• 한국전산구조공학회논문집
• /
• 제20권6호
• /
• pp.769-778
• /
• 2007

본 논문에서 건축구조물의 풍응답 구현을 위한 선형질량가진기(linear mass shaker, LMS)와 능동동조질량감쇠기(active tuned mass damper, ATMD)를 이용한 가진시스템을 제안한다. 가진시스템을 위한 가진기의 힘은 가진기에 의한 구조물의 목표응답의 전달함수를 사용하여 계산된다. 필터와 포락곡선함수는 예측하지 못한 모드응답에 의한 가진과 초기 과도응답을 제거함으로써 실제 바람에 의한 응답과 가진기에 의한 응답의 오차를 최소화하기 위하여 사용되었다. 수치예제로는 풍동실험을 통한 풍하중이 주어진 76층 벤치마크 구조물을 이용하여 수치해석을 수행하였으며, 그 결과는 특정층에 설치된 가진시스템은 풍하중이 전층에 가진되었을 때의 응답을 근사하게 구현할 수 있음을 보여준다. 제안된 방법에 의해 설계된 가진시스템은 실제 건축구조물의 풍응답 특성을 평가하는데, 그리고 풍하중을 받는 건물의 정확한 수치모델을 얻는데 효과적으로 사용될 수 있다.

• 지식경영연구
• /
• 제23권1호
• /
• pp.203-225
• /
• 2022

글로벌 OTT(Over the Top) 서비스의 국내 진출이 늘어나고 기존 플랫폼 개편이 활발히 이루어지면서 OTT 서비스 시장의 경쟁이 더 치열해지고 있다. 초호화 콘텐츠를 보유한 막강한 경쟁자들이 계속해서 시장에 뛰어들고 있고 사람들의 니즈도 다양해짐에 따라 지속적인 수익 창출을 위해 가입자의 이탈을 막기 위한 OTT 서비스 플랫폼의 다양한 노력이 요구된다. 이에 본 연구는 기대일치모델을 기반으로 OTT 서비스 특성이 지속이용의도에 미치는 영향을 실증분석을 통해 살펴보고자 하였다. OTT 서비스 이용 경험이 있거나 현재 이용 중인 개인을 대상으로 총 386부의 설문을 수집하여 AMOS24를 사용하여 분석을 진행하였다. 연구결과, 플랫폼 품질 우수성을 제외한 콘텐츠 큐레이션, 콘텐츠 풍부성, 시청 능동성은 기대일치에 유의한 영향을 미치는 것으로 나타났다. 기대일치는 지각된 유용성과 사용자만족에 유의한 영향을 미쳤으며, 지각된 유용성은 사용자만족에 영향을 미치고, 사용자만족은 OTT 서비스 지속이용의도에 유의한 영향을 미치는 것으로 나타났다. 마지막으로 가격공정성은 기대일치와 사용자만족, 지각된 유용성과 사용자만족, 사용자만족과 OTT 서비스 지속이용의도 간의 관계를 강화해주는 것으로 나타났다. 본 연구의 결과는 OTT 서비스 사업자의 수익 창출에 가장 직접적인 영향을 미치는 가입자 유지를 위한 서비스와 콘텐츠 개발에 유용한 정보를 제공할 것으로 기대한다.

• 서비스연구
• /
• 제13권2호
• /
• pp.99-113
• /
• 2023

고객 기반의 산업에서 고객 Retention은 기업의 경쟁력이라 할 수 있으며, 고객 Retention을 높이는 것은 기업의 경쟁력을 높이는 것이라 할 수 있다. 따라서, 미래 휴면 고객을 잘 예측하여 관리하는 것은 기업의 경쟁력을 높이는데 무엇보다 중요하다. 왜냐하면, 신규 고객을 유치하는데 필요한 비용이 기존 고객을 Lock-in 시키는데 드는 비용 보다 많은 것으로 알려져 있기 때문이다. 특히, 수 많은 카드사가 존재하는 국내 카드 산업의 휴면 카드를 관리하고자 정부에서 휴면 카드 자동 해지 제도를 도입하고 있으며, 카드 산업에서 휴면 고객을 관리하는 것이 무엇보다 중요한 과제로 떠오르고 있다. 본 연구에서는 카드 산업에서 휴면 고객을 예측하기 위해 Recurrent Neural Network (RNN)방법론을 사용하였으며, RNN방법론 중에서 긴 시간을 효율적으로 학습할 수 있는 Long-Short Term Memory (LSTM)을 활용하였다. 또한, 통합기술수용이론 (UTAUT)을 입각하여 카드 산업에서 휴면 고객을 예측하는데 필요한 변수를 재정의하였다. 그 결과 안정된 모형의 정확도와 F-1 score를 얻을 수 있었으며, Hit-Ratio를 통하여 모형의 안정된 결과를 입증하였다. 기존 연구에서 지적된 통합기술수용이론 (UTAUT)에서 발생 될 수 있는 인구통계학적 정보의 조절 효과도 발생 되지 않은 것을 보였으며, 이로 인해 통합기술수용이론(UTAUT)를 이용한 변수 선정 모형에서 LSTM을 이용한 휴면 고객 예측 모형은 편향되지 않고 안정된 결과를 가져다 줄 수 있다는 것을 입증하였다.

• 경영정보학연구
• /
• 제19권4호
• /
• pp.183-209
• /
• 2017

정보기술이 발전함에 따라 소비자들은 혁신적인 새로운 서비스로의 전환을 보다 빈번하게 고려하게 되었다. 이에 따라 기업에게도 고객의 서비스 전환 행동은 주요 과제 중 하나가 되었다. 이러한 요구에 부응하기 위해 학계에서도 고객의 서비스 전환 행동과 관련한 다양한 연구들이 진행되어 왔다. 그럼에도 불구하고, 쾌락적 서비스(hedonic service)에 대한 고객의 전환 행동을 단계적으로 파악한 연구는 거의 이루어지지 않고 있다. 본 연구는 범이론적 모형(TTM: transtheoretical model)을 기반으로 서비스 전환 행동의 단계를 파악하고, 서비스 제공자 전환 모형(SPSM: service provider switching model)을 기반으로 전환 행동 단계별로 서비스 전환에 영향을 미치는 요인이 어떻게 변화하는지를 파악하고자 한다. 이를 위해 숙박공유경제 서비스에 대한 고객의 전환 행동과 관련한 가설을 제시하고 이를 실증적으로 분석하였다. 분석 결과 서비스 전환 행동 단계에 따라 서비스 전환 행동에 영향을 미치는 요인이 달라짐을 파악하였다. 본 연구는 서비스 전환 행동과 영향 요인이 단계별로 차이가 있음을 밝힘으로써 고객 유지 및 이탈 방지를 위한 가이드라인을 제시할 수 있을 것이다. 또한 고객 유지 역량을 증대시킴으로써 기업성과를 향상시키고자 하는 경영자들에게 실질적인 도움을 줄 수 있을 것이다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.29-45
• /
• 2015

고객반응 예측모형은 마케팅 프로모션을 제공할 목표고객을 효과적으로 선정할 수 있도록 하여 프로모션의 효과를 극대화 할 수 있도록 해준다. 오늘날과 같은 빅데이터 환경에서는 데이터 마이닝 기법을 적용하여 고객반응 예측모형을 구축하고 있으며 본 연구에서는 사례기반추론 기반의 고객반응 예측모형을 제시하였다. 일반적으로 사례기반추론 기반의 예측모형은 타 인공지능기법에 비해 성과가 낮다고 알려져 있으나 입력변수의 중요도에 따라 가중치를 상이하게 적용함으로써 예측성과를 향상시킬 수 있다. 본 연구에서는 프로모션에 대한 고객의 반응여부에 영향을 미치는 중요도에 따라 입력변수의 가중치를 산출하여 적용하였으며 동일한 가중치를 적용한 예측모형과의 성과를 비교하였다. 목욕세제 판매데이터를 사용하여 고객반응 예측모형을 개발하고 로짓모형의 계수를 적용하여 입력변수의 중요도에 따라 가중치를 산출하였다. 실증분석 결과 각 변수의 중요도에 기반하여 가중치를 적용한 예측모형이 동일한 가중치를 적용한 예측모형보다 높은 예측성과를 보여주었다. 또한 고객 반응예측 모형과 같이 실생활의 분류문제에서는 두 범주에 속하는 데이터의 수가 현격한 차이를 보이는 불균형 데이터가 대부분이다. 이러한 데이터의 불균형 문제는 기계학습 알고리즘의 성능을 저하시키는 요인으로 작용하며 본 연구에서 제안한 Weighted CBR이 불균형 환경에서도 안정적으로 적용할 수 있는지 검증하였다. 전체데이터에서 100개의 데이터를 무작위로 추출한 불균형 환경에서 100번 반복하여 예측성과를 비교해 본 결과 본 연구에서 제안한 Weighted CBR은 불균형 환경에서도 일관된 우수한 성과를 보여주었다.

• 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.

• 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.