• 한국유통학회지:유통연구
• /
• 제14권1호
• /
• pp.27-44
• /
• 2009

본 연구는 온라인 쇼핑몰에서의 고객서비스 요인이 구매후기 댓글고객의 구전에 따라 소비자의 구매와 재 구매에 어떠한 영향을 미칠 것인가에 대하여 실증 분석을 통하여 규명하고자 하였다. 분석결과는 다음 두 가지로 설명된다. 첫째, 온라인 쇼핑몰 고객서비스 요인에 따른 소비자의 구매 및 재 구매 중 오프라인에 대한 강매로부터의 회피와 구매의 편의성을 추구하기 위하여 온라인 쇼핑몰을 활용한 구매자의 경우 구매후기 댓글고객의 영향보다는 방문한 쇼핑몰의 명성이나 보안의 믿음성, 신속한 제품 검색 등의 확신성과 반응성이 온라인 구매자의 결정 요인으로 작용하는 것으로 나타났다. 즉, 온라인 쇼핑몰의 인지도 향상과 보안시스템 구축, 검색엔진 개발이 온라인 쇼핑몰의 전략적인 요소임을 시사하고 있다. 둘째, 온라인 구매자의 경우 구매후기 댓글고객의 구전 요인을 높게 인식하고 있으며, 재구매자의 경우는 구전의 긍정적인 조절역할에 영향을 받고 있는 것으로 나타났다. 이는 구매경험의 준거(Reference)가 작용하는 것으로 사료된다.

• CRM연구
• /
• 제2권2호
• /
• pp.71-88
• /
• 2009

본 논문의 목적은 인터넷 쇼핑몰 기업의 e-CRM 활동이 구매고객 및 잠재고객의 구매활동에 미치는 영향을 규명하기 위함이다. 인터넷 쇼핑몰 기업은 고객의 다양한 수요를 체계적으로 파악하고 이를 마케팅 수단으로 활용하기 위하여 e-CRM을 활용하고 있으며 특히 게시판(e-Community)등을 통해 구매고객의 이용후기를 유도하여 많은 잠재 고객에게 유의미한 영향을 미치고자 한다. 그러나 인터넷쇼핑몰 기업의 의도와는 달리 게시판등을 통해 구매고객의 인지부조화가 발생할 수 있으며 불만사항으로 이어질 수 있다. 이러한 불만사항이 게시판을 통해 제대로 관리되지 않고 방치되면 다른 잠재고객에게 불만이 전이되고 불만고객에 대한 동조현상이 발생할 수 있다. 본 논문을 통해 확인된 내용은 인터넷 쇼핑몰을 통해 제품을 구매한 고객이 부정적 인지부조화가 발생하게 되면 사적불만행동으로 이어질 수 있으며 이러한 행동은 게시판등을 통해 형성된다. 사적불만 행동단계에게 기업의 적절한 대응이 없으면 사적불만행동은 곧 공적불만행동으로 커지게 되고 아울러 다른 잠재고객에게 불만내용이 전이되어 빠르게 확산될 수 있다. 즉, 인터넷쇼핑몰 기업의 의도와는 반대로 e-CRM을 통해 잠재고객의 구매의사결정을 촉진하는 것이 아니라 반대로 잠재고객의 구매의사결정을 보류 또는 철회하도록 하는 작용을 하게 되는 것이다. 따라서 인터넷 쇼핑몰 기업은 e-CRM 의 구성요인 중 e-Community에 대한 철저한 관리가 필요하며 불만고객에 대해서 즉각적인 대응이 있어야만 e-Community 의 기능이 제대로 작동을 하게 된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.