• 광고학연구
• /
• 제27권8호
• /
• pp.59-90
• /
• 2016

소비자는 시장에서 경제적 가치뿐만 아니라 사회적 가치에도 영향력을 행사하며 기업이 사회적 책임을 다하기를 요구하고 있다. 구체적으로 이런 사회적 분위기에 편승해 기업들은다양한 사회적 책임 활동(Corporate Social Responsibility:CSR)활동을 적극적으로 펼쳐가고 있다. 아울러 학계에서도 CSR활동의 효과에 관한 다양한 연구가 진행되어 왔다. 그 중에서도 CSR 활동과 브랜드 자산가치의 관계에 관한 연구들이 다수 진행되었는데, 이러한 연구의 대다수가개별브랜드 관점에서 CSR활동에 대한 소비자 반응에 초점을 맞추고 있는 게 사실이다. 하지만브랜드 매니지먼트 관점에서 볼 때, 대부분의 기업들이 다수의 브랜드를 관리하고 있는 상황을고려한다면 기업브랜드를 포함하여 살펴보는 것이 CSR활동의 효과를 좀 더 포괄적으로 이해하는데 도움이 될 것으로 보인다. 또한 브랜드 간 파급효과를 고려한 브랜드 운용의 필요성이 증가하고 있는 상황을 고려할 때, 다수의 브랜드를 보유한 기업이 CSR활동 전략을 수립할 때에도브랜드 간 파급효과를 고려해야 한다고 판단된다. 따라서 본 연구는 브랜드 계층구조에 따른 브랜드 운용과 CSR활동의 적합성 문제를 고려하였으며, CSR활동 적합성의 상대성을 반영한 2가지 CSR전략 유형의 효과를 살펴보았다. 연구 결과, 첫째 개별브랜드 중심 CSR전략과 기업브랜드 중심 CSR전략의 효과의 차이가 없었다. 특히 일부 개별브랜드의 경우에는 기업브랜드 중심 CSR전략이 오히려 더 큰 소비자의 태도 변화를 이끌어 냈다. 이를 토대로 기존의 CSR활동 관련 연구에서의 일반적 주장과 달리 브랜드 계층구조의 영향으로 적합성의 역할이 상대적으로 줄어들 수 있음을 유추해 볼 수 있다. 둘째, 동일한 기업브랜드에 속하는 하위 개별브랜드들 사이에서 CSR활동에 의한 파급효과가나타나, 명확한 브랜드 계층구조의 역할을 검증했다. 이를 통해 개별브랜드 중심 CSR전략과 기업브랜드 중심 CSR전략 모두 소비자의 브랜드에 대한 태도 변화를 유발하지만, 기업 전체적인측면에서 살펴본다면 브랜드 간 파급효과를 낳는 기업브랜드 중심 CSR전략이 더 효과적일 수있음을 밝혔다. 셋째, 개별브랜드들과 기업브랜드 간 연상의 강도를 달리하여 기업브랜드 중심CSR전략의 효과를 검증하였다. 그 결과 연상 강도에 따른 차이를 확인하여 기업브랜드 중심CSR전략의 효과는 기업브랜드를 통한 브랜드 간 연상의 파급효과에 기인함을 검증하였다. 본연구에서는 이러한 결과를 바탕으로 시사점을 논의하였다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.