• Journal of Nutrition and Health
• /
• 제53권5호
• /
• pp.547-561
• /
• 2020

배달음식 소비시장을 세분화하여 고객 성향 맞춤형 제품과 서비스 개발을 위한 기초자료로 활용하고자 배달음식 이용 경험이 있는 성인남녀 총 636명을 대상으로 설문조사를 실시하였다. 조사대상자의 식생활라이프스타일 평가항목에 대한 요인분석 결과 안전지향, 편의지향, 맛지향, 경제지향 요인이 도출되었고 요인분석 결과를 토대로 군집분석을 실시한 결과 조사대상 고객을 식생활 저관심군, 편의·경제 추구군, 미식·경제 추구군으로 분류하였다. 군집에 따른 조사대상자의 일반 특성에 대한 차이분석 결과 연령 (p < 0.001), 결혼 여부 (p < 0.001), 가족 유형 (p < 0.01), 주거 형태 (p < 0.05) 에서 유의적인 차이가 있었다. 식생활 저관심군은 기혼 (67.1%), 가족과 함께 거주하는 비율 (85.4%), 아파트에 거주하는 비율 (74.2%)이 다른 군집에 비해 높았고 편의·경제 추구군은 1인 가구 비율 (28.9%)이, 미식·경제 추구군은 미혼의 비율 (62.0%)이 다른 군집에 비해 높았다. 조사대상자의 연령은 편의·경제 추구군(32.3세)과 미식·경제 추구군 (32.5세)에 비해 식생활 저관심군 (40.0세)이 유의적으로 높았다(p < 0.001). 식생활라이프스타일 군집에 따른 배달음식 소비 실태에 대한 차이 분석 결과 주문횟수 (p < 0.001), 주로 주문하는 요일 (p < 0.05), 배달음식의 정보 습득 경로 (p < 0.001), 주문 방법 (p < 0.001), 같이 섭취하는 사람 (p < 0.01)에서 군집 간에 유의적인 차이가 있었으며, 편의·경제 추구군은 배달음식 주문횟수 (p < 0.001)와 배달음식에 대한 전체적인 만족도 (p < 0.001)에서 식생활 저관심군과 미식·경제 추구군에 비해 유의적으로 높았다. 따라서 음식점 경영자와 배달 플랫폼 업체는 배달음식 고객의 만족도를 극대화하기 위해서 고객의 식생활 라이프스타일 특성을 고려한 제품과 서비스를 개발하고 배달음식의 품질 향상을 위해 지속적으로 노력해야 할 것이다.

• 한국산학기술학회논문지
• /
• 제17권8호
• /
• pp.236-250
• /
• 2016

본 연구는 수도권에 거주하는 일반 소비자를 대상으로 기능성화장품 구매행태를 파악하여 선복화 활용 주름 미백개선 신제품 개발 시 경쟁력 확보를 위한 기초자료로 활용하고자 하였다. 연구결과, 소비자는 주름개선 기능성화장품의 종류 중 세럼을 주로 선호했으며, 1~3개월에 한 번 구매하는 비율이 높았다. 용량은 10~30 ml 미만을 주로 선호했고, 구매비용은 3~5만원 미만을 주로 지출하였다. 미백개선 기능성화장품 역시 세럼을 선호했고, 용량은 30~50 ml 미만을 선호했으며, 구매비용은 3~5만원 미만을 주로 지출하였다. 기능성화장품 형태는 단품을 선호했고 선호도가 높은 주요 구매 장소는 '화장품전문점' 이었고, 선호도가 높은 주요 정보원은 '가족 친구 지인의 추천 및 경험담', 'TV 광고' 등 이었다. 선복화 활용 기능성화장품 세럼 개발시 구매의도 4개 항목 모두 제품 비용이 5만원 이상으로 나타났으며, 가격 지불의사에서도 현재 가격에서 추가로 10~30%까지 지불 할 수 있는 것으로 나타났다. 따라서 화장품 관련 기업 및 산업체는 기능성화장품 관련 신제품 개발 시 소비자의 구매시 요구도를 적용하는 방안과 신제품 판매 활성화를 위해 질 높은 서비스를 제공하는 전문화된 장소 확보 및 직접체험, 다양한 대중매체 활용 SNS 블로그를 통한 구전 효과를 높이고, 천연미백 및 주름개선, 보습효과 등이 검증된 선복화를 활용한 제품을 개발하면 건강과 미용에 관심이 많은 소비자들에게 충분히 어필(appeal)할 수 있을 것으로 사료되었다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.