• 경영정보학연구
• /
• 제20권1호
• /
• pp.1-16
• /
• 2018

최근 인터넷의 발전과 스마트폰 보편화에 따라 배달 애플리케이션의 이용률이 높아지면서 O2O 기반의 외식 배달 시장이 급격하게 성장하고 있다. 본 연구는 한국(배달의민족)과 중국(어러머) 배달애플리케이션의 사용성을 비교 분석하고, 국내 배달 애플리케이션의 개선 방향을 제시하는 것을 목적으로 한다. 연구 방법으로는 1차로 국내외 배달 애플리케이션의 현황을 파악하고, 2차로 피터모빌의 허니콤 모델을 재구성하여, 이를 기준으로 설문조사와 심층인터뷰 진행하였다. 사용성 평가결과를 분석하여 제안된 개선 결과는 다음과 같다. 첫째, 배달의민족의 모든 가맹업체들은 애플리케이션으로 주문이 가능해야 한다. 둘째, 장바구니에 다른 업소의 음식을 동시에 담을 수 있어야 한다. 셋째, 화면 첫 페이지에서 장바구니와 구매내역을 바로 찾아볼 수 있고 첫 페이지에 오늘의 추천 메뉴를 보여주는 것은 사용자의 편의성을 높이는 것에 도움을 준다. 넷째, 검색창을 상단에 고정하면 검색성을 높일 수 있다. 다섯째, 배달 예상 시간과 배달원의 정확한 위치를 확인할 수 있어야 한다. 마지막으로 업소 주소가 명시되고 예상 배달 가능 시간에 대한 보장이 이루어진다면 신뢰성을 높일 수 있다. 본 연구 결과를 통해 국내 배달 애플리케이션 서비스 향상에 기여하기를 기대한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.127-138
• /
• 2011

대부분의 연구포털 사이트는 관심 분야의 논문을 획득하고자 하는 연구자를 대상으로 한 서비스를 주로 제공하고 있다. 하지만 이러한 서비스는 정확한 서지사항을 알고 있는 일부 사용자의 경우 손쉽게 이용할 수 있지만, 대부분의 이용자는 원하는 자료를 획득하기 위해 키워드 검색을 통한 반복적 시행착오를 겪게 된다. 특히 사용자가 익숙하지 않은 분야의 논문을 검색하는 경우에는, 찾고자 하는 논문의 적절한 키워드 자체를 알지 못하여 검색에 큰 어려움을 겪게 된다. 이러한 한계를 극복하기 위해 일부 연구포털 사이트에서는 온라인 쇼핑몰의 상품 추천에 주로 사용되어온 연관관계 분석 기반 키워드 추천 서비스를 채택하고 있다. 하지만 연관관계 분석에만 기반한 키워드 추천 방식은 두 키워드간의 단편적인 관계만을 알려줄 뿐, 해당 학술 분야와 관련된 전체 키워드 간의 복합적 연결 관계를 보여주기에는 한계가 있다. 따라서 본 논문에서는 연관관계 분석을 통해 빈발 출현 키워드 쌍을 추출하고 이를 근거로 전체 키워드 간 네트워크를 구축함으로써, 학술 분야별 중심 키워드 및 분야 간 융합을 위한 연계 키워드를 추천하기 위한 방법을 제시하고자 한다.

• Journal of Information Technology Applications and Management
• /
• 제26권4호
• /
• pp.51-69
• /
• 2019

One of the most considerate phenomena of the era of the Fourth Industrial Revolution is the use of digital devices. Digitalization is rapidly advancing through all areas of industry and life. Customer journey with digitalization is looking totally different from previous customer journey. The research targets were users of fashion, automobiles, cosmetics and online shopping malls. We analyzed 300 people for each valid questionnaire. The results of the study are as follows. First, it has been proven that digital experience affects positive (+) impact on purchasing intention and positive (+) impact on recommending intention and negative impact (-) on switching intent and subsequently affects positive impact (+) to purchase and incase of switching intent, negative impact (-) to purchase. Unlike traditional methods such as SPC(Service Profit Chain), the Digital experience to Purchase process Chain (DPC) has been identified to be suitable in the digital age. Second, the digital satisfied group (5 score-very satisfaction) has shown same result as above. However the digital neutral group (even though 4 score- satisfaction in five-point scale), specially in a highly competitive industry, has different from the satisfied group and 3 score-normal is same as dissatisfied group. It means that this group is that If there is a high level of attractiveness of substitute goods, there is a high possibility of switching them. It has supported Jones and Sasser [1995] that there have been two types of loyalty of true long-term loyalty and what we call false loyalty in the highly competitive industry zone which is commoditization or low differentiation, many substitutes, low cost of switching. Identifying true loyalty and false loyalty is crucial to establishing a customer experience strategy. it is necessary to actively utilize long-term digital experiences strategy to increase the total satisfaction of digital experience through all of customer purchasing journey in order to enhance the digital customer experience. It is difficult to see the effect as a one-time event. It should be scaled over the entire customer purchase process over a long period of time, which can positively affect purchase intention, recommendation intention, and conversion intention. This is also why it is difficult for second-runners to overtake first-runners in a short period.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.21-33
• /
• 2022

최근 추천 시스템은 영화, 음악, 온라인 쇼핑 및 SNS 등 다양한 분야들에서 광범위하게 활용되고 있으며, 추천 시스템 분야에서 1세대 모델이라고 할수 있는 Apriori 모델을 통한 연관분석부터 최근 많은 주목을 받는 딥러닝 기반 모델들까지 많은 모델들이 제안되어왔다. 추천 시스템에서 기본 모델들은 협업 필터링(Collaborative filtering) 방법, 콘텐츠 기반 필터링(Content-based filtering) 방법, 그리고 이 두 방법을 통합적으로 사용하는 하이브리드 필터링(Hybrid filtering) 방법으로 분류될 수 있다. 하지만 이러한 모델들은 최근 점점 빠르게 변화하는 사용자-아이템 간의 상호관계와 빅데이터의 발전과 같은 내외 변화 요인들에 적응하지 못하면서 점점 분야 내 방법론으로써의 지위를 잃어가고 있다. 반면, 추천 시스템 내에서 딥러닝 기반 모델들은 비선형 변환, 표현학습, 순차적 모델링, 그리고 유연성과 같은 장점들 때문에 그 비중이 높아지고 있는 추세이다. 본 논문에서는 딥러닝 기반 추천 모델들 중에서도 사용자-아이템 간의 상호작용에 대해 보다 정확하고, 유연성 있게 분석이 가능한 순차적 모델링에 적합한 순환 신경망, 합성곱 신경망, 그리고 생성적 적대 신경망 중심 기반 모델로 분류하여 비교 및 분석한다.