.197-218
    • /
    • 2019
  • 중국 화장품 전체 교역중 약 67% 정도가 전자상거래로 이루어지고 있는데 특히 한국 화장품인 K-Beauty 제품의 인기가 높다. 기존 연구에 의하면 화장품 같은 소비재의 경우 소비자의 80%는 제품 구매 전 제품정보를 인터넷으로 검색하며 구전정보에 영향을 받는다. 대부분의 중국 소비자들은 화장품과 관련된 정보를 주요 SNS에 다른 소비자들이 올린 댓글을 통해 획득하며 최근에는 뷰티 관련 동영상 채널 정보를 이용하기도 한다. 기존의 온라인 구전 관련 연구는 대부분 Facebook, Twitter, 블로그 등의 매체 자체가 중심이었다. 본 연구에서는 온라인 구전정보의 전달 형태와 정보의 형태를 고려하여 정보유형을 동영상과 사진 및 텍스트로 나누어 연구하고자 한다. 중국의 SNS대표 플랫폼인 SINA Weibo와 동영상 플랫폼 Meipai의 비정형 데이터를 분석하고 온라인 구전정보를 양과 방향성으로 나누어 K-Beauty브랜드 매출액에 미치는 영향을 분석하고자 한다. Meipai에서는 총 약 33만개의 데이터를 수집하였고 SINA Weibo에서는 총 약 11만개의 데이터를 수집하여 화장품의 기본 속성도 고려하여 분석하였다. 본 연구의 의의는 온라인 매출은 K-Beauty화장품에 대해서도 구전에 영향을 받는다는 것을 기본적으로 입증함과 동시에 특히 정보 유형에 대한 구분을 시도 했다는 것이다. 두가지 매체 모두 기존 연구와 같이 양이 매출에 영향을 미치고 있으나 매체풍부성으로 인해 텍스트보다 동영상이 정보를 더 주고 영향이 크다는 것을 입증하였다. 또한, 정보 방향성 측면에서는 색조화장품의 경우 부정 댓글의 영향이 크게 나타났다. 실무적으로는 화장품 판매 전략 및 광고 전략에 기초 및 색조 화장품을 구분하여 중국 K-Beauty화장품 매출증대를 위한 마케팅전략을 구사하는데 도움이 될 것으로 기대된다.

합성곱 신경망의 비지니스 응용: 런웨이 이미지를 사용한 의류 분류를 중심으로 (Business Application of Convolutional Neural Networks for Apparel Classification Using Runway Image)

  • 서이안;신경식
    • 지능정보연구
    • /
    • 제24권3호
    • /
    • pp.1-19
    • /
    • 2018
  • 최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

서울지하철의 지능형 광고 비즈니스모델 설계 (Designing an Intelligent Advertising Business Model in Seoul's Metro Network)

  • ;임규건
    • 지능정보연구
    • /
    • 제23권4호
    • /
    • pp.1-31
    • /
    • 2017
  • 현대 기업들은 효율성과 생산성을 향상시킬 뿐 아니라 시장 진출을 위해 새로운 기술들을 채택하고 있다. 광고 업계도 전통적인 채널 (라디오, TV 및 인쇄 매체)에서 인터넷, 소셜 미디어, 모바일 기반광고와 같은 새로운 매체로 지속적인 파괴적 혁신을 경험하고 있다. 본 연구는 서울 지하철에 지능형 광고 비즈니스 모델을 제안한 사례이다. 서울은 세계에서 가장 분주 한 지하철 중 하나로서 메트로 네트워크를 통해 마케팅 담당자가 다양한 고객과 잠재 고객 모두와 교류하고 상호 작용할 수 있는 플랫폼이 될 수 있다. 현재의 광고 매체의 대부분은 공간, 조명 등 국부적 한계를 가지고 있으나 본 사례의 지능형 디지털 광고 플랫폼은 데이터로 구동되는 광고를 통해 위치기반 모바일 전자상거래를 제공할 수 있다. 등록된 지하철 카드를 통해 고객 데이터를 분석하고 특정 고객 그룹을 타겟팅하고, 대상 소비자 그룹을 기반으로 광고 사용자를 정의하고, 동영상, 애니메이션, 쿠폰, 문자 등 다양한 광고 형식을 제공 할 수 있다. 위치 정보를 통해 다음역을 탐지하여 지하철 안의 스크린이 다음 정차 할 역의 광고에 우선 순위를 부여하고, 사용자 모바일에서 알림을 수신하도록 선택한 고객은 광고주의 사업장 근처에 접근 할 때 알림을 받게 된다. 또한, 내비게이션 서비스를 통해 지하 쇼핑몰의 고객이 상점, 제품, 시설, 이벤트 등을 검색하고 광고나 추천서비스를 받을 수 있게 한다. 이러한 광고는 고객이 광고를 클릭하면 제품 설명 페이지로 연결되어 전자 상거래로 이어지도록 한다. 이 모델을 통해 개선된 고객 경험뿐만 아니라 지하상가의 중소기업 지원, 새로운 직업 기회, 비즈니스 모델 운영자에 대한 추가 매출 및 광고 유연성 등 새로운 가치 창출이 가능할 것으로 기대된다.