• 한국시뮬레이션학회논문지
• /
• 제29권4호
• /
• pp.9-19
• /
• 2020

스마트폰의 빠른 보급과 함께 소셜네트워크서비스(Social Network Service, SNS)의 이용자 수는 매우 빠르게 증가하고 있다. 2018년 기준 전 세계 인구 약 71억명 중 27억명이 SNS를 사용하는 것으로 나타났으며, 대한민국에서는 약 5,100만명 중 약 3,120만 명이 SNS를 사용하는 것으로 나타났다. 이와 같이 지속적으로 성장해온 SNS 시장에 대해 다양한 분석연구가 존재해왔으나, 수리적 모델을 통한 정량적 분석 연구는 미진한 실정이다. 본 연구에서는 국내 SNS 시장에서 가장 큰 비중을 차지하고 있는 페이스북, 인스타그램, 트위터를 대상으로 경쟁 관계 분석을 수행하였다. 본 연구의 목적은 SNS 시장의 흐름과 경쟁관계에 관한 몇 가설을 제시하고 해당 가설을 검정하여 SNS 시장의 경향성을 분석하는 것이다. 경쟁관계분석을 위해 Lotka-Volterra(LV) 모형을 적용하였으며, 시간의 흐름에 따른 경쟁관계 변화를 파악하기 위해 Moving Window 기법을 함께 활용하였다. 제시한 가설을 검정 하기위해 Moving Window 기법을 활용하여 몇 가지 시뮬레이션분석을 진행하였다. 각 플랫폼 간의 상관관계와 시간의 흐름에 따른 경쟁관계의 변화를 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권3호
• /
• pp.25-30
• /
• 2022

본 연구는 러시아-우크라이나 전쟁(2022)의 특징인 유튜브 등 SNS 추천알고리즘 필터버블 강화현상과 하이브리드 전쟁의 승패 요인에 관한 연구이다. 이 전쟁은 하이브리드전으로 규명되며, SNS 추천알고리즘 기반 뉴미디어의 활용은 정치적 레버리지를 넘어서 전쟁의 승부를 결정짓는 요소로 부상하고 있다. 이로 인해, 필터버블 현상이 시청자들에게 노출되는 정보의 제한을 가져온다는 확증편향의 사전적 의미를 넘어서고 있다. 우크라이나 젤렌스키 대통령이 키예프에서 항전을 독려한 유튜브 동영상의 경우 702만의 조회 수를 기록했지만, 푸틴의 연설은 80만에 그친 것은 추천알고리즘이 푸틴의 연설을 노출하지 않았다는 방증이다. 이러한 SNS 추천알고리즘의 노출 전쟁은 미국(유튜브, 트위터, 페이스북)과 중국(틱톡) 빅테크 기업의 알고리즘 전쟁으로 발전되는 경향을 보인다. 미국기업의 영향으로 우크라이나는 국제적인 지원을 받을 수 있게 되었고, 러시아는 중국기업의 영향으로 푸틴의 지지율이 80 프로가 넘는 상반된 결과가 도출되고 있다. 이러한 알고리즘 권력화는 '필터버블'에 의해 여론의 확증편향에 기반을 두고 있기에 이 왜곡 현상에 대한 새로운 가이드라인 설정을 이른 시일 안에 제시해야 한다는 정당성이 이번 러시아-우크라이나 전쟁을 통해서 주목받고 있다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.131-142
• /
• 2011

최근 페이스북, 트위터 등 다양한 소셜 네트워크 서비스(SNS)가 등장하였으며, 많은 사용자들이 SNS를 이용하고 있다. 이러한 사용자의 증가로 인해 많은 조직들은 SNS에 관심을 가지게 되었다. 조직에서 SNS의 사용은 다양한 이점을 지니고 있다. SNS를 통해 조직들은 사용자들의 행위에 신속하고 지속적으로 반응할 수 있고, 다양한 특성을 지닌 사용자에게 쉽게 접근할 수 있으며, 타 매체에 비하여 사용자 특성이 반영된 차별화된 전략을 세울 수 있다. 또한 기업들은 SNS를 통해 상대적으로 저렴한 비용으로 활용이 가능하며, 사용자들과 양방향 소통이 가능하여 친근성과 신뢰성이 있는 관계 구축이 용이하다. 그러나 네트워크의 특성에 따라 SNS의 정보전달의 효과가 다르게 나타남에도 불구하고 조직들은 네트워크의 특성을 고려하지 않고 획일화된 방법으로 SNS를 활용하여 사용자들과 커뮤니케이션하고 있다. 따라서 본 연구에서는 네트워크에 따른 SNS의 정보전달의 효과 차이를 분석하였다. 즉 오프라인에서의 커뮤니케이션 기반으로 형성된 네트워크와 무작위로 형성된 네트워크를 생성하여, 각각의 네트워크들의 특징 차이를 분석하기 위하여 소셜 네트워크 분석을 하였다. 또한, 각각의 네트워크에서 SNS를 이용한 정보 전달 효과의 차이가 있는지 실증적으로 검증하였다. 실증 분석후 네트워크의 특성에 따라 네트워크 내 사용자들은 SNS를 받아들이는 반응이 달랐다. 따라서 조직이 효과적인 마케팅 수단으로 소셜 네트워크를 활용하기 위해서는 그 목적에 따라 네트워크의 특성을 고려하여 적절한 네트워크 형태를 구성해야 함을 도출하였다.

• Journal of Nutrition and Health
• /
• 제56권2호
• /
• pp.203-216
• /
• 2023

본 연구는 전북지역 대학생 447명을 대상으로 소셜미디어 이용동기 유형에 따른 소셜미디어 이용실태, 관련 식행동 및 체중조절 행태 등을 조사한 결과는 다음과 같다. 소셜미디어 이용동기 유형은 '흥미중심군,' '다목적 정보탐색군,' '관계중심군'으로 분류하였다. 조사대상자는 유튜브, 인스타그램, 페이스북을 주로 이용하며, '흥미중심군'은 게임, 스포츠 경기 및 교육 강의 등, '다목적 정보탐색군'은 음악, 영화, 드라마 및 먹방, 패션 등, '관계중심군'은 뉴스, 정치이슈 및 교육 강의에 관심이 높았다. 조사대상자의 소셜미디어 1일 이용시간은 모든 군에서 1시간 이상 1시간 30분 미만이 40.7%로 나타났다. 소셜미디어 관련 식행동의 군집별 평균은 '다목적 정보탐색군' 3.09 ± 0.82점, '관계중심군' 2.67 ± 0.75점, '흥미중심군' 2.40 ± 0.86점이었다. '소셜미디어에서 음식 레시피에 관한 정보를 듣고 따라서 요리를 한 적이 있다'가 가장 높은 식행동점수를 보였다. 현재 자신의 체중에 대하여 '흥미중심군'과 '다목적 정보탐색군'이 '관계중심군'보다불만족수준이높았으며, 실제체중조절경험이더많으며, 소셜미디어의체중조절 정보를 더 많이 이용하고 있었다. 가장 선호하는 체중조절 방법은 '규칙적인 운동'이나 '다목적 정보탐색군'은 다른 군보다 높게 '소셜미디어의 홈 트레이닝'을 병행하고 있었다. 이상의 결과, 전북지역 대학생의 소셜미디어 이용동기 유형이 '흥미중심군'과 '다목적 정보탐색군'일 때 '관계중심군'보다 체중조절 경험이 더 많으며 소셜미디어에서 관련정보를 더 활용하고 있었다. 따라서 향후 체중조절 관련 교육 프로그램은 대학생들의 소셜미디어 이용행태를 고려하여 흥미와 관심을 유발할 수 있는 주제로 프로그램을 구성하고 장소와 시간제약이 없도록 소셜미디어 매체를 활용함으로써 보다 많은 학생들에 대한 참여유도가 필요할 것으로 보인다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.

• 벤처창업연구
• /
• 제12권3호
• /
• pp.75-86
• /
• 2017

웹 기술의 발전과 스마트폰의 보편화는 인터넷을 활용한 소셜미디어 이용자 수를 폭발적으로 증가 시켰다. 이로 인해 기업에서는 소셜미디어를 주요 마케팅 수단으로 인지하고 다양한 SNS채널을 운영하고 있다. 특히 한정된 자원으로 비즈니스를 실행하는 스타트업(Start-up)에게 소셜미디어는 적은 비용으로 많은 잠재고객들을 만날 수 있는 효율적인 마케팅 수단으로써 활용되고 있다. 본 연구는 소셜미디어 이용자의 네 가지의 개인특성에 따른 만족도와 구매의도와의 영향관계를 분석하였고 소셜미디어 콘텐츠 유형과 구매의도간의 관계에 있어 만족도의 매개효과를 측정하였다. 이를 위해 선행연구를 바탕으로 콘텐츠를 세 가지 유형으로 분류하고, 대표적인 숙박관련 스타트업 중 하나인 '민박다나와(이하, 민다)' 페이스북의 팬(fan) 200명을 대상으로 설문조사를 실시하였다. 설문은 총 145부가 회수되었고 회수된 설문 전체를 SPSS 18.0을 통한 통계분석에 이용하였다. 실증 분석 결과 홍보성, 정보성, 소통성의 세 가지 유형의 콘텐츠 모두 만족도에 유의한 영향을 미치는 것으로 나타났으며, 그 중 홍보성 콘텐츠는 만족도가 구매의도에 매개 역할을 하고 있음이 확인되었다. 그리고 이용자 개인특성은 콘텐츠 유형에 따라 부분적으로 만족도에 조절 효과를 하는 것으로 나타났다. 따라서 소셜미디어 콘텐츠는 소비자의 만족과 구매에 중요한 영향을 미치기 때문에, 스타트업이 시장에서 경쟁우위를 선점하기 위해서는 체계적인 콘텐츠 분석과 기획을 통해 지속적으로 고객과 소통하는 운영전략이 필요하다. 본 연구의 결과를 통해 스타트업에게 효율적인 소셜미디어 마케팅 전략구축 방안과 인터넷 이용자의 특성을 고려한 콘텐츠 활용 방안에 대한 시사점을 제시하였다.