• Journal of Oral Medicine and Pain
• /
• 제30권2호
• /
• pp.163-199
• /
• 2005

치의학계에서는 의료사고를 일으킬만한 중환자나 응급환자의 빈도가 상대적으로 낮아 의료분쟁에 휘말리는 경우가 적었기 때문에, 이에 대하여 비교적 안전지대로 인식되어 왔다. 그러나 요즈음은 남의 일로 보아 넘기기에는 어려울 정도로 의료분쟁이 증가하고 있다. 이런 연유로 최근에 이르러서는 비교적 다양한 의료사고와 분쟁에 관한 연구가 이루어지고 있으며, 적당한 대처를 위하여 관련된 사항을 분석하고 있으나, 자료가 부족한 실정이다. 본 연구는 2004년 현재 서울시치과의사회 소속 개원치과의사 3684명중, 설문지가 회수된 1882명을 연구대상으로 하며, 치과의사를 대상으로 하는 의료배상책임보험이 시행되고 있는 최근의 개원 치과에서 일어나는 의료사고 및 분쟁의 실태와, 일반적인 치과의사들의 의식을 분석하고, 전체적인 흐름을 파악하여 향후대책의 자료를 제시하는 것을 연구목적으로 한 것으로 다음과 같은 결과를 얻었다. 1. 응답자의 98.47%가 향후 의료사고 및 분쟁 발생에 대한 의구심을 가졌다. 2. 응답자의 27.42%가 의료분쟁을 경험하였으며, 전공의 수련여부와 의료분쟁 경험률 사이에는 유의한 차이가 나타나지 않았다. 3. 의료사고 중 치주.보존 관련 사고가 20.50%로 가장 높았으며, 임프란트 관련사고도 6.17%로 나타났다. 4. 응답자의 43.02%만이 치료 전 충분히 설명을 하였으며, 환자의 정확한 동의없이 치료를 시작하는 경우도 25.90%로 나타났다. 5. 설명 및 동의를 시행하지 않아 의료분쟁이 발생한 것은 16.55%이며, 의무기록 관련자료가 부족하여 문제해결에 어려움을 당한 경우는 10.26%로 나타났다. 6. 응급조치를 시행할 수 있다고 생각하는 경우는 49.73%였으며, 이중 정확한 지식을 갖춘 경우는 23.60%로 나타났다. 7. 의료분쟁 발생시 88.09%가 치과의사에게 조언을 구하였으며, 또한 단체로는 구치과의사회에 주로 자문을 구했다. 8. 의료분쟁과 관련하여 소비자보호원으로부터 자료 제출 요구를 받은 경우는 5.26%로 나타났으며, 이들 중 75.61%는 이에 성실히 대응하였다. 9. 의료분쟁을 해결한 후 83.63%는 비교적 안정적인 심리상태를 회복하였다. 10. 응답자의 99.46%가 의료분쟁처리기구가 필요하다고 느꼈으며, 78.58%는 매우 시급하다고 생각하였다. 11. 66.70%의 치과의사가 의료분쟁 경험이 없이도 의료배상책임보험에 가입하였다. 그러나 응답자의 73.36%는 이 상품에 대하여 잘 몰랐으며, 가입자의 93.36%는 분쟁처리과정을 잘 알지 못했다. 12. 79.00%의 응답자가 의료배상책임보험에 가입한 후에는 의료분쟁이 발생하여도 당황스러우나 가입 이전보다는 비교적 안심할 수 있다고 느끼고 있었다. 13. 의료배상책임보험에 의한 분쟁의 해결시 치과의사는 71.92%가 보통이상으로 만족하였으나, 환자는 35.61%만이 만족하였다. 14. 의료배상책임보험의 보완점으로 53.22%가 분쟁의 신속한 해결을 위해서 보험사, 의사, 환자 모두가 합의 유도에 동참해야 한다고 생각하였으며, 또 29.08%의 응답자가 합의과정에서 환자측의 업무방해를 보험사에서 방어해 주기를 바라고 있었다. 이상의 결과들을 볼 때 증가하는 의료분쟁에 대한 인식을 제고하고 이에 대한 교육 및 해결 장치의 보완이 필요할 것으로 사료된다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.93-108
• /
• 2014

기업 의사 결정 지원을 위하여 거래 데이터를 다양한 관점에서 분석하고 활용하려는 노력과 관심들이 증가하고 있다. 이러한 노력들은 고객 관리나 마케팅에만 국한되는 것이 아니라 부정행위에 대한 감시와 탐지를 목적으로도 다양한 분석 방안들이 연구되고 있다. 부정행위는 기술의 발전을 악용하여 다양한 형태로 진화하고 있으며, 이에 따라 목적에 맞는 부정탐지 방안 연구와 적용을 통하여 탐지 효용의 극대화를 위한 노력의 필요성이 증가하고 있다. 이러한 연구 동향의 일환으로 본 연구에서는 대용량 거래 데이터가 저장 관리되고 있는 국내 최대 농수산물 유통 시장의 2008년부터 2010년까지 상장예외품목의 거래 가격을 분석하여 부정 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 본 연구의 주요 부정거래 분석 방안으로는 정상적인 데이터들은 발생 확률이 높은 반면에 특이한 데이터들의 발생 확률은 낮다고 가정하는 통계적 접근을 통한 이상치 식별 방안을 활용하였다. 이에 따라 부정거래 분석 별로 정의 된 Z-Score 값보다 클 경우 부정거래 탐지 대상이 된다. 다만 상장예외품목 거래의 경우 취급 가능한 중도매인의 수가 제한되어 있으며, 일반적인 상장품목의 거래보다 거래량이 적기 때문에 소수의 이상치가 품목의 평균에 미치는 영향이 크다. 그 예로 다른 소수의 중도매인들이 해당 품목을 정상적인 가격에 거래하였더라도, 특정한 중도매인 한 명이 지나치게 비정상적인 가격에 거래할 경우 모든 거래들이 부정거래로 탐지 될 가능성도 있다. 이러한 문제를 해결하기 위하여 기존의 Z-Score의 개념을 활용하여 수정된 Z-Score(Self-Eliminated Z-Score)를 사용하였다. 또한 부정 유형별 탐지 규칙 관리와 활용을 위한 시스템 프로토타입(prototype) 개발을 수행하였다. 이를 통하여 실제 부정거래 탐지 업무에 적용할 수 있는 효과적인 방안을 제시하였고, 농수산 유통시장의 공정성 및 투명성 확보를 위한 관리 감독의 기능 강화가 가능할 것이다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.51-69
• /
• 2020

본 논문은 ICT 산업분야에서 신생기업이 기업공개(IPO) 이후 단기간 내에 기존 기업에 인수합병됨으로써 산업의 집중도가 높아지는 현상을 실증적으로 규명하였다. 이를 위해 1990년대 이후 기업공개를 한 4,938개 기업에 대해 산업분야를 구분하고 인수합병 여부에 따른 상태 변화를 추적하여 산업의 집중도에 미치는 영향을 분석하였다. 먼저 시기별로 분석한 결과, 2000년대 이후 기업들은 1990년대 기업들에 비해 상대적으로 단기간 내에 기존 기업에 인수합병된 것으로 나타났다. 그러나 이들 기업은 규모, 수익성 및 연구개발비 등이 시장에서 퇴출된 기업에 비해 양호한 것으로 나타났다. 또한 산업분야별로 분석한 결과, 동일한 산업분야로 인수합병되는 경우가 증가할수록 산업의 집중도 역시 증가한 것으로 나타났다. 그리고 산업분야별로 지배적 기업의 존재여부를 분석한 결과, 지배적 기업이 존재할 경우 인수합병이 산업의 집중도에 미치는 영향이 더 큰 것으로 나타났다. 특히 지배적 기업의 비중이 높은 ICT 분야에서 산업의 집중도에 미치는 영향이 더욱 크게 부각되는 것으로 나타났다. 이는 알파벳, 아마존 등이 공격적으로 신생기업을 인수합병하고 시장에서의 지배력을 확장시켜나가고 있는 ICT 산업분야의 최근 추세를 보여주고 있다. 또한 인공지능 및 데이터 애널리틱스 등 ICT 기술기반 신생기업이 인수된 경우 산업 집중도의 변동은 더 큰 폭으로 증가하는 것으로 나타났다. 이러한 분석결과는 디지털 경제시대에 ICT 분야의 산업 집중도가 높아지는 요인의 하나로서 신생기업이 단기간 내에 인수합병되는 추세를 실증적으로 규명하였다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.1-34
• /
• 2010

본 연구의 목적은 국내 외식 프랜차이즈 시스템에서 가맹점에 대한 가맹본부의 관계품질에 영향을 미치는 변수를 사후 지원서비스로 설정하고, 사후 지원서비스가 가맹점의 관계품질(신뢰, 만족, 몰입)과 경영성과(재무적 성과, 비재무적 성과)에 미치는 영향에 대한 포괄적인 모형을 개발하는 것이다. 제안된 모형을 검증하기 위하여 서울 및 경기 지역의 외식 프랜차이즈 가맹점 경영자 500명을 대상으로 설문 조사를 하여, 구조방정식을 통해 실증 분석하였다. 분석결과는 다음과 같다. 첫째, 사후 지원서비스 요인 중 제품범주 및 가격 요인과 정보제공 및 문제해결 능력 요인은 가맹점의 만족과 몰입에만 영향을 미치는 것으로 나타났다. 둘째, 물류지원과 슈퍼바이저 지원 요인은 신뢰와 만족에만 영향을 미치는 것으로 나타났다. 셋째, 재교육 및 훈련지원 요인은 가맹점의 신뢰와 몰입에만 영향을 미치는 것으로 나타났다. 넷째, 판매촉진 요인은 신뢰 만족, 그리고 몰입 모두에 영향을 미치는 것으로 나타났다. 다섯째, 관계품질요인들 간의 관계는 신뢰가 만족에 긍정적인 영향을 미치지만 몰입에는 직접적으로 영향을 미치지 못하고, 만족을 통해서 몰입에 긍정적인 영향을 미치는 것으로 나타났다. 여섯째, 신뢰는 재무적 성과에만 긍정적인 영향을 미치고, 만족과 몰입은 재무적 성과와 비재무적 성과 모두에 긍정적 영향을 미치는 것으로 나타났다. 마지막으로 본 연구의 결과요약과 시사점, 그리고 연구의 한계점과 향후 연구방향이 제시되었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.219-239
• /
• 2019

개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.21-41
• /
• 2019

정보 기술의 발전으로 온라인에서 활용 가능한 데이터의 양이 급속히 증대되고 있다. 이러한 빅데이터 시대에 많은 연구들이 통찰력을 발견하고 데이터의 효과를 입증하기 위해 노력하고 있다. 특히 관광 산업의 경우 정보에 민감한 사업으로 소셜 미디어의 영향력이 높고 소셜 미디어의 상품 후기에 소비자들이 영향을 많이 받아 많은 기업과 연구자들이 소셜 미디어를 분석하여 새로운 서비스 및 통찰력을 얻고자 시도하였다. 하지만 소셜 미디어의 후기는 텍스트로 이루어진 대표적인 비정형 데이터로 적절한 처리를 하지 않으면 분석에 활용할 수 없다. 또한 후기 데이터의 양이 방대함에 따라 사람이 직접 분석하기도 어려운 실정이다. 따라서, 본 연구에서는 이러한 소셜미디어 상의 온라인 후기로부터 직접 호텔의 서비스 품질 향상을 위한 통찰력을 추출할 수 있는 분석 방법을 제시하고자 한다. 이를 위해 본 연구에서는 먼저 후기 데이터에 포함되어 있는 주제어를 추출하는 토픽 마이닝 기법을 적용하였다. 토픽 마이닝은 대용량의 문서 집합으로부터 문서를 대표하는 단어 집합을 추출하는 기법을 의미하며 본 연구에서는 다양한 연구에서 활용되고 있는 LDA모형을 사용하여 토픽 마이닝을 수행하였다. 하지만, 토픽 마이닝 자체만으로는 주제어와 평점 사이의 관계를 도출할 수 없어 서비스 품질 향상을 위한 통찰력을 발견하기 어렵다. 그에 따라 본 연구에서는 토픽 마이닝의 결과값을 기반으로 의사결정나무 모형을 사용하여 주제어와 평점 사이의 관계를 도출하였다. 이러한 방법론의 유용성을 평가하기 위해 홍콩에 있는 4개 호텔의 온라인 후기를 수집하고 제안한 방법론의 분석 결과를 해석하는 실험을 진행하였다. 실험 결과 긍정 후기를 통해 각 호텔이 유지해야할 서비스 영역을 발견할 수 있었으며 부정 후기를 통해 개선해야할 서비스 영역을 도출할 수 있었다. 따라서, 본 연구에서 제안한 방법론을 사용하여 방대한 양의 후기 데이터로부터 서비스 개선 및 유지 영역을 발견할 수 있으리라 기대된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.

• Asia Marketing Journal
• /
• 제14권2호
• /
• pp.97-125
• /
• 2012

연구목적 - 최근 기업에서 마케팅이나 광고를 할 때 아트를 활용하여 기존의 명화나 아티스트들과 협업한 새로운 작품을 제품에 접목하거나, 마케팅에 활용하는 경우가 늘어나는 추세이다. 아트 콜라보레이션 제품을 새로운 자극으로 생각하고, 자극에 민감하게 반응하는 독특성 추구성향과 호기심이 많은 소비자일수록 아트 콜라보레이션 제품에 대한 호감도가 증가할 것으로 본다. 따라서 본 연구는 아트마케팅에 대해 전반적으로 살펴보고, 개인특성인 호기심과 독특성 추구성향이 아트 콜라보레이션 제품에 대한 소비자의 감정에 미치는 영향과 구매의도에 미치는 영향을 알아 보았다. 그리고 성별에 따라 개인특성과 소비자의 감정 사이에 미치는 영향은 차이가 있을 것이라 예측하고 성별의 조절효과를 살펴보았다. 연구결과 - 호기심은 긍정적 감정에 정의 영향을 미치며, 환기와 부정적 감정에는 영향을 미치지 않는 것으로 나타났다. 독특성 추구성향 중 창의적 선택은 긍정적 감정과 환기에 정의 영향을 미치며, 부정적 감정에 부의 영향을 미치는 것으로 나타났다. 독특성 추구성향 중 비대중적 선택은 긍정적 감정과 부정적 감정에는 영향이 없는 것으로 나타났으며, 환기에는 유의한 것으로 나타났다. 그리고 독특성 추구성향 중 유사성 회피는 소비자의 감정에 어떠한 영향도 미치지 않는 것으로 나타났다. 그리고 성별에 따른 차이를 살펴본 결과, 창의적 선택과 부정적 감정 사이와 비대중적 선택과 부정적 감정 사이에서만 남녀 간의 차이가 유의한 것으로 나타났다. 시사점 - 소비자의 호기심을 유발시킬 수 있는 새로운 디자인이나 전략을 시도하면 효과적일 것을 알 수 있으며, 독특성 욕구 중 자신의 정체성을 표현하고자 하는 욕구가 높은 사람이 아트 제품에 대하여 감정의 영향을 많이 받음을 알 수 있다. 따라서 지속적으로 예술가들과 콜라보레이션 활동을 통해 소비자의 감성을 자극하는 제품을 생산해야 할 것이다. 성별에 따른 큰 차이가 없으므로 남녀 구분없이 모두의 관심을 끌 수 있는 마케팅을 해도 무관하다는 것을 알 수 있다.