• 한국유통학회지:유통연구
• /
• 제16권4호
• /
• pp.65-93
• /
• 2011

B2B 시장에서 구매자와 판매자간의 관계는 매우 밀접하고 장기화되는 것이 특징이므로 결국 단순한 제품을 판매하는 것에 그치는 것이 아닌 지속적인 서비스에 대한 중요성이 날로 커지고 있다. 산업재 연구 전반에 걸쳐서도 서비스에 대한 중요성과 관심이 증대되면서 고객이 서비스를 사용하는데 있어서 그 서비스의 품질과 함께 최근 소비자들은 얼마나 빠르고 쉽게 서비스가 제공되어 투입되는 노력을 최소화시킬 수 있는가를 매우 중요하게 생각하기 때문에 편의성이 중요한 요인으로 고려되어지고 있다. 이에 따라, 본 연구에서는 산업재 시장에서 관계만족과 관계성과를 형성하는데 중요하게 생각할 수 있는 새로운 요인이 어떤 것인가 라는 의문점에서 출발하여, 서비스 편의성과 관계성과 사이의 구조적 관계를 조사하고자 하였다. 이 연구의 가장 큰 학문적 기여점은 산업재 연구에서 주류를 이루고 있는 관계품질과 관계성과의 새로운 선행요인을 검증한 것이다. 또한 소비재 시장에서 주로 연구되었던 서비스 편의성 척도를 산업재 시장에 적용하여 그 활용도를 실험해 보았다는 데 의의가 있다. 본 연구는 서비스 편의성의 구성요소인 서비스 편의성을 결정편의성, 접근편의성, 거래편의 성, 편익편의성, 사후편익편의성 다섯가지 차원으로 구분하고 관계적 요인인 관계만족에 미치는 영향과 이러한 관계만족이 관계몰입과 관계성과에 어떠한 영향을 미치는가를 분석하여 서비스 편의성의 관리와 투자에 대한 마케팅 측면의 중요성을 제시하고 있다. 실증분석을 위해 산업재 서비스를 이용하고 있는 기업의 직원들을 대상으로 설문을 통해 데이터를 수집하였으며 서비스 편의성 ${\rightarrow}$ 관계만족 ${\rightarrow}$ 관계몰입 $\{rightarrow}$ 관계성과에 대한 인과적 구성모텔에 대해 구조방정식 모델분석으로 검증하였다. 구성모텔에 대한 분석결과 서비스 편의성을 구성하는 요소 중 접근편의성을 제외한 나머지 결정편의성, 거래편의성, 편익편의성, 사후편익편의성은 모두 관계적 요인들에 긍정적인 영향을 미쳤으며, 그 중 편익편의성이 관계적 요인에 가장 큰 영향을 주는 것으로 나타났다. 또한 추가적으로 매개효과검증을 실시하여, 서비스 편의성과 관계성과의 관계를 살펴보는데 있어서, 서비스 편의성이 관계만족과 관계몰입을 통해서 관계성과에 긍정적인 영향을 주는 구조적 인 관계를 가지고 있음을 알 수 있었다. 이는 높은 서비스 편의성에 대한 관리와 투자가 구매자로 하여금 관계에 만족하게 만들고 이렇게 형성된 관계만족은 관계에 몰입하게 하여 결과적으로는 관계성과를 가져올 수 있음을 시사한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.