• Asia Marketing Journal
• /
• 제12권2호
• /
• pp.1-25
• /
• 2010

기존 영화 산업에서 구전의 크기는 매출에 영향을 주지만 방향성은 영향을 주지 못하는 것으로 연구되었다(Liu 2006). 하지만, 이러한 분석 방법을 국내 영화 데이터에 동일하게 적용시켜 본 결과, 구전의 방향성도 영화의 매출에 영향을 주는 것으로 밝혀졌다. 이는 아시아 지역의 소비자들에게서 나타나는 독립적 자아관점과 북미 지역의 소비자들에게서 나타나는 상호의존적 자아관점의 차이로 인해 나타난 결과로 보인다. 즉, 국내 소비자의 경우는 영화를 선택/관람함에 있어 타인의 평가가 영향력을 주기 때문에 구전의 방향성도 유의한 양(+)의 값을 가진다. 기존의 연구에서는 구전의 크기가 일방적으로 매출에 영향을 미친다는 가정을 통해 영화 산업의 구전효과를 분석했으나, 이는 발생된 매출이 구전의 크기에 미치는 영향을 간과한 것이다. 따라서 매출이 구전에 미치는 효과까지 고려하여 연립방정식(Simultaneous Equation)을 통해 구전의 크기와 매출 간 상호 관계를 추정한 결과, 구전의 방향성은 위의 분석과 동일하게 영화 개봉 후 지속적으로 매출에 양(+)의 영향력을 미치는 것으로 나타났다. 하지만, 구전의 크기는 매출의 원인이 되는 것이 아니라, 오히려 매출이 증가하여 구전의 크기가 증가하는 것이라는 결과를 보여주었다. 즉, 개봉 후 1주차에는 소비자들이 영화를 선택할 때 구전의 크기와 방향성이 동시에 고려되지만, 2주차 이후로는 구전의 크기는 매출에 영향을 미치는 변수가 아니라, 매출의 증가에 따른 결과라는 사실이 밝혀졌다.

• 마케팅과학연구
• /
• 제17권4호
• /
• pp.141-173
• /
• 2007

본 연구는 점포를 방문하는 동안 노출되는 매장의 물리적 환경 특성이 서비스 브랜드 개성과 재구매의도에 미치는 영향력을 규명하기 위해 시도되었다. 이를 위해 연구모형을 개발하여, 특정 서비스 브랜드의 이용객을 대상으로 설문조사를 실시하고 구조방정식을 이용하여 분석하였다. 연구 결과는 우선, 서비스의 물리적 환경은 주변요인, 디자인요인, 사회요인으로, 그리고 서비스브랜드 개성은 유능함, 성실함, 흥분됨, 세련됨, 강인함 차원으로 분류되었다. 둘째, 물리적 환경의 모든 차원들이 모든 서비스 브랜드 개성차원에 정(+)의 영향을 주었으며, 물리적 환경의 서비스 브랜드 개성에 대한 영향력은 각 차원별로 상이하였다. 셋째, 서비스 브랜드 개성은 모두 재구매의도에 정(+)의 영향을 주었으며, 특히 세련됨 차원에 미치는 영향이 가장 켰다. 넷째, 서비스의 물리적 환경은 재구매의도에 정(+)의 영향을 주었으며, 특히 물리적 환경 중 사회요인이 재구매의도에 가장 큰 영향을 주는 것으로 나타났다. 이와 같은 결과들은 물리적 환경 연출은 브랜드 개성 형성의 결정요인으로 서비스 브랜드 차별화의 핵심요인으로 작용하므로, 호의적인 브랜드 개성 창출을 위해서는 우선적으로 물리적 환경에 대한 효율적 관리 방안이 강구되어야 함을 보여준다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.